28.1. Статистическая проверка статистических гипотез.
Часто необходимо знать закон распределения генеральной совокупности. Если закон распределения неизвестен, но имеются основания предположить, что он имеет определенный вид (назовем его A), выдвигают гипотезу: генеральная совокупность распределена по закону A. Таким образом, в этой гипотезе речь идет о виде предполагаемого распределения.
Возможен случай, когда закон распределения известен, а его параметры неизвестны. Если есть основания предположить, что неизвестный параметр q равен определенному значению q*, выдвигают гипотезу q = q*. Таким образом, в этой гипотезе речь идет о предполагаемой величине параметра одного известного распределения.
Возможны и другие гипотезы: о равенстве параметров двух или нескольких распределений, о независимости выборок и другие.
Статистическойназывают гипотезу о виде неизвестного распределения, или о параметрах известных распределений.
Например, статистическими являются гипотезы:
генеральная совокупность распределена по закону Пуассона;
дисперсии двух нормальных совокупностей равны между собой.
В первой гипотезе сделано предположение о виде неизвестного распределения, во второй – о параметрах двух известных распределений.
Гипотеза «на Марсе есть жизнь» не является статистической, поскольку в ней не идет речь ни о виде, ни о параметрах распределения.
Наряду с выдвинутой гипотезой рассматривают и противоречивую ей гипотезу. Если выдвинутая гипотеза будет отвергнута, то имеет место противоречивая гипотеза. По этой причине эти гипотезы целесообразно различать.
Нулевой (основной)называют выдвинутую гипотезу H0.
Конкурирующей (альтернативной)называют гипотезу H1, которая противоречит нулевой.
Например, если нулевая гипотеза состоит в предположении, что математическое ожидание a нормального распределения равно 10, то конкурирующая гипотеза, в частности, может состоять в предположении, что a != 10. Коротко это записывают так: H0:a=10,H1:a!= 10.
Различают гипотезы, которые содержат только одно и более одного предположений.
Простойназывают гипотезу, содержащую только одно предположение. Например, еслиλ– параметр показательного распределения, то гипотеза H0:λ= 5 – простая. Гипотеза H0: математическое ожидание нормального распределения равно 3 (σ известно) - простая.
Сложнойназывают гипотезу, которая состоит из конечного или бесконечного числа простых гипотез. Например, сложная гипотеза H:λ> 5 состоит из бесчисленного множества простых вида Hi:λ=bi, гдеbi– любое число большее пяти. Гипотеза H0: математическое ожидание нормального распределения равно 3 (σ неизвестно) – сложная.
Выдвинутая гипотеза может быть правильной или неправильной, поэтому возникает необходимость ее проверку. Поскольку проверку производят статистическими методами, ее называют статистической. В итоге статистической проверки гипотезы о двух случаях может быть принято неправильное решение, т. е. могут быть допущены ошибки двух родов.
- 1. Дискретное пространство элементарных событий. Операции над событиями.
- 2.1. Классическое определение вероятности.
- 2.2. Свойства вероятности.
- 3.1. Произвольное пространство элементарных событий.
- 3.2. Алгебра и σ - алгебра множеств.
- 3.3. Борелевские множества.
- 3.4. Вероятность.
- 4.1. Геометрическая вероятность.
- 5.1. Условные вероятности.
- 5.2. Независимые события и их свойства.
- 6.1. Формула полной вероятности.
- 6.2. Формула Бейеса.
- 7.1. Повторяющиеся испытания.
- 7.2. Формула Бернулли.
- 8.1. Случайные величины и функции распределения.
- 8.2. Свойства функции распределения.
- 9.1. Дискретные случайные величины.
- 9.2. Биномиальное, геометрическое, гипергеометрическое распределения, распределения Пуассона.
- 10.1. Абсолютно-непрерывные случайные величины.
- 10.2. Равномерное распределение, нормальное распределение, показательное распределение.
- 11.1. Математическое ожидание случайной величины и его свойства.
- 12.1. Дисперсия случайной величины и ее свойства.
- 13.1. Нормированные случайные величины.
- 13.2. Коэффициент корреляции.
- 14.1. Неравенства Чебышева.
- 15.1. Закон больших чисел.
- 16.1. Локальная и интегральная теоремы Муавра-Лапласа.
- 17.1. Теорема Пуассона.
- 18.1. Характеристические функции и их свойства.
- 19.1. Сходимость случайных величин и функций распределения.
- 20.1. Центральная предельная теорема.
- 21.1. Основные задачи математической статистики.
- 21.2. Выборка и вариационный ряд, полигон и гистограмма частот.
- 22.1. Эмпирическая функция распределения.
- 22.2. Эмпирические моменты.
- 22.3. Метод условных вариант.
- 23.1. Точечные оценки параметров распределения.
- 24.1. Метод моментов определения параметров распределения.
- 25.1. Метод максимального правдоподобия нахождения параметров распределения.
- 26.1. Некоторые распределения связанные с нормальным распределением: Пирсона, Стьюдента.
- 27.1. Интервальные оценки параметров распределения.
- 27.2. Нахождение доверительных интервалов для распределений Пуассона, биномиального, нормального.
- 28.1. Статистическая проверка статистических гипотез.
- 28.2. Ошибки первого и второго рода.
- 29.1. Оптимальный критерий.
- 29.2. Теорема Неймана-Пирсона.
- 30.1. Непараметрические критерии.
- 30.2. Критерий Колмогорова.
- 31.1. Критерий Пирсона.
- 31.2. Вычисление теоретических частот для различных видов распределений.
- 32.1. Элементы теории корреляции.
- 32.2. Понятие корреляционной зависимости.
- 32.3. Точечные оценки для условных математических ожиданий и коэффициента корреляции.
- 33.1. Цепи Маркова.
- 33.2. Матрица перехода.
- 34.1. Классификация состояний цепи Маркова.
- 34.2. Теорема солидарности.
- 35.1. Теорема о предельных вероятностях.
- 36.1. Случайные процессы.
- 36.2. Марковские процессы со счетным множеством состояний.
- 37.1. Локально-регулярные марковские процессы.
- 37.2. Система уравнений Колмогорова.
- 38.1. Применение теории марковских процессов к задачам теории массового обслуживания.
- 39.1. Процесс Пуассона.