Конспект по математической статистике/Шагимарданов

Математическая статистика

Математическая статистика — часть прикладной математической дисциплины теория вероятности и математическая статистика, которая изучает случайные явления, используя одинаковые с теории вероятности методы и понятия. Исследования поведения объектов или явлений обычно осуществляется на основе изучения статических данных- наблюдений и измерений. Поэтому первой задачей математической статистики является определение способов сбора и группировке статистической информации. Вторая задача математической статистики состоит в разработке методов анализа статистических данных адекватных целям исследования. То есть задачей математической статистики состоит в разработке методов сбора, систематизации и обработки статистических данных для их удобного представления интерпретации и формулирования научных и практических выводов.

Характеристика областей применения аппарата теории вероятности и математической статистики

Теория вероятности	Математическая статистика
1. Модель, описывающая изучение явлений или объект, известна априори (до опыта). Есть сведения обо всей генеральной совокупности, описывающей исследуемое явление. 2. Используемый математический аппарат не зависит от предметной области. 3. Вывод о поведении исследуемого объекта или явления делаются по всей генеральной совокупности.	1. Модель, описывающая исследуемое явление, априори известна. 2. Для определение модели можно проводить пробные испытания (сформировать сборку из генеральной совокупности). 3. Иногда модель может быть занята априори с точностью до неизвестных параметров. 4. Значение неизвестных параметров модели могут быть приближенно получены по выборке из генеральной совокупности. 5. Выводы о поведении объекта или явления делаются по выборке ограниченного объема и распространяются на всю генеральную совокупность

Литература Никитина М. Ш. «Математическая статистика для экономистов» .- Москва- Новосибирск.. ИНФРА-М- НГТУ 2001

Генеральная совокупность

Генеральная совокупность — все мыслимые значения (измерения, наблюдения), описывающие поведение исследуемого объекта или явления.

Выборка из генеральной совокупности — ограниченный набор реально наблюдаемых выборочных из генеральной совокупности значений, описывающих исследуемый объект или явление. Количество этих значений называется объемом выборки.

Материальные объекты. Их вероятностная природа

Все законы природы и общества могут быть разделены на несколько классов, среди которых важное место занимают детерминированные и статистические (стохастические).

Детерминированные законы

Детерминированные законы — это те, ДЛЯ которых характерно наличие причиной обусловленности протекающих процессов. К этому классу относятся законы небесной механики, физические законы (электричество, механика и пр), то есть все те, которые не имеют вероятностной природы.

Статистические (стохастические) законы

Статистические (стохастические) законы определяют будущее состояние системы (объекта) неоднозначно, с некоторой вероятностью. Например, такие явления макромира, как долговременные изменения температуры, или явления микромира — положение электрона в электронной оболочке (электронное облако") и др. Можно утверждать, что без случайности нет развития. Случайностью объясняются возникновение жизни на Земле, совершенствование биологических видов, исторические события, творческая деятельность, развитие социально-экономических систем [1]. Именно поэтому математическая статистика становится все более значимым инструментом статистического анализа и прогнозирования, состояния, поведения и развития различных систем, в том числе экономических процессов и явлений.

Этапы решения задачи описания данных вероятностными моделями

Решение задачи описания эмпирических данных (содержащих информацию о поведении реальных объектов) вероятностными моделями можно представить в виде пяти укрупненных этапов. Содержание каждого этапа и применяемые на данном этапе методы отражены в табл. 2.

Таблица 2
Этапы решения задачи описания эмпирических данных вероятностными моделями

Название этапа	Содержание этапа	Применяемые методы
1. Предварительная обработка данных (выборки из генеральной совокупности)	Анализ объема выборки, засоренности выборки, независимости элементов выборки	Методы непараметрической статистики (удаление засорений, проверка статистических гипотез, формирование требований условиям проведения эксперимента)
2. Оценивание характеристик случайных величин	Точечное и интервальное оценивание числовых и функциональных характеристик	Методы непараметрического оценивания (как правило, при объеме выборки п < 60), параметрическое или непараметрическое оценивание (при объеме выборки п 60)
З. Описание эмпирических данных вероятностными моделями (задачи аппроксимации)	Выбор типа Модели, описывающей эмпирические данные	Методы упорядочения Моделей и выбора аппроксимирующего распределения (модели)
4. Оценивание неизвестных параметров модели	Точечное и интервальное оценивание параметров	Методы интервального и точечного оценивания параметров модели (Моментов, максимального правдоподобия и пр.)
5. Проверка гипотез о согласии модели и эмпирического распределения	Проверка адекватности выбранной модели и эмпирического распределения	Методы проверки гипотез о согласии (х2-Пирсона, Кодмогорова —Смирнова, о?-Мизеса и пр.)

Рис. 1

Задачи математической статистики

Обозначим количество всех подлежащих обследованию объектов $N~(i={\overline {1,N}})$ .Допустим, что каждому объекту i соответствует значение ${\mathcal {~}}x_{i}$ . Согласно данному ранее определению, совокупность возможных значений (теоретически домысливаемых) $N$ объектов называется генеральной совокупностью, а $N$ — объёмом генеральной совокупности. Генеральная совокупность может быть конечной или бесконечной. Пусть количество реально наблюдаемых объектов из N равно n.Тогда ${\mathcal {~}}x_{i}$ $(i={\overline {1,N}})$ — выборка из генеральной совокупности, n-объём выборки. Выборка из генеральной совокупности должна обладать следующими свойствами:

— каждый элемент ${\mathcal {~}}x_{i}$ выбран случайно ;
— все ${\mathcal {~}}x_{i}$ имеют одинаковую вероятность попасть в пробку;
— ${\mathcal {~}}n$ должно быть настолько велико, насколько это позволяет решать задачу с требуемым качеством (выработка должна быть репрезентативной, представительной)
В дальнейшем будем иметь дело с выборкой, обладающей такими свойствами.
Принято считать, что при ${\mathcal {~}}n~>~60$ выборка большая, или репрезентативная, а при ${\mathcal {~}}n~<~60$ — малая. Такое деление выборки на большую и малую условно. Разные товары используют разное пограничное ${\mathcal {~}}n$ , делящее выборки на малые и большие, которое к тому же зависит от решаемой статистической задачи.