13 T-Tо¦ВтАв¦- (Ответы на теория к экзамену)
Описание файла
Файл "13 T-Tо¦ВтАв¦-" внутри архива находится в папке "¦С¦¬¦¬¦¦TВTЛ". Документ из архива "Ответы на теория к экзамену", который расположен в категории "". Всё это находится в предмете "теория вероятностей и математическая статистика" из , которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. Архив можно найти в разделе "к экзамену/зачёту", в предмете "теория вероятности и математическая статистика" в общих файлах.
Онлайн просмотр документа "13 T-Tо¦ВтАв¦-"
Текст из документа "13 T-Tо¦ВтАв¦-"
13 билет
Определение 4.4. Функцией распределения F(x) случайной величины Х называется вероятность того, что случайная величина примет значение, меньшее х: F (x) = p (X < x). (4.1) Свойства функции распределения. 0 ≤ F(x) ≤ 1. Действительно, так как функция распределения представляет собой вероятность, она может принимать только те значения, которые принимает вероятность. Функция распределения является неубывающей функцией, то есть F(x2) ≥ F(x1) при х2 > x1. Это следует из того, что F(x2) = p(X < x2) = p(X < x1) + p(x1 ≤ X < x2) ≥ F(x1). В частности, если все возможные значения Х лежат на интервале [a, b], то F(x) = 0 при х ≤ а и F(x) = 1 при х ≥ b. Действительно, X < a – событие невозможное, а X < b – достоверное. Вероятность того, что случайная величина примет значение из интервала [a, b], равна разности значений функции распределения на концах интервала: p ( a < X < b ) = F(b) – F(a). Справедливость этого утверждения следует из определения функции распределения (см. свойство 2). Для дискретной случайной величины значение F(x) в каждой точке представляет собой сумму вероятностей тех ее возможных значений, которые меньше аргумента функции.
2 Распределение Стьюдента. Рассмотрим две независимые случайные величины: Z, имеющую нормальное распределение и нормированную (то есть М( Z ) = 0, σ( Z) = 1), и V, распределенную по закону «хи-квадрат» с k степенями свободы. Тогда величина (12.3) имеет распределение, называемое t – распределением или распределением Стьюдента с k степенями свободы. С возрастанием числа степеней свободы распределение Стьюдента быстро приближается к нормальному. 1. Доверительный интервал для оценки математического ожидания нормального распределения при известной дисперсии. Пусть исследуемая случайная величина Х распределена по нормальному закону с известным средним квадратическим σ, и требуется по значению выборочного среднего оценить ее математическое ожидание а. Будем рассматривать выборочное среднее как случайную величину а значения вариант выборки х1, х2,…, хп как одинаково распределенные независимые случайные величины Х1, Х2,…, Хп, каждая из которых имеет математическое ожидание а и среднее квадратическое отклонение σ. При этом М( ) = а, (используем свойства математического ожидания и дисперсии суммы независимых случайных величин). Оценим вероятность выполнения неравенства . Применим формулу для вероятности попадания нормально распределенной случайной величины в заданный интервал:
р ( ) = 2Ф . Тогда , с учетом того, что , р ( ) = 2Ф = 2Ф( t ), где . Отсюда , и предыдущее равенство можно переписать так: . (18.1) Итак, значение математического ожидания а с вероятностью (надежностью) γ попадает в интервал , где значение t определяется из таблиц для функции Лапласа так, чтобы выполнялось равенство 2Ф(t) = γ. Пример. Найдем доверительный интервал для математического ожидания нормально распреде-ленной случайной величины, если объем выборки п = 49, σ = 1,4, а доверительная вероятность γ = 0,9. Определим t, при котором Ф(t) = 0,9:2 = 0,45: t = 1,645. Тогда , или 2,471 < a < 3,129. Найден доверительный интервал, в который попадает а с надежностью 0,9.
2. Доверительный интервал для оценки математического ожидания нормального распределения при неизвестной дисперсии. Если известно, что исследуемая случайная величина Х распределена по нормальному закону с неизвестным средним квадратическим отклонением, то для поиска доверительного интервала для ее математического ожидания построим новую случайную величину , (18.2) где - выборочное среднее, s – исправленная дисперсия, п – объем выборки. Эта случайная величина, возможные значения которой будем обозначать t, имеет распределение Стьюдента (см. лекцию 12) с k = n – 1 степенями свободы.
Поскольку плотность распределения Стьюдента , где , явным образом не зависит от а и σ, можно задать вероятность ее попадания в некоторый интервал (- tγ , tγ ), учитывая четность плотности распределения, следующим образом: . Отсюда получаем: (18.3) Таким образом, получен доверительный интервал для а, где tγ можно найти по соответствую-щей таблице при заданных п и γ. Пример. Пусть объем выборки п = 25, = 3, s = 1,5. Найдем доверительный интервал для а при γ = 0,99. Из таблицы находим, что tγ (п = 25, γ = 0,99) = 2,797. Тогда , или 2,161< a < 3,839 – доверительный интервал, в который попадает а с вероятностью 0,99.