uzluga.ru
добавить свой файл
МАТЕМАТИЧЕСКАЯ СТАТИСТИКА


Лектор: профессор Тюрин Ю.Н.

Статус курса: основной

Предназначен для студентов 3 курса мехмата, 6 семестр

Продолжительность: полгода

Форма отчетности: зачет, экзамен

Программа на 2009/2010 учебный год (осень)


I. Начала теории оценивания

  1. Понятие статистической модели. Примеры: выборка, линейная гауссовская модель.

  2. Теорема Гливенко.

  3. Некоторые понятия теории оценивания: функции ущерба и риска, допустимые и байесовские оценки. Несмещенное оценивание, квадратичный риск.

  4. Неравенство информации (неравенство Крамера – Рао) для регулярных однопараметрических семейств: непрерывные и дискретные распределения.

  5. Эффективные оценки, экспоненциальные семейства распределений.

  6. Многомерное неравенство Крамера – Рао.

  7. Достаточные статистики: определение, примеры.

  8. Достаточные статистики в случае нормальной выборки. Выборочные коэффициенты асимметрии и эксцесса.

  9. Теорема факторизации (доказательства для элементарных случаев).

  10. Улучшение несмещенных оценок путем их усреднения по достаточным статистикам: одномерная теорема Блеквелла – Рао.

  11. Многомерная теорема Блеквелла – Рао.

12Полные достаточные статистики: определение, примеры, единственность наилучшей несмещенной оценки.


II. Условные математические ожидания и условные вероятности.

13. Напоминания: вероятностные пространства, случайные величины, абсолютная непрерывность мер, производная Радона – Никодима.

14. Условное математическое ожидание случайной величины относительно s– алгебры: определение.

15. Некоторые простейшие свойства условного математического ожидания.

16. Условные вероятности, условные распределения.

17. Специальный случай: E(X|Y) для простых случайных величин X и Y.

18. Некоторые дальнейшие свойства условных математических ожиданий. В частности: E(j(Y)X|Y)= (j(Y)E(X|Y); условная дисперсия, наилучший квадратичный прогноз.

19. Примеры вычисления Е(X|Y).


III. Оценивание в линейной модели

20. Регрессионные и факторные (с одним и двумя факторами) линейные модели.

21. Достаточные статистики в линейной гауссовской модели.

22. Лемма об ортогональных разложениях случайного гауссовского вектора. Распределения хи-квадрат (центральные и нецентральные).

23. Наилучшие несмещенные оценки параметров в линейной гауссовской модели, их распределения.

24. Вычисление оценок наименьших квадратов в модели линейной регрессии.

25. Интервальные оценки для параметров нормальной выборки. Распределения Стьюдента (центральное и нецентральное).

26. Доверительные границы для вероятности успеха в испытаниях Бернулли.

27. Доверительные эллипсоиды для параметров линейной гауссовской модели. F-отношения и F-распределения.


IV. Проверка статистических гипотез

28. Проверка статистических гипотез: общие принципы и основные понятия (критическое множество, уровень значимости, альтернативы, ошибки первого и второго родов, функция мощности).

29. Лемма Неймана – Пирсона.

30. Понятие о равномерно наиболее мощных критериях и пример: проверка гипотезы q£q0 против альтернативы q>q0 по результатам испытаний Бернулли (здесь q – вероятность успеха).

31. Связь между проверкой гипотез и доверительным оцениванием.

32. Проверка линейных гипотез в гауссовских линейных моделях с помощью критерия отношения правдоподобий.

33. Однофакторный дисперсионный анализ: проверка нулевой гипотезы (о равенстве эффектов обработки).

34. Две гауссовские выборки, могущие отличаться сдвигом: проверка гипотезы об их однородности. Доверительные интервалы для параметра сдвига.

35. Ранги наблюдений. Статистика ранговых сумм Wm,n (Уилкоксон) для проверки гипотезы об однородности двух выборок. Вычисление EWm,n и DWm,n при гипотезе.

36. Точечные и интервальные оценки для сдвига одной выборки относительно другой с помощью статистики ранговых сумм Уилкоксона.

37. Статистика Манна – Уитни Um,n и ее связь c Wm,n.

38. Теорема Слуцкого.

39. Теорема об асимптотической нормальности двухвыборочных U- статистик

40. Асимптотические распределения статистик Манна – Уитни Um,n и Уилкоксона Wm,n при m,n®¥.


V. Асимптотические методы оценивания и проверка гипотез

41. Метод наибольшего правдоподобия. Неравенства теории информации.

42. Состоятельность оценок наибольшего правдоподобия (выборка, одномерный параметр).

43. Асимптотическая нормальность оценок наибольшего правдоподобия (выборки из регулярных семейств распределений)..

44. Критерий согласия К.Пирсона для простой гипотезы; теорема К.Пирсона.

45. Критерии типа Пирсона – Фишера для сложных гипотез (без доказательства). Проверка гипотезы о независимости признаков по таблице сопряженности.

ЛИТЕРАТУРА

1. Ивченко Г.И., Медведев Ю.И. Математическая статистика. – М.: Высшая школа, 1992.

2. Ширяев А.Н. Вероятность. – М.: Наука, 1989, М.: изд-во МЦНМО, 2004

3. Бикел П., Доксам К. Математическая статистика. Выпуски 1 и 2. – М.: Финансы и статистика, 1983.

4. Чибисов Д.М., Пагурова В.И. Задачи по математической статистике. – М.: изд-во МГУ, 1990.

5. Беляев Ю.К., Носко В.П. Основные понятия и задачи математической статистики. – М.: изд-во МГУ, 1998.

6. Тюрин Ю.Н. Записки лекций.