Статистическая обработка выборки

Автор работы: Пользователь скрыл имя, 08 Декабря 2012 в 08:24, лабораторная работа

Описание работы

работа содержит 7 заданий с решениями по "Статистике"

Файлы: 1 файл

Лабораторная работа тервер.doc

— 1.39 Мб (Скачать файл)

Отсюда, Ф(Kкр)=(1–2a)/a и осталось воспользоваться таблицей функции Лапласа для нахождения числа Kкр.

Если величина z, полученная при выборочном значении , попадает в область принятия гипотезы  (z < Kкр), то гипотеза H0 принимается (делается вывод, что выборочные данные не противоречат гипотезе H0). Если величина z попадает в критическую область, то гипотеза H0 отвергается.

В данной задаче может  быть подсчитана мощность критерия:

.

Мощность критерия тем больше, чем больше разность a1– a.

II. Если в задаче  поставить другое условие: H0: Mx = a;  H1: Mx = a1 , a1 < a,

то сохранив смысл всех рассуждений, здесь придется рассматривать левостороннюю  критическую область, как изображено на рисунке 2. Здесь, как и в предыдущем случае, a*=(a1–a) /s, а величина Kкр определяется из формулы

a = P(–¥ < z < Kкр)=F( Kкр) – F(–¥) =  F( Kкр) + 1/2.

Используя формулу  –F( Kкр) = F( –Kкр), получаем:  F( –Kкр) = .

Отметим, что по смыслу задачи здесь Kкр – отрицательное число.

Значения z, вычисленные по выборочным данным, превышающие Kкр, согласуются с гипотезой H0. Если величина z попадает в критическую область (z<Kкр), то гипотезу H0 следует отвергнуть, считая предпочтительной гипотезу H1.

III. Рассмотрим теперь  такую задачу: H0: Mx = a; H1: Mx ¹ a.

В данном случае большие  отклонения величины z от нуля в положительную или отрицательную сторону должны приводить к заключению о ложности гипотезы H0, то есть здесь следует рассматривать двустороннюю критическую область, как изображено на рисунке 3. Критическое значение Kкр определяется с помощью соотношения P(-Kкр<z<Kкр) =1–a=F(Kкр)–F(–Kкр)=2F(Kкр). Из этого соотношения следует:

F(Kкр)=

 

Итак, проверим гипотезу о математическом ожидании при уровне значимости 0,01.

Итак, задана выборка, содержащая 150 значения случайной величины, о которой известно, что она распределена нормальное, её математическое ожидание Mξ = a неизвестно, но  известна дисперсия Dξ = σ2= 25,98.

Задача состоит в проверке с  уровнем значимости  гипотезы  H0: a = 0  при двусторонней альтернативной гипотезе H1: a ≠ 0.

. Тогда Ккр= –1,64. . Критическая критическая область (область отклонения нулевой гипотезы) — промежуток (– ∞; –1,64) и (1,64; ∞). Значение критерия z не попадает в критическую область. Следовательно, гипотеза о равенстве математического ожидания 3 принимается с уровнем значимости 0,01.

 

    1.  Проверка гипотезы о дисперсии.

Проверим при уровне значимости 0,01 гипотезу о том, что дисперсия Dξ=26. Для этого применим критерий Фишера-Снедекора для нулевой гипотезы  H0: Dξ=26 и конкурирующей Dξ>26. Вычислим наблюдаемое значение критерия :

.

 Критическую точку находим  в приложении для уровня значимости 0,01 и числам степеней свободы  k1=5 и k2=5: Fкр(0,01;5;5)= 10,96.

 Получили, что  . Следовательно, нулевая гипотеза на уровне значимости 0,01 принимается.

 

7.   Принятие статистического  решения.

Таким образом, представим на одном  чертеже и в одном масштабе гистограмму  и полигон частот – Рис.5.

Рис.5: Полигон и гистограмма частот группированной выборки.

 

Далее составим параллельную таблицу  теоретических и выборочных числовых характеристик – Таблицу.6.

Таблица 6: Теоретические и выборочные характеристики.

 

Теоретические числовые характеристики

Выборочные числовые характеристики

5,197

5,1

5,214

5,11

 

 

 

 

-0,49

 

-0,45

 

-4,049

 

-2

-0,07

-0,056

-0,17

-0,134

Квантили

-6,85; -4,56; -2,9; -1,49; -0,17; 1,15; 2,56; 4,21; 6,5

-6,68;  -4,43; -2,81; -1,43;-0,134; 1,16; 2,55; 4,17; 6,41


 

Так как гипотезы о выбранной статистической модели не отвергаются, то изучаемая величина распределена нормально c математическим ожиданием, равным 0 и дисперсией, равной 26, при уровне значимости 0,01.


Информация о работе Статистическая обработка выборки