Как найти выборочную функцию распределения - Autoru.top

Эмпирическая функция распределения

Содержание:

Что называют эмпирической функции распределения
Свойства функции
Как найти
Как построить график
Примеры задач

Что называют эмпирической функции распределения

Допустим, известно статистическое распределение частот количественного признака Х. Обозначим n_х – количество наблюдений со значением меньше x₁, n – всего наблюдений. Очевидно, что относительная частота события Х<x будет равна n_х/n.

Определение

Эмпирическая функция распределения – это функция F*(x), которая определяет для каждого значения x относительную частоту события X

Данное понятие можно записать в виде формулы:

Осторожно! Если преподаватель обнаружит плагиат в работе, не избежать крупных проблем (вплоть до отчисления). Если нет возможности написать самому, закажите тут.

(Fast(x)=frac{n_x}n)

В этой записи n_x – количество вариантов, меньших x; n – объем выборочной совокупности.

Существует также теоретическая функция распределения (функция распределения генеральной совокупности). Ее отличие от выборочной функции распределения состоит в определении объективной возможности или вероятности события X<x.

Свойства функции

Функция распределения выборки обладает рядом свойств, которые следуют из определения понятия.

Значения рассматриваемой функции F^*(x) располагаются на отрезке [0; 1].
Функция имеет неубывающий характер.
При минимальной варианте x₁ верно равенство F^*(x)=0 при условии, что х<х₁. При максимальной варианте х_kверно равенство F^*(x)=1 при условии х>x_k.

Таким образом, функция распределения выборки помогает оценить теоретическую функцию распределения.

Как найти

Выборочная функция распределения для случайной величины рассчитывается по формуле:

(F(x)=P(xi<x))

Данное равенство читается так: функция распределения равна вероятности события, при котором случайная величина будем меньше x.

Поскольку при условии, что x меньше или равно 1, событие ξ₂₀<1 невозможно (ξ₂₀не принимает значение менее 1, вероятность невозможного события равна 0), верно следующее выражение:

(F(x)=P(xi20<1)=0)

При принадлежности x отрезку (1; 2] событие ξ₂₀<2 представляет собой равенство ξ₂₀=1, значит, вероятность этого события равно 0,1. В записи это выглядит так:

(F(x)=P(xi20<2)=0,1)

Когда x принадлежит отрезку (2; 4], событие ξ₂₀<4 состоит в равенстве ξ₂₀ значению 1 или 2, то есть вероятность рассматриваемого события равна 0,1+0,2=0,3 или:

(F(x)=P(xi20<4)=0,3)

Если 4 < x ≤ 5, то событие ξ₂₀<5 означает, что ξ₂₀ принимает значение либо 1, либо 2, либо 4. Следовательно, вероятность данного события вычисляется так: 0,1+0,2+0,35=0,65, то есть:

(F(x)=P(xi20<5)=0,65)

При 5 < x ≤ 6 событие ξ₂₀<6 заключается в том, что ξ₂₀ принимает значение 1, 2, 4 или 5. Значит его вероятность равно 0,1+0,2+0,35+0,1=0,75 или:

(F(x)=P(xi20<6)=0,75)

И так далее.

Итак, эмпирическая функция распределения имеет следующий вид:

Функция

Как построить график

Построение графика эмпирической функции распределения возможно после вычисления ее значений на всей числовой оси. Для рассмотренного примера схематическое изображение будет выглядеть так:

График

График ступенчатого вида, построенный на отрезках. Совпадение графика с горизонтальной осью означает, что левее минимального значения x=1 функция приобретает значение нуля. Увеличение в каждой следующей точке x_i происходит на величину вероятности ν_i. Правее максимального значения х₈=13 функция равна 1. Стрелки и точки на концах отрезков указывают на определение функции на полуинтервалах.

Примеры задач

Задача

В таблице даны значения эмпирического распределения:

Задача

Необходимо найти объем выборочной совокупности, составить выборочную функцию распределения, построить ее график.

Решение

Вычислим объем выборки: n=5+10+15+20=50.
Из свойства эмпирической функции распределения: F_n(x)=0 при x≤1, F_n(x)=1 при x>4.

Выходит, что:

Задача 2

По полученным значениям построим график:

Задача 3

Источник

Эмпирической (опытной) функцией распределения или функцией распределения выборки называют такую функцию, которая определяет для каждого значения x частоту событий X<x и предназначена для оценке теоретической функции распределения генеральной совокупности в математической статистике.

Эмпирическая функция распределения находится по формуле:

n — объем выборки;

n_x — количество наблюдений (вариантов) меньше x.

Пример

Дана таблица функции распределения выборки. Требуется построить эмпирическую функцию распределения

x_i	1	2	3	4	5	6
n_i	4	10	6	8	7	5

Решение

Из таблицы n=40, т.е.
n=4+10+6+8+7+5=40
Вычислим функцию распределения выборки

Эмпирическая функция распределения имеет вид

Построим график кусочно-постоянной эмпирической функции распределения

таким образом, по данным выборки можно приближенно построить функцию для неизвестной функции выборки.

74333

Источник

Привет, Вы узнаете про выборочная функция распределения, Разберем основные ее виды и особенности использования. Еще будет много подробных примеров и описаний. Для того чтобы лучше понимать что такое
выборочная функция распределения, эмпирическая функция распределения , настоятельно рекомендую прочитать все из категории Теория вероятностей. Математическая статистика и Стохастический анализ .

Выборочная (эмпирическая) функция распределения в математической статистике — это приближение теоретической функции распределения, построенное с помощью выборки из него.

Определение

Пусть — выборка объема , порожденная случайной величиной , задаваемой функцией распределения . Будем считать, что , где , — независимые случайные величины, определенные на некотором пространстве элементарных исходов . Пуст . Определим функцию следующим образом:

где — индикатор события , — функция Хевисайда. Таким образом, значение функции в точке равно относительной частоте элементов выборки, не превосходящих значение . Функция называется выборочной функцией распределения случайной величины , или эмпирической функцией выборки, и является аппроксимацией для функции . Существует теорема Колмогорова, утверждающая, что при функция равномерно сходится к , и указывающая скорость сходимости. Для каждого положительного , — случайная величина со значением .

Поскольку неизвестное распределение можно описать, например, его функцией распределения , построим по выборке «оценку» для этой функции.

Определение 1.

Эмпирической функцией распределения, построенной по выборке объема , называется случайная функция , при каждом равная

$begin{displaymath} F^*_n(y)=dfrac{textrm{ количество } X_iin(-infty,y)}{n} =frac{1}{n}sumlimits_{i=1}^n {mathbf I}(X_i<y).end{displaymath}$

Напоминание: Случайная функция

$begin{displaymath} {mathbf I}(X_i<y)=begin{cases} 1, & textrm{ если } X_i<y, cr 0 & textrm{ иначе } end{cases}end{displaymath}$

называется индикатором события . Об этом говорит сайт https://intellect.icu . При каждом это — случайная величина, имеющая распределение Бернулли с параметром .

Иначе говоря, при любом значение , равное истинной вероятности случайной величине быть меньше , оценивается долей элементов выборки, меньших .

Если элементы выборки , , упорядочить по возрастанию (на каждом элементарном исходе), получится новый набор случайных величин, называемый вариационным рядом:

$begin{displaymath} X_{(1)}leqslant X_{(2)} leqslant ldots leqslant X_{(n-1)}leqslant X_{(n)}.end{displaymath}$

Здесь

$begin{displaymath} X_{(1)}=min{X_1, ldots, X_n}, quad X_{(n)}=max{X_1, ldots, X_n}.end{displaymath}$

Элемент , , называется -м членом вариационного ряда или -й порядковой статистикой.

Основные свойства

где , а — количество элементов выборки, равных . В частности, если все элементы выборки различны, то .

Математическое ожидание этого распределения имеет вид:

Таким образом, выборочное среднее — это теоретическое среднее выборочного распределения. Аналогично, выборочная дисперсия — это теоретическая дисперсия выборочного распределения.

Случайная величина имеет биномиальное распределение:

Дисперсия выборочной функции распределения имеет вид:

Согласно усиленному закону больших чисел, выборочная функция распределения сходится почти наверное к теоретической функции распределения:

почти наверное при .

Выборочная функция распределения является асимптотически нормальной оценкой теоретической функции распределения. Если , то

по распределению при .

Пример 1.

Выборка: ${mathbf X}=
(0;2;1;2{,}6;3{,}1;4{,}6;1;4{,}6;6;2{,}6;6;7;9;
9;2{,}6).$
Вариационный ряд:

Рис 1

эмпирическая функция распределения имеет скачки в точках выборки, величина скачка в точке равна , где — количество элементов выборки, совпадающих с .

Можно построить эмпирическую функцию распределения по вариационному ряду:

$begin{displaymath} F_n^*(y)=begin{cases} 0, & textrm{ если } yleqslant X_{(1... ...nt X_{(k+1)}, cr 1 & textrm{ при } ygt X_{(n)}. end{cases}end{displaymath}$

Другой характеристикой распределения является таблица (для дискретных распределений) или плотность (для абсолютно непрерывных). Эмпирическим, или выборочным аналогом таблицы или плотности является так называемая гистограмма.

Гистограмма строится по группированным данным. Предполагаемую область значений случайной величины (или область выборочных данных) делят независимо от выборки на некоторое количество интервалов (не обязательно одинаковых). Пусть , , — интервалы на прямой, называемые интервалами группировки. Обозначим для через число элементов выборки, попавших в интервал :

$begin{equation} nu_j={textrm{,число } X_i in A_j}=sumlimits_{i=1}^n {m... ...A_j), quad textrm{ здесь } quad sumlimits_{j=1}^k nu_j = n.end{equation}$ (1)

На каждом из интервалов строят прямоугольник, площадь которого пропорциональна . Общая площадь всех прямоугольников должна равняться единице. Пусть — длина интервала . Высота прямоугольника над равна

$begin{displaymath} f_j=dfrac{nu_j}{n l_j}.end{displaymath}$

Полученная фигура называется гистограммой.

Пример 2.

Имеется вариационный ряд (см. пример 1):

begin{displaymath}
(0;1;1;2;2{,}6;2{,}6;2{,}6;3{,}1;4{,}6;
4{,}6;6;6;7;9;9).end{displaymath}

Разобьем отрезок на 4 равных отрезка. В отрезок попали 4 элемента выборки, в — 6, в — 3, и в отрезок попали 2 элемента выборки. Строим гистограмму (рис. 2). На рис. 3 — тоже гистограмма для той же выборки, но при разбиении области на 5 равных отрезков.

рис 2 рис 3

См. также

ряды распределения , полигон , гистограмма , кумулята ,
Теорема Гливенко — Кантелли
Теорема Колмогорова

В общем, мой друг ты одолел чтение этой статьи об выборочная функция распределения. Работы в переди у тебя будет много. Смело пишикоментарии, развивайся и счастье окажется в ваших руках.
Надеюсь, что теперь ты понял что такое выборочная функция распределения, эмпирическая функция распределения
и для чего все это нужно, а если не понял, или есть замечания,
то нестесняся пиши или спрашивай в комментариях, с удовольствием отвечу. Для того чтобы глубже понять настоятельно рекомендую изучить всю информацию из категории
Теория вероятностей. Математическая статистика и Стохастический анализ

Из статьи мы узнали кратко, но емко про выборочная функция распределения

Источник

Эмпирическая функция распределения

Эксперт по предмету «Математика»

Задать вопрос автору статьи

Определение эмпирической функции распределения

Пусть $X$ — случайная величина. $F(x)$ — функция распределения данной случайной величины. Будем проводить в одних и тех же независимых друг от друга условий $n$ опытов над данной случайной величиной. При этом получим последовательность значений $x_1, x_2 $, … ,$ x_n$, которая и называется выборкой.

Определение 1

Каждое значение $x_i$ ($i=1,2 $, … ,$ n$) называется вариантой.

Определение 2

Функция распределения $F(x)$ генеральной совокупности называется теоретической функцией распределения.

Одной из оценок теоретической функции распределения является эмпирическая функция распределения.

Сдай на права пока
учишься в ВУЗе

Вся теория в удобном приложении. Выбери инструктора и начни заниматься!

Получить скидку 3 000 ₽

Определение 3

Эмпирической функцией распределения $F_n(x)$ называется функция, которая определяет для каждого значения $x$ относительную частоту события $X
[F_nleft(xright)=frac{n_x}{n}]

где $n_x$ — число вариант, меньших $x$, $n$ — объем выборки.

Отличие эмпирической функции от теоретической состоит том, что теоретическая функция определяет вероятность события $X

Свойства эмпирической функции распределения

Рассмотрим теперь несколько основных свойств функции распределения.

Область значений функции $F_nleft(xright)$ — отрезок $[0,1]$.
$F_nleft(xright)$ неубывающая функция.
$F_nleft(xright)$ непрерывная слева функция.
$F_nleft(xright)$ кусочно-постоянная функция и возрастает только в точках значений случайной величины $X$
Пусть $X_1$ — наименьшая, а $X_n$ — наибольшая варианта. Тогда $F_nleft(xright)=0$ при ${xle X}_1$и $F_nleft(xright)=1$ при $xge X_n$.

«Эмпирическая функция распределения» 👇

Введем теорему, которая связывает между собой теоретическую и эмпирическую функции.

Пусть $F_nleft(xright)$ — эмпирическая функция распределения, а $Fleft(xright)$ — теоретическая функция распределения генеральной выборки. Тогда выполняется равенство:

[{mathop{lim}_{nto infty } {|F}_nleft(xright)-Fleft(xright)|=0 }]

Примеры задач на нахождение эмпирической функции распределения

Пример 1

Пусть распределение выборки имеет следующие данные, записанные с помощью таблицы:

Рисунок 1.

Найти объем выборки, составить эмпирическую функцию распределения и построить её график.

Решение:

Объем выборки: $n=5+10+15+20=50$.

По свойству 5, имеем, что при $xle 1$ $F_nleft(xright)=0$, а при $x>4$ $F_nleft(xright)=1$.

Значение $x

Таким образом, получаем:

Рисунок 2.

Построим график эмпирического распределения:

Рисунок 3.

Пример 2

Из городов центральной части России случайным образом выбрано 20 городов, для которых получены следующие данные по стоимости проезда в общественном транспорте: 14, 15, 12, 12, 13, 15, 15, 13, 15, 12, 15, 14, 15, 13, 13, 12, 12, 15, 14, 14.

Составить эмпирическую функцию распределения данной выборки и построить её график.

Решение:

Запишем значения выборки в порядке возрастания и посчитаем частоту каждого значения. Получаем следующую таблицу:

Рисунок 4.

Объем выборки: $n=20$.

По свойству 5, имеем, что при $xle 12$ $F_nleft(xright)=0$, а при $x>15$ $F_nleft(xright)=1$.

Значение $x

Таким образом, получаем:

Рисунок 5.

Построим график эмпирического распределения:

Рисунок 6.

Оригинальность: $92,12%$.

Находи статьи и создавай свой список литературы по ГОСТу

Поиск по теме

Дата последнего обновления статьи: 25.02.2023

Источник

Пусть Nх — число наблюдений, при которых значение признака Х меньше Х. При объеме выборки, равном П, относительная частота события Х < х равна Nx/N.

Определение 8. Функция

Определяющая для каждого значения Х относительную частоту события Х < х, называется Эмпирической функцией распределения, или функцией распределения выборки.

В отличие от эмпирической функции распределения F*(X) Выборки функция распределения F(X) генеральной совокупности называется Теоретической функцией распределения. Различие между ними состоит в том, что функция F(X) определяет вероятность события Х < х, a F*(X) — относительную частоту этого события. Из теоретических результатов общей теории вероятностей (закон больших чисел) следует, что при больших П вероятность отличия этих функций друг от друга близка к единице:

Нетрудно видеть, что F*(X) обладает всеми свойствами F(X), что вытекает из ее определения (18.49):

1) значения F*(X) принадлежат отрезку [0, 1];

2) F*(X) является неубывающей функцией;

3) если Х1 — наименьшая варианта, то F*(X) = 0 при Х ≤ Х1; если Xk — максимальная варианта, то F*(X) = 1 при X > XK.

Сама же функция F*(X) служит для оценки теоретической функции распределения F(X) генеральной совокупности.

Пример 3. Построить эмпирическую функцию по заданному распределению выборки:

Решение. Находим объем выборки: П = 10 + 15 + 25 = 50. Наименьшая варианта равна 2, поэтому F*(X) = 0 при Х ≤ 2. Значение Х < 4 (или X1 = 2) наблюдалось 10 раз, значит, F*(X) = 10/50 = 0,2 при 2 < Х < 4. Значения X < 6 (а именно X1 = 2 и X2 = 4) наблюдались 10 + 15 = 25 раз, значит, при 4 < Х < 6 функция F*(X) = 25/50 = 0,5. Поскольку X = 6 — максимальная варианта, то F*(X) = 1 при Х > 6. Напишем формулу искомой эмпирической функции: