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