Теория вероятности

Выборочная функция распределения: построение и свойства

Для каждого значения выборочная функция распределения является ступенчатой и монотонно неубывающей. Её основные свойства включают сходимость к истинной функции распределения при увеличении объёма выборки и возможность использования для проверки гипотез о виде распределения. Рассмотрены методы построения, примеры применения и связь с другими инструментами математической статистики.

Мы рассматривали эмпирическую функцию распределения F∗(x)=n_xnF\ast ( x )=\frac { n\_x } { n }, определяющую относительную частоту события XX

F∗(x)={0,x⩽x_11,x>x_1F\ast ( x )=\left\{ { { \begin{array}{c}{ 0,x\leqslant x\_1 } \\{ 1,x>x\_1 } \end{array} } }\right.

Построим выборочную функцию распределения в нашем примере { по центрам интервалов } . Наименьшее значение варианта x_i=1x\_i =1.

Следовательно F∗(x)=0F\ast ( x )=0, при x⩽1−x\leqslant 1- это означает, что случайная величина X при X<1X<1 наблюдалась ноль раз. Значение X<5X<5 { а именно X=1X=1 наблюдалось один раз } F∗(x)=n_xn=125,x⩽5F\ast ( x )=\frac { n\_x } { n } =\frac { 1 } { 25 } , x\leqslant 5

Значение X<9X<9 { а именно X=1X=1 и X=5X=5, наблюдалось 1+6=71+6=7 раз } , F∗(x)=725,x⩽9F\ast ( x )=\frac { 7 } { 25 } , x\leqslant 9

Значение X<13X<13 { а именно X=1X=1, X=5X=5, X=9X=9, наблюдалось 1+6+3=101+6+3=10 раз } F∗(x)=1025,x⩽13F\ast ( x )=\frac { 10 } { 25 } , x\leqslant 13

Значение X<17X<17 { а именно X=1X=1, X=5X=5, X=9X=9, X=13X=13, наблюдалось 1+6+3+3=131+6+3+3=13 раз } F∗(x)=1325,x⩽17F\ast ( x )=\frac { 13 } { 25 } , x\leqslant 17

Значение X<21X<21 { а именно X=1X=1, X=5X=5, X=9X=9, X=13X=13, X=17X=17 наблюдалось 1+6+3+3+6=191+6+3+3+6=19 раз } F∗(x)=1925,x⩽21F\ast ( x )=\frac { 19 } { 25 } , x\leqslant 21

F∗(x)=1F\ast ( x )=1, при x>21x>21

Выборочная функция имеет вид:

x_iF∗(x)F∗(x)={0,x⩽1128,x⩽5725,x⩽91025,x⩽131325,x⩽171925,x⩽211,x>21x\_iF\ast ( x )F\ast ( x )=\left\{ { { \begin{array}{c}{ 0,x\leqslant 1 } \\{ \frac { 1 } { 28 } ,x\leqslant 5 } \\{ \frac { 7 } { 25 } ,x\leqslant 9 } \\{ \frac { 10 } { 25 } ,x\leqslant 13 } \\{ \frac { 13 } { 25 } ,x\leqslant 17 } \\{ \frac { 19 } { 25 } ,x\leqslant 21 } \\{ 1,x>21 } \end{array} } }\right.

Другие статьи из категории

Похожие статьи

Все статьи →

Теория вероятности

Критерий согласия Пирсона: методика и применение для проверки гипотез о виде распределения

Методика включает вычисление статистики хи-квадрат как суммы нормированных квадратов разностей между наблюдаемыми и ожидаемыми частотами.…

Теория вероятности

Проверка гипотезы о показательном распределении: методы и критерии

Методы проверки включают критерий согласия Пирсона (хи-квадрат), критерий Колмогорова–Смирнова или использование графического анализа,…

Теория вероятности

Методы нахождения оценок: теория и практическое применение

Метод моментов заключается в приравнивании теоретических моментов распределения к их эмпирическим аналогам. Метод максимального…

Теория вероятности

Доверительный интервал: определение и методы построения

Построение доверительного интервала зависит от типа параметра (например, математическое ожидание, дисперсия) и распределения данных. Для…

Теория вероятности

Основные формулы теории вероятности

Теория вероятности изучает закономерности случайных событий, предлагая инструментарий для их количественной оценки. Рассматриваются…

Нужен расчёт?

Пришлите исходные данные — уточним состав работы и ответим по срокам.

Связаться