Проверка статистических гипотез

Содержание

Слайд 2

Нулевой (основной) называют выдвинутую гипотезу.
Конкурирующей (альтернативной) называют гипотезу, которая противоречит нулевой.

Нулевой (основной) называют выдвинутую гипотезу. Конкурирующей (альтернативной) называют гипотезу, которая противоречит нулевой.

Слайд 3

Простой называют гипотезу, содержащую только одно предположение.
Сложной называют гипотезу, которая состоит

Простой называют гипотезу, содержащую только одно предположение. Сложной называют гипотезу, которая состоит
из конечного или бесконечного числа простых гипотез.

Слайд 4

Ошибка первого рода состоит в том, что будет отвергнута правильная гипотеза.
Ошибка второго

Ошибка первого рода состоит в том, что будет отвергнута правильная гипотеза. Ошибка
рода -в том, что будет принята неправильная гипотеза.

Слайд 5

Вероятность совершить ошибку первого рода принято обозначать через ; её называют уровнем

Вероятность совершить ошибку первого рода принято обозначать через ; её называют уровнем значимости.
значимости.

Слайд 6

Статистический критерий проверки нулевой гипотезы. Наблюдаемое значение критерия

Для проверки нулевой гипотезы используют

Статистический критерий проверки нулевой гипотезы. Наблюдаемое значение критерия Для проверки нулевой гипотезы
специально подобранную случайную величину.

Слайд 7

Статистическим критерием (или просто критерием) называют случайную величину K, которая служит для

Статистическим критерием (или просто критерием) называют случайную величину K, которая служит для проверки нулевой гипотезы.
проверки нулевой гипотезы.

Слайд 8

Наблюдаемым значением называют значение критерия, вычисленное по выборкам.

Наблюдаемым значением называют значение критерия, вычисленное по выборкам.

Слайд 9

Теоретическим значением называют значение критерия, вычисленное согласно нулевой гипотезе.

Теоретическим значением называют значение критерия, вычисленное согласно нулевой гипотезе.

Слайд 10

Критическая область. Область принятия гипотезы. Критические точки.

Критической областью называют совокупность значений критерия, при

Критическая область. Область принятия гипотезы. Критические точки. Критической областью называют совокупность значений
которых нулевую гипотезу отвергают.
Областью принятия гипотезы (областью допустимых значений) называют совокупность значений критерия, при которых гипотезу принимают.

Слайд 11

Основной принцип проверки статистических гипотез :
Если наблюдаемое значение критерия принадлежит критической

Основной принцип проверки статистических гипотез : Если наблюдаемое значение критерия принадлежит критической
области – гипотезу отвергают, если наблюдаемое значение критерия принадлежит области принятия гипотезы – гипотезу не отвергают.

Слайд 12

Критическими точками (границами) называют точки, отделяющие критическую область от области принятия гипотезы.

Критическими точками (границами) называют точки, отделяющие критическую область от области принятия гипотезы.

Слайд 13

Правосторонней называют критическую область, определяемую неравенством К > kкр , где kкр

Правосторонней называют критическую область, определяемую неравенством К > kкр , где kкр
> 0. Левосторонней называют критическую область, определяемую неравенством К < kкр , где kкр < 0. Односторонней называют правостороннюю или левостороннюю критическую область. Двусторонней называют критическую область, определяемую неравенствами К < k1, K > k2 , где k2 > k1 .

Слайд 14

Дополнительные сведения о выборе критической области. Мощность критерия

Мощностью критерия называют вероятность попадания

Дополнительные сведения о выборе критической области. Мощность критерия Мощностью критерия называют вероятность
критерия в критическую область при условии, что справедлива конкурирующая гипотеза.

Слайд 15

Другими словами, мощность критерия есть вероятность того, что нулевая гипотеза будет отвергнута,

Другими словами, мощность критерия есть вероятность того, что нулевая гипотеза будет отвергнута, если верна конкурирующая гипотеза.
если верна конкурирующая гипотеза.

Слайд 16

Замечание 1. Поскольку вероятность события «ошибка второго рода допущена» равна β, то

Замечание 1. Поскольку вероятность события «ошибка второго рода допущена» равна β, то
вероятность противоположного события «ошибка второго рода не допущена» равна 1 - β, т.е. мощности критерия.
Отсюда следует, что мощность критерия есть вероятность того, что не будет допущена ошибка второго рода.

Слайд 17

Проверка гипотезы о нормальном распределении генеральной совокупности. Критерий согласия Пирсона.

Если закон распределения

Проверка гипотезы о нормальном распределении генеральной совокупности. Критерий согласия Пирсона. Если закон
неизвестен, но есть основания предположить, что он имеет определённый вид (назовём его А), то проверяют нулевую гипотезу: генеральная совокупность распределена по закону А.

Слайд 18

Критерием согласия называют критерий проверки гипотезы о предполагаемом законе неизвестного распределения.

Критерием согласия называют критерий проверки гипотезы о предполагаемом законе неизвестного распределения.

Слайд 19

Критерий Пирсона основан на сравнении эмпирических (наблюдаемых) и теоретических (вычисленных в предположении

Критерий Пирсона основан на сравнении эмпирических (наблюдаемых) и теоретических (вычисленных в предположении о виде распределения) частот.
о виде распределения) частот.

Слайд 20

Пусть по выборке объёма n получено эмпирическое распределение: варианты…… xi x1 x2

Пусть по выборке объёма n получено эмпирическое распределение: варианты…… xi x1 x2
x3 … эмп.частоты... ni n1 n2 n3 …....
Допустим, что в предположении нормального распределения генеральной совокупности вычислены теоретические частоты .
При уровне значимости α требуется проверить нулевую гипотезу: генеральная совокупность распределена нормально.

Слайд 21

В качестве критерия проверки нулевой гипотезы примем случайную величину

В качестве критерия проверки нулевой гипотезы примем случайную величину

Слайд 22

Доказано, что при закон распределения случайной величины независимо от того, какому

Доказано, что при закон распределения случайной величины независимо от того, какому закону
закону распределения подчинена генеральная совокупность, стремится к закону распределения c k степенями свободы.

Слайд 23

Число степеней свободы находят по равенству k = m – 1 –

Число степеней свободы находят по равенству k = m – 1 –
r, где m – число групп выборки; r – число параметров предполагаемого распределения, которые оценены по данным выборки.

Слайд 24

В частности, если предполагаемое распределение – нормальное, то оценивают два параметра, поэтому

В частности, если предполагаемое распределение – нормальное, то оценивают два параметра, поэтому
r = 2 и число степеней свободы k = m – 1 – r = m – 1 – 2 = m – 3.

Слайд 25

Правило. Для того, чтобы при заданном уровне значимости проверить нулевую гипотезу H0:

Правило. Для того, чтобы при заданном уровне значимости проверить нулевую гипотезу H0:
генеральная совокупность распределена нормально, надо сначала вычислить теоретические частоты, а затем наблюдаемое значение критерия:

Слайд 26

По таблице критических точек распределения , по заданному уровню значимости α и

По таблице критических точек распределения , по заданному уровню значимости α и
числу степеней свободы k = m – 3 найти критическую точку .

Если - нет оснований отвергнуть нулевую гипотезу.
Если - нулевая гипотеза отвергается.

Слайд 27

Гипотеза о нормальном распределении случайной величины – рост случайно выбранного человека Экономический факультет,

Гипотеза о нормальном распределении случайной величины – рост случайно выбранного человека Экономический факультет, 2009год
2009год

Слайд 28

Исходные данные

Выборка роста студентов и критерий значимости ά=0,01

Исходные данные Выборка роста студентов и критерий значимости ά=0,01

Слайд 29

Шаг первый - оценки параметров распределения по выборке
n=93
среднее=171,8710
s=8,833

Шаг первый - оценки параметров распределения по выборке n=93 среднее=171,8710 s=8,833

Слайд 30

Шаг второй

Определяем наименьшее 156 см и наибольшее 195 см значения вариант

Шаг второй Определяем наименьшее 156 см и наибольшее 195 см значения вариант

Слайд 31

Шаг третий

Определяем m -число интервалов(не менее 4). Возьмем m=7

Шаг третий Определяем m -число интервалов(не менее 4). Возьмем m=7

Слайд 32

Шаг 4

Определяем длину конечных промежутков (195-156)/7=5,57; для удобства возьмем расстояние между точками

Шаг 4 Определяем длину конечных промежутков (195-156)/7=5,57; для удобства возьмем расстояние между точками 5,75.
5,75.

Слайд 33

Шаг 5

Используя найденную длину, определяем концы промежутков

Шаг 5 Используя найденную длину, определяем концы промежутков

Слайд 34

Шаг 6 и далее

Оформим в виде таблицы

Шаг 6 и далее Оформим в виде таблицы

Слайд 35

Исходная таблица

Исходная таблица

Слайд 36

Подсчитываем эмпирические частоты по выборке

Подсчитываем эмпирические частоты по выборке

Слайд 37

Считаем аргументы функции Лапласа

Считаем аргументы функции Лапласа

Слайд 38

Считаем значения функции Лапласа

Считаем значения функции Лапласа

Слайд 39

Считаем вероятности попадпния в интервал

Считаем вероятности попадпния в интервал

Слайд 40

Считаем теоретические частоты

Считаем теоретические частоты

Слайд 41

Считаем

Считаем

Слайд 43

Находим наблюдаемое значение критерия по формуле

Находим наблюдаемое значение критерия по формуле

Слайд 44

Находим критическое значение

По уровню значимости ά=0,05
и числу степеней свободы
k=m-3=7-3= 4
Kкр=9,5

Находим критическое значение По уровню значимости ά=0,05 и числу степеней свободы k=m-3=7-3= 4 Kкр=9,5

Слайд 45

ВЫВОД

Kнабл>Kкр – гипотезу отвергаем с вероятностью 0,05 совершить ошибку первого рода.

ВЫВОД Kнабл>Kкр – гипотезу отвергаем с вероятностью 0,05 совершить ошибку первого рода.

Слайд 46

Цепь Маркова

Цепь Маркова

Слайд 47

Пусть некоторая система в каждый момент времени находится в одном из k

Пусть некоторая система в каждый момент времени находится в одном из k
состояний: первом, втором,…, k-м.
В отдельные моменты времени в результате испытания состояние системы изменяется, т.е. система переходит из одного состояния, например, i, в другое, например, j.
События называют состояниями системы, а испытания –изменениями её состояний.

Слайд 48

Цепью Маркова называют последовательность испытаний, в каждом из которых система принимает только

Цепью Маркова называют последовательность испытаний, в каждом из которых система принимает только
одно из k состояний полной группы, причём условная вероятность pij (s) того, что в s-м испытании система будет находиться в состоянии j, при условии что после (s – 1)-го испытания она находилась в состоянии i, не зависит от результатов остальных, ранее произведённых испытаний.

Слайд 49

Цепью Маркова с дискретным временем называют цепь, изменение состояний которой происходит в

Цепью Маркова с дискретным временем называют цепь, изменение состояний которой происходит в
определённые фиксированные моменты времени.
Цепью Маркова с непрерывным временем называют цепь, изменение состояний которой происходит в любые случайные возможные моменты времени.

Слайд 50

Однородная цепь Маркова. Переходные вероятности. Матрица перехода.

Однородной называют цепь Маркова, если условная

Однородная цепь Маркова. Переходные вероятности. Матрица перехода. Однородной называют цепь Маркова, если
вероятность pij (s) (перехода из состояния i в состояние j) не зависит от номера испытания.
Поэтому вместо pij (s) пишут просто pij.

Слайд 51

Пример (случайное блуждание).
Пусть на прямой Ox в точке с целочисленной координатой

Пример (случайное блуждание). Пусть на прямой Ox в точке с целочисленной координатой
x = n находится материальная частица.
В определённые моменты времени t1, t2, t3,… частица испытывает толчки.
Под действием толчка частица с вероятностью p смещается на единицу вправо и с вероятностью 1 - p - на единицу влево.

Слайд 52

Переходной вероятностью pij называют условную вероятность того, что из состояния i (в

Переходной вероятностью pij называют условную вероятность того, что из состояния i (в
котором система оказалась в результате некоторого испытания, безразлично какого номера) в итоге следующего испытания система перейдёт в состояние j.

Слайд 53

Пусть число состояний конечно и равно k.
Матрицей перехода системы называют матрицу, которая

Пусть число состояний конечно и равно k. Матрицей перехода системы называют матрицу,
содержит все переходные вероятности этой системы:

Слайд 54

Пример матрицы перехода системы, которая может находиться в трёх состояниях:
Здесь p11 =

Пример матрицы перехода системы, которая может находиться в трёх состояниях: Здесь p11
0,5 – вероятность перехода из состояния i = 1 в это же состояние j = 1;
p21 - вероятность перехода из состояния i = 2 в состояние j = 1.

Слайд 55

Равенство Маркова

Обозначим через pij(n) вероятность того, что в результате n шагов (испытаний)

Равенство Маркова Обозначим через pij(n) вероятность того, что в результате n шагов
система перейдёт из состояния i в состояние j.
Например, p25(10) - вероятность перехода за 10 шагов из второго состояния в пятое.
Подчеркнём, что при n = 1 получим переходные вероятности pij(1) = pij.

Слайд 56

Из первоначального состояния i за m шагов система перейдёт в промежуточное состояние

Из первоначального состояния i за m шагов система перейдёт в промежуточное состояние
r с вероятностью Pir(m), после чего за оставшиеся n – m шагов из промежуточного состояния r она перейдёт в конечное состояние j с вероятностью Prj(n – m).По формуле полной вероятности,
Эту формулу называют равенством Маркова.

Слайд 57

Пусть n=2, m=1 в равенстве Маркова

тогда

или

Пусть n=2, m=1 в равенстве Маркова тогда или

Слайд 58

Таким образом, по данной формуле можно найти все вероятности Pij(2) , следовательно,

Таким образом, по данной формуле можно найти все вероятности Pij(2) , следовательно,
и саму матрицу Г2.

В общем случае

Слайд 59

Пример. Задана матрица перехода

Найти матрицу перехода:

:

Пример. Задана матрица перехода Найти матрицу перехода: :