4.4. Доверительный интервал для дисперсии
По выборке достаточно большого объема (n>30) и при заданной надежности 1–a необходимо определить доверительный интервал для дисперсии m2 , оценка которой
.
Если стандартизовать оценку дисперсии, то величина (n–1)S2/ m2 имеет распределение хи-квадрат с (n–1) степенями свободы. Из этого вытекает вероятностное утверждение относительно выборочной дисперсии
P[(n–1)S2 / μ2 >c2a(n–1)] = a. (4.3)
Функция хи-квадрат несимметричная, поэтому границы интервала c21(n–1) и c22(n–1) выбирают из условия равной вероятности выхода за их пределы
P[(n–1)S2/ μ2 <c21(n–1)] = P[(n–1)S2/ μ2 >c22(n–1)] = a/2
или (4.4)
P[(n–1)S2/c21(n–1) < m2] = P[(n–1)S2/c22(n–1) > m2] = a/2.
Значения границ соответствуют квантилям распределения хи-квадрат с значениями уровней a/2 и 1– a/2, количество степеней свободы равно n–1.
Нижняя граница c21(n–1) равна квантили c2a/2(n–1), а верхняя – квантили c21-a/2(n–1). Если воспользоваться критическими точками распределения, то следует записать
c21(n–1) = c2(1– a/2; n–1),
c22(n–1) = c2(a/2; n–1).
Пример 4.4. Определить с надежностью 0,9 доверительный интервал для дисперсии случайной величины (n=44, S2= 0,91)
Решение. Количество степеней свободы 44–1=43. Вероятности выхода за нижнюю и верхнюю границы (1–0,9)/2 =0,05. По распределению хи-квадрат находим квантили
c20,05(43)=28,96, c20,95(43) =59,30.
Следовательно, НДГ для дисперсии
θ0=(n–1)S2/c20,95(43)= 43×0,91/59,30= 0,66,
и ВДГ
θ1=(n–1)S2/c20,05(43)=43×0,91/28,96 = 1,36.
- Лекции по дисциплине курса «Теория вероятностей и математическая статистика»
- Часть II
- Введение
- 1. Закон больших чисел
- 1.2. Неравенства чебышева
- 1.3. Сходимость по вероятности
- 1.4.Теоремы чебышева
- 1.4.1.Первая теорема Чебышева.
- 1.4.2. Вторая теорема Чебышева:
- 1.5. Теорема бернулли
- 1.6. Центральная предельная теорема
- 1.7. Предельные теоремы
- 1.7.1. Локальная теорема Муавра-Лапласа.
- 1.7.2. Интегральная теорема Муавра-Лапласа.
- 2. Базовые понятия математической статистики
- 2.1. Эмпирическая функция распределения
- 2.2. Гистограмма
- 2.3. Оценки параметров распределения и их свойства
- 2.4. Оценки моментов и квантилей распределения
- 2.5. Точечная оценка параметров распределения
- 2.5.1. Сущность задачи точечного оценивания параметров
- 2.5.2. Метод максимального правдоподобия
- 2.5.3. Метод моментов
- 2.5.4. Метод квантилей
- 3. Проверка статистических гипотез
- 3.1. Сущность задачи проверки статистических гипотез
- 3.2. Типовые распределения
- 3.2.1. Нормальное распределение
- 3.2.2. Распределение χ2 (хи-квадрат)
- 3.2.3. Распределение Стьюдента
- 3.3.4. Распределение Фишера
- 3.3. Проверка гипотез о законе распределения
- 3.3.1. Критерий хи-квадрат к. Пирсона
- 3.3.2. Критерий а.Н. Колмогорова
- 3.3.3. Критерий р. Мизеса
- 4. Интервальная оценка параметров распределения
- 4.1. Сущность задачи интервального оценивания параметров
- 4.2. Общий метод построения доверительных интервалов
- 4.3. Доверительный интервал для математического ожидания
- 4.4. Доверительный интервал для дисперсии
- 4.5. Доверительный интервал для вероятности
- 5. Аппроксимация закона распределения экспериментальных данных
- 5.1. Задачи аппроксимации
- 5.2. Аппроксимация на основе типовых распределений
- 6. Обработка однотипных выборок
- 6.1. Однотипные выборки эд и задачи их обработки
- 6.2. Объединение выборок
- 6.2.1. Объединение однородных выборок
- 6.2.2. Объединение неоднородных выборок
- 6.3. Однофакторный дисперсионный анализ
- 6.3.1. Задачи дисперсионного анализа
- 6.3.2. Проверка однородности совокупности дисперсий
- 6.3.3. Сравнение факторной и остаточной дисперсий
- 7. Корреляционный и регрессионный анализ
- 7.1. Матрица данных
- 7.2. Корреляционный анализ
- 7.3. Регрессионный анализ
- 7.3.1. Постановка задачи
- 7.3.2. Выбор вида уравнения регрессии
- 7.3.4. Вычисление коэффициентов уравнения регрессии