WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


Pages:     | 1 |   ...   | 6 | 7 || 9 |

n -1 s2 n -1 s P < DN < C.

22 Отсюда легко получить формулу, по которой находится доверительный интервал для стандартного отклонения:

n -1 s n -1 s P < DN < C (****) 22 Лекция 12.

Задача. Будем считать, что шум в кабинах вертолетов одного и того же типа при работающих в определенном режиме двигателях — случайная величина, распределенная по нормальному закону. Было случайным образом выбрано 20 вертолетов, и произведены замеры уровня шума (в децибелах) в каждом из них. Исправленная выборочная дисперсия измерений оказалась равной 22,5. Найти доверительный интервал, накрывающий неизвестное стандартное отклонение величины шума в кабинах вертолетов данного типа с надежностью 98%.

Решение. По числу степеней свободы, равному 19, и по вероятности (1 – 0,98)/2 = 0,01 находим из таблицы распределения 2 величину 22 = 36,2. Аналогичным образом при вероятности (1 + 0,98)/2 = 0,получаем 12 = 7,63. Используя формулу (****), получаем искомый доверительный интервал: (3,44; 7,49).

Лекция 13.

Задачи статистической проверки гипотез.

Статистическая проверка гипотез является вторым после статистического оценивания параметров распределения и в то же время важнейшим разделом математической статистики.

Методы математической статистики позволяют проверить предположения о законе распределения некоторой случайной величины (генеральной совокупности), о значениях параметров этого закона (например M, D ), о наличии корреляционной зависимости между случайными величинами, определенными на множестве объектов одной и той же генеральной совокупности.

Пусть по некоторым данным имеются основания выдвинуть предположения о законе распределения или о параметре закона распределения случайной величины (или генеральной совокупности, на множестве объектов которой определена эта случайная величина). Задача заключается в том, чтобы подтвердить или опровергнуть это предположение, используя выборочные (экспериментальные) данные.

Гипотезы о значениях параметров распределения или о сравнительной величине параметров двух распределений называются параметрическими гипотезами.

Гипотезы о виде распределения называются непараметрическими гипотезами.

Проверить статистическую гипотезу – это значит проверить, согласуются ли данные, полученные из выборки с этой гипотезой.

Проверка осуществляется с помощью статистического критерия.

Статистический критерий – это случайная величина, закон распределения которой (вместе со значениями параметров) известен в случае, если принятая гипотеза справедлива. Этот критерий называют еще критерием согласия (имеется в виду согласие принятой гипотезы с результатами, полученными из выборки).

Гипотезу, выдвинутую для проверки ее согласия с выборочными данными, называют нулевой гипотезой и обозначают H0. Вместе с Лекция 13.

гипотезой H0 выдвигается альтернативная или конкурирующая гипотеза, которая обозначается H1. Например:

1) 2) 3) H0: M = 0 H0: M = 0 H0: M = H1: M 0 H1: M > 0 H1: M = Пусть случайная величина K – статистический критерий проверки некоторой гипотезы H0. При справедливости гипотезы H0 закон распределения случайной величины K характеризуется некоторой известной нам плотностью распределения pK(x).

Выберем некоторую малую вероятность, равную 0,05, 0,01 или еще меньшую. Определим критическое значение критерия Kкр как решение одного из трех уравнений, в зависимости от вида нулевой и конкурирующей гипотез:

P(K> Kкр) = (1) P(K< Kкр) = (2) P((K< Kкр1)(K> Kкр2)) = (3) Возможны и другие уравнения, но они встречаются значительно реже, чем приведенные.

Решение уравнения (1) (то же самое для уравнений (2) и (3)) заключается в следующем: по вероятности, зная функцию pK(x), заданную как правило таблицей, нужно определить Kкр.

Что означает условие (1) Если гипотеза H0 справедлива, то вероятность того, что критерий K превзойдет некоторое значение Kкр очень мала – 0,05, 0,01 или еще меньше, в зависимости от нашего выбора. Если Kв – значение критерия K, рассчитанное по выборочным данным, превзошло значение Kкр, это означает, что выборочные данные не дают основания для принятия нулевой гипотезы H0 ( например, если =0,01, то можно сказать, что произошло событие, которое при справедливости гипотезы H0 встречается в среднем не чаще, чем в одной из ста выборок). В этом случае говорят, Лекция 13.

что гипотеза H0 не согласуется с выборочными данными и должна быть отвергнута. Если Kв не превосходит Kкр, то говорят, что выборочные данные не противоречат гипотезе H0, и нет оснований отвергать эту гипотезу.

Для уравнения (1) область K> Kкр называется критической областью. Если значение Kв попадает в критическую область, то гипотеза H0 отвергается.

Для уравнения (1) область K < Kкр называется областью принятия гипотезы. Если значение Kв попадает в область принятия гипотезы, то гипотеза H0 принимается.

Рисунок 1. иллюстрирует решение уравнения (1). Здесь pK(x) – известная плотность распределения случайной величины K при условии справедливости гипотезы H0.



Пусть выбрано некоторое малое значение вероятности, по нему определено значение Kкр и по выборочным данным определено значение Kв, которое попало в критическую область. В этом случае гипотеза H0 отвергается, но она может оказаться справедливой, просто случайно произошло событие, которое имеет очень малую вероятность. В этом смысле есть вероятность отвержения правильной гипотезы H0.

Отвержение правильной гипотезы называется ошибкой первого рода. Вероятность называется уровнем значимости. Таким образом уровень значимости – это вероятность совершения ошибки первого рода.

Критическая область, полученная для уравнения (1) и приведенная на рисунке 1., называется правосторонней.

Уравнение (2) определяет левосторонюю критическую область.

Лекция 13.

Ее изображение приводится на рисунке 2.

Отметим, что каждая из заштрихованных фигур на рисунках 1. и 2.

имеет площадь, равную.

Уравнение (3) определяет двусторонюю критическую область.

Такая область изображена на рисунке 3.

Здесь критическая область состоит из двух частей. В случае двусторонней критической области границы ее частей Kкр1 и Kкр2 определяются таким образом, чтобы выполнялось условие:

P(K Kкр) = P(K Kкр) = / 2.

На рисунке 3. площадь каждой из заштрихованных фигур равна / 2.

Вид критической области зависит от того, какая гипотеза выдвинута в качестве конкурирующей.

Чем меньше уровень значимости, тем меньше вероятность отвергнуть проверяемую гипотезу H0, когда она верна, то есть совершить ошибку первого рода. Но с уменьшением уровня значимости расширяется область принятия гипотезы H0 и увеличивается вероятность принятия проверяемой гипотезы, когда она неверна, то есть когда предпочтение должно быть отдано конкурирующей гипотезе.

Пусть при справедливости гипотезы H0 статистический критерий K имеет плотность распределения p0(x), а при справедливости конкурирующей гипотезы H1 – плотность распределения p1(x). Графики этих функций приведены на рисунке 4. При некотором уровне значимости находится критическое значение Kкр и правостороняя критическая область. Если значение Kв, определенное по выборочным данным, оказывается меньше, чем Kкр, то гипотеза H0 принимается. Предположим, что справедлива на самом деле конкурирующая гипотеза H1. Тогда вероятность попадания критерия в область принятия гипотезы H0 есть некоторое число, равное площади фигуры, образованной графиком функции p1(x) и полубесконечной частью горизонтальной координатной Лекция 13.

оси, лежащей слева от точки Kкр.

Очевидно, что – это вероятность того, что будет принята неверная гипотеза H0.

Принятие неверной гипотезы называется ошибкой второго рода. В рассмотренном случае число – это вероятность ошибки второго рода. Число 1 –, равное вероятности того, что не совершается ошибка второго рода, называется мощностью критерия. На рисунке мощность критерия равна площади фигуры, образованной графиком функции p1(x).и полубесконечной частью горизонтальной координатной оси, лежащей справа от точки Kкр.

Выбор статистического критерия и вида критической области осуществляется таким образом, чтобы мощность критерия была максимальной.

Лекция 14.

Проверка статистической гипотезы о математическом ожидании нормального распределения при известной дисперсии.

Пусть имеется нормально распределенная случайная величина,, определенная на множестве объектов некоторой генеральной совокупности. Известно, что D = 2. Математическое ожидание M неизвестно. Допустим, что имеются основания предполагать, что M = a, где a – некоторое число (такими основаниями могут быть ограниченные сведения об объектах генеральной совокупности, опыт исследования подобных совокупностей и т. д.). Будем считать также, что имеется другая информация, указывающая на то, что M = a1, где a1 > a.

I. Выдвигаем нулевую гипотезу H0: M = a;

при конкурирующей гипотезе H1: M = a1.

Делаем выборку объема n: x1, x2,..., xn. В основе проверки лежит тот факт, что случайная величина x (выборочная средняя) распределена по нормальному закону с дисперсией 2/n и математическим ожиданием, равным a в случае справедливости H0, и равным a1 в случае справедливости H1.

Очевидно, что если величина x оказывается достаточно малой, то это дает основание предпочесть гипотезу H0 гипотезе H1. При достаточно большом значении x более вероятна справедливость гипотезы H1. Задачу можно было бы поставить так: требуется найти некоторое критическое число, которое разбивало бы все возможные значения выборочной средней ( в условиях данной задачи это все действительные числа ) на два полубесконечных промежутка. При попадании x в левый промежуток следовало бы принимать гипотезу H0, а при попадании x в правый промежуток предпочтение следовало бы оказать гипотезе H1. Однако на самом деле поступают несколько иначе.





В качестве статистического критерия выбирается случайная величина x - a n z, I Лекция 14.

распределенная по нормальному закону, причем Mz = 0 и Dz = 1 ( это следует из свойств математического ожидания и дисперсии ) в случае справедливости гипотезы H0. Если справедлива гипотеза H1, то Mz = a* = ( a1 – a ) n /, Dz = 1.

На рисунке 1. изображены графики p0(z) и p1(z) – функций плотности распределения случайной величины z при справедливости гипотез H0 и H1, соответственно.

Если величина x, полученная из выборочных данных, относительно велика, то и величина z велика, что является свидетельством в пользу гипотезы H1. Относительно малые значения x приводят к малым значениям z, что свидетельствует в пользу гипотезы H0. Отсюда следует, что должна быть выбрана правосторонняя критическая область. По принятому уровню значимости = (например = = 0,05), используя то, что случайная величина z распределена по нормальному закону, определим значение Kкр из формулы = P(Kкр < z <) = () – (Kкр) = 0,5 – (Kкр).

1 - 2= Отсюда (Kкр ), и осталось воспользоваться таблицей функции Лапласа для нахождения числа Kкр.

Если величина z, полученная при выборочном значении x, 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 Hотвергается.

В данной задаче может быть подсчитана мощность критерия:

a1 - a 1- > ( ) - (Kђ р - n) I Мощность критерия тем больше, чем больше разность a1– a.

Лекция 14.

II. Если в предыдущей задаче поставить другое условие:

H0: M = a;

H1: M = 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 ) n /, а величина Kкр определяется из формулы = P(– < z < Kкр) = ( Kкр) – (–) = ( Kкр) +.

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

1- 2= ( –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: M = a;

H1: M 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 – = = ( Kкр) – ( – Kкр) = 2( Kкр).

Лекция 14.

Из этого соотношения следует:

1-= ( Kкр) =.

Проверка гипотезы о равенстве дисперсий.

Гипотезы о дисперсии играют очень важную роль в экономико– математическом моделировании, так как величина рассеяния экспериментальных выборочных данных относительно рассчитанных теоретических значений соответствующих параметров, характеризующаяся дисперсией, дает возможность судить о пригодности (адекватности) теории или модели, на основании которой строится теория.

Пусть нормально распределенная случайная величина определена на некотором множестве, образующем генеральную совокупность, а нормально распределенная случайная величина определена на другом множестве, которое тоже составляет генеральную совокупность. Из обеих совокупностей делаются выборки: из первой – объема n1, а из второй – объема n2 (отметим, что объем выборки не всегда можно определить заранее, как например в случае, если он равен количеству рыб, попавших в сеть). По каждой выборке рассчитывается исправленная выборочная дисперсия: s12 для выборки из первой совокупности и s22 для выборки из второй совокупности.

Поставим задачу: с помощью выборочных данных проверить статистическую гипотезу H0: D = D. В качестве конкурирующей гипотезы будем рассматривать идею, заключающуюся в том, что дисперсия той совокупности, для которой исправленная выборочная дисперсия оказалась наибольшей, больше дисперсии другой совокупности.

Критерий берется в следующем виде:

S ** F.

S * Здесь S**– наибольшая из двух оценок s12 и s22, а S*– наименьшая из тех же двух оценок.

Лекция 14.

Критерий F распределен по закону Фишера с k1 и k2 степенями свободы. Здесь k1 = n1–1, k2 = n2–1, если S**= s12;

k1 = n2–1, k2 = n1–1, если S**= s22.

В этой задаче естественно рассматривать правостороннюю критическую область, так как достаточно большие выборочные значения критерия F свидетельствуют в пользу конкурирующей гипотезы.

При заданном уровне значимости q (обычно q =0,05 или q =0,01) критическое значение Fкр определяется из таблицы распределения Фишера. В случае F > Fкр гипотеза H0 отвергается, а в случае F < Fкр – принимается.

Pages:     | 1 |   ...   | 6 | 7 || 9 |





© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.