Программа курса «математическая статистика» для студентов 3 курса 1 потока механико-математического факультета, 2014-2015 уч. год

Date: 2015-10-07; view: 388.

Текущее положение дел с проектом.

1. Математическая статистика как раздел математики, основанный на теории вероятностей. Основные задачи математической статистики и их своеобразие. Математическая статистика как теория статистических решений. Представление о статистическом решении с минимальным риском ошибки.

2. Выборка, выборочное пространство, статистическая модель. Повторная выборка и параметрическая модель. Функция правдоподобия выборки. Представление об основных типах статистических решений: точечные оценки, интервальные оценки, процедура выбора одной из двух гипотез.

3. Основные выборочные характеристики, статистики. Выборочные среднее значение и дисперсия. Вариационный ряд, порядковые статистики и их распределение. Эмпирическая функция распределения как функция распределения и как оценка гипотетической функции распределения. Теорема Гливенко-Кантелли. Статистика Колмогорова и теорема о независимости статистики Колмогорова от вида истинной функции распределения при условии ее непрерывности. Критерий Колмогорова для проверки гипотезы о данном непрерывном распределении.

4. Информация о свойствах статистической модели, содержащаяся в выборке, и ее использование для выбора статистических решений с минимальным риском ошибки. Информационное количество Фишера и его свойства. Определение достаточной статистики и критерий Неймана-Фишера достаточности некоторой статистики. Минимальные достаточные статистики.

5. Условное математическое ожидание и условная вероятность относительно сигма-алгебры и относительно случайной величины. Свойства условного математического ожидания. Условная плотность распределения одной случайной величины относительно другой. Аналог формулы Байеса для плотностей.

6. Точечные статистические оценки параметров модели и функций от параметров. Сравнение оценок по их свойствам. Представление о наилучших оценках: состоятельные несмещенные оценки с минимальной дисперсией. Свойства «частоты» как оценки вероятности события в схеме испытаний Бернулли. Теорема Колмогорова-Блекуэла-Рао об улучшении свойств оценок с помощью достаточной статистики. Полные достаточные статистики и несмещенные оценки с минимальной дисперсией.

7. Асимптотические свойства оценок. Состоятельные, асимптотически несмещенные, асимптотически нормальные оценки параметров, асимптотическая нормальность функций от асимптотически нормальных оценок. Примеры состоятельных и асимптотически нормальных оценок.

8. Эффективные оценки параметров регулярной модели. Критерий эффективности оценок, основанный на неравенстве Крамера-Рао. Многомерное обобщение неравенства Крамера-Рао. Роль информационного количества Фишера при определении эффективной оценки.

9. Методы получения оценок. Метод моментов, теорема о состоятельности оценок метода моментов. Метод максимального правдоподобия. Теорема о состоятельности и асимптотической нормальности оценок метода максимального правдоподобия.

10. Байесовский подход в теории оценивания. Теорема о байесовской оценке при квадратичной функции риска. Априорное и апостериорное распределения. Априорный и апостериорный риски. Примеры вычисления и сравнение байесовских оценок и оценок максимального правдоподобия в случае распределения Бернулли и нормального распределения. Байесовские оценки с постоянным риском. Байесовские интервальные оценки.

11. Многомерное нормальное распределение: эквивалентные определения. Плотность невырожденного нормального распределения и его параметры (вектор средних значений и матрица ковариаций). Свойства: инвариантность относительно линейных преобразований, равносильность независимости и некоррелированности компонент. Распределение квадратичной формы от случайного вектора со стандартным нормальным распределением. Лемма Фишера о независимости среднего арифметического и среднего квадратического значений для независимых случайных величин с одинаковым нормальным распределением. Распределения хи-квадрат, Стьюдента и Фишера-Снедекора как распределения статистик в нормальных выборках (определение и вывод плотности ).

12. Интервальные оценки и их характеристики. Методы построения точных доверительных интервалов. Точный доверительный интервал для параметра биномиального распределения. Точные доверительные интервалы для параметров (среднего и дисперсии) нормального распределения. Асимптотические доверительные интервалы. Построение асимптотического доверительного интервала для параметра распределения на основе свойства асимптотической нормальности подходящей статистики (пример биномиального распределения).

13. Процедура проверки двух статистических гипотез. Критерий проверки гипотез, критическое множество, вероятности ошибок I и II рода, уровень значимости и мощность критерия. Критерии согласия. Проверка гипотез о параметрах нормального распределения. Использование доверительных интервалов для проверки гипотез о параметрах нормального распределения. Критерий Фишера равенства дисперсий и критерий Стьюдента равенства средних значений двух независимых нормальных выборок. Анализ однофакторной модели для нормальных выборок: дисперсионный анализ и множественное сравнение параметров модели.

14. Проверка гипотез о параметрах биномиального распределения. Полиномиальное распределение, как распределение случайного вектора, его параметры и вариант многомерной центальной предельной теоремы. Статистика Пирсона для проверки гипотезы о параметрах полиномиального распределения. Теорема Пирсона об асимптотическом хи-квадрат распределении статистики Пирсона. Критерий хи-квадрат для проверки гипотезы о заданном полиномиальном распределении.

15. Критерии различения двух гипотез. Простые и сложные гипотезы, рандомизированный и нерандомизированный критерии, размер критерия, функция мощности, критическая функция. Наиболее мощные и несмещенные критерии. Фундаментальная лемма Неймана-Пирсона: критерий отношения правдоподобия как наиболее мощный критерий для проверки двух простых гипотез. Пример критерия для проверки двух гипотез о среднем значении нормального распределения. Равномерно наиболее мощные критерии для проверки сложных гипотез.