Реферат: Теория вероятности

Интегрированная функция описывает распределение вероятности полной группы событий, поэтому ее общая площадь в пределах изменения t от  до  равна 1.

Поскольку функция асимптотически приближается к оси абсцисс в пределах изменения t  от  до -5, а так же от +5 до  считается, что единице равна площадь кривой в пределах ординат .

Значения функции даны в приложении 3, они указаны в пределах от –t до +t.

Пример: от 80 до 120

Таким образом, в 84 случаях из 100.

Складывая и вычитая площади, определенные по таблицам всегда можно получить необходимый результат.

12. Зависимые события. Гипергеометрическое распределение.

Для вывода функции гипергеометрического распределения проводятся испытания (выборка) по схеме невозвращающегося шара. В этом случае вероятность появления события Е k-раз в n зависимых испытаниях подвергается влиянию не только числа отбираемых единиц n, но и численности всей генеральной совокупности N.

Если p доля единиц генеральной совокупности, обладающих изучаемым признаком, а q – доля необладающих этим признаком, то вероятность появления события Е k раз n зависимых испытаний определяется по формуле:

, где  - число сочетаний из pN=M элементов генеральной совокупности, обладающих изучаемым признаком по k;  - число сочетаний из qN=N-M единиц, необладающих изучаемым признаком n-k единиц;  - число исходов, удовлетворяющих и неудовлетворяющих данному испытанию.

Математическое ожидание гипергеометрического распределения не зависит от объема генеральной совокупности и как в биномиальном распределении определяется по формуле:

, где  - корректирует дисперсию при бесповторном отборе в зависимости от численности выборки и генеральной совокупности.

Если численность генеральной совокупности достаточно велика, то , в этом случае , то , то есть, зная параметры биномиального распределения всегда можно рассчитать параметры гипергеометрического.

13. Нормальное распределение.

Нормальное распределение – это наиболее важный вид распределения в статистике.

Нормально распределяются значения признака под воздействием множества различных причин, которые практически не взаимосвязаны друг с другом и влияние каждой из которых сравнительно мало, по сравнению с действием всех остальных факторов.

Нормальное распределение отражает вариацию значений признака у единиц однородной совокупности. Подобное распределение наблюдается преимущественно в естественно-научных испытаниях (измерение роста, веса).

В социально-экономических явлениях нормального распределения данные встречаются редко. Здесь всегда присутствуют причины существенным образом влияющие на уровень изучаемого признака (результат управленческого воздействия).

Тем не менее, гипотеза о нормальном распределении исходных данных лежит в основе методологии анализа взаимосвязей выборочного метода и многих других статистических методов.

При достаточно большом числе испытаний нормальная кривая служит пределом, к которому стремятся многие виды распределения, в том числе биномиальное и гипергеометрическое.

Нормальное распределение выражается функцией вида:

Данная функция характеризует плотность нормального распределения вероятности, ее математическое ожидание , а показатель степени – стандартное значение отклонений эмпирических данных от среднеарифметических.

Масштабирование данных кривой по оси x осуществляется величинами среднеквадратического отклонения . Так как показатель степени функции возведет в четную степень, функция положительна, кривая симметрична относительно средней, то есть показатель асимметрии равен . Показатель эксцесса кривой нормального распределения так же равен 0.

Значения параметров  и  влияют на форму и положение графика на координатной плоскости. С изменением  при  кривая скользит вдоль оси x. С изменением  при  чем больше  тем более плосковершинной становится нормальная кривая. Нормальная кривая имеет точки перегиба с координатами . Площадь, ограниченная функцией и ординатами, проведенными из точек с координатами:

  составляет 0,6827 площади всей кривой;

 - 0,9545 площади всей кривой;

 - 0,9973 площади всей кривой.

14. Сравнительная оценка параметров эмпирического и нормального распределений. Критерий Пирсона.

Нормальный характер распределения свидетельствует о количественной однородности статистических данных и об отсутствии каких-либо причин существенным образом определяющих вариацию изучаемого явления.

Поэтому статистический анализ нередко начинается с проверки того, как фактически (эмпирически) данные ложатся на идеальную теоретическую кривую или апроксимируются (то есть выражение данных какой-либо кривой) сравнение эмпирических и теоретических данных. Производится путем оценки гипотезы нормального характера распределения. Вероятностные статистические предположения выдвигаются в виде нулевой  гипотезы. Отклонения данных эмпирических от нормальных носят случайный характер. Оценку нулевой гипотезы в данном случае осуществляют графическим методом или путем расчета специальных обобщающих показателей сходства, называемых критериями согласия.

Независимо от выбранного метода генеральные ряды распределения преобразуются в дискретные и стандартизируются.

Пример: Известно, что среднемесячная заработная плата всех рабочих =1402,42 руб., среднеквадратическое отклонение =338,58 руб.

Данные распределения среднемесячной заработной платы.

В связи с тем, что табличные значения рассчитаны для непрерывно изменяющегося признака с дисперсией равной 1, необходимо скорректировать полученные частости на фактическую величину интервала и среднеквадратическое отклонение.

, где  величина интервала.  Так как все интервалы равны , тогда .

Графики не позволяют определить насколько существенны отклонения, поэтому более точным считается способ расчета критериев согласия. Наиболее известный из них:

В соответствии с формулой, чем сильнее совпадение кривых, тем меньше величина . При отсутствии отклонений , но даже при небольших отклонениях величина  зависит от числа слагаемых (то есть от числа групп). Если >0, то необходима его вероятностная оценка (стр. 368).

 - число степеней свободы и заданная вероятность несущественности отклонений эмпирических данных и теоретических. r – число групп, k -  число параметров, которые нельзя изменить.

Поскольку фактическое значение  (22,63) гораздо больше табличного (5,348) даже для вероятности 0,5, гипотеза о случайном характере отклонений эмпирических данных от теоретических отклоняется.