Эмпирическая функция распределения

Функцией распределения выборки или эмпирической функцией распределения называют функцию $F^\ast ( x )$, определяющую для каждого значения $X$ относительную частоту события $X<x$ $ F^\ast ( x )=\frac { n_\ast } { n } $

$n-$ объём выборки

$n_\ast -$ число наблюдений, при которых наблюдалось значение признака меньшее x.

Функцию распределения генеральной совокупности называют теоретической функцией распределения. Разница между ними следующая: теоретическая функция распределения $F(x)$ определяет вероятность события $X<x$, а эмпирическая - относительную частоту этого события.

$F^\ast ( x ) -$ обладает теми же свойствами, что и $F(x)$

  1. неубывающая $F^\ast ( x )=\left\{ { { \begin{array} { \c } { 0, x\leqslant x_1 } \\ { 1, x>x_n } \\ \end{array} } }\right.$
  2. $0\leqslant F^\ast ( x )\leqslant 1$

Эмпирическая функция распределения выборки служит для оценки теоретической функции распределения.

⚙️

Инструмент для тех, кто проверяет расчёты руками

✍ Если вам регулярно приходится верифицировать ручные интегралы, строить эпюры для КМ/КМД или перепроверять закрытые «чёрные ящики» коммерческих САПР, загляните в мой открытый проект:

Читайте также:

Основные формулы теории вероятности

Доверительный интервал: определение и методы построения

Методы нахождения оценок: теория и практическое применение

Проверка гипотезы о показательном распределении: методы и критерии

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

Теоретические и эмпирические моменты: сравнение и применение в статистическом анализе

Статистические оценки параметров распределения: методы и свойства

Выборочная функция распределения: построение и свойства

Группировка наблюдений

Элементы математической статистики: статистическое распределение выборки

Центральная предельная теорема Ляпунова: обобщение и условия применимости

Теоремы Чебышева и Бернулли: основы закона больших чисел

Закон больших чисел и неравенство Чебышева: теоретические основы и практическое значение

Показательное распределение: свойства и применение в моделировании времени ожидания

F-распределение Фишера–Снедекора: свойства и применение в статистике

Оглавление $\Rightarrow $