Материалы сайта
Это интересно
Серьёзные лекции по высшей экономической математике
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 [pic] (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 [pic]оказывается достаточно малой, то это дает основание предпочесть гипотезу H0 гипотезе H1. При достаточно большом значении [pic] 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 [pic] в левый промежуток следовало бы принимать гипотезу H0, а при попадании [pic] в правый промежуток предпочтение следовало бы оказать гипотезе H1. Однако на самом деле поступают несколько иначе. В качестве статистического критерия выбирается случайная величина [pic], 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 )[pic]/(, Dz = 1. [pic] 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 [pic], полученная из выборочных данных, относительно велика, то и величина z велика, что является свидетельством в пользу гипотезы H1. Относительно малые значения [pic] 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). Отсюда [pic], и осталось воспользоваться таблицей функции Лапласа для нахождения числа Kкр. Если величина z, полученная при выборочном значении [pic], 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 H0 отвергается. В данной задаче может быть подсчитана мощность критерия: [pic] Мощность критерия тем больше, чем больше разность a1– a. II. Если в предыдущей задаче поставить другое условие: H0: M( = a; H1: M( = a1 , a1 < a, [pic] 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 )[pic]/(, а величина Kкр определяется из формулы ( = P(–( < z < Kкр) = (( Kкр) – ((–() = (( Kкр) + [pic] . Используя формулу –(( Kкр) = (( –Kкр), получаем: (( –Kкр) = [pic]. 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. [pic] 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) . Из этого соотношения следует: (( Kкр) = [pic] 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: [pic]. Здесь S**– наибольшая из двух оценок s12 и s22, а S*– наименьшая из тех же двух оценок. 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. Пусть два множества некоторых объектов, обладающих количественным признаком, подвергнуты выборочному контролю. Значения количественного признака есть распределенные по нормальному закону случайные величины, которые мы обозначим (1 и (2, соответственно, для первого и для второго множеств. Из первого множества сделана выборка объема n1=21 и подсчитана исправленная выборочная дисперсия, оказавшаяся равной 0,75. Из второго множества сделана выборка объема n2=11. Эта выборка дала значение исправленной выборочной дисперсии, равное 0,25. Выдвигаем гипотезу H0: D(1=D(2. Конкурирующая гипотеза H1 заключается в том, что D(1>D(2. В данном случае выборочное значение Fв критерия Фишера равно 3. При выбранном уровне значимости q = 0,05 по числам степеней свободы k1=20, k2=10 находим по таблице распределения Фишера Fкр=2,77. Так как Fв > Fкр, гипотеза о равенстве дисперсий должна быть отвергнута. Проверка статистической значимости выборочного коэффициента корреляции. Проверкой статистической значимости выборочной оценки ( параметра ( генеральной совокупности называется проверка статистической гипотезы H0: ( = 0, при конкурирующей гипотезе H1: ( ( 0. Если гипотеза H0 отвергается, то оценка ( считается статистически значимой. Пусть имеются две случайные величины ( и (, определенные на множестве объектов одной и той же генеральной совокупности, причем обе имеют нормальное распределение. Задача заключается в проверке статистической гипотезы об отсутствии корреляционной зависимости между случайными величинами ( и (. H0: ((( = 0; H1: ((( ( 0. Здесь ((( – коэффициент линейной корреляции. Производится выборка объема n и вычисляется выборочный коэффициент корреляции r. За статистический критерий принимается случайная величина [pic], которая распределена по закону Стьюдента с n – 2 степенями свободы. Отметим сначала, что все возможные значения выборочного коэффициента корреляции r лежат в промежутке [–1;1]. Очевидно, что относительно большие отклонения в любую сторону значений t от нуля получаются при относительно больших, то есть близких к 1, значениях модуля r. Близкие к 1 значения модуля r противоречат гипотезе H0, поэтому здесь естественно рассматривать двустороннюю критическую область для критерия t. По уровню значимости ( и по числу степеней свободы n – 2 находим из таблицы распределения Стьюдента значение tкр. Если модуль выборочного значения критерия tв превосходит tкр, то гипотеза H0 отвергается и выборочный коэффициент корреляции считается статистически значимым. В противном случае, то есть если (tв( < tкр и принимается гипотеза H0, выборочный коэффициент корреляции считается статистически незначимым.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18