Презентация на тему "Математическая статистика"

Презентация: Математическая статистика
1 из 148
Ваша оценка презентации
Оцените презентацию по шкале от 1 до 5 баллов
  • 1
  • 2
  • 3
  • 4
  • 5
0.0
0 оценок

Комментарии

Нет комментариев для данной презентации

Помогите другим пользователям — будьте первым, кто поделится своим мнением об этой презентации.


Добавить свой комментарий

Аннотация к презентации

Презентация на тему "Математическая статистика" по экономике. Состоит из 148 слайдов. Размер файла 0.7 Мб. Каталог презентаций в формате powerpoint. Можно бесплатно скачать материал к себе на компьютер или смотреть его онлайн.

  • Формат
    pptx (powerpoint)
  • Количество слайдов
    148
  • Слова
    экономика
  • Конспект
    Отсутствует

Содержание

  • Презентация: Математическая статистика
    Слайд 1

    Математическая статистика

  • Слайд 2

    Задачи математической статистики

  • Слайд 3

    Оценка неизвестной функции распределения. Оценка неизвестных параметров распределения. Статистическая проверка гипотез.

  • Слайд 4

    Выборочный метод. Генеральная совокупность. Выборка

  • Слайд 5

    Опр.Исследуемая совокупность объектов наз. генеральной совокупностью ( - очень велико, в некоторых случаях количество значений, образующих генеральную совокупность, можно считать и бесконечным).

  • Слайд 6

    Опр.Совокупность объектов , отобранных случайным образом из генеральной совокупности наз. выборочной совокупностью (выборкой), где Число наз. объемом выборки.

  • Слайд 7

    Метод основанный на том, что по выборочной совокупности выделенной из данной генеральной совокупности делается заключение о всей генеральной совокупности наз. выборочным методом

  • Слайд 8

    Виды выборок

  • Слайд 9

    Собственно-случайная

    Выборка образованная случайным выбором элементов без расчленения на части или группы.

  • Слайд 10

    Механическая

    Выборка, в которую элементы из генеральной совокупности отбираются через определенный интервал. Например, если объем выборки должен составлять 10% (10%-я выборка), то отбирается каждый 10-й элемент.

  • Слайд 11

    Типическая

    Выборка, в которую случайным образом отбираются элементы из типических групп, на которые по некоторому признаку разбивается генеральная совокупность.

  • Слайд 12

    Серийная

    Выборка, в которую случайным образом отбираются не элементы, а целые группы совокупности(серии), а сами серии подвергаются сплошному наблюдению.

  • Слайд 13

    Способы образования выборки

  • Слайд 14

    Повторный отбор

    Каждый элемент, случайно отобранный и обследованный, возвращается в общую совокупность и может быть повторно отобран.

  • Слайд 15

    Бесповторный

    Отобранный элемент не возвращается в общую совокупность

  • Слайд 16

    Статистический ряд. Статистическое распределение. Эмпирическая функция распределения

  • Слайд 17

    Варианты: Вариационный ряд: или

  • Слайд 18

    Из генеральной совокупности извлечена выборка объема наблюдалась раз; наблюдалась раза; наблюдалась раза; ………………………………… наблюдалась раз. Причем .

  • Слайд 19

    Числа называются частотами. Числа , где наз. относительными частотами.

  • Слайд 20

    Статистическое распределение выборки

  • Слайд 21

    Полигон частот

  • Слайд 22
  • Слайд 23

    Полигон относительных частот

  • Слайд 24
  • Слайд 25

    Эмпирическая функция распределения

  • Слайд 26

    Эмпирическая функция распределения это функция равная отношению числа вариант, меньших , к объему выборки: .

  • Слайд 27

    Свойства эмпирической функции распределения

  • Слайд 28

    1) 2) - неубывающая; 3) если наименьшая варианта, то при 4) если наибольшая варианта, то при

  • Слайд 29

    Пример. По данному распределению выборки построить эмпирическую функцию.

  • Слайд 30
  • Слайд 31
  • Слайд 32
  • Слайд 33

    Статистическая совокупность

  • Слайд 34
  • Слайд 35

    Число интервалов определяется по формуле Стерджеса

  • Слайд 36

    Гистограмма частот

  • Слайд 37

    Ступенчатая фигура, состоящая из прямоугольников, основаниями которых служат частичные интервалы длиною , а высоты равны отношению (плотность частот).

  • Слайд 38
  • Слайд 39

    Площадь гистограммы частот тогда

  • Слайд 40

    Гистограмма относительных частот

  • Слайд 41

    Ступенчатая фигура, состоящая из прямоугольников, основаниями которых служат частичные интервалы длиною , а высоты равны отношению (плотность относительных частот).

  • Слайд 42
  • Слайд 43

    Площадь гистограммы относительных частот

  • Слайд 44

    тогда

  • Слайд 45

    Статистические оценки параметров распределения

  • Слайд 46

    Точечные оценки

    Оценка, которая определяется одним число, наз. точечной.

  • Слайд 47

    Интервальные оценки

    Оценка, которая определяется двумя числами, являющимися концами интервала, содержащего неизвестный параметр, называется интервальной.

  • Слайд 48

    Свойства точечных оценок

  • Слайд 49

    Несмещенность

    Статистическая оценка наз. несмещенной, если её математическое ожидание равно оцениваемому параметру при любом объеме выборки:

  • Слайд 50

    Эффективность

    Статистическая оценка наз. эффективной, если она имеет наименьшую возможную дисперсию.

  • Слайд 51

    Состоятельность

    Статистическая оценка наз. состоятельной, которая при стремится по вероятности к оцениваемому параметру :

  • Слайд 52

    Теорема. Если дисперсия несмещенной оценки при стремится к нулю, то такая оценка состоятельна. Док-во: Оценка параметра несмещенная, т.е. , поэтому при из неравенства Чебышева следует

  • Слайд 53

    Но при Значит при , для каждого фиксированного : а Но тогда при

  • Слайд 54

    Генеральная средняя

    или

  • Слайд 55

    Выборочная средняя

  • Слайд 56

    или

  • Слайд 57

    Генеральная дисперсия

  • Слайд 58

    или

  • Слайд 59

    Выборочная дисперсия

  • Слайд 60
  • Слайд 61
  • Слайд 62
  • Слайд 63

    Выборочная средняя является несмещенной и состоятельной:

  • Слайд 64

    1.Рассмотрим выборочную среднюю, как случайную величину

  • Слайд 65
  • Слайд 66
  • Слайд 67

    т.е.

  • Слайд 68
  • Слайд 69

    2.Используем неравенство Чебышева:

  • Слайд 70

    Пусть тогда т.е. Значит выборочная средняя является статистической оценкой генеральной средней.

  • Слайд 71

    Выборочная дисперсия является смещенной оценкой:

  • Слайд 72
  • Слайд 73
  • Слайд 74

    Несмещенная оценка генеральной дисперсии - исправленная выборочная дисперсия:

  • Слайд 75

    Статистические характеристики

  • Слайд 76

    Мода

  • Слайд 77

    Медиана

  • Слайд 78

    Асимметрия

    Асимметрия распределения характеризуется тем, что вариант, меньших и больших моды неодинаковое число.

  • Слайд 79

    При асимметрия положительная; При асимметрия отрицательная.

  • Слайд 80

    Если , то распределение почти симметрично; если , то распределение сильно асимметрично.

  • Слайд 81

    Эксцесс

    Эксцесс характеризует крутовершинность кривой распределения.

  • Слайд 82

    Если , то распределение считается близким к нормальному; если , то распределение значительно отклоняется от нормального.

  • Слайд 83

    Метод произведений

    -условные варианты, -условный нуль.

  • Слайд 84
  • Слайд 85
  • Слайд 86
  • Слайд 87

    Статистическая проверка статистических гипотез

  • Слайд 88

    Нулевая гипотеза - выдвинутая гипотеза. Конкурирующая гипотеза - - гипотеза, которая противоречит нулевой гипотезе.

  • Слайд 89

    Простая гипотеза – гипотеза, содержащая одно предположение:

  • Слайд 90

    Сложная гипотеза – гипотеза, которая состоит из конечного или бесконечного числа простых гипотез:

  • Слайд 91

    Ошибка первого рода состоит в том, что будет отвергнута правильная гипотеза. Ошибка второго рода состоит в том, что будет принята неправильная гипотеза. Уровень значимости – вероятность совершить ошибку первого рода.

  • Слайд 92

    Статистический критерий - случайная величина, которая служит для проверки нулевой гипотезы. Наблюдаемым значением - значение критерия, вычисленное по выборке.

  • Слайд 93

    Критическая область – совокупность значений критерия, при которых нулевую гипотезу отвергают. Область принятия гипотезы - совокупность значений критерия, при которых нулевую гипотезу принимают. Критические точки - точки, отделяющие критическую область от области принятия гипотезы.

  • Слайд 94

    Правосторонняя критическая область – критическая область определяющаяся неравенством: ищут, исходя из требования чтобы

  • Слайд 95

    Левосторонняя критическая область – критическая область, определяющаяся неравенством: ищут, исходя из требования чтобы

  • Слайд 96

    Двусторонняя критическая область – критическая область, определяющаяся неравенством: ищут, исходя из требования чтобы

  • Слайд 97

    Если распределение критерия симметрично относительно 0 и имеются основания выбрать симметричные относительно нуля точки: то Тогда заменится или

  • Слайд 98

    Доверительная вероятность (надежность)- вероятность с которой осуществляется неравенство , т.е. Доверительный интервал – интервал, который покрывает неизвестный параметр с заданной надежностью .

  • Слайд 99

    Доверительный интервал для оценки математического ожидания нормального распределения при известном .

    Число определяется из равенства

  • Слайд 100

    Доверительный интервал для оценки математического ожидания нормального распределения при неизвестном

    Число определяется по таблице

  • Слайд 101

    Критерий согласия – критерий проверки гипотезы о предполагаемом законе неизвестного распределения. Критерии согласия: ( хи квадрат) Пирсона, Колмогорова, Смирнова и др.

  • Слайд 102

    Проверка гипотезы о нормальном распределении генеральной совокупности

  • Слайд 103

    Критерий Пирсона

  • Слайд 104

    В качестве критерия проверки примем случайную величину где -эмпирические частоты; -теоретические частоты.

  • Слайд 105

    Строим правостороннюю критическую область, исходя из требования, что в предположении справедливости , где - уровень значимости; - число степеней свободы.

  • Слайд 106

    Число степеней свободы находят по формуле где - число групп(частичных интервалов) выборки; - число параметров предполагаемого распределения, которые оценены по данным выборки. Если предполагаемое распределение нормальное, то оценивают два параметра и тогда

  • Слайд 107

    Если обозначить , то при гипотезу принимают; при гипотезу отвергают.

  • Слайд 108

    Критерий согласия Колмогорова

  • Слайд 109

    Если функция распределения случайной величины непрерывна, то практически ее эмпирическая функция распределения при сходится к .

  • Слайд 110

    Если непрерывна, то функция распределения величины при имеет пределом функцию которая не зависит от вида функции

  • Слайд 111

    По таблице найдем значение функции и затем значение функции Если , то расхождение между эмпирическими и теоретическими функциями распределения несущественно, если , то расхождение существенно.

  • Слайд 112

    Сравнение двух дисперсий нормальных генеральных совокупностей

  • Слайд 113

    В качестве критерия проверки нулевой гипотезы о равенстве генеральных дисперсий примем случайную величину , причем отношение большей исправленной дисперсии к меньшей:

  • Слайд 114

    Величина при условии справедливости имеет распределение Фишера-Снедекора со степенями свободы и где - объем выборки, по которой вычислена большая исправленная дисперсия.

  • Слайд 115

    Элементы теории корреляции

  • Слайд 116

    Основные задачи теории корреляции

  • Слайд 117

    О форме корреляционной связи между и в виде некоторой функциональной зависимости, которая хотя бы приближенно изображала расплывчатую корреляционную зависимость. Об оценке тесноты корреляционной связи между и , т.е. о степени близости корреляционной зависимости к функциональной.

  • Слайд 118

    Регрессии

    Регрессией от называется функциональная зависимость между значениями и соответствующими условными средними значениями . Регрессии можно представить геометрически в виде ломанных линий, соединяющих или точки ( ; ), или точки ( ; ).

  • Слайд 119

    Эти линии называются эмпирическими (полученными из опыта) ломаными линиями регрессии. Плавную кривую можно получить и иначе, – если ломаную линию регрессии “сгладить” посредством какой-либо известной линии (прямой, параболы, гиперболы и т.п.). Уравнение сглаживающей линии даст хотя и приближенно, но аналитическое – в виде формулы – выражение регрессии. Подобные формулы называют эмпирическими

  • Слайд 120

    Задача отыскания эмпирической формулы распадается на две

  • Слайд 121

    1. Выбор типа линии, выравнивающей ломанную регрессии, т.е. типа линии, около которой группируются экспериментальные точки ( ; ) или ( ; ). 2. Определение параметров, входящих в уравнение линии выбранного типа, таким образом, чтобы из множества линий этого типа взять ту, которая наиболее близко проходит около точек ломаной регрессии.

  • Слайд 122

    Выбор типа линии, выравнивающей ломаную линию регрессии

    Для выбора типа линии, выравнивающей ломаную линию регрессии, необходимо хорошо знать простейшие виды линий и их уравнения.

  • Слайд 123

    Определения параметров в уравнении выравнивающей линии выбранного типа

  • Слайд 124

    Метод средних применяют в тех случаях, когда выбранный тип уравнения выравнивающей линии содержит лишь один параметр. Метод проб используют, когда выбранная формула содержит несколько параметров .

  • Слайд 125

    Метод выровненных (или выбранных) точек состоит в выборе по чертежу нескольких точек (не обязательно совпадающих с точками линии регрессии), через которые проводят выравнивающую линию и определяют ее уравнение по координатам этих выбранных точек. Метод наименьших квадратов служит для оценки неизвестных величин по результатам измерений, содержащим случайные погрешности.

  • Слайд 126

    Метод наименьших квадратов

  • Слайд 127

    Необходимо минимизировать сумму где , – значения опытных данных; – значение функции, взятое из эмпирической зависимости в точке ; – число опытов.

  • Слайд 128

    В случае линейной эмпирической формулы сумма принимает вид , а в случае квадратической зависимости – следующий вид: .

  • Слайд 129
  • Слайд 130
  • Слайд 131

    Оценка тесноты корреляционной зависимости

  • Слайд 132

    Для оценки тесноты корреляционной зависимости служит корреляционное отношение: где – выборочная дисперсия случайной величины , вычисленная по всей таблице; – дисперсия условных средних относительно общей средней, так называемая внешняя дисперсия.

  • Слайд 133

    Критерий Фишера

  • Слайд 134
  • Слайд 135

    где – остаточная дисперсия; – число коэффициентов в уравнении регрессии; – ордината линии регрессии в точке ; – дисперсия воспроизводимости средних, равная исправленной внутренней дисперсии, деленной на число экспериментов , по которым вычислялись условные средние :

  • Слайд 136
  • Слайд 137

    Величина имеет распределение Фишера с числами степеней свободы ( – число задаваемых экспериментатором значений величины , – число проводимых опытов, – число коэффициентов в уравнении регрессии). Из таблицы критических точек распределения Фишера находим .

  • Слайд 138

    Если расхождение между теоретической и эмпирической линиями регрессии значимо, уравнение не адекватно, следует взять многочлен более высокого порядка.

  • Слайд 139

    Линейная корреляция

  • Слайд 140

    Из всех корреляционных зависимостей надо особо выделить линейную корреляцию, т.е. такую, когда точки регрессии располагаются вблизи некоторой прямой линии.

  • Слайд 141

    Виды регрессии

    1) регрессия на в виде функциональной зависимости ; 2) регрессия на в виде функциональной зависимости .

  • Слайд 142

    Выборочный коэффициент корреляции

  • Слайд 143

    Выборочное уравнение прямой линии регрессии на

  • Слайд 144
  • Слайд 145

    Если данные наблюдений над признаками и заданы в виде корреляционной таблицы с равноотстоящими вариантами, то целесообразно перейти к условным вариантам : ,

  • Слайд 146

    Выборочный коэффициент корреляции

  • Слайд 147
  • Слайд 148
Посмотреть все слайды

Сообщить об ошибке