Методы прикладной статистики в R и Excel (Буре В.М., Парилина Е.М., Седаков А.А.)

В. М.
БУРЕ,
Е. М. ПАРИЛИНА,
А. А. СЕДАКОВ
МЕТОДЫ
ПРИКЛАДНОЙ
СТАТИСТИКИ
в R и Excel
РЕКОМЕНДОВАНО
УМК ПМ ПУ СПбГУ в качестве учебного пособия
для студентов вузов, обучающихся по направлениям
«Прикладная математика и информатика», «Фундаментальная
информатика и информационные технологии», а также другим
математическим и естественнонаучным направлениям
и специальностям в области техники и технологий
САНКТПЕТЕРБУРГ
МОСКВА•КРАСНОДАР
2016
ББК 22.172я73
Б 90
Буре В. М., Парилина Е. М., Седаков А. А.

Б 90 Методы прикладной статистики в R и Excel: Учеб"
ное пособие. — СПб.: Издательство «Лань», 2016. —
152 с.: ил. — (Учебники для вузов. Специальная лите"
ратура).
ISBN 9785811422296
В учебном пособии излагаются как основные разделы
классического курса математической статистики, так и
дополнительные разделы, не входящие в основной курс, но
имеющие широкое применение на практике. В книгу включены
такие разделы, как статистическое оценивание параметров (методы
построения точечных оценок параметров и доверительных
интервалов), проверка статистических гипотез, линейный и
нелинейный регрессионный анализ, включая бинарную, ридж" и
квантильную регрессии. Особое внимание уделяется реализации
статистических методов в программах R и Excel. Все разделы
содержат примеры применения методов с использованием
вышеупомянутых программ. В книгу включены наиболее часто
встречающиеся статистические таблицы.
Книга может быть рекомендована в качестве учебного пособия
студентам университетов, обучающимся по направлениям:
«Прикладная математика и информатика», «Фундаментальные
информатика и информационные технологии», «Прикладные
математика и физика», а также научным работникам и специали"
стам, использующим методы математической статистики и клас"
сификации.
ББК 22.172я73
Рецензенты:
А. В. ФЛЕГОНТОВ — доктор физико"математических наук,
профессор, зав. кафедрой компьютерной инженерии и программо"
техники РГПУ им. А. И. Герцена; А. Н. КИРИЛЛОВ — доктор
физико"математических наук, ведущий научный сотрудник
Института прикладных математических исследований Карельского
научного центра РАН.
Обложка
Е. А. ВЛАСОВА
Охраняется законом РФ об авторском праве.

Воспроизведение всей книги или любой ее части
запрещается без письменного разрешения издателя.
Любые попытки нарушения закона
будут преследоваться в судебном порядке.
© Издательство «Лань», 2016

© Коллектив авторов, 2016
© Издательство «Лань»,
художественное оформление, 2016
Îãëàâëåíèå
Ââåäåíèå . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6
Ãëàâà 1. Ñòàòèñòè÷åñêîå îöåíèâàíèå . . . . . . . . . . . . . . . . . . . . . . 8
1.1. Îïèñàòåëüíàÿ ñòàòèñòèêà . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2. Îñíîâíûå çàêîíû ðàñïðåäåëåíèÿ . . . . . . . . . . . . . . . . . . . . . . 12
1.3. Òî÷å÷íûå îöåíêè. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .13
1.3.1. Ìåòîä ìîìåíòîâ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.2. Ìåòîä ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ. . . . . . . . . . . . . . .16
1.4. Èíòåðâàëüíûå îöåíêè. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .18
1.4.1. Òî÷íûå äîâåðèòåëüíûå èíòåðâàëû . . . . . . . . . . . . . . . . . . 18
1.4.2. Àñèìïòîòè÷åñêèå äîâåðèòåëüíûå èíòåðâàëû . . . . . . . 21
1.4.3. Àñèìïòîòè÷åñêèå äîâåðèòåëüíûå èíòåðâàëû
äëÿ ïàðàìåòðîâ äèñêðåòíûõ ðàñïðåäåëåíèé . . . . . . . . . . . . . . 22
1.5. Ñòàòèñòè÷åñêîå îöåíèâàíèå â ïàêåòàõ
ïðèêëàäíûõ ïðîãðàìì. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .23
1.5.1. Ñòàòèñòè÷åñêîå îöåíèâàíèå â Excel . . . . . . . . . . . . . . . . 23
1.5.2. Ñòàòèñòè÷åñêîå îöåíèâàíèå â R . . . . . . . . . . . . . . . . . . . . . 27
Ãëàâà 2. Ñòàòèñòè÷åñêèå ãèïîòåçû . . . . . . . . . . . . . . . . . . . . . . . . 32
2.1. Îáùàÿ ñõåìà ïðîâåðêè ñòàòèñòè÷åñêèõ ãèïîòåç . . . . . . . 32
2.2. Êðèòåðèè ñîãëàñèÿ äëÿ ïðîñòûõ è ñëîæíûõ ãèïîòåç . . 34
2.2.1. Êðèòåðèé ñîãëàñèÿ Ïèðñîíà χ2 . . . . . . . . . . . . . . . . . . . . 34
2.2.2. Êðèòåðèé ñîãëàñèÿ Êîëìîãîðîâà. . . . . . . . . . . . . . . . . . . .36
2.2.3. Êðèòåðèé ñîãëàñèÿ ω 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2.4. Êðèòåðèè ñîãëàñèÿ Êîëìîãîðîâà è ω 2 äëÿ ñëîæíûõ
ãèïîòåç . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.5. Êðèòåðèè ñîãëàñèÿ â R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.3. Êðèòåðèè îäíîðîäíîñòè . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.3.1. Êðèòåðèé îäíîðîäíîñòè ÊîëìîãîðîâàÑìèðíîâà . . 44
2.3.2. Êðèòåðèé îäíîðîäíîñòè ÊîëìîãîðîâàÑìèðíîâà
â R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.3.3. Ðàíãîâûé êðèòåðèé îäíîðîäíîñòè Âèëêîêñîíà . . . . . 47
3
2.3.4. Ðàíãîâûé êðèòåðèé îäíîðîäíîñòè ÌàííàÓèòíè . . 49
2.3.5. Êðèòåðèè îäíîðîäíîñòè Âèëêîêñîíà
è ÌàííàÓèòíè â R, Excel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.4. Êðèòåðèè ðàâåíñòâà ñðåäíèõ è äèñïåðñèé . . . . . . . . . . . . . 52
2.4.1. Êðèòåðèé Ñòüþäåíòà . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.4.2. Êðèòåðèé Ñòüþäåíòà â R è Excel . . . . . . . . . . . . . . . . . . . 53
2.4.3. Êðèòåðèé ðàâåíñòâà ` ñðåäíèõ . . . . . . . . . . . . . . . . . . . . . . 60
2.4.4. Êðèòåðèé ðàâåíñòâà ` ñðåäíèõ â R . . . . . . . . . . . . . . . . . . 61
2.4.5. Êðèòåðèé ÔèøåðàÑíåäåêîðà . . . . . . . . . . . . . . . . . . . . . . 62
2.4.6. Êðèòåðèé Áàðòëåòòà . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.4.7. Êðèòåðèè ÔèøåðàÑíåäåêîðà è Áàðòëåòòà â R . . . . 64
2.4.8. Êðèòåðèé ÔèøåðàÑíåäåêîðà â Excel . . . . . . . . . . . . . 66
2.5. Êðèòåðèè î çíà÷åíèè ïàðàìåòðîâ ðàñïðåäåëåíèé . . . . . 68
2.5.1. Êðèòåðèé î çíà÷åíèè ìàòåìàòè÷åñêîãî îæèäàíèÿ
íîðìàëüíî ðàñïðåäåëåííîé ãåíåðàëüíîé ñîâîêóïíîñòè . . . 68
2.5.2. Êðèòåðèé î çíà÷åíèè äèñïåðñèè íîðìàëüíî
ðàñïðåäåëåííîé ãåíåðàëüíîé ñîâîêóïíîñòè . . . . . . . . . . . . . . . 69
2.5.3. Êðèòåðèè î çíà÷åíèÿõ ïàðàìåòðîâ íîðìàëüíî
ðàñïðåäåëåííîé ãåíåðàëüíîé ñîâîêóïíîñòè â R, Excel . . . . 70
2.5.4. Êðèòåðèé î çíà÷åíèè ïàðàìåòðà ðàñïðåäåëåíèÿ
Áåðíóëëè . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
Áåðíóëëè â R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2.5.6. Êðèòåðèé çíàêîâ äëÿ îäíîé âûáîðêè . . . . . . . . . . . . . . . 76
2.5.7. Êðèòåðèé çíàêîâ â R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
Ãëàâà 3. Ðåãðåññèîííûé àíàëèç . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.1. Ëèíåéíûé ðåãðåññèîííûé àíàëèç . . . . . . . . . . . . . . . . . . . . . . 80
3.1.1. Ñïåöèôèêàöèÿ ìîäåëè . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.1.2. Ìåòîä íàèìåíüøèõ êâàäðàòîâ . . . . . . . . . . . . . . . . . . . . . . 81
3.1.3. Ñâîéñòâà îöåíîê ìåòîäà íàèìåíüøèõ êâàäðàòîâ. . . .83
3.1.4. Ïîñòðîåíèå äîâåðèòåëüíûõ èíòåðâàëîâ è ïðîâåðêà
ñòàòèñòè÷åñêèõ ãèïîòåç . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.1.5. Ëèíåéíàÿ ðåãðåññèÿ â Excel . . . . . . . . . . . . . . . . . . . . . . . . 87
3.1.6. Ëèíåéíàÿ ðåãðåññèÿ â R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.2. Áèíàðíàÿ ðåãðåññèÿ. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .91
3.2.1. Ëîãèò è ïðîáèò ìîäåëè áèíàðíîãî âûáîðà . . . . . . . . . . 93
3.2.2. Ñðàâíåíèå çíà÷åíèé ôóíêöèé íîðìàëüíîãî
è ëîãèñòè÷åñêîãî ðàñïðåäåëåíèé . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.2.3. Îöåíèâàíèå ïàðàìåòðîâ â ëîãèò è ïðîáèò ìîäåëÿõ . 97
4
3.2.4. ×èñëåííûå ìåòîäû íàõîæäåíèÿ îöåíîê â ëîãèò
è ïðîáèò ìîäåëÿõ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3.2.5. Ïðîâåðêà ãèïîòåç î çíà÷èìîñòè ïàðàìåòðîâ ëîãèò
è ïðîáèò ìîäåëåé áèíàðíîãî âûáîðà . . . . . . . . . . . . . . . . . . . . . 102
3.2.6. Êðèòåðèé Âàëüäà . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
3.2.7. Êðèòåðèé îòíîøåíèÿ ïðàâäîïîäîáèÿ . . . . . . . . . . . . . . 106
3.2.8. Êðèòåðèè àäåêâàòíîñòè ìîäåëåé
áèíàðíîé ðåãðåññèè . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
3.2.9. Áèíàðíàÿ ðåãðåññèÿ â R . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
3.3. Êâàíòèëüíàÿ ðåãðåññèÿ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
3.3.1. Óðàâíåíèå êâàíòèëüíîé ðåãðåññèè . . . . . . . . . . . . . . . . . 116
3.3.2. Êâàíòèëüíàÿ ðåãðåññèÿ â Excel . . . . . . . . . . . . . . . . . . . .119
3.3.3. Êâàíòèëüíàÿ ðåãðåññèÿ â R . . . . . . . . . . . . . . . . . . . . . . . . 119
3.4. Ðèäæ-ðåãðåññèÿ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.4.1. Ïðîáëåìà ìóëüòèêîëëèíåàðíîñòè . . . . . . . . . . . . . . . . . . 121
3.4.2. Îöåíêè ìåòîäà ðèäæ-ðåãðåññèè . . . . . . . . . . . . . . . . . . . . 122
3.4.3. Ðèäæ-ðåãðåññèÿ â R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
Ïðèëîæåíèÿ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
Ïðèëîæåíèå 1. Ðàâíîìåðíî ðàñïðåäåëåííûå ñëó÷àéíûå
÷èñëà . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
Ïðèëîæåíèå 2. Ðàñïðåäåëåíèå Ïóàññîíà ñ ïàðàìåòðîì α . 127
Ïðèëîæåíèå 3. Òàáëèöà çíà÷åíèé ôóíêöèè
áèíîìèàëüíîãî ðàñïðåäåëåíèÿ ñ ïàðàìåòðîì p â ñåðèè
èç n èñïûòàíèé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
Ïðèëîæåíèå 4. Òàáëèöà çíà÷åíèé ôóíêöèè ñòàíäàðòíîãî
íîðìàëüíîãî ðàñïðåäåëåíèÿ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
Ïðèëîæåíèå 5. Òàáëèöà çíà÷åíèé ôóíêöèè ðàñïðåäåëåíèÿ
Êîëìîãîðîâà . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
Ïðèëîæåíèå 6. Òàáëèöà êâàíòèëåé χ2α,n óðîâíÿ α
χ2 -ðàñïðåäåëåíèÿ c n ñòåïåíÿìè ñâîáîäû . . . . . . . . . . . . . . . . . 132
Ïðèëîæåíèå 7. Òàáëèöà êâàíòèëåé tα,n óðîâíÿ α
ðàñïðåäåëåíèÿ Ñòüþäåíòà c n ñòåïåíÿìè ñâîáîäû . . . . . . . . . 134
Ïðèëîæåíèå 8. Òàáëèöà êâàíòèëåé Fα,n,m óðîâíÿ α
ðàñïðåäåëåíèÿ Ôèøåðà c n è m ñòåïåíÿìè ñâîáîäû . . . . . . . 135
Ïðèëîæåíèå 9. Òàáëèöà êâàíòèëåé ñòàòèñòèêè
Âèëêîêñîíà . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
Ëèòåðàòóðà . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
5
Ââåäåíèå
Íàñòîÿùåå ïîñîáèå ñîäåðæèò èçëîæåíèå êàê îñíîâíûõ ñòàòèñòè-

÷åñêèõ ìåòîäîâ, ïðåäñòàâëåííûõ â êëàññè÷åñêîì óíèâåðñèòåò-
ñêîì êóðñå ìàòåìàòè÷åñêîé ñòàòèñòèêè, òàê è ñîâðåìåííûõ, èçó-
÷àåìûõ â ðàìêàõ ñïåöèàëüíûõ äèñöèïëèí. Îñîáåííîñòüþ ó÷åá-
íîãî ïîñîáèÿ ÿâëÿåòñÿ ïîäðîáíîå îïèñàíèå ðåàëèçàöèè ðàññìàò-
ðèâàåìûõ ìåòîäîâ â ïðîãðàììàõ Excel è R. Ýòè ïðîãðàììû áûëè
âûáðàíû àâòîðàìè íå ñëó÷àéíî. Ïðîãðàììà Excel øèðîêî ðàñ-
ïðîñòðàíåíà è ïîçâîëÿåò ïðîâîäèòü àíàëèç äàííûõ, èñïîëüçóÿ
áîëüøèíñòâî ñòàòèñòè÷åñêèõ ìåòîäîâ, îïèñàííûõ â äàííîì ïîñî-
áèè. Ïðîãðàììà R ïîëó÷èëà áîëüøóþ ïîïóëÿðíîñòü â ïîñëåäíåå
âðåìÿ áëàãîäàðÿ òîìó, ÷òî îíà ÿâëÿåòñÿ áåñïëàòíîé, âêëþ÷àåò â
ñåáÿ áîëüøîå ÷èñëî ïàêåòîâ, â êîòîðûõ êàæäàÿ ôóíêöèÿ ñîäåð-
æèò ïîäðîáíîå îïèñàíèå è ñïðàâêó ïî âñåì àðãóìåíòàì.
Â ó÷åáíîì ïîñîáèè ïðåäñòàâëåíû ñëåäóþùèå ðàçäåëû ïðè-
êëàäíîé ìàòåìàòè÷åñêîé ñòàòèñòèêè: îïèñàòåëüíàÿ ñòàòèñòèêà,
à òàêæå òî÷å÷íîå è èíòåðâàëüíîå îöåíèâàíèå ïàðàìåòðîâ ðàñïðå-
äåëåíèé, îñíîâíûå ñòàòèñòè÷åñêèå êðèòåðèè (êðèòåðèè ñîãëàñèÿ,
îäíîðîäíîñòè, ðàâåíñòâà ñðåäíèõ è äèñïåðñèé, êðèòåðèè î çíà-
÷åíèè ïàðàìåòðîâ ðàñïðåäåëåíèé), à òàêæå ðàçëè÷íûå ìåòîäèêè
ðåãðåññèîííîãî àíàëèçà ëèíåéíàÿ ðåãðåññèÿ íà îñíîâå ìåòî-
äà íàèìåíüøèõ êâàäðàòîâ, áèíàðíàÿ ðåãðåññèÿ, êâàíòèëüíàÿ ðå-
ãðåññèÿ, ðèäæ-ðåãðåññèÿ. Êàæäûé ñòàòèñòè÷åñêèé ìåòîä èìååò
òåîðåòè÷åñêîå îïèñàíèå, ïðèìåð åãî ïðèìåíåíèÿ ñ ðåàëèçàöèåé â
R è (èëè) Excel.
Ïðè íàïèñàíèè ó÷åáíîãî ïîñîáèÿ áûëè èñïîëüçîâàíû ìàòå-
ðèàëû èç êíèã À. À. Áîðîâêîâà [3], Â. Ì. Áóðå è Å. Ì. Ïàðèëèíîé
[7], Á. À. Ñåâàñòüÿíîâà [30], Ñ. Ñ. Âàëëàíäåðà [10], Â. Ï. Íîñ-
êî [28], Ñ. Ð. Ðàî [29], Ñ. Ì. Åðìàêîâà è À. À. Æèãëÿâñêîãî
[15], È. À. Èáðàãèìîâà è Ð. Ç. Õàñüìèíñêîãî [18], ß. Þ. Íèêè-
òèíà [27], Ã. Êðàìåðà [22], P. E. Greenwood, M. S. Nikulin [47],
6
òàêæå îòìåòèì âàæíûå â ìåòîäîëîãè÷åñêîì îòíîøåíèè êíèãè
[1, 2, 5, 9, 19, 23, 31, 32, 39, 41, 46, 52, 54].
Ïðè íàïèñàíèè òðåòüåé ãëàâû, à èìåííî, ðàçäåëà, èçëàãàþ-
ùåãî îñíîâû ëèíåéíîãî ðåãðåññèîííîãî àíàëèçà, èñïîëüçîâàëñÿ
ìàòåðèàë èç êíèã Ñ. Ñ. Âàëëàíäåðà [10] è W. H. Greene [46]. Åùå
îäíîé âàæíîé ïðèêëàäíîé ìåòîäèêîé àíàëèçà äàííûõ ÿâëÿåòñÿ
áèíàðíàÿ ðåãðåññèÿ, â ÷àñòíîñòè, ìîäåëè ëîãèò è ïðîáèò àíàëè-
çîâ. Â òðåòüåé ãëàâå áûëè èñïîëüçîâàíû ñòàòüè è ìîíîãðàôèè
[37, 46], [50][55]. Ïîäðîáíîå èçëîæåíèå ìîäåëè ðèäæ-ðåãðåññèè
ìîæíî íàéòè â [48, 49], à êâàíòèëüíîé ðåãðåññèè â [42, 51].
Âîïðîñàì ïðàêòè÷åñêîãî ïðèìåíåíèÿ ðàçëè÷íûõ ñòàòèñòè-
÷åñêèõ ìåòîäèê ïîñâÿùåíû ñëåäóþùèå ðàáîòû [2, 5, 8, 31, 32, 33,
35, 40, 43, 53, 55], êîòîðûå ìîãóò áûòü èñïîëüçîâàíû ïðè ïðî-
âåäåíèè ïðàêòè÷åñêèõ çàíÿòèé ïî êóðñó òåîðèè âåðîÿòíîñòåé è
ìàòåìàòè÷åñêîé ñòàòèñòèêè.
Ó÷åáíîå ïîñîáèå ñîäåðæèò ìàòåðèàëû, èñïîëüçóåìûå àâòî-
ðàìè ïðè ïðîâåäåíèè ïðàêòè÷åñêèõ çàíÿòèé ïî êóðñàì ¾Òåî-
ðèÿ âåðîÿòíîñòåé è ìàòåìàòè÷åñêàÿ ñòàòèñòèêà¿ è ¾Ïðàêòèêóì
íà ÝÂÌ (ìàòåìàòè÷åñêàÿ ñòàòèñòèêà)¿, ïðîâîäèìûõ íà ôàêóëü-
òåòå ïðèêëàäíîé ìàòåìàòèêè ïðîöåññîâ óïðàâëåíèÿ Ñàíêò-
Ïåòåðáóðãñêîãî ãîñóäàðñòâåííîãî óíèâåðñèòåòà.
Àâòîðû êíèãè ñòðåìèëèñü ñäåëàòü èçëîæåíèå ïîíÿòíûì è
äîñòóïíûì ñàìîìó øèðîêîìó êðóãó ñòóäåíòîâ, â ÷àñòíîñòè îáó-
÷àþùèõñÿ ïî íàïðàâëåíèÿì ¾Ïðèêëàäíàÿ ìàòåìàòèêà è èíôîð-
ìàòèêà¿, ¾Ôóíäàìåíòàëüíûå èíôîðìàòèêà è èíôîðìàöèîííûå
òåõíîëîãèè¿, ¾Ïðèêëàäíûå ìàòåìàòèêà è ôèçèêà¿. Êíèãà ìîæåò
áûòü èñïîëüçîâàíà äëÿ ïðîâåäåíèÿ ïðàêòè÷åñêèõ çàíÿòèé, ñåìè-
íàðîâ, ëàáîðàòîðíûõ çàíÿòèé ïî êóðñàì ¾Òåîðèÿ âåðîÿòíîñòåé
è ìàòåìàòè÷åñêàÿ ñòàòèñòèêà¿, ¾Îñíîâû òåîðèè âåðîÿòíîñòåé è
ìàòåìàòè÷åñêîé ñòàòèñòèêè¿, ¾Ïðàêòèêóì íà ÝÂÌ (ìàòåìàòè-
÷åñêàÿ ñòàòèñòèêà)¿, à òàêæå ¾Ïðèêëàäíàÿ ñòàòèñòêà â R¿.
7
Ãëàâà 1
Ñòàòèñòè÷åñêîå îöåíèâàíèå
1.1. Îïèñàòåëüíàÿ ñòàòèñòèêà
Âûáîðêîé X[n] = {x1 , . . . , xn } îáúåìà n áóäåì íàçûâàòü ñîâîêóï-

íîñòü âçàèìíî íåçàâèñèìûõ è îäèíàêîâî ðàñïðåäåëåííûõ ñëó÷àé-
íûõ âåëè÷èí, ÷èñëåííûå ðåàëèçàöèè êîòîðûõ x1 , . . . , xn áûëè ïî-
ëó÷åíû â õîäå íåêîòîðîãî ýêñïåðèìåíòà. Çíà÷åíèÿ x1 , . . . , xn íà-
çûâàþòñÿ ýëåìåíòàìè âûáîðêè. Óïîðÿäî÷èâ ýëåìåíòû âûáîðêè
ïî âîçðàñòàíèþ îò íàèìåíüøåãî çíà÷åíèÿ x(1) = min{x1 , . . . , xn }
ê íàèáîëüøåìó x(n) = max{x1 , . . . , xn }, ïîëó÷àåì íàáîð äàí-
íûõ âàðèàöèîííûé ðÿä [26], â êîòîðîì x(1) 6 x(2) 6 · · · 6 x(n) .
Âûáåðåì èç äàííûõ òîëüêî ðàçëè÷íûå çíà÷åíèÿ y(1) , . . . , y(m) è
äëÿ êàæäîãî çíà÷åíèÿ y(i) , i = 1, . . . , m, ïîñ÷èòàåì ÷àñòîòó ni ,
ò. å. îáùåå êîëè÷åñòâî âñòðå÷åííûõ â íàáîðå x(1) , . . . , x(n) ýëåìåí-
òîâ y(i) âûáîðêè X[n] . Âåëè÷èíû ni /n íàçûâàþò îòíîñèòåëüíû-
ìè ÷àñòîòàìè, à çàïèñüþ
y(1) ... y(i) ... y(m)

n1 ... ni ... nm
Pm
çàäàþò òî÷å÷íûé âàðèàöèîííûé ðÿä. Î÷åâèäíî, ÷òî i=1 ni ≡ n.
Ïîëèãîíîì ÷àñòîò íàçûâàåòñÿ ëîìàíàÿ, ïîêàçûâàþùàÿ çà-
âèñèìîñòü ÷àñòîò îò çíà÷åíèé ýëåìåíòîâ âûáîðêè òî÷å÷íîãî âà-
ðèàöèîííîãî ðÿäà ñ óçëàìè â òî÷êàõ (y(1) , n1 ), . . . , (y(m) , nm ). Ëî-
ìàíàÿ ñ óçëàìè â òî÷êàõ (y(1) , n1 /n), . . . , (y(m) , nm /n) íàçûâàåòñÿ
ïîëèãîíîì îòíîñèòåëüíûõ ÷àñòîò.
Åñëè æå íàáîð äàííûõ x(1) , . . . , x(n) ïðîèçâîëüíûì îá-
ðàçîì ðàçáèòü íà k èíòåðâàëîâ ãðóïïèðîâêè äàííûõ (íåîáÿ-
çàòåëüíî îäèíàêîâîé äëèíû) [z1 , z2 ), [z2 , z3 ), . . . , [zk , zk+1 ], ãäå
8
z1 = x(1) , zk+1 = x(n) , è àíàëîãè÷íûì îáðàçîì îïðåäåëèòü ÷à-
ñòîòû ni , ò. å. îáùåå êîëè÷åñòâî â íàáîðå x(1) , . . . , x(n) ýëåìåíòîâ
âûáîðêè, ïîïàäàþùèõ â èíòåðâàë [zi , zi+1 ), ìîæíî ïîëó÷èòü èí-
òåðâàëüíûé ðÿä
[z1 , z2 ) ... [zi , zi+1 ) ... [zk , zk+1 ]

.
n1 ... ni ... nk
Pk
Î÷åâèäíî, ÷òî i=1 ni ≡ n.
Íà ïðàêòèêå ÷àñòî êîëè÷åñòâî èíòåðâàëîâ k ãðóïïèðîâêè
äàííûõ îïðåäåëÿþò ïî ôîðìóëå Ñòåðäæåññà: k = [1 + log2 n] ≈
≈ [1 + 1.44 ln n] (ñîãëàñíî êîòîðîé óâåëè÷åíèå èíòåðâàëîâ ãðóï-
ïèðîâêè íà åäèíèöó ïðîèñõîäèò ïðè óâåëè÷åíèè îáúåìà âûáîðêè
âäâîå), à äëèíó âñåõ èíòåðâàëîâ ñ÷èòàþò îäèíàêîâîé è îïðåäåëÿ-
þò êàê (x(n) − x(1) )/k . Â ñëó÷àå, åñëè äëÿ íåêîòîðîãî èíòåðâàëà
ãðóïïèðîâêè ÷àñòîòà ðàâíà íóëþ, òî ýòîò èíòåðâàë îáúåäèíÿþò
ñ ñîñåäíèì.
Ãèñòîãðàììîé ÷àñòîò íàçûâàåòñÿ ôóíêöèÿ, êîòîðàÿ íà
êàæäîì èíòåðâàëå ãðóïïèðîâêè äàííûõ ïîñòîÿííà è ïðèíèìà-
åò çíà÷åíèå ðàâíîå ni /(zi+1 − zi ). Ôóíêöèÿ, çíà÷åíèå êîòîðîé íà
êàæäîì èíòåðâàëå ãðóïïèðîâêè ïîñòîÿííî è ðàâíî ni /(n · (zi+1 −
−zi )), íàçûâàåòñÿ ãèñòîãðàììîé îòíîñèòåëüíûõ ÷àñòîò. Ïëî-
ùàäü ïîäãðàôèêà ãèñòîãðàììû ÷àñòîò ðàâíà n, à ãèñòîãðàììû
îòíîñèòåëüíûõ ÷àñòîò åäèíèöå. Ïðè óâåëè÷åíèè îáúåìà âû-
áîðêè è óìåíüøåíèè äëèí èíòåðâàëîâ ãðóïïèðîâêè ãèñòîãðàììà
îòíîñèòåëüíûõ ÷àñòîò ñòàíîâèòñÿ ¾ïîõîæåé¿ íà ãðàôèê ïëîò-
íîñòè ðàñïðåäåëåíèÿ ãåíåðàëüíîé ñîâîêóïíîñòè, åñëè ïîñëåäíÿÿ
ñóùåñòâóåò.
Îïðåäåëåíèå 1.1.1. Ãèñòîãðàììîé îòíîñèòåëüíûõ ÷àñòîò íà-
çûâàåòñÿ îïðåäåëåííàÿ ñëåäóþùèì îáðàçîì ôóíêöèÿ:
0, x < z1 ,

 n1
n(z2 −z1 ) , z1 6 x < z2 ,




 n2
n(z3 −z2 ) , z2 6 x < z3 ,

fn (x) =
 ...
 nk
, zk 6 x < zk+1 ,


 n(zk+1 −zk )


0, x > zk+1 .
Îïðåäåëåíèå 1.1.2. Åñëè âñå x(i) , i = 1, . . . , n ðàçëè÷íû, òî

ôóíêöèÿ, çàäàííàÿ ïî ïðàâèëó
9

 0, x < x(1) ,
1

n , x(1) 6 x < x(2) ,



 ..


.

Fn (x) = (1.1.1)
 nk , x(k) 6 x < x(k+1) ,
 ..





 .
1, x > x(n) ,

íàçûâàåòñÿ ýìïèðè÷åñêîé ôóíêöèåé ðàñïðåäåëåíèÿ.
Ðàññìîòðèì íåêîòîðûå âûáîðî÷íûå õàðàêòåðèñòèêè.
Îïðåäåëåíèå 1.1.3. Âûáîðî÷íûì ìîìåíòîì ïîðÿäêà r íàçûâà-

þò âåëè÷èíó
n
1X r
xr = x .
n i=1 i
Âûáîðî÷íûé ìîìåíò ïîðÿäêà 1 âû÷èñëÿåòñÿ ïî ôîðìóëå
n
1X
x̄ = xi
n i=1
è íàçûâàåòñÿ âûáîðî÷íûì ñðåäíèì.
Îïðåäåëåíèå 1.1.4. Âûáîðî÷íûì öåíòðàëüíûì ìîìåíòîì ïî-

ðÿäêà r íàçûâàþò âåëè÷èíó
n
1X
r
µ = (xi − x̄)r .
n i=1
Âûáîðî÷íûé öåíòðàëüíûé ìîìåíò ïîðÿäêà 2, îáîçíà÷àåìûé ÷å-

ðåç s2 , âû÷èñëÿåòñÿ ïî ôîðìóëå
n
21X
s = (xi − x̄)2
n i=1
è íàçûâàåòñÿ âûáîðî÷íîé äèñïåðñèåé, à ÷èñëî s âûáîðî÷íûì

ñðåäíåêâàäðàòè÷åñêèì îòêëîíåíèåì. Âåëè÷èíó
n
2 1 X
s̃ = (xi − x̄)2
n − 1 i=1
10
íàçûâàþò èñïðàâëåííîé âûáîðî÷íîé äèñïåðñèåé. Âåëè÷èíû s2 è
s̃2 ñâÿçàíû ìåæäó ñîáîé ñîîòíîøåíèåì
n 2
s̃2 = s .
n−1
Âûáîðî÷íàÿ êâàíòèëü xp ïîðÿäêà p îïðåäåëÿåòñÿ êàê ýëå-

ìåíò âàðèàöèîííîãî ðÿäà x(1) 6 x(2) 6 . . . 6 x(n) âûáîðêè X[n] ñ
íîìåðîì [np]+1, ãäå [a] öåëàÿ ÷àñòü ÷èñëà a. Âûáîðî÷íûå êâàí-
òèëè ïîðÿäêîâ 0.01; . . . ; 0.99 â îïèñàòåëüíîé ñòàòèñòèêå íàçûâàþò
ïåðñåíòèëÿìè, ïîðÿäêîâ 0.1; . . . ; 0.9 äåöèëÿìè (P10 , . . . , P90 ),
à òðè êâàíòèëÿ ïîðÿäêîâ 0.25; 0.5 è 0.75, äåëÿùèìè âàðèàöè-
îííûé ðÿä íà ÷åòûðå ÷àñòè êâàðòèëÿìè Q1 , Q2 è Q3 . Äëÿ
âûáîðêè ÷åòíîãî îáúåìà n âûáîðî÷íàÿ ìåäèàíà (êâàðòèëü Q2 )
îïðåäåëÿåòñÿ êàê (x(n/2) + x(n/2+1) )/2, à äëÿ âûáîðêè íå÷åòíîãî
îáúåìà n êàê x((n+1)/2) è ïðåäñòàâëÿåò ñîáîé ÷èñëî, êîòîðîå äå-
ëèò âàðèàöèîííûé ðÿä íà äâå ÷àñòè, ñîäåðæàùèå ðàâíîå êîëè÷å-
ñòâî ýëåìåíòîâ. Âûáîðî÷íîé ìîäîé íàçûâàåòñÿ ýëåìåíò âûáîðêè,
âñòðå÷àþùèéñÿ â íàáîðå äàííûõ ÷àùå äðóãèõ. Â ñëó÷àå, êîãäà
íàèáîëåå ÷àñòî âñòðå÷àþùèéñÿ ýëåìåíò âûáîðêè åäèíñòâåííåí,
ìîæíî ãîâîðèòü îá óíèìîäàëüíîñòè âûáîðêè. Â ïðîòèâíîì ñëó-
÷àå, âûáîðêà ìîæåò íàçûâàòüñÿ áèìîäàëüíîé (äâå ìîäû), èëè
ìóëüòèìîäàëüíîé (áîëåå äâóõ ìîä).
Íàèáîëåå ðàñïðîñòðàíåííûìè õàðàêòåðèñòèêàìè ïîëîæå-
íèÿ ÿâëÿþòñÿ âûáîðî÷íîå ñðåäíåå, âûáîðî÷íàÿ ìåäèàíà è âûáî-
ðî÷íàÿ ìîäà.
Íàèáîëåå ðàñïðîñòðàíåííûìè ìåðàìè ðàññåÿíèÿ ÿâëÿþòñÿ
ðàçìàõ âûáîðêè (âåëè÷èíà x(n) − x(1) ), ìåæêâàðòèëüíûé ðàç-
ìàõ (Q3 − Q1 ), ïåðñåíòèëüíûé ðàçìàõ (P90 − P10 ), âûáîðî÷íàÿ
äèñïåðñèÿ, èñïðàâëåííàÿ âûáîðî÷íàÿ äèñïåðñèÿ è ñðåäíåêâàäðà-
òè÷åñêîå îòêëîíåíèå.
Â êà÷åñòâå ìåðû îòíîñèòåëüíîãî ðàçáðîñà äëÿ âûáîðîê ñ
íåîòðèöàòåëüíûìè ýëåìåíòàìè èñïîëüçóþò êîýôôèöèåíò âàðèà-
öèè v = s/x̄, çíà÷åíèå êîòîðîãî ÷àñòî çàïèñûâàþò â ïðîöåíòàõ:
cv = v · 100%.
Äëÿ îöåíêè ôîðìû ðàñïðåäåëåíèÿ ñëóæàò ñëåäóþùèå õà-
ðàêòåðèñòèêè. Âûáîðî÷íûé êîýôôèöèåíò àñèììåòðèè A =
= µ3 /s3 ïðåäñòàâëÿåò ñîáîé õàðàêòåðèñòèêó ñèììåòðèè ðàñïðå-
äåëåíèÿ ãåíåðàëüíîé ñîâîêóïíîñòè îòíîñèòåëüíî åå ìàòåìàòè÷å-
ñêîãî îæèäàíèÿ (äëÿ ñèììåòðè÷íûõ îòíîñèòåëüíî ìàòåìàòè÷å-
ñêîãî îæèäàíèÿ ðàñïðåäåëåíèé êîýôôèöèåíò àñèììåòðèè ðàâåí
11
íóëþ). Åñëè ëåâûé õâîñò ðàñïðåäåëåíèÿ ¾òÿæåëåå¿, òî êîýôôè-
öèåíò àñèììåòðèè áîëüøå íóëÿ. Åñëè ïðàâûé õâîñò ðàñïðåäåëå-
íèÿ ¾òÿæåëåå¿, òî êîýôôèöèåíò àñèììåòðèè ìåíüøå íóëÿ. Âû-
áîðî÷íûé êîýôôèöèåíò ýêñöåññà E = µ4 /s4 − 3 õàðàêòåðèçóåò
îñòðîòó ¾ïèêà¿ ïëîòíîñòè ðàñïðåäåëåíèÿ ãåíåðàëüíîé ñîâîêóï-
íîñòè. Äëÿ íîðìàëüíîãî ðàñïðåäåëåíèÿ òåîðåòè÷åñêèå êîýôôè-
öèåíòû àñèììåòðèè è ýêñöåññà, âû÷èñëÿåìûå ïî ðàñïðåäåëåíèþ
ãåíåðàëüíîé ñîâîêóïíîñòè, ðàâíû íóëþ. Åñëè õâîñòû ðàñïðåäå-
ëåíèÿ ¾ëåã÷å¿, à ïèê îñòðåå, ÷åì ó íîðìàëüíîãî ðàñïðåäåëåíèÿ,
òî êîýôôèöèåíò ýêñöåññà áîëüøå íóëÿ. Åñëè õâîñòû ðàñïðåäåëå-
íèÿ ¾òÿæåëåå¿, à ïèê áîëåå ¾ïðèïëþñíóòûé¿, ÷åì ó íîðìàëüíîãî
ðàñïðåäåëåíèÿ, òî êîýôôèöèåíò ýêñöåññà ìåíüøå íóëÿ.
1.2. Îñíîâíûå çàêîíû ðàñïðåäåëåíèÿ
Â ýòîì ïàðàãðàôå ïðèâåäåì îñíîâíûå âèäû ðàñïðåäåëåíèé ñëó-

÷àéíûõ âåëè÷èí è èõ ÷èñëîâûå õàðàêòåðèñòèêè.
1. Íîðìàëüíîå ðàñïðåäåëåíèå c ïàðàìåòðàìè (a, σ 2 )

(x−a)2
Ïëîòíîñòü ðàñïðåäåëåíèÿ: f (x) = √1 e− 2σ 2 .
σ 2π
2
Rx − (y−a)
Ôóíêöèÿ ðàñïðåäåëåíèÿ: F (x) = √1
σ 2π
e 2σ 2 dy .
−∞
Ìàòåìàòè÷åñêîå îæèäàíèå: a.
Äèñïåðñèÿ: σ 2 .
2. Ðàâíîìåðíîå ðàñïðåäåëåíèå íà îòðåçêå

1 [a, b]
Ïëîòíîñòü ðàñïðåäåëåíèÿ: f (x) = b−a , x ∈ [a, b],
 0, x∈/ [a, b].

 0, x < a,
Ôóíêöèÿ ðàñïðåäåëåíèÿ: F (x) = x−a
b−a , a 6 x < b,
1, x > b.

Ìàòåìàòè÷åñêîå îæèäàíèå: (a + b)/2.
Äèñïåðñèÿ: (b − a)2 /12.
3. Ýêñïîíåíöèàëüíîå ðàñïðåäåëåíèå ñïàðàìåòðîì λ > 0

0, x 6 0,
Ïëîòíîñòü ðàñïðåäåëåíèÿ: f (x) =
λe−λx , x > 0.

0, x 6 0,
Ôóíêöèÿ ðàñïðåäåëåíèÿ: F (x) =
1 − e−λx , x > 0.
12
Ìàòåìàòè÷åñêîå îæèäàíèå: 1/λ.
Äèñïåðñèÿ: 1/λ2 .
4. Ðàñïðåäåëåíèå Ïóàññîíà ñ ïàðàìåòðîì α > 0

k
Âåðîÿòíîñòü: P{ξ = k} = αk! e−α , k = 0, 1, . . .
Ìàòåìàòè÷åñêîå îæèäàíèå: α.
Äèñïåðñèÿ: α.
5. Pàñïðåäåëåíèå Áåðíóëëè ñ âåðîÿòíîñòüþ óñïåõà p

Âåðîÿòíîñòü: P{ξ = 1} = p; P{ξ = 0} = 1 − p.
Ìàòåìàòè÷åñêîå îæèäàíèå: p.
Äèñïåðñèÿ: p(1 − p).
6. Áèíîìèàëüíîå ðàñïðåäåëåíèå ñ âåðîÿòíîñòüþ óñïåõà p (ñå-

ðèÿ èç N èñïûòàíèé)
Âåðîÿòíîñòü: P{ξ = k} = CN p (1 − p)N −k , k = 0, . . . , N .
k k
Ìàòåìàòè÷åñêîå îæèäàíèå: N p.
Äèñïåðñèÿ: N p(1 − p).
Ïóñòü ñëó÷àéíàÿ âåëè÷èíà ξ èìååò ôóíêöèþ ðàñïðåäåëå-

íèÿ Fξ (x), x ∈ R. Íèæíÿÿ êâàíòèëü óðîâíÿ α èëè ïðîñòî, â
äàëüíåéøåì, êâàíòèëü óðîâíÿ α ðàñïðåäåëåíèÿ Fξ åñòü òî÷êà
xα , îïðåäåëÿåìàÿ èç óñëîâèÿ
P{ξ 6 xα } ≡ Fξ (xα ) = α.
1.3. Òî÷å÷íûå îöåíêè
Ïóñòü X[n] = {x1 , . . . , xn } âûáîðêà îáúåìà n, ýëåìåíòû êî-

òîðîé ïîëó÷åíû â ðåçóëüòàòå ðåàëèçàöèè íåêîòîðîé ñëó÷àéíîé
âåëè÷èíû ξ ñ çàêîíîì ðàñïðåäåëåíèÿ Fξ (x; θ), θ ∈ Θ ⊆ R` , ãäå
θ âåêòîð íåèçâåñòíûõ ïàðàìåòðîâ ðàñïðåäåëåíèÿ ξ .
Îïðåäåëåíèå 1.3.1. Ñòàòèñòèêîé íàçûâàåòñÿ ïðîèçâîëüíàÿ
èçìåðèìàÿ ôóíêöèÿ θ̂(X[n] ) = θ̂(x1 , . . . , xn ) îò âûáîðêè X[n] .
Îïðåäåëåíèå 1.3.2. Ñòàòèñòèêà θ̂(X [n] ) íàçûâàåòñÿ íåñìåùåí-
íîé îöåíêîé ïàðàìåòðà θ, åñëè E θ̂(X[n] ) = θ äëÿ ëþáîãî çíà÷åíèÿ
θ ∈ Θ.
Îïðåäåëåíèå 1.3.3. Ñòàòèñòèêà θ̂(X[n] ) íàçûâàåòñÿ ñîñòîÿ-
òåëüíîé îöåíêîé ïàðàìåòðà θ, åñëè äëÿ ëþáîãî çíà÷åíèÿ θ ∈ Θ
13
P
èìååò ìåñòî ñõîäèìîñòü ïî âåðîÿòíîñòè θ̂(X[n] ) −−−−→ θ. Ñòàòè-
n→∞
ñòèêà θ̂(X[n] ) íàçûâàåòñÿ ñèëüíî ñîñòîÿòåëüíîé îöåíêîé ïàðà-
ìåòðà θ, åñëè äëÿ ëþáîãî çíà÷åíèÿ θ ∈ Θ èìååò ìåñòî ñõîäèìîñòü
ï. í.
ïî÷òè íàâåðíîå θ̂(X[n] ) −−−−→ θ.
n→∞
Îïðåäåëåíèå 1.3.4. Ñòàòèñòèêà θ̂(X [n] ) íàçûâàåòñÿ ýôôåêòèâ-

íîé îöåíêîé ïàðàìåòðà θ, åñëè äëÿ ëþáîé íåñìåùåííîé îöåíêè
θ̂1 (X[n] ) è ëþáîãî θ ∈ Θ ⊂ R ñïðàâåäëèâî: E(θ̂(X[n] ) − θ)2 6
6 E(θ̂1 (X[n] ) − θ)2 .
Îïðåäåëåíèå 1.3.5. Ñòàòèñòèêà θ̂(X [n] ) íàçûâàåòñÿ àñèìïòî-

òè÷åñêè íîðìàëüíîé îöåíêîé ïàðàìåòðà θ ñ (` × `) êîâàðèàöèîí-
íîé ìàòðèöåé Σ, åñëè èìååò ìåñòî ñõîäèìîñòü ïî ðàñïðåäåëåíèþ
√ d
(θ̂(X[n] ) − θ) n −−−−→ ζ ∼ N ( , Σ).
n→∞
0
1.3.1. Ìåòîä ìîìåíòîâ
Ïóñòü g(x) = (g1 (x), . . . , g` (x)) íåêîòîðàÿ ôóíêöèÿ, äëÿ êîòî-
ðîé ñóùåñòâóåò ìàòåìàòè÷åñêîå îæèäàíèå
m(θ) = Eg(ξ) = (Eg1 (ξ), . . . , Eg` (ξ)),
è óðàâíåíèå
m(θ) = t, t = (t1 , . . . , t` ), m(θ) = (m1 (θ), . . . , m` (θ))
îäíîçíà÷íî ðàçðåøèìî îòíîñèòåëüíî θ â îáëàñòè t ∈ m(Θ).

Ïðåäïîëîæèì, ÷òî
n
1X
ḡ(X[n] ) = g(xi ) ∈ m(Θ).
n i=1
Îöåíêîé ïî ìåòîäó ìîìåíòîâ íàçûâàåòñÿ ñòàòèñòèêà
θ̂(X[n] ) = m−1 (ḡ(X[n] )).
×àñòî â êà÷åñòâå ôóíêöèè gk (x) áåðóò ôóíêöèè âèäà xk . Îò-

ìåòèì, ÷òî äëÿ ôóíêöèè âèäà g1 (x) = x åå ïåðâûé ìîìåíò Eg1 (ξ)
åñòü ìàòåìàòè÷åñêîå îæèäàíèå Eξ ñëó÷àéíîé âåëè÷èíû ξ , à äëÿ
ôóíêöèè âèäà g2 (x) = x2 åå ïåðâûé ìîìåíò Eg2 (ξ) åñòü ñóììà
14
äèñïåðñèè ñëó÷àéíîé âåëè÷èíû ξ è êâàäðàòà åå ìàòåìàòè÷åñêîãî
îæèäàíèÿ, ò. å. Dξ + (Eξ)2 .
Äëÿ îäíîïàðàìåòðè÷åñêîãî ñåìåéñòâà ðàñïðåäåëåíèé îáû÷-
íî âûáèðàþò ôóíêöèþ g(x) = x, è òî÷å÷íóþ îöåíêó θ̂(X[n] ) îä-
íîìåðíîãî ïàðàìåòðà θ ïî âûáîðêå X[n] = {x1 , . . . , xn } ìîæíî
íàéòè èç óðàâíåíèÿ
Eξ = x̄,
ïðèðàâíÿâ òåîðåòè÷åñêèé ìîìåíò ïîðÿäêà 1 (ìàòåìàòè÷åñêîå

îæèäàíèå) ê âûáîðî÷íîìó ìîìåíòó òîãî æå ïîðÿäêà (âûáîðî÷-
íîìó ñðåäíåìó).
Äëÿ äâóõïàðàìåòðè÷åñêîãî ñåìåéñòâà ðàñïðåäåëåíèé îáû÷-
íî âûáèðàþò ôóíêöèþ g(x) = (g1 (x), g2 (x)) = (x, x2 ), è òî÷å÷-
íóþ îöåíêó θ̂(X[n] ) = (θ̂1 (X[n] ), θ̂2 (X[n] )) ïàðàìåòðà θ = (θ1 , θ2 )
ïî âûáîðêå X[n] = {x1 , . . . , xn } ìîæíî íàéòè èç ñèñòåìû äâóõ
óðàâíåíèé

Eξ = x̄, Eξ = x̄,
èëè
Dξ + (Eξ)2 = s2 + x̄2 Dξ = s2 ,
ïðèðàâíÿâ òåîðåòè÷åñêèé ìîìåíò ïîðÿäêà 1 (ìàòåìàòè÷åñêîå

îæèäàíèå) ê âûáîðî÷íîìó ìîìåíòó òîãî æå ïîðÿäêà (âûáîðî÷-
íîìó ñðåäíåìó), à öåíòðàëüíûé òåîðåòè÷åñêèé ìîìåíò ïîðÿäêà
2 (äèñïåðñèþ) ê öåíòðàëüíîìó âûáîðî÷íîìó ìîìåíòó òîãî æå
ïîðÿäêà (âûáîðî÷íîé äèñïåðñèè).
Ïðèìåð 1.3.1. Ïîñòðîèì îöåíêè â, b̂ ìåòîäîì ìîìåíòîâ ïàðà-

ìåòðîâ äâóõïàðàìåòðè÷åñêîãî ðàâíîìåðíîãî ðàñïðåäåëåíèÿ íà
îòðåçêå [a, b] ïî âûáîðêå X[n] = {x1 , . . . , xn }. Çíàÿ âûðàæåíèÿ
ìàòåìàòè÷åñêîãî îæèäàíèÿ è äèñïåðñèè (ñì. 1.2.), çàïèøåì ñè-
ñòåìó óðàâíåíèé:

a+b

 = x̄,
a + b = 2x̄,√
2 2 èëè
(b − a) b − a = 2s 3.
= s2


12
√ √
Îòêóäà ïîëó÷àåì, ÷òî â = x̄ − s 3, b̂ = x̄ + s 3.
Îöåíêè ïàðàìåòðîâ íåêîòîðûõ ðàñïðåäåëåíèé, ïîëó÷åííûå

ìåòîäîì ìîìåíòîâ, ïðèâåäåíû â òàáëèöå 1.1.
15
Òàáë. 1.1. Îöåíêè ïàðàìåòðîâ ìåòîäîì ìîìåíòîâ
Òèï ðàñïðåäåëåíèÿ Ïàðàìåòðû Îöåíêè ìåòîäîì
ðàñïðåäåëåíèÿ ìîìåíòîâ
Íîðìàëüíîå a, σ 2 â = x̄, σ̂ 2 √
= s2 √
Ðàâíîìåðíîå íà [a, b] a, b â = x̄ − s 3, b̂ = x̄ + s 3
Ýêñïîíåíöèàëüíîå λ λ̂ = 1/x̄
Ïóàññîíà α α̂ = x̄
Áåðíóëëè p p̂ = x̄
Áèíîìèàëüíîå p p̂ = x̄/N
1.3.2. Ìåòîä ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ

Ôóíêöèÿ ïðàâäîïîäîáèÿ âûáîðêè X[n] = {x1 , . . . , xn } îïðåäåëÿåò-
ñÿ ïî ïðàâèëó:
n
fξ (xi ; θ) äëÿ ðàñïðåäåëåíèé, èìåþùèõ
Q
• L(x1 , . . . , xn ; θ) =
i=1
ïëîòíîñòü îòíîñèòåëüíî ìåðû Ëåáåãà,
n
P{ξ = xi ; θ} äëÿ äèñêðåòíûõ ðàñïðå-
Q
• L(x1 , . . . , xn ; θ) =
i=1
äåëåíèé.
Îöåíêà ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ θ̂ ïàðàìåòðà θ ÿâëÿ-
åòñÿ ðåøåíèåì çàäà÷è ìàêñèìèçàöèè
θ̂(X[n] ) = arg max L(x1 , . . . , xn ; θ)

θ∈Θ
èëè ýêâèâàëåíòíîé çàäà÷è
θ̂(X[n] ) = arg max ln L(x1 , . . . , xn ; θ).

θ∈Θ
Ïðèìåð 1.3.2. Ïîñòðîèì îöåíêó ìàêñèìàëüíîãî ïðàâäîïîäî-

áèÿ α̂ ïàðàìåòðà α ðàñïðåäåëåíèÿ Ïóàññîíà ïî âûáîðêå X[n] =
= {x1 , . . . , xn }. Ôóíêöèÿ ïðàâäîïîäîáèÿ âûáîðêè èìååò âèä:
n Pn
Y α xi −α α i=1 xi
L(x1 , . . . , xn ; α) = e = n e−nα ,
xi ! Q
i=1 xi !
i=1
è åå ëîãàðèôì:
n
X n
Y
ln L(x1 , . . . , xn ; α) = xi ln α − nα − ln xi !
i=1 i=1
16
Äèôôåðåíöèðóÿ ïî α, ïîëó÷àåì
Pn
∂ ln L(x1 , . . . , xn ; α) i=1 xi
= − n.
∂α α
Èñïîëüçóÿ íåîáõîäèìîå è äîñòàòî÷íîå óñëîâèå ýêñòðåìóìà, çà-
êëþ÷àåì, ÷òî
Pn
xi
α̂ = i=1 = x̄.
n
Îäíàêî íå âñåãäà óäàåòñÿ íàéòè îöåíêè ïàðàìåòðîâ ðàñïðå-
äåëåíèÿ èç óñëîâèÿ ðàâåíñòâà íóëþ ÷àñòíûõ ïðîèçâîäíûõ ïî ïà-
ðàìåòðàì ôóíêöèè ïðàâäîïîäîáèÿ âûáîðêè.
Ïðèìåð 1.3.3. Ïî âûáîðêå X [n]= {x1 , . . . , xn } ïîñòðîèì îöåíêó

ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ (â, b̂) ïàðàìåòðîâ (a, b) ðàâíîìåð-
íîãî íà îòðåçêå ðàñïðåäåëåíèÿ. Ôóíêöèÿ ïðàâäîïîäîáèÿ âûáîð-
êè èìååò âèä:

1
 , åñëè âñå xi ∈ [a, b],
L(x1 , . . . , xn ; a, b) = (b − a)n
 0, â ïðîòèâíîì ñëó÷àå.
Çàïèøåì ôóíêöèþ ïðàâäîïîäîáèÿ êàê ôóíêöèþ ïàðàìåòðîâ

(a, b), ïåðåïèñàâ óñëîâèå xi ∈ [a, b] â ýêâèâàëåíòíîé ôîðìå:
1

 , åñëè b > max xi = x(n)
(b − a)n

 i
L(x1 , . . . , xn ; a, b) = è a 6 min x i = x(1) ,

 i
â ïðîòèâíîì ñëó÷àå.

0,
Ôóíêöèÿ L(x1 , . . . , xn ; a, b) ïðèíèìàåò ìàêñèìàëüíîå çíà÷åíèå

ïðè ìèíèìàëüíîì çíà÷åíèè âåëè÷èíû (b − a)n , ò. å. ïðè b − a =
= x(n) − x(1) . Íåòðóäíî ïîêàçàòü, ÷òî â = x(1) è b̂ = x(n) ÿâëÿþò-
ñÿ åäèíñòâåííûìè îöåíêàìè ïàðàìåòðîâ a è b ðàâíîìåðíîãî íà
îòðåçêå [a, b] ðàñïðåäåëåíèÿ, ìàêñèìèçèðóþùèìè ôóíêöèþ ïðàâ-
äîïîäîáèÿ.
Îöåíêè ïàðàìåòðîâ íåêîòîðûõ ðàñïðåäåëåíèé, ïîëó÷åí-

íûå ìåòîäîì ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ, ïðèâåäåíû â òàá-
ëèöå 1.2.
17
Òàáë. 1.2. Îöåíêè ïàðàìåòðîâ ìåòîäîì ìàêñèìàëüíîãî
ïðàâäîïîäîáèÿ
Òèï ðàñïðåäåëåíèÿ Ïàðàìåòðû Îöåíêè ìàêñèìàëüíîãî
ðàñïðåäåëåíèÿ ïðàâäîïîäîáèÿ
Íîðìàëüíîå a, σ 2 â = x̄, σ̂ 2 = s2
Ðàâíîìåðíîå íà [a, b] a, b â = x(1) , b̂ = x(n)
Ýêñïîíåíöèàëüíîå λ λ̂ = 1/x̄
Ïóàññîíà α α̂ = x̄
Áåðíóëëè p p̂ = x̄
Áèíîìèàëüíîå p p̂ = x̄/N
1.4. Èíòåðâàëüíûå îöåíêè
1.4.1. Òî÷íûå äîâåðèòåëüíûå èíòåðâàëû

Îïðåäåëåíèå 1.4.1. Òî÷íûì äîâåðèòåëüíûì èíòåðâàëîì ñ
óðîâíåì äîâåðèÿ 1 − ε, 0 < ε < 1 íåèçâåñòíîãî ïàðàìåòðà θ
ðàñïðåäåëåíèÿ Fξ (x; θ) íàçûâàåòñÿ èíòåðâàë (θ̂1 (X[n] ), θ̂2 (X[n] )),
îáëàäàþùèé ñëåäóþùèì ñâîéñòâîì:

P θ̂1 (X[n] ) < θ < θ̂2 (X[n] ) = 1 − ε.
Òåîðåìà 1.4.1. [7] Ïóñòü âûáîðêà X [n] = {x1 , . . . , xn } ïîëó÷åíà

èç ãåíåðàëüíîé ñîâîêóïíîñòè, ïîä÷èíÿþùåéñÿ íîðìàëüíîìó çà-
êîíó ðàñïðåäåëåíèÿ N (a, σ 2 ). Òîãäà ñïðàâåäëèâû ñëåäóþùèå ðàñ-
ïðåäåëåíèÿ:
• ñòàòèñòèêà x̄ − a √n ïîä÷èíÿåòñÿ ñòàíäàðòíîìó íîð-
σ
ìàëüíîìó ðàñïðåäåëåíèþ;
• ñòàòèñòèêà x̄ − a √n − 1 ≡ x̄ − a √n ïîä÷èíÿåòñÿ ðàñïðå-
s s̃
äåëåíèþ Ñòüþäåíòà ñ n − 1 ñòåïåíÿìè ñâîáîäû;
2 2
n
xi − a
2 n x − 2ax̄ + a
• ñòàòèñòèêà ïîä÷èíÿ-
P
σ =
i=1 σ2
åòñÿ χ2 -ðàñïðåäåëåíèþ ñ n ñòåïåíÿìè ñâîáîäû;
n 2
xi − x̄ 2 = ns2 ≡ (n − 1)s̃ ïîä÷èíÿåò-

• ñòàòèñòèêà
P
σ σ 2
σ 2
i=1
ñÿ χ2 -ðàñïðåäåëåíèþ ñ n − 1 ñòåïåíÿìè ñâîáîäû.
Ïðèâåäåì òî÷íûå äîâåðèòåëüíûå èíòåðâàëû äëÿ ïàðàìåò-
ðîâ íîðìàëüíîãî ðàñïðåäåëåíèÿ. Çàôèêñèðóåì óðîâåíü äîâåðèÿ
1 − ε.
18
Òî÷íûé äîâåðèòåëüíûé èíòåðâàë äëÿ ïàðàìåòðà a ïðè èçâåñò-
íîì çíà÷åíèè ïàðàìåòðà σ 2 . Èç îïðåäåëåíèÿ äîâåðèòåëüíîãî èí-
òåðâàëà
P θ̂1 (X[n] ) < a < θ̂2 (X[n] ) = 1 − ε.
Èñïîëüçóÿ òåîðåìó 1.4.1, ìîæíî çàêëþ÷èòü, ÷òî

x̄ − a √

P u 2ε < n < u1− 2ε = 1 − ε.
σ
Çäåñü u 2ε è u1− 2ε êâàíòèëè ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðå-
äåëåíèÿ óðîâíåé 2ε è 1 − 2ε ñîîòâåòñòâåííî. Â âèäó ñèììåòðèè
ïëîòíîñòè ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëåíèÿ îòíîñèòåëü-
íî îñè îðäèíàò èìååò ìåñòî ðàâåíñòâî u 2ε = −u1− 2ε . Ðàçðåøàÿ
íåðàâåíñòâî
x̄ − a √
−u1− 2ε < n < u1− 2ε
σ
îòíîñèòåëüíî îöåíèâàåìîãî ïàðàìåòðà a, íàéäåì ãðàíèöû
θ̂1 (X[n] ) è θ̂2 (X[n] ) èñêîìîãî èíòåðâàëà:

σ σ
x̄ − u1− 2ε √ , x̄ + u1− 2ε √ .
n n
Âåëè÷èíà δ = u1− 2ε √σn íàçûâàåòñÿ ïðåäåëüíîé àáñîëþòíîé îøèá-
êîé. Òîãäà ïðè èçâåñòíîé äèñïåðñèè σ 2 , çàäàííîé âåëè÷èíå îøèá-
êè δ è äîâåðèòåëüíîé âåðîÿòíîñòè 1 − ε ìîæíî íàéòè îáúåì âû-
áîðêè, íåîáõîäèìûé äëÿ îöåíêè ñðåäíåãî a:
2
σ
n = u1− 2ε .
δ
Òî÷íûé äîâåðèòåëüíûé èíòåðâàë ñ óðîâíåì äîâåðèÿ 1 − ε äëÿ
ïàðàìåòðà a ïðè íåèçâåñòíîì çíà÷åíèè ïàðàìåòðà σ 2 . Àíàëî-
ãè÷íûì îáðàçîì ìîæíî íàéòè òî÷íûé äîâåðèòåëüíûé èíòåðâàë
äëÿ ïàðàìåòðà a ïðè íåèçâåñòíîì çíà÷åíèè ïàðàìåòðà σ 2 :

s s
x̄ − t1− 2ε ,n−1 √ , x̄ + t1− 2ε ,n−1 √
n−1 n−1
èëè, ÷òî òî æå ñàìîå, èíòåðâàë

s̃ s̃
x̄ − t1− 2ε ,n−1 √ , x̄ + t1− 2ε ,n−1 √ , (1.4.1)
n n
19
ãäå t1− 2ε ,n−1 êâàíòèëü ðàñïðåäåëåíèÿ Ñòüþäåíòà ñ n − 1 ñòåïå-
íÿìè ñâîáîäû óðîâíÿ 1 − 2ε .
Òî÷íûì äîâåðèòåëüíûì èíòåðâàëîì ñ óðîâíåì äîâåðèÿ 1−ε äëÿ
ïàðàìåòðà σ 2 ïðè èçâåñòíîì çíà÷åíèè ïàðàìåòðà a ÿâëÿåòñÿ
èíòåðâàë
P n n 
(xi − a)2 (xi − a)2
P
 i=1
, i=1 2

 .
 χ2 ε χε 
1− 2 ,n 2 ,n
Ýòîò èíòåðâàë ìîæíî çàïèñàòü ñëåäóþùèì îáðàçîì:

 
n x2 − 2ax̄ + a2 n x2 − 2ax̄ + a2
 , ,
χ21− ε ,n χ2ε ,n
2 2
ãäå χ2ε ,n , χ21− ε ,n êâàíòèëè χ2 -ðàñïðåäåëåíèÿ ñ n ñòåïåíÿìè

2 2
ñâîáîäû óðîâíåé 2ε è 1 − 2ε ñîîòâåòñòâåííî.
Òî÷íûì äîâåðèòåëüíûì èíòåðâàëîì ñ óðîâíåì äîâåðèÿ 1−ε äëÿ

ïàðàìåòðà σ 2 ïðè íåèçâåñòíîì çíà÷åíèè ïàðàìåòðà a ÿâëÿåòñÿ
èíòåðâàë
ns2 ns2

, ,
χ21− ε ,n−1 χ2ε ,n−1
2 2
èëè, ÷òî òî æå ñàìîå, èíòåðâàë
(n − 1)s̃2 (n − 1)s̃2

, , (1.4.2)
χ21− ε ,n−1 χ2ε ,n−1
2 2
ãäå χ2ε ,n−1 , χ21− ε ,n−1 êâàíòèëè χ2 -ðàñïðåäåëåíèÿ ñ n − 1 ñòå-

2 2
ïåíÿìè ñâîáîäû óðîâíåé 2ε è 1 − 2ε ñîîòâåòñòâåííî.
Ïî äîâåðèòåëüíûì èíòåðâàëàì äëÿ äèñïåðñèè σ 2 ëåãêî íà-
õîäÿòñÿ äîâåðèòåëüíûå èíòåðâàëû äëÿ ñðåäíåêâàäðàòè÷åñêîãî
îòêëîíåíèÿ σ .
Òåîðåìà 1.4.2. [17] Ïóñòü âûáîðêà X [n] = {x1 , . . . , xn } ïîëó÷åíà

èç ãåíåðàëüíîé ñîâîêóïíîñòè, ïîä÷èíÿþùåéñÿ ýêñïîíåíöèàëüíî-
ìó ðàñïðåäåëåíèþ ñ ïàðàìåòðîì λ > 0. Òîãäà ñòàòèñòèêà 2nx̄λ
ïîä÷èíÿåòñÿ χ2 -ðàñïðåäåëåíèþ ñ 2n ñòåïåíÿìè ñâîáîäû.
20
Òî÷íûì äîâåðèòåëüíûì èíòåðâàëîì äëÿ ïàðàìåòðà λ ýêñïîíåí-
öèàëüíîãî ðàñïðåäåëåíèÿ ñ óðîâíåì äîâåðèÿ 1−ε ÿâëÿåòñÿ èíòåð-
âàë, êîòîðûé îïðåäåëÿåòñÿ èç óñëîâèÿ
χ22ε ,2n < 2nx̄λ < χ21− 2ε ,2n ,
à èìåííî, èíòåðâàë
χ2 χ21− ε ,2n
ε
2 ,2n 2
, ,
2nx̄ 2nx̄
ãäå χ2ε ,2n , χ21− ε ,2n êâàíòèëè χ2 -ðàñïðåäåëåíèÿ ñ 2n ñòåïåíÿìè
2 2
ñâîáîäû óðîâíåé 2ε è 1 − 2ε ñîîòâåòñòâåííî.

Îïðåäåëåíèå 1.4.2. Àñèìïòîòè÷åñêèì äîâåðèòåëüíûì èíòåð-
âàëîì ñ óðîâíåì äîâåðèÿ 1 − ε, 0 < ε < 1 äëÿ íåèçâåñò-
íîãî ïàðàìåòðà θ ðàñïðåäåëåíèÿ Fξ (x; θ) íàçûâàåòñÿ èíòåðâàë
(θ̂1 (X[n] ), θ̂2 (X[n] )), îáëàäàþùèé ñëåäóþùèì ñâîéñòâîì:

lim P θ̂1 (X[n] ) < θ < θ̂2 (X[n] ) = 1 − ε.
n→∞
Ïîñòðîåíèå àñèìïòîòè÷åñêèõ äîâåðèòåëüíûõ èíòåðâàëîâ

îñíîâàíî íà àñèìïòîòè÷åñêè íîðìàëüíûõ îöåíêàõ. Ïðåäïîëî-
æèì, ÷òî îöåíêà θ̂ = θ̂(X[n] ) ÿâëÿåòñÿ àñèìïòîòè÷åñêè íîðìàëü-
√ d
íîé, ò. å. n(θ̂ − θ) −−−−→ ζ ∼ N (0, σ 2 (θ)), ãäå äèñïåðñèÿ σ 2 (θ)
n→∞
êîýôôèöèåíò àñèìïòîòè÷åñêîãî ðàññåèâàíèÿ. Ïðåäïîëîæèì, ÷òî
ôóíêöèÿ σ 2 (θ) íåïðåðûâíà íà Θ è îòëè÷íà îò íóëÿ äëÿ ëþáîãî
θ ∈ Θ. Ñïðàâåäëèâà ëåììà.
Ëåììà 1.4.1. √ d
Ñëó÷àéíûé âåêòîð ( n(θ̂ − θ), θ̂) −−−−→ (ζ, θ), ãäå
n→∞
ζ ïîä÷èíÿåòñÿ íîðìàëüíîìó ðàñïðåäåëåíèþ N (0, σ 2 (θ)).
Òåîðåìà 1.4.3. (Öåíòðàëüíàÿ ïðåäåëüíàÿ òåîðåìà) [3] Ïóñòü
ξ1 , . . . , ξn âçàèìíî íåçàâèñèìûå îäèíàêîâî ðàñïðåäåëåííûå ñëó-
÷àéíûå âåëè÷èíû ñ êîíå÷íûì ìàòåìàòè÷åñêèì îæèäàíèåì Eξ1
è êîíå÷íîé, íî íåíóëåâîé äèñïåðñèåé Dξ1 . Òîãäà èìååò ìåñòî
ñõîäèìîñòü:
Pn
ξi − nEξ1
i=1 d
√ −−−−→ ζ ∼ N (0, 1).
nDξ1 n→∞
21
Àñèìïòîòè÷åñêèé äîâåðèòåëüíûé èíòåðâàë äëÿ ïàðàìåòðà λ
ýêñïîíåíöèàëüíîãî ðàñïðåäåëåíèÿ. Ïîñòðîèì àñèìïòîòè÷åñêèé
äîâåðèòåëüíûé èíòåðâàë ñ óðîâíåì äîâåðèÿ ïðèáëèæåííî ðàâ-
íûì 1−ε ïî âûáîðêå X[n] = {x1 , . . . , xn }. Ïîñêîëüêó x1 , . . . , xn ÿâ-
ëÿþòñÿ âçàèìíî íåçàâèñèìûìè îäèíàêîâî ðàñïðåäåëåííûìè ñëó-
÷àéíûìè âåëè÷èíàìè ñ ìàòåìàòè÷åñêèì îæèäàíèåì 1/λ è äèñ-
ïåðñèåé 1/λ2 , ìîæíî ïðèìåíèòü öåíòðàëüíóþ ïðåäåëüíóþ òåî-
ðåìó 1.4.3 èëè âîñïîëüçîâàòüñÿ ëåììîé 1.4.1:
n
P
xi − n/λ
i=1 √ d
√ = n(λx̄ − 1) −−−−→ ζ ∼ N (0, 1).
n/λ n→∞
Ñëåäîâàòåëüíî, â âèäó ñèììåòðèè ïëîòíîñòè ñòàíäàðòíîãî íîð-

ìàëüíîãî ðàñïðåäåëåíèÿ îòíîñèòåëüíî îñè îðäèíàò ïîëó÷àåì
√
−u1− 2ε < n(λx̄ − 1) < u1− 2ε ,
ãäå u1− 2ε êâàíòèëü ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëåíèÿ

óðîâíÿ 1 − 2ε . Òîãäà äîâåðèòåëüíûé èíòåðâàë äëÿ ïàðàìåòðà λ
ýêñïîíåíöèàëüíîãî ðàñïðåäåëåíèÿ ñ óðîâíåì äîâåðèÿ ïðèáëè-
æåííî ðàâíûì 1 − ε ïðèíèìàåò âèä:
1 u1− 2ε 1 u1− 2ε

− √ , + √ .
x̄ x̄ n x̄ x̄ n
Ýòîò äîâåðèòåëüíûé èíòåðâàë òàêæå ìîæíî ïîëó÷èòü èç ñâîé-

ñòâà àñèìïòîòè÷åñêîé íîðìàëüíîñòè îöåíêè x̄ ïàðàìåòðà 1/λ.

äëÿ ïàðàìåòðîâ äèñêðåòíûõ ðàñïðåäåëåíèé
Àñèìïòîòè÷åñêèé äîâåðèòåëüíûé èíòåðâàë äëÿ ïàðàìåòðà α
ðàñïðåäåëåíèÿ Ïóàññîíà. Ïîñòðîèì àñèìïòîòè÷åñêèé äîâåðè-
òåëüíûé èíòåðâàë ñ óðîâíåì äîâåðèÿ ïðèáëèæåííî ðàâíûì 1 − ε
ïî âûáîðêå X[n] = {x1 , . . . , xn }. Ñ ýòîé öåëüþ âîñïîëüçóåìñÿ öåí-
òðàëüíîé ïðåäåëüíîé òåîðåìîé 1.4.3:
n
P
xi − nα
i=1 x̄ − α √ d
√ = √ n −−−−→ ζ ∼ N (0, 1).
nα α n→∞
22
Çàêëþ÷àåì, ÷òî ñ âåðîÿòíîñòüþ ïðèáëèæåííî ðàâíîé 1 − ε âû-
ïîëíÿåòñÿ íåðàâåíñòâî
x̄ − α √
−u1− 2ε < √ n < u1− 2ε ,
α
óðîâíÿ 1 − 2ε . Ìîæíî èñïîëüçîâàòü ñëåäóþùóþ àïïðîêñèìàöèþ
äëÿ äîâåðèòåëüíîãî èíòåðâàëà (ñì. [19, 20]):
r r
x̄ x̄
x̄ − u1− 2
ε , x̄ + u1− 2
ε .
n n
Àñèìïòîòè÷åñêèé äîâåðèòåëüíûé èíòåðâàë äëÿ ïàðàìåòðà p
ðàñïðåäåëåíèÿ Áåðíóëëè. Ïóñòü â âûáîðêå X[n] = {x1 , . . . , xn }
ýëåìåíò xi ∈ {0, 1}, ïðè÷åì âåðîÿòíîñòü óñïåõà îäèíàêîâà è ðàâ-
íà p. ×èñëî
Pn ¾óñïåøíûõ¿ èñõîäîâ â n íåçàâèñèìûõ èñïûòàíè-
ÿõ ðàâíî i=1 xi . Èñïîëüçóÿ öåíòðàëüíóþ ïðåäåëüíóþ òåîðåìó
1.4.3, ïîëó÷àåì
n
P
xi − np
i=1 x̄ − p √ d
p =p n −−−−→ ζ ∼ N (0, 1).
np(1 − p) p(1 − p) n→∞
Ñ âåðîÿòíîñòüþ ïðèáëèæåííî ðàâíîé 1 − ε âûïîëíÿåòñÿ íåðàâåí-

ñòâî
x̄ − p √
−u1− 2ε < p n < u1− 2ε ,
p(1 − p)
óðîâíÿ 1 − 2ε . Ìîæíî òàêæå ïîëüçîâàòüñÿ ñëåäóþùåé àïïðîêñè-
ìàöèåé [19]:
r r !
x̄(1 − x̄) x̄(1 − x̄)
x̄ − u1− 2ε , x̄ + u1− 2ε . (1.4.3)
n n
1.5. Ñòàòèñòè÷åñêîå îöåíèâàíèå â ïàêåòàõ

ïðèêëàäíûõ ïðîãðàìì
1.5.1. Ñòàòèñòè÷åñêîå îöåíèâàíèå â Excel

Ïðèâåäåì ðÿä ôóíêöèé, ïîçâîëÿþùèõ îïðåäåëèòü âûáîðî÷íûå
õàðàêòåðèñòèêè:
23
• MAKC(Äèàïàçîí äàííûõ) âîçâðàùàåò ìàêñèìàëüíûé ýëå-
ìåíò âûáîðêè x(n) .
• MÈÍ(Äèàïàçîí äàííûõ) âîçâðàùàåò ìèíèìàëüíûé ýëåìåíò
âûáîðêè x(1) .
• Ñ×ÅÒ(Äèàïàçîí äàííûõ) âîçâðàùàåò îáúåì âûáîðêè n.
• ×ÀÑÒÎÒÀ(Ìàññèâ äàííûõ;Ìàññèâ èíòåðâàëîâ) âîçâðàùàåò
ðàñïðåäåëåíèå ÷àñòîò ïî èíòåðâàëàì ãðóïïèðîâêè. Ôóíê-
öèÿ ×ÀÑÒÎÒÀ() ââîäèòñÿ êàê ôîðìóëà ìàññèâà ïîñëå âûäå-
ëåíèÿ äèàïàçîíà ñìåæíûõ ÿ÷ååê, â êîòîðûå òðåáóåòñÿ âåð-
íóòü ïîëó÷åííûé ìàññèâ ÷àñòîò. Ò. å. ïîñëå ââîäà ôîðìóëû
íåîáõîäèìî âìåñòî íàæàòèÿ êëàâèøè Enter íàæàòü ñî÷å-
òàíèå êëàâèø Ctrl+Shift+Enter. Êîëè÷åñòâî ýëåìåíòîâ â
âîçâðàùàåìîì ìàññèâå íà åäèíèöó áîëüøå ÷èñëà ýëåìåíòîâ
â ìàññèâå Ìàññèâ èíòåðâàëîâ. Äîïîëíèòåëüíûé ýëåìåíò ñî-
äåðæèò êîëè÷åñòâî çíà÷åíèé, ïðåâûøàþùèõ âåðõíþþ ãðà-
íèöó èíòåðâàëà, ñîäåðæàùåãî íàèáîëüøèå çíà÷åíèÿ.
• ÑÐÇÍÀ×(Äèàïàçîí äàííûõ) âîçâðàùàåò âûáîðî÷íîå ñðåäíåå
x̄.
• ÄÈÑÏ.Ã(Äèàïàçîí äàííûõ) âîçâðàùàåò âûáîðî÷íóþ äèñ-
ïåðñèþ s2 .
• ÑÒÀÍÄÎÒÊËÎÍ.Ã(Äèàïàçîí äàííûõ) âîçâðàùàåò s.
• ÄÈÑÏ.Â(Äèàïàçîí äàííûõ) âîçâðàùàåò èñïðàâëåííóþ âûáî-
ðî÷íóþ äèñïåðñèþ s̃2 .
• ÑÒÀÍÄÎÒÊËÎÍ.Â(Äèàïàçîí äàííûõ) âîçâðàùàåò s̃.
• ÌÎÄÀ.ÎÄÍ(Äèàïàçîí äàííûõ) âîçâðàùàåò ìîäó. Åñëè ñðå-
äè ýëåìåíòîâ íåñêîëüêî íàèáîëåå ÷àñòî âñòðå÷àþùèõñÿ, òî
âîçâðàùàåòñÿ ïåðâûé âñòðå÷åííûé èç íèõ ýëåìåíò. Åñëè
ñðåäè ýëåìåíòîâ íåñêîëüêî òàêèõ ýëåìåíòîâ, òî äëÿ èõ âû-
âîäà èñïîëüçóåòñÿ ôóíêöèÿ ÌÎÄÀ.ÍÑÊ(Äèàïàçîí äàííûõ)
• ÑÊÎÑ(Äèàïàçîí äàííûõ) âîçâðàùàåò îöåíêó âûáîðî÷íîãî
êîýôôèöèåíòà àñèììåòðèè
n2 µ3
Â = · 3.
(n − 1)(n − 2) s̃
• ÝÊÑÖÅÑÑ(Äèàïàçîí äàííûõ) âîçâðàùàåò îöåíêó âûáîðî÷íî-
ãî êîýôôèöèåíò ýêñöåññà
n2 (n + 1) µ4 (n − 1)2
Ê = · 4 −3· .
(n − 1)(n − 2)(n − 3) s̃ (n − 2)(n − 3)
• ÊÂÀÐÒÈËÜ.ÂÊË(Ìàññèâ;×àñòü) âîçâðàùàåò êâàðòèëè ïîðÿä-
24
êà 0.25 Q1 (×àñòü ðàâíà 1), ïîðÿäêà 0.5 Q2 ìåäèàíó
(×àñòü ðàâíà 2), ïîðÿäêà 0.75 Q3 (×àñòü ðàâíà 3). Åñ-
ëè ×àñòü ïðèíèìàåò çíà÷åíèå ðàâíîå 0 èëè 4, òî ôóíêöèÿ
âîçâðàùàåò ìèíèìàëüíûé èëè ìàêñèìàëüíûé ýëåìåíò âû-
áîðêè ñîîòâåòñòâåííî.
• ÌÅÄÈÀÍÀ(Äèàïàçîí äàííûõ) âîçâðàùàåò ìåäèàíó.
• ÏÐÎÖÅÍÒÈËÜ.ÂÊË(Äèàïàçîí äàííûõ;k ) âîçâðàùàåò ïåðñåí-
òèëü ïîðÿäêà k .
Äëÿ áûñòðîãî ïîëó÷åíèÿ îïèñàòåëüíîé ñòàòèñòèêè ìîæíî âîñ-
ïîëüçîâàòüñÿ íàäñòðîéêîé Àíàëèç äàííûõ (ðèñ. 1.1) èç ðàçäåëà
ìåíþ Äàííûå, âûáðàâ èç ñïèñêà ïóíêò Îïèñàòåëüíàÿ ñòàòèñòèêà
(ðèñ. 1.2). Ñëåäóåò îòìåòèòü, ÷òî â ïîëÿõ Ñòàíäàðòíîå
îòêëîíåíèå è Äèñïåðñèÿ âûáîðêè ðàññ÷èòûâàþòñÿ âåëè÷èíû s̃
è s̃2 ñîîòâåòñòâåííî.
Ðèñ. 1.1. Îêíî íàäñòðîéêè Àíàëèç äàííûõ
Ðèñ. 1.2. Îêíî Îïèñàòåëüíàÿ ñòàòèñòèêà
25
Äëÿ ïîñòðîåíèÿ ãèñòîãðàììû ÷àñòîò ìîæíî âîñïîëüçîâàòü-
ñÿ ïóíêòîì Ãèñòîãðàììà (ðèñ. 1.3) íàäñòðîéêè Àíàëèç äàííûõ.
Ðèñ. 1.3. Îêíî Ãèñòîãðàììà
Ñ ïîìîùüþ ôóíêöèè ÄÎÂÅÐÈÒ.ÍÎÐÌ ìîæíî ïîñòðîèòü äî-

âåðèòåëüíûé èíòåðâàë ñ óðîâíåì äîâåðèÿ 1 − ε äëÿ ïàðàìåò-
ðà a ïðè èçâåñòíîé äèñïåðñèè âûáîðêè σ 2 = s2 îáúåìà n.
Ôóíêöèÿ ÄÎÂÅÐÈÒ.ÍÎÐÌ(ε;s;n) âîçâðàùàåò âåëè÷èíó u1− 2ε √σn .
Äîâåðèòåëüíûé èíòåðâàë ñ óðîâíåì äîâåðèÿ 1 − ε äëÿ ïàðà-
ìåòðà a ïðè íåèçâåñòíîé äèñïåðñèè âûáîðêè îáúåìà n ìîæ-
íî ïîñòðîèòü ñ ïîìîùüþ ôóíêöèè ÄÎÂÅÐÈÒ.ÑÒÜÞÄÅÍÒ. Ôóíêöèÿ
ÄÎÂÅÐÈÒ.ÑÒÜÞÄÅÍÒ(ε;s̃;n) âîçâðàùàåò âåëè÷èíó t1− 2ε ;n−1 √n−1
s
=
= t1− 2ε ;n−1 √s̃n .
Îòìåòèì ñòàòèñòè÷åñêèå ôóíêöèè, ïîçâîëÿþùèå âû÷èñ-
ëÿòü êâàíòèëè íåêîòîðûõ òèïîâ ðàñïðåäåëåíèé.
• Êâàíòèëü ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëå-
íèÿ uα óðîâíÿ α âû÷èñëÿåòñÿ ñ ïîìîùüþ ôóíê-
öèè ÍÎÐÌ.ÑÒ.ÎÁÐ(Âåðîÿòíîñòü), â êîòîðîé àðãóìåíò
Âåðîÿòíîñòü îïðåäåëÿåòñÿ âåëè÷èíîé α.
• Êâàíòèëü ðàñïðåäåëåíèÿ Ñòüþäåíòà tα,n óðîâíÿ
α c n ñòåïåíÿìè ñâîáîäû âîçâðàùàåòñÿ ôóíêöèåé
ÑÒÜÞÄÅÍÒ.ÎÁÐ(Âåðîÿòíîñòü;Ñòåïåíè ñâîáîäû), â êîòî-
ðîé àðãóìåíò Âåðîÿòíîñòü îïðåäåëÿåòñÿ âåëè÷èíîé α, à
Ñòåïåíè ñâîáîäû ÷èñëîì n.
• Êâàíòèëü χ2 -ðàñïðåäåëåíèÿ χ2α,n óðîâíÿ α c n ñòåïå-
íÿìè ñâîáîäû ìîæíî âû÷èñëèòü ïîñðåäñòâîì ôóíêöèè
ÕÈ2.ÎÁÐ(Âåðîÿòíîñòü;Ñòåïåíè ñâîáîäû), â êîòîðîé àðãó-
26
ìåíò Âåðîÿòíîñòü îïðåäåëÿåòñÿ âåëè÷èíîé α, à Ñòåïåíè
ñâîáîäû ÷èñëîì n.
• Êâàíòèëü ðàñïðåäåëåíèÿ Ôèøåðà Fα,n,m óðîâíÿ α c
n è m ñòåïåíÿìè ñâîáîäû âîçâðàùàåò ôóíêöèÿ F.ÎÁÐ
(Âåðîÿòíîñòü;Ñòåïåíè ñâîáîäû1;Ñòåïåíè ñâîáîäû2), â
êîòîðîé àðãóìåíò Âåðîÿòíîñòü îïðåäåëÿåòñÿ âåëè÷èíîé α,
à Ñòåïåíè ñâîáîäû1 è Ñòåïåíè ñâîáîäû2 ÷èñëàìè n è m
ñîîòâåòñòâåííî.
Äëÿ íîðìàëüíîãî, ñòàíäàðòíîãî íîðìàëüíîãî, ýêñïîíåíöè-
àëüíîãî ðàñïðåäåëåíèé, ðàñïðåäåëåíèÿ Ïóàññîíà, áèíîìèàëüíîãî
ðàñïðåäåëåíèÿ, ðàñïðåäåëåíèé Ñòüþäåíòà, Ôèøåðà è χ2 ìîæíî
âû÷èñëèòü çíà÷åíèå ôóíêöèè ðàñïðåäåëåíèÿ â òî÷êå X ñ èñïîëü-
çîâàíèåì ñëåäóþùèõ ñòàòèñòè÷åñêèõ ôóíêöèé, â êîòîðûõ ïàðà-
ìåòð Èíòåãðàëüíàÿ ðàâåí åäèíèöå:
• ÍÎÐÌ.ÐÀÑÏ(X;Ñðåäíåå;Ñòàíäàðòíîå îòêëîíåíèå;Èíòå-
ãðàëüíàÿ).
• ÍÎÐÌ.ÑÒ.ÐÀÑÏ(X;Èíòåãðàëüíàÿ).
• ÝÊÑÏ.ÐÀÑÏ(X;Ëÿìáäà;Èíòåãðàëüíàÿ).
• ÏÓÀÑÑÎÍ.ÐÀÑÏ(X;Ñðåäíåå;Èíòåãðàëüíàÿ).
• ÁÈÍÎÌ.ÐÀÑÏ(×èñëî óñïåõîâ;×èñëî èñïûòàíèé;
Âåðîÿòíîñòü óñïåõà;Èíòåãðàëüíàÿ).
• ÑÒÜÞÄÅÍÒ.ÐÀÑÏ(X;Ñòåïåíè ñâîáîäû;Èíòåãðàëüíàÿ).
• ÕÈ2.ÐÀÑÏ(X;Ñòåïåíè ñâîáîäû;Èíòåãðàëüíàÿ).
• F.ÐÀÑÏ(X;Ñòåïåíè ñâîáîäû1;Ñòåïåíè ñâîáîäû2;
Èíòåãðàëüíàÿ).
Äëÿ âû÷èñëåíèÿ ïëîòíîñòåé ðàñïðåäåëåíèé: íîðìàëüíîãî, ýêñ-
ïîíåíöèàëüíîãî, Ñòüþäåíòà, Ôèøåðà, χ2 â òî÷êå X íåîáõîäèìî â
êà÷åñòâå çíà÷åíèÿ ïàðàìåòðà Èíòåãðàëüíàÿ âûáðàòü íîëü.
1.5.2. Ñòàòèñòè÷åñêîå îöåíèâàíèå â R

Îñíîâíûå ôóíêöèè îïèñàòåëüíîé ñòàòèñòèêè â ïðîãðàììå R:
• mean âûáîðî÷íîå ñðåäíåå;
• var âûáîðî÷íàÿ äèñïåðñèÿ;
• sd âûáîðî÷íîå ñðåäíåêâàäðàòè÷åñêîå îòêëîíåíèå;
• median ìåäèàíà âûáîðêè;
• min ìèíèìàëüíûé ýëåìåíò âûáîðêè;
• max ìàêñèìàëüíûé ýëåìåíò âûáîðêè;
• length îáúåì âûáîðêè;
• hist ñîçäàåò ãèñòîãðàììó;
27
• boxplot èçîáðàæàåò äàííûå â âèäå ïðÿìîóãîëüíèêà, ãîðè-
çîíòàëüíûå ëèíèè íà ãðàôèêå ñîîòâåòñòâóþò ìèíèìàëüíî-
ìó ýëåìåíòó, ìàêñèìàëüíîìó ýëåìåíòó, êâàíòèëÿì óðîâíåé
0.25 è 0.75, è ìåäèàíå;
• summary âûâîäèò ìèíèìàëüíûé ýëåìåíò âûáîðêè, êâàíòèëü
óðîâíÿ 0.25, ìåäèàíó, âûáîðî÷íîå ñðåäíåå, êâàíòèëü óðîâíÿ
0.75, ìàêñèìàëüíûé ýëåìåíò.
Ïðèìåð 1.5.1. Äëÿ âûáîðêè x = {0.1, 0.2, 0.3, 0.15, 0, 1, 1.5, 1.3,
0.7, 0.9, 0.4, 0.7} âûâåñòè ìåäèàíó, âûáîðî÷íîå ñðåäíåå, ïîñòðîèòü
ãèñòîãðàììó è ¾ÿùèê ñ óñàìè¿.
x=c(0.1,0.2,0.3,0.15,0,1,1.5,1.3,0.7,0.9,0.4,0.7) ## ââîäèì äàí-

íûå
summary(x)
boxplot(x,main="Boxplot of sample x")## âûâîäèì ¾ÿùèê ñ óñàìè¿
hist(x)## âûâîäèì ãèñòîãðàììó
Ðåçóëüòàò ðàáîòû ôóíêöèè (ðèñ. 1.41.5):
Min. 1st Qu. Median Mean 3rd Qu. Max.

0.0000 0.1875 0.5500 0.6042 0.9250 1.5000
Ðèñ. 1.4. ¾ßùèê ñ óñàìè¿ â R
Äëÿ ìîäåëèðîâàíèÿ âûáîðêè îáúåìà n èç ãåíåðàëüíûõ ñîâî-

êóïíîñòåé ñ ÷àñòî âñòðå÷àåìûìè ðàñïðåäåëåíèÿìè èñïîëüçóþòñÿ
ñëåäóþùèå ôóíêöèè:
• rnorm(n,m,sd) íîðìàëüíîå ðàñïðåäåëåíèå ñ ïàðàìåòðà-
ìè m, sd2 ;
• rweibull(n,shape,scale) ðàñïðåäåëåíèå Âåéáóëëà ñ ïà-
ðàìåòðàìè shape, scale;
28
Ðèñ. 1.5. Ãèñòîãðàììà ÷àñòîò â R
• rpois(n,lambda) ðàñïðåäåëåíèå Ïóàññîíà ñ ïàðàìåòðîì

lambda;
• rgamma(n,shape,scale) ãàììà-ðàñïðåäåëåíèå ñ ïàðàìåò-
ðàìè shape, scale;
• rbinom(n,size,prob) áèíîìèàëüíîå ðàñïðåäåëåíèå ñ ïà-
ðàìåòðàìè size, prob;
• rchisq(n,df) χ2 -ðàñïðåäåëåíèå ñ df ñòåïåíÿìè ñâîáîäû;
• rexp(n,rate) ýêñïîíåíöèàëüíîå ðàñïðåäåëåíèå ñ ïàðà-
ìåòðîì rate;
• rf(n,df1,df2) ðàñïðåäåëåíèå Ôèøåðà ñ df1, df2 ñòåïå-
íÿìè ñâîáîäû;
• rt(n,df) ðàñïðåäåëåíèå Ñòüþäåíòà ñ df ñòåïåíÿìè ñâî-
áîäû.
Äëÿ âû÷èñëåíèÿ çíà÷åíèÿ ïëîòíîñòè ñîîòâåòñòâóþùåãî
ðàñïðåäåëåíèÿ íóæíî âìåñòî ïåðâîé áóêâû r â ôóíêöèÿõ, ïåðå-
÷èñëåííûõ âûøå, ïèñàòü áóêâó d. Íàïðèìåð, äëÿ âûâîäà çíà÷å-
íèÿ ïëîòíîñòè íîðìàëüíîãî ðàñïðåäåëåíèÿ ñ ïàðàìåòðàìè (0, 22 )
â òî÷êå x = 1, íåîáõîäèìî íàïèñàòü ôóíêöèþ dnorm(1,0,2),
êîòîðàÿ âûâåäåò çíà÷åíèå 0.1760327. Åñëè ââåñòè ôóíêöèþ
curve(dnorm(x,m=10,sd=2),from=0,to=20,main="Probability
density function N(10,4)"), òî ïðîãðàììà R âûâåäåò ãðàôèê
ôóíêöèè ïëîòíîñòè íîðìàëüíîãî ðàñïðåäåëåíèÿ ñ ïàðàìåòðàìè
(10, 22 ) ïðè x ∈ [0, 20] ñ ïîäïèñüþ ¾Probability density function
N(10,4)¿ (ðèñ. 1.6).
Äëÿ âû÷èñëåíèÿ çíà÷åíèÿ ôóíêöèè ñîîòâåòñòâóþùå-
ãî ðàñïðåäåëåíèÿ íóæíî âìåñòî ïåðâîé áóêâû r â ôóíê-
29
Ðèñ. 1.6. Ãðàôèê ôóíêöèè ïëîòíîñòè
íîðìàëüíîãî ðàñïðåäåëåíèÿ ñ ïàðàìåòðàìè (10, 4)
öèÿõ, ïåðå÷èñëåííûõ âûøå, ïèñàòü áóêâó p. Íàïðèìåð,

äëÿ âûâîäà çíà÷åíèÿ ôóíêöèè ðàñïðåäåëåíèÿ Ñòüþäåíòà
ñ ÷åòûðüìÿ ñòåïåíÿìè ñâîáîäû â òî÷êå x = 2, íåîáõî-
äèìî íàïèñàòü ôóíêöèþ pt(2,4), êîòîðàÿ âûâåäåò çíà-
÷åíèå 0.9419417. Åñëè æå, íàïðèìåð, ââåñòè ôóíêöèþ
curve(pnorm(x,m=10,sd=2),from=0,to=20,main="Cumulative
distribution function N(10,4)"), òî ïðîãðàììà R âûâåäåò
ãðàôèê ôóíêöèè íîðìàëüíîãî ðàñïðåäåëåíèÿ ñ ïàðàìåòðàìè
(10, 22 ) ïðè x ∈ [0, 20] ñ ïîäïèñüþ ¾Cumulative distribution
function N(10,4)¿ (ðèñ. 1.7).
Ðèñ. 1.7. Ãðàôèê ôóíêöèè íîðìàëüíîãî ðàñïðåäåëåíèÿ
ñ ïàðàìåòðàìè (10, 4)
30
Äëÿ âû÷èñëåíèÿ êâàíòèëåé óðîâíÿ α ñîîòâåòñòâóþùåãî
ðàñïðåäåëåíèÿ íóæíî âìåñòî ïåðâîé áóêâû r â ôóíêöèÿõ, ïåðå-
÷èñëåííûõ âûøå, ïèñàòü áóêâó q. Íàïðèìåð, äëÿ âûâîäà êâàí-
òèëè óðîâíÿ 0.95 áèíîìèàëüíîãî ðàñïðåäåëåíèÿ ñ ïàðàìåòðàìè
(50, 0.3), íåîáõîäèìî íàïèñàòü ôóíêöèþ qbinom(0.95,50,0.3),
êîòîðàÿ âûâåäåò çíà÷åíèå 20.
Äîïîëíèòåëüíóþ ñïðàâêó ïî âîçìîæíûì ôóíê-
öèÿì ïðîãðàììû R ìîæíî ïîëó÷èòü ïî àäðåñó:
https://www.r-project.org/.
31
Ãëàâà 2
Ñòàòèñòè÷åñêèå ãèïîòåçû
2.1. Îáùàÿ ñõåìà ïðîâåðêè ñòàòèñòè÷åñêèõ

ãèïîòåç
Îïðåäåëåíèå 2.1.1. Ñòàòèñòè÷åñêîé ãèïîòåçîé íàçûâàåòñÿ

ëþáîå ïðåäïîëîæåíèå î çàêîíå ðàñïðåäåëåíèÿ ãåíåðàëüíîé ñîâî-
êóïíîñòè.
Â äàëüíåéøåì ãèïîòåçó áóäåì îáîçíà÷àòü áóêâîé H . Âûäâè-
íóòóþ èçíà÷àëüíî ãèïîòåçó, ïîäëåæàùóþ ñòàòèñòè÷åñêîé ïðî-
âåðêå, íàçûâàþò íóëåâîé (îñíîâíîé) è îáîçíà÷àþò ÷åðåç H0 . Ãè-
ïîòåçó, àëüòåðíàòèâíóþ ê íóëåâîé, íàçûâàþò àëüòåðíàòèâíîé
(êîíêóðèðóþùåé) ãèïîòåçîé è îáû÷íî îáîçíà÷àþò ÷åðåç H1 .
Îïðåäåëåíèå 2.1.2. Ãèïîòåçà íàçûâàåòñÿ ïðîñòîé, åñëè â íåé
åäèíñòâåííûì îáðàçîì îïðåäåëÿåòñÿ çàêîí ðàñïðåäåëåíèÿ ãåíå-
ðàëüíîé ñîâîêóïíîñòè. Â ïðîòèâíîì ñëó÷àå ãèïîòåçà íàçûâàåòñÿ
ñëîæíîé.
Íàïðèìåð, ãèïîòåçà òèïà: ¾ãåíåðàëüíàÿ ñîâîêóïíîñòü ïîä-
÷èíÿåòñÿ íîðìàëüíîìó çàêîíó ðàñïðåäåëåíèÿ ñ ïàðàìåòðàìè
(0, 1)¿ ÿâëÿåòñÿ ïðîñòîé, à ãèïîòåçà: ¾ðàñïðåäåëåíèå ãåíåðàëüíîé
ñîâîêóïíîñòè íîðìàëüíîå¿ ÿâëÿåòñÿ ñëîæíîé, ïîñêîëüêó îïðåäå-
ëÿåò âèä ðàñïðåäåëåíèÿ ãåíåðàëüíîé ñîâîêóïíîñòè ñ òî÷íîñòüþ
äî çíà÷åíèé ïàðàìåòðîâ.
Îïðåäåëåíèå 2.1.3. Ñòàòèñòè÷åñêèé êðèòåðèé ýòî ìåòîä
ñòàòèñòè÷åñêîãî ñîïîñòàâëåíèÿ âûñêàçàííîé íóëåâîé ãèïîòåçû ñ
èìåþùèìèñÿ âûáîðî÷íûìè äàííûìè X[n] = {x1 , . . . , xn }, ñîïðî-
âîæäàåìûé êîëè÷åñòâåííîé îöåíêîé äîñòîâåðíîñòè ïîëó÷àåìîãî
âûâîäà.
32
Îïðåäåëåíèå 2.1.4. Ñòàòèñòèêà êðèòåðèÿ γ(X[n] ) èçìåðè-
ìàÿ ôóíêöèÿ îò âûáîðî÷íûõ äàííûõ, íà îñíîâàíèè ÷èñëåííîãî
çíà÷åíèÿ êîòîðîé ïðèíèìàåòñÿ ðåøåíèå îá îòêëîíåíèè èëè ïðè-
íÿòèè íóëåâîé ãèïîòåçû.
Åñëè çíà÷åíèå ñòàòèñòèêè γ(X[n] ) ïîïàäàåò â êðèòè÷åñêóþ

îáëàñòü, òî íóëåâàÿ ãèïîòåçà H0 îòâåðãàåòñÿ (ñîîòâåòñòâåííî,
ïðèíèìàåòñÿ àëüòåðíàòèâíàÿ ãèïîòåçà H1 ). Åñëè çíà÷åíèå ñòà-
òèñòèêè γ(X[n] ) íå ïîïàäàåò â êðèòè÷åñêóþ îáëàñòü, òî íåò îñ-
íîâàíèé îòâåðãíóòü íóëåâóþ ãèïîòåçó.
Êàê ïðàâèëî, ñòàòèñòèêó γ(X[n] ) âûáèðàþò òàêèì îáðàçîì,
÷òîáû åå ðàñïðåäåëåíèå ïðè ñïðàâåäëèâîñòè íóëåâîé ãèïîòåçû
H0 è ïðè ñïðàâåäëèâîñòè àëüòåðíàòèâíîé ãèïîòåçû H1 êàê ìîæ-
íî áîëåå ñèëüíî ðàçëè÷àëîñü.
Ïðè ïðîâåðêå ñòàòèñòè÷åñêèõ ãèïîòåç âîçìîæíû îøèáî÷-
íûå âûâîäû äâóõ òèïîâ:
• îòêëîíåíèå íóëåâîé ãèïîòåçû H0 , êîãäà íà ñàìîì äåëå îíà
âåðíà îøèáêà ïåðâîãî ðîäà,
• ïðèíÿòèå íóëåâîé ãèïîòåçû H0 , åñëè íà ñàìîì äåëå îíà
íåâåðíà îøèáêà âòîðîãî ðîäà.
Âåðîÿòíîñòü îøèáêè ïåðâîãî ðîäà áóäåì îáîçíà÷àòü ÷åðåç
α, âåðîÿòíîñòü îøèáêè âòîðîãî ðîäà áóäåì îáîçíà÷àòü ÷åðåç β .
Ìîùíîñòü êðèòåðèÿ µ = 1 − β ïðåäñòàâëÿåò ñîáîé âåðîÿòíîñòü
îòêëîíåíèÿ íóëåâîé ãèïîòåçû H0 , êîãäà âåðíà àëüòåðíàòèâíàÿ
ãèïîòåçà H1 . Âåðîÿòíîñòü îøèáêè ïåðâîãî ðîäà áóäåì òàêæå íà-
çûâàòü óðîâíåì çíà÷èìîñòè ñòàòèñòè÷åñêîãî êðèòåðèÿ.
Ïîñëåäîâàòåëüíîñòü ïðîâåðêè ëþáîé ñòàòèñòè÷åñêîé ãèïî-
òåçû ñëåäóþùàÿ:
1. Âûäâèãàåòñÿ íóëåâàÿ ãèïîòåçà H0 è àëüòåðíàòèâíàÿ ãèïî-
òåçà H1 . Çàäàåòñÿ óðîâåíü çíà÷èìîñòè êðèòåðèÿ α. Îáû÷íî
α âûáèðàåòñÿ ðàâíûì 0.001; 0.01 èëè 0.05.
2. Âûáèðàåòñÿ ñòàòèñòèêà êðèòåðèÿ γ(X[n] ) òàê, ÷òî ïðè óñëî-
âèè ñïðàâåäëèâîñòè ãèïîòåçû H0 ñòàòèñòèêà γ(X[n] ) ïîä÷è-
íÿåòñÿ íåêîòîðîìó èçâåñòíîìó çàêîíó ðàñïðåäåëåíèÿ âåðî-
ÿòíîñòåé.
3. Îïðåäåëÿåòñÿ êðèòè÷åñêàÿ îáëàñòü. Â êà÷åñòâå êðèòè÷å-
ñêîé îáëàñòè äëÿ ãèïîòåçû H0 âûáèðàåòñÿ òàêàÿ îáëàñòü
âîçìîæíûõ çíà÷åíèé ñòàòèñòèêè γ(X[n] ), ïîïàäàíèå â êî-
òîðóþ ïðè óñëîâèè ñïðàâåäëèâîñòè ãèïîòåçû H0 âûãëÿäèò
ìàëîâåðîÿòíûì ïî ñðàâíåíèþ ñ âîçìîæíîñòüþ ïîïàäàíèÿ
33
ñòàòèñòèêè γ(X[n] ) â óêàçàííóþ îáëàñòü ïðè óñëîâèè ñïðà-
âåäëèâîñòè ãèïîòåçû H1 .
Êðèòè÷åñêàÿ îáëàñòü ìîæåò ñîñòîÿòü èç îäíîãî èíòåðâàëà,
êàê ïðàâèëî, ñëåäóþùåãî âèäà: (−∞, zα ) èëè (z1−α , ∞), ãäå
zα è z1−α êâàíòèëè óðîâíåé α è 1 − α çàêîíà ðàñïðåäå-
ëåíèÿ, êîòîðîìó äîëæíà ïîä÷èíÿòüñÿ (âîçìîæíî, àñèìïòî-
òè÷åñêè) ñòàòèñòèêà γ(X[n] ).
Êðèòè÷åñêàÿ îáëàñòü ìîæåò ñîñòîÿòü èç äâóõ èíòåðâàëîâ:
(−∞, z α2 ) è (z1− α2 , ∞), ãäå z α2 è z1− α2 êâàíòèëè óðîâíåé
2 è 1 − 2 ñîîòâåòñòâóþùåãî çàêîíà ðàñïðåäåëåíèÿ, êîòîðî-
α α
ìó äîëæíà ïîä÷èíÿòüñÿ (âîçìîæíî, àñèìïòîòè÷åñêè) ñòà-

òèñòèêà γ(X[n] ).
4. Äåëàåòñÿ âûâîä î ïðèíÿòèè èëè îòêëîíåíèè íóëåâîé ãèïî-
òåçû. Ïîïàäàíèå ÷èñëåííîãî çíà÷åíèÿ ñòàòèñòèêè γ(X[n] ) â
êðèòè÷åñêóþ îáëàñòü ãîâîðèò î ïðîòèâîðå÷èè èìåþùèõñÿ
âûáîðî÷íûõ äàííûõ è íóëåâîé ãèïîòåçû, ïîýòîìó â ýòîì
ñëó÷àå ãèïîòåçà H0 îòêëîíÿåòñÿ (ñ âåðîÿòíîñòüþ îøèáêè
α), è ïðèíèìàåòñÿ àëüòåðíàòèâíàÿ ãèïîòåçà H1 . Åñëè ÷èñ-
ëåííîå çíà÷åíèå ñòàòèñòèêè γ(X[n] ) íå ïîïàäàåò â êðèòè÷å-
ñêóþ îáëàñòü, òî íåò îñíîâàíèé îòâåðãíóòü íóëåâóþ ãèïî-
òåçó.
2.2. Êðèòåðèè ñîãëàñèÿ äëÿ ïðîñòûõ

è ñëîæíûõ ãèïîòåç
2.2.1. Êðèòåðèé ñîãëàñèÿ Ïèðñîíà χ 2
Îäèí èç òèïîâ ñòàòèñòè÷åñêèõ ãèïîòåç ãèïîòåçû ñîãëàñèÿ. Ìå-

òîäû ïðîâåðêè ýòèõ ãèïîòåç íàçûâàþòñÿ êðèòåðèÿìè ñîãëàñèÿ.
Êðèòåðèè ñîãëàñèÿ ïðîâåðÿþò ïðåäïîëîæåíèÿ î òîì, ÷òî èññëå-
äóåìàÿ ãåíåðàëüíàÿ ñîâîêóïíîñòü ïîä÷èíÿåòñÿ íåêîòîðîìó ïðåä-
ïîëàãàåìîìó çàêîíó ðàñïðåäåëåíèÿ.
Ïóñòü çàäàíà ãåíåðàëüíàÿ ñîâîêóïíîñòü ξ , ôóíêöèÿ ðàñ-
ïðåäåëåíèÿ êîòîðîé ðàâíà Fξ (x), è èìååòñÿ âûáîðêà X[n] =
= {x1 , . . . , xn }.
Àëãîðèòì êðèòåðèÿ χ2 :
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : Fξ (·) = F0 (·), ïðåäïîëà-
ãàÿ, ÷òî F0 (·) ïîëíîñòüþ èçâåñòíà. Ýòî ãèïîòåçà ñîãëàñèÿ.
Î÷åâèäíî, ÷òî äàííàÿ ãèïîòåçà ïðîñòàÿ. Ñôîðìóëèðóåì
àëüòåðíàòèâíóþ ãèïîòåçó: H1 : Fξ (·) 6= F0 (·).
34
2. Çàäàåì óðîâåíü çíà÷èìîñòè êðèòåðèÿ α.
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè γχ2 (X[n] ). Äëÿ ýòîãî:
(a) ×èñëîâóþ îñü òî÷êàìè a1 = −∞, a2 , . . ., ar+1 = +∞
ðàçáèâàåì íà r ïðîìåæóòêîâ ∆i = (ai ; ai+1 ], i =
= 1, . . . , r.
(b) Ïî èçâåñòíîé ôóíêöèè F0 (·) âû÷èñëÿåì âåðîÿòíîñòè
(0)
pi = F0 (ai+1 ) − F0 (ai ).
(c) Íàõîäèì ÷èñëà ni , ðàâíûå êîëè÷åñòâó ýëåìåíòîâ âû-
áîðêè X[n] , ïîïàâøèõ â ïðîìåæóòîê ∆i , i = 1, . . . , r.
(d) Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè γχ2 (X[n] ) ïî ôîðìóëå
2
(0)
r
X ni − npi
γχ2 (X[n] ) = (0)
. (2.2.1)
i=1 npi
Åñëè ñïðàâåäëèâà íóëåâàÿ ãèïîòåçà, òî ñòàòèñòèêà

êðèòåðèÿ àñèìïòîòè÷åñêè ðàñïðåäåëåíà ïî çàêîíó χ2
ñ r − 1 ñòåïåíÿìè ñâîáîäû. Èñõîäÿ èç ýòîãî, áóäåò âû-
áèðàòüñÿ êðèòè÷åñêàÿ îáëàñòü.
4. Êðèòè÷åñêàÿ îáëàñòü îïðåäåëÿåòñÿ èíòåðâàëîì
(χ21−α,r−1 ; ∞), ãäå χ21−α,r−1 êâàíòèëü óðîâíÿ 1 − α
ðàñïðåäåëåíèÿ χ2 ñ r − 1 ñòåïåíÿìè ñâîáîäû. Åñëè çíà÷åíèå
ñòàòèñòèêè γχ2 (X[n] ) ïîïàäàåò â ýòó îáëàñòü, òî ãèïî-
òåçà H0 îòâåðãàåòñÿ, â ïðîòèâíîì ñëó÷àå íåò îñíîâàíèé
îòâåðãíóòü íóëåâóþ ãèïîòåçó ïðè óðîâíå çíà÷èìîñòè
ïðèáëèæåííî ðàâíîì α.
Â ñëó÷àå ñëîæíîé íóëåâîé ãèïîòåçû H0 : Fξ (·) = F0 (·, θ),

ò. å. êîãäà ïðåäïîëàãàåìàÿ ôóíêöèÿ ðàñïðåäåëåíèÿ îïðåäåëåíà
ñ òî÷íîñòüþ äî çíà÷åíèé ïàðàìåòðîâ, ïåðåä ïðîâåðêîé ãèïîòåçû
íåîáõîäèìî íàéòè îöåíêè íåèçâåñòíûõ ïàðàìåòðîâ ðàñïðåäåëå-
(0) (0)
íèÿ. Âåðîÿòíîñòè pi = pi (θ), i = 1, . . . , r, çàâèñÿò îò íåèç-
âåñòíûõ ïàðàìåòðîâ. Ïî òåîðåìå Ôèøåðà [31, 47], åñëè ôóíêöèè
(0)
pi (θ) ¾ãëàäêî¿ çàâèñÿò îò íåèçâåñòíûõ ïàðàìåòðîâ, è âûïîëíå-
íû óñëîâèÿ Êðàìåðà, òî ïðè íàõîæäåíèè îöåíîê θ̂ = (θ̂1 , . . . , θ̂` )
íåèçâåñòíûõ ïàðàìåòðîâ θ = (θ1 , . . . , θ` ) ïî ìåòîäó ìàêñèìàëü-
íîãî ïðàâäîïîäîáèÿ ïî âûáîðêå ÷àñòîò n1 , . . . , nr äëÿ ïîëèíîìè-
(0)
àëüíîãî ðàñïðåäåëåíèÿ ñ âåðîÿòíîñòÿìè pi (θ), i = 1, . . . , r, èëè
35
ïðè íàõîæäåíèè îöåíîê θ̂ ïî ìåòîäó ìèíèìóìà χ2 , ñòàòèñòèêà
2
(0)
Xr ni − npi (θ̂)
(0)
i=1 npi (θ̂)
ïðè âûïîëíåíèè ãèïîòåçû H0 àñèìïòîòè÷åñêè ðàñïðåäåëåíà ïî
çàêîíó χ2 ñ (r − ` − 1) ñòåïåíÿìè ñâîáîäû, ãäå ` êîëè÷åñòâî
îöåíèâàåìûõ ïî âûáîðêå ïàðàìåòðîâ.
2.2.2. Êðèòåðèé ñîãëàñèÿ Êîëìîãîðîâà

Êðèòåðèé ñîãëàñèÿ Êîëìîãîðîâà èñïîëüçóåòñÿ äëÿ òîãî, ÷òîáû
ïî èìåþùèìñÿ âûáîðî÷íûì äàííûì ïðîâåðèòü, ïîä÷èíÿåòñÿ ëè
ðàñïðåäåëåíèå èññëåäóåìîé ãåíåðàëüíîé ñîâîêóïíîñòè ïðåäïîëà-
ãàåìîìó çàêîíó. Ïðåäïîëàãàåòñÿ, ÷òî ôóíêöèÿ ðàñïðåäåëåíèÿ ãå-
íåðàëüíîé ñîâîêóïíîñòè íåïðåðûâíà íà ÷èñëîâîé îñè.
Ïóñòü çàäàíà ãåíåðàëüíàÿ ñîâîêóïíîñòü ξ , ôóíêöèÿ ðàñ-
ïðåäåëåíèÿ êîòîðîé ðàâíà Fξ (x), è èìååòñÿ âûáîðêà X[n] =
= {x1 , . . . , xn }.
Àëãîðèòì êðèòåðèÿ ñîãëàñèÿ Êîëìîãîðîâà â ñëó÷àå ïðî-
ñòîé ãèïîòåçû:
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : Fξ (·) = F0 (·), ïðè ýòîì
ïðåäïîëàãàåòñÿ, ÷òî F0 (x) ïîëíîñòüþ èçâåñòíà è ïðåäñòàâ-
ëÿåò ñîáîé íåïðåðûâíóþ ôóíêöèþ. Ñôîðìóëèðóåì àëüòåð-
íàòèâíóþ ãèïîòåçó H1 : Fξ (·) 6= F0 (·).
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè êðèòåðèÿ. Äëÿ ýòîãî:
(a) Ïî âûáîðêå X[n] ñòðîèì ýìïèðè÷åñêóþ ôóíêöèþ ðàñ-
ïðåäåëåíèÿ Fn (x). Åñëè ýëåìåíòû âûáîðêè îáðàçóþò
âàðèàöèîííûé ðÿä x(1) 6 x(2) 6 . . . 6 x(n) , òî ôóíêöèÿ
Fn (x) îïðåäåëÿåòñÿ ïî ôîðìóëå (1.1.1).
(b) Îïðåäåëÿåì ñòàòèñòèêó êðèòåðèÿ ïî ôîðìóëå
Dn∗ = sup |Fn (x) − F0 (x)|.
|x|<∞
Äëÿ ïðàêòè÷åñêîãî âû÷èñëåíèÿ ýòîé ñòàòèñòèêè â ñëó-

÷àå, êîãäà âñå ýëåìåíòû âûáîðêè ðàçëè÷íû, ïîëåçíà
ôîðìóëà, ýêâèâàëåíòíàÿ ïðåäûäóùåé:

i i−1
Dn∗ = max − F0 (x(i) ), F0 (x(i) ) − . (2.2.2)
16i6n n n
36
4. Ïðè óñëîâèè ñïðàâåäëèâîñòè
√ ãèïîòåçû H0 è ïðè n → ∞
ñëó÷àéíàÿ âåëè÷èíà nDn∗ àñèìïòîòè÷åñêè ïîä÷èíÿåòñÿ
ðàñïðåäåëåíèþ Êîëìîãîðîâà ñ ôóíêöèåé ðàñïðåäåëåíèÿ
∞
X 2 2
K(x) = lim P nDn∗ 6 x = 1 + 2 (−1)m e−2m x .
√
n→∞
m=1
(2.2.3)
Êðèòè÷åñêàÿ îáëàñòü áóäåò èìåòü âèä: (k1−α ; ∞), ãäå k1−α
êâàíòèëü óðîâíÿ 1 − α ðàñïðåäåëåíèÿ Êîëìîãîðîâà ñ
ôóíêöèåé ðàñïðåäåëåíèÿ (2.2.3). Òî÷êà k1−α îïðåäåëÿåòñÿ
èç óðàâíåíèÿ K(k1−α ) = 1 − α. Òàáëèöó çíà÷åíèé ôóíêöèè
ðàñïðåäåëåíèÿ Êîëìîãîðîâà ìîæíî íàéòè√ â Ïðèëîæåíèè.
5. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè nDn∗ ïîïàäåò â èí-
òåðâàë (k1−α ; ∞), òî íóëåâàÿ ãèïîòåçà H0 îòâåðãàåòñÿ, â
ïðîòèâíîì ñëó÷àå íåò îñíîâàíèé îòâåðãíóòü ãèïîòåçó H0
ïðè óðîâíå çíà÷èìîñòè ïðèáëèæåííî ðàâíîì α.
2.2.3. Êðèòåðèé ñîãëàñèÿ ω 2
Ïóñòü çàäàíà ãåíåðàëüíàÿ ñîâîêóïíîñòü ξ ñ ôóíêöèåé ðàñïðå-

äåëåíèÿ Fξ è âûáîðêà X[n] = {x1 , . . . , xn } èç ýòîé ãåíåðàëüíîé
ñîâîêóïíîñòè.
Àëãîðèòì êðèòåðèÿ ω 2 â ñëó÷àå ïðîñòîé ãèïîòåçû:
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : Fξ (·) = F0 (·). Ñôîðìóëè-
ðóåì àëüòåðíàòèâíóþ ãèïîòåçó H1 : Fξ (·) 6= F0 (·). Äîïîëíè-
òåëüíî íàëîæèì îãðàíè÷åíèå: ôóíêöèÿ F0 (x) íåïðåðûâíà
íà R.
3. Ñòàòèñòèêà êðèòåðèÿ èìååò âèä:
Z∞
2
ωn2 = [Fn (x) − F0 (x)] dF0 (x). (2.2.4)
−∞
Äëÿ âû÷èñëåíèÿ çíà÷åíèÿ ñòàòèñòèêè (2.2.4) ïî ðåàëüíîé

âûáîðêå ìîæíî èñïîëüçîâàòü ôîðìóëó
n 2
1 X 2i − 1
ωn2 = + F0 (xi ) − . (2.2.5)
12n i=1 2n
4. Ïðè ñïðàâåäëèâîñòè ãèïîòåçû H0 è íåïðåðûâíîñòè ôóíê-

öèè F0 (x) ðàñïðåäåëåíèå ñòàòèñòèêè ωn2 çàâèñèò òîëüêî îò
37
n è íå çàâèñèò îò F0 (x). Ïðè ìàëûõ n èìåþòñÿ òàáëèöû
ïðîöåíòíûõ òî÷åê, à äëÿ áîëüøèõ çíà÷åíèé n ñëåäóåò èñ-
ïîëüçîâàòü ïðåäåëüíîå (ïðè n → ∞) ðàñïðåäåëåíèå ñòà-
òèñòèêè ωn2 . Äëÿ íåãî ñîñòàâëåíû ïîäðîáíûå òàáëèöû è
âû÷èñëèòåëüíûå ïðîãðàììû. Âàæíîå ñ òåîðåòè÷åñêîé òî÷-
êè çðåíèÿ ñâîéñòâî êðèòåðèåâ, îñíîâàííûõ íà Dn è ωn2 :
îíè ñîñòîÿòåëüíû ïðîòèâ ëþáîé àëüòåðíàòèâíîé ãèïîòåçû
Fξ (·) 6= F0 (·).
Ñòàòèñòè÷åñêèé êðèòåðèé äëÿ ïðîâåðêè ãèïîòåçû H0 íàçû-
âàþò ñîñòîÿòåëüíûì ïðîòèâ àëüòåðíàòèâíîé ãèïîòåçû H1 , åñëè
âåðîÿòíîñòü ñ åãî ïîìîùüþ îòâåðãíóòü H0 , êîãäà íà ñàìîì äåëå
âåðíà H1 , ñòðåìèòñÿ ê 1 ïðè íåîãðàíè÷åííîì óâåëè÷åíèè îáúåìà
íàáëþäåíèé.
Íåîáõîäèìî îòìåòèòü, ÷òî êðèòåðèé ω 2 è êðèòåðèé Êîëìî-
ãîðîâà ïîäñ÷èòûâàþòñÿ ïî íåãðóïïèðîâàííûì âûáîðêàì (â îòëè-
÷èå îò êðèòåðèÿ χ2 ). Ñóùåñòâóþò ìîäèôèêàöèè êðèòåðèåâ òèïà
ω 2 äëÿ ãðóïïèðîâàííûõ äàííûõ, íî ãðóïïèðîâêà ïðèâîäèò ê ïî-
òåðå ìîùíîñòè êðèòåðèÿ.
2.2.4. Êðèòåðèè ñîãëàñèÿ Êîëìîãîðîâà è ω äëÿ 2
ñëîæíûõ ãèïîòåç
Ïóñòü èìååòñÿ âûáîðêà X[n] = {x1 , . . . , xn } èç ãåíåðàëüíîé ñîâî-
êóïíîñòè ξ ñ ôóíêöèåé ðàñïðåäåëåíèÿ Fξ (x, θ), ãäå θ íåèçâåñò-
íûé ïàðàìåòð, êîòîðûé ìîæåò áûòü âåêòîðîì. Èñïîëüçóÿ ìåòîä
ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ, íàéäåì îöåíêó θ̂ íåèçâåñòíîãî ïà-
ðàìåòðà θ.
Òîãäà äëÿ ïðîâåðêè ñëîæíûõ ãèïîòåç ñîãëàñèÿ H0 : Fξ (·) =
= F0 (·, θ) èñïîëüçóþòñÿ ìîäèôèöèðîâàííûå ñòàòèñòèêè. Ìîäè-
ôèöèðîâàííàÿ ñòàòèñòèêà Êîëìîãîðîâà èìååò âèä:
D̂n∗ = sup |Fn (x) − F0 (x, θ̂)|.
x
Àíàëîãè÷íî, ìîäèôèöèðîâàííàÿ ñòàòèñòèêà äëÿ êðèòåðèÿ ω 2

îïðåäåëÿåòñÿ ñëåäóþùèì îáðàçîì:
Z∞
ω̂n2 = [Fn (x) − F0 (x, θ̂)]2 dF0 (x, θ̂).
−∞
Ñâîéñòâà ñòàòèñòèê D̂n∗ è ω̂n2 âî

√ ìíîãîì√ïîâòîðÿþò ñâîéñòâà
ñòàòèñòèê Dn∗ è ωn2 . Â ÷àñòíîñòè, nD̂n∗ è nω̂n2 íåîãðàíè÷åííî
38
âîçðàñòàþò, åñëè ïðîâåðÿåìàÿ ãèïîòåçà íåâåðíà. Íî âàæíî îò-
ìåòèòü, ÷òî ñòàòèñòèêà D̂n∗ ðàñïðåäåëåíà èíà÷å, ÷åì Dn∗ , à ñòà-
òèñòèêà ω̂n2 èíà÷å, ÷åì ωn2 . Ïðè÷èíà â òîì, ÷òî èç-çà ïîäáîðà
ïàðàìåòðà θ̂ ïî âûáîðêå X[n] ôóíêöèè Fn (x) è F0 (x, θ̂) îêàçûâà-
þòñÿ ¾áëèæå¿ äðóã ê äðóãó, ÷åì Fn (x) è F0 (x).
Ïîñêîëüêó ñòàòèñòèêè D̂n∗ è ω̂n2 ïðè ñïðàâåäëèâîñòè íóëåâîé
ãèïîòåçû èìåþò èíûå ðàñïðåäåëåíèÿ, ÷åì ñòàòèñòèêè Dn è ωn2 ,
òî äëÿ èõ ïðèìåíåíèÿ íåîáõîäèìû íîâûå òàáëèöû ðàñïðåäåëå-
íèé èëè òàáëèöû êâàíòèëåé. Ê ñîæàëåíèþ, ìîäèôèöèðîâàííûå
ñòàòèñòèêè D̂n∗ è ω̂n2 íå îáëàäàþò ñâîéñòâîì ¾ñâîáîäû îò ðàñïðå-
äåëåíèÿ âûáîðêè¿, êàê è èõ ïðîòîòèïû, ïîýòîìó äëÿ êàæäîãî
ïàðàìåòðè÷åñêîãî ñåìåéñòâà ðàñïðåäåëåíèé íóæíû ñâîè òàáëè-
öû. Òàáëèöû ðàñïðåäåëåíèé ñòàòèñòèê D̂n∗ è ω̂n2 ê íàñòîÿùåìó
ìîìåíòó ñîñòàâëåíû äëÿ ìíîãèõ ñåìåéñòâ [20]. Áîëüøèíñòâî èç
íèõ ðàññ÷èòàíû ìåòîäîì Ìîíòå-Êàðëî.
Íà÷èíàÿ ñ n = 5 ìîæíî èñïîëüçîâàòü èñïðàâëåííûå ôîð-
ìû ìîäèôèöèðîâàííûõ ñòàòèñòèê D̂n∗ è ω̂n2 . Â òàáëèöàõ 2.12.2
ïðèâåäåíû êâàíòèëè óðîâíÿ 1 − α äëÿ α = 0.15, 0.10, 0.05, 0.025
è 0.01, èñïîëüçóåìûå ïðè ïðîâåðêå ãèïîòåç î íîðìàëüíîì è ýêñ-
ïîíåíöèàëüíîì ðàñïðåäåëåíèè ãåíåðàëüíîé ñîâîêóïíîñòè, êîãäà
âñå ïàðàìåòðû ýòèõ ðàñïðåäåëåíèé îöåíèâàþòñÿ ïî âûáîðêå.
Òàáë. 2.1. Êâàíòèëè óðîâíÿ 1−α äëÿ ïðîâåðêè íîðìàëüíîñòè
Ìîäèôèöèðîâàííàÿ ôîðìà 0.15 0.10 0.05 0.025 0.01

√
Dn∗ n − 0.01 + 0.85
√
n
0.775 0.819 0.895 0.955 1.035
ωn2 (1 + 0.5/n) 0.091 0.104 0.126 0.148 0.178
Òàáë. 2.2. Êâàíòèëè óðîâíÿ 1−α äëÿ ïðîâåðêè ýêñïîíåíöèàëüíîñòè
Ìîäèôèöèðîâàííàÿ ôîðìà 0.15 0.10 0.05 0.025 0.01

√
Dn∗ − 0.2
n
n + 0.26 + 0.5
√
n
0.926 0.990 1.094 1.190 1.308
ωn2 (1 + 0.16/n) 0.149 0.177 0.224 0.273 0.337
Àëãîðèòì êðèòåðèÿ ñîãëàñèÿ Êîëìîãîðîâà â ñëó÷àå ñëîæ-

íîé ãèïîòåçû î íîðìàëüíîñòè ðàñïðåäåëåíèÿ ãåíåðàëüíîé ñîâî-
êóïíîñòè
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : Fξ (·) = F0 (·, θ). Ñôîðìó-
ëèðóåì àëüòåðíàòèâíóþ ãèïîòåçó H1 : Fξ (·) 6= F0 (·, θ).
39
3. Íàõîäèì îöåíêè θ̂ = (x̄, s2 ) íåèçâåñòíûõ ïàðàìåòðîâ ðàñ-
ïðåäåëåíèÿ θ = (a, σ 2 ).
4. Âû÷èñëÿåì çíà÷åíèå èñïðàâëåííîé ôîðìû ñòàòèñòèêè D̃n∗
ñëåäóþùèì îáðàçîì:
ïðåäåëåíèÿ Fn (x) ïî ôîðìóëå (1.1.1).
(b) Îïðåäåëÿåì Dn∗ ïî ôîðìóëå (2.2.2).
(c) Âû÷èñëÿåì çíà÷åíèå èñïðàâëåííîé ôîðìû ìîäèôèöè-
ðîâàííîé ñòàòèñòèêè Êîëìîãîðîâà ïî ôîðìóëå
√

0.85
D̂n∗ = Dn∗ n − 0.01 + √ .
n
5. Íàõîäèì êðèòè÷åñêóþ îáëàñòü èíòåðâàë (d1−α ; ∞).

Êâàíòèëü d1−α ìîæíî íàéòè èç òàáëèöû 2.1.
6. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè D̂n∗ ïîïàäåò â èíòåð-
âàë (d1−α ; ∞), òî íóëåâàÿ ãèïîòåçà H0 îòâåðãàåòñÿ, â ïðî-
òèâíîì ñëó÷àå íåò îñíîâàíèé îòâåðãíóòü íóëåâóþ ãèïîòåçó
ïðè óðîâíå çíà÷èìîñòè ïðèáëèæåííî ðàâíîì α.
Àëãîðèòì êðèòåðèÿ ñîãëàñèÿ Êîëìîãîðîâà â ñëó÷àå ñëîæ-
íîé ãèïîòåçû îá ýêñïîíåíöèàëüíîñòè ðàñïðåäåëåíèÿ ãåíåðàëüíîé
ñîâîêóïíîñòè òàêîé æå, êàê è â ñëó÷àå ïðîâåðêè ñëîæíîé ãè-
ïîòåçû î íîðìàëüíîñòè ðàñïðåäåëåíèÿ, íî èñïðàâëåííàÿ ôîðìà
ìîäèôèöèðîâàííîé ñòàòèñòèêè Êîëìîãîðîâà áóäåò ñëåäóþùåé:
√
∗
Dn − n 0.2
n + 0.26 + n , è êâàíòèëè ýòîé ñòàòèñòèêè ìîæ-
0.5
√
íî íàéòè â òàáëèöå 2.2.

Àëãîðèòì êðèòåðèÿ ω 2 â ñëó÷àå ñëîæíîé ãèïîòåçû î íîð-
ìàëüíîñòè ðàñïðåäåëåíèÿ ãåíåðàëüíîé ñîâîêóïíîñòè
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : Fξ (·) = F0 (·, θ). Ñôîðìó-
ëèðóåì àëüòåðíàòèâíóþ ãèïîòåçó H1 : Fξ (·) 6= F0 (·, θ).
3. Íàõîäèì îöåíêè θ̂ = (x, s2 ) íåèçâåñòíûõ ïàðàìåòðîâ ðàñ-
ïðåäåëåíèÿ θ = (a, σ 2 ).
4. Âû÷èñëÿåì çíà÷åíèå èñïðàâëåííîé ôîðìû ñòàòèñòèêè ω̂n2
ñëåäóþùèì îáðàçîì:
ïðåäåëåíèÿ Fn (x) ïî ôîðìóëå (1.1.1).
(b) Îïðåäåëÿåì ωn2 ïî ôîðìóëå (2.2.5).
(c) Âû÷èñëÿåì çíà÷åíèå èñïðàâëåííîé ôîðìû ìîäèôèöè-
40
ðîâàííîé ñòàòèñòèêè îìåãà-êâàäðàò ïî ôîðìóëå

2 2 0.5
ω̂n = ωn 1 + .
n
5. Íàõîäèì êðèòè÷åñêóþ îáëàñòü èíòåðâàë (w1−α ; ∞), ãäå
w1−α êâàíòèëü óðîâíÿ 1−α. Êâàíòèëü w1−α ìîæíî íàéòè
èç òàáëèöû 2.1.
6. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè ω̂n2 ïîïàäåò â èíòåðâàë
(w1−α ; ∞), òî íóëåâàÿ ãèïîòåçà H0 îòâåðãàåòñÿ, â ïðîòèâ-
íîì ñëó÷àå íåò îñíîâàíèé åå îòâåðãíóòü ïðè óðîâíå çíà÷è-
ìîñòè ïðèáëèæåííî ðàâíîì α.
Àëãîðèòì êðèòåðèÿ ñîãëàñèÿ ω 2 â ñëó÷àå ñëîæíîé ãèïîòåçû
îá ýêñïîíåíöèàëüíîñòè ðàñïðåäåëåíèÿ ãåíåðàëüíîé ñîâîêóïíîñòè
òàêîé æå, êàê è â ñëó÷àå ïðîâåðêè ñëîæíîé ãèïîòåçû î íîðìàëü-
íîñòè ðàñïðåäåëåíèÿ, íî èñïðàâëåííàÿ ôîðìà ìîäèôèöèðîâàí-
íîé ñòàòèñòèêè îìåãà-êâàäðàò áóäåò ñëåäóþùåé ωn2 1 + 0.16 n , è

êâàíòèëè äëÿ ýòîé ñòàòèñòèêè ìîæíî íàéòè â òàáëèöå 2.2.
2.2.5. Êðèòåðèè ñîãëàñèÿ â R

Â ïðîãðàììå R ñóùåñòâóåò íåñêîëüêî ñïîñîáîâ ðåàëèçà-
öèè êðèòåðèÿ χ2 . Äëÿ äèñêðåòíûõ äàííûõ ìîæíî èñ-
ïîëüçîâàòü ôóíêöèþ goodfit(x,type = c("poisson"),method
= c("MinChisq"),par = NULL), àðãóìåíòû êîòîðîé ñëåäóþùèå:
• x âåêòîð ÷àñòîò, èëè ìàòðèöà n × 2, ïåðâûé ñòîëáåö êîòî-
ðîé âåêòîð íàáëþäàåìûõ çíà÷åíèé, à âòîðîé ñòîëáåö
âåêòîð ñîîòâåòñòâóþùèõ èì ÷àñòîò;
• type îïðåäåëÿåò âèä ðàñïðåäåëåíèÿ, íàïðèìåð, Ïóàññîíà
("poisson");
• method îïðåäåëÿåò ìåòîä "MinChisq" êðèòåðèé χ2 ;
• par àðãóìåíò, îïðåäåëÿþùèé, íóæíî ëè ïðîèçâîäèòü
îöåíêó ïàðàìåòðîâ. Åñëè NULL (ïî óìîë÷àíèþ), òî ïàðàìåò-
ðû îöåíèâàþòñÿ ïî âûáîðêå. Åñëè ïàðàìåòðû çàäàíû, òî
íóæíî çàäàòü ñïèñîê, íàïðèìåð par = list(lambda=2.5).
Ïàðàìåòðû äîëæíû íàçûâàòüñÿ òàêæå, êàê îíè îïðåäåëåíû
ãëîáàëüíî â R.
Ïðèìåð 2.2.1. Äëÿ ñìîäåëèðîâàííîé âûáîðêè èç ãåíåðàëüíîé
ñîâîêóïíîñòè ñ ðàñïðåäåëåíèåì Ïóàññîíà ïðîâåðèòü ãèïîòåçó î
âèäå ôóíêöèè ðàñïðåäåëåíèÿ ñ ïîìîùüþ êðèòåðèÿ χ2 . Êîä ðå-
øåíèÿ çàäà÷è â R:
41
library(vcd) ## çàãðóæàåì vcd ïàêåò
x.poi<-rpois(n=100,lambda=2.5) ## ìîäåëèðóåì âûáîðêó îáúåìà 100
èç ãåí. ñîâ., ïîä÷èíÿþùåéñÿ ðàñïðåäåëåíèþ Ïóàññîíà ñ λ = 2.5
gf<-goodfit(x.poi,type="poisson method="MinChisq")
summary(gf) ## âûâîäèì ðåçóëüòàòû òåñòà
Ðåçóëüòàò ðàáîòû áóäåò ñëåäóþùèì:
Goodness-of-fit test for poisson distribution

X2 df P(> X2)
Pearson 9.001826 5 0.1089913
×èñëî 9.001826 çíà÷åíèå ñòàòèñòèêè γχ2 (X[n] ), ÷èñëî 5
÷èñëî ñòåïåíåé ñâîáîäû ïðåäåëüíîé ñòàòèñòèêè, 0.1089913
òàê íàçûâàåìàÿ âåëè÷èíà p-value. Åñëè p-value ìåíüøå çàäàííîãî
óðîâíÿ çíà÷èìîñòè êðèòåðèÿ, òî íóëåâàÿ ãèïîòåçà îòâåðãàåòñÿ,
åñëè áîëüøå èëè ðàâíà, òî íåò îñíîâàíèé îòâåðãíóòü íóëåâóþ
ãèïîòåçó.
Ïðèìåð 2.2.2. Äëÿ ïðîâåðêè ãèïîòåçû î íîðìàëüíîì ðàñ-
ïðåäåëåíèè ãåíåðàëüíîé ñîâîêóïíîñòè â ïðîãðàììå R ìîæíî
èñïîëüçîâàòü ôóíêöèþ pearson.test:
library(nortest) ## ïîäêëþ÷àåì ïàêåò nortest

x.norm<-rnorm(100,mean=6,sd=4) ## ìîäåëèðóåì âûáîðêó îáúåìà 100
èç íîðìàëüíî ðàñïðåäåëåííîé ãåíåðàëüíîé ñîâîêóïíîñòè ñ ïàðàìåò-
ðàìè (6, 16)
pearson.test(x.norm)
Ðåçóëüòàò ðàáîòû ôóíêöèè pearson.test:
Pearson chi-square normality test

data: x.norm
P = 15.44, p-value = 0.1168
×èñëî P = 15.44 çíà÷åíèå ñòàòèñòèêè γχ2 (X[n] ). Åñëè

çíà÷åíèå p-value ìåíüøå óðîâíÿ çíà÷èìîñòè, òî ãèïîòåçó H0
îòâåðãàåì, åñëè áîëüøå èëè ðàâíî, òî íåò îñíîâàíèé îòâåðãíóòü
íóëåâóþ ãèïîòåçó.
Ïðèìåð 2.2.3. Â ñëó÷àå íîðìàëüíîãî ðàñïðåäåëåíèÿ ãåíåðàëü-
íîé ñîâîêóïíîñòè, èç êîòîðîé èçâëå÷åíà âûáîðêà, â ïàêåòå R ñëå-
äóþùèì îáðàçîì ìîæíî ïðîâåðèòü ñëîæíóþ ãèïîòåçó ñîãëàñèÿ
(îáà ïàðàìåòðà ðàñïðåäåëåíèÿ íåèçâåñòíû), èñïîëüçóÿ ìîäèôè-
öèðîâàííûé êðèòåðèé Êîëìîãîðîâà.
Äëÿ ñìîäåëèðîâàííîé âûáîðêè èç íîðìàëüíî ðàñïðåäåëåí-
íîé ãåíåðàëüíîé ñîâîêóïíîñòè ïðîâåðèòü ãèïîòåçó î ïðèíàäëåæ-
42
íîñòè ôóíêöèè ðàñïðåäåëåíèÿ ê ñåìåéñòâó ôóíêöèé íîðìàëüíî-
ãî ðàñïðåäåëåíèÿ ïî êðèòåðèþ Êîëìîãîðîâà.
Êîä ïðîãðàììû:
library(nortest) ## ïîäêëþ÷àåì ïàêåò nortest

lillie.test(rnorm(100,mean=6,sd=4))
Ðåçóëüòàò ðàáîòû áóäåò ñëåäóþùèì:
Lilliefors (Kolmogorov-Smirnov) normality test

data: rnorm(100, mean = 6, sd = 4)
D = 0.0463, p-value = 0.8621
Çíà÷åíèå ìîäèôèöèðîâàííîé ñòàòèñòèêè Êîëìîãîðîâà D̂n∗ ðàâ-

íî 0.0463, âåëè÷èíà p-value ðàâíà 0.8621. Åñëè çíà÷åíèå p-value
ìåíüøå óðîâíÿ çíà÷èìîñòè, òî ãèïîòåçó H0 îòâåðãàåì, åñëè áîëü-
øå èëè ðàâíî, òî íåò îñíîâàíèé îòâåðãíóòü íóëåâóþ ãèïîòåçó.
Â ïðîãðàììå R ñóùåñòâóåò ôóíêöèÿ ks.test äëÿ ïðîâåðêè

ãèïîòåçû ñîãëàñèÿ è ãèïîòåçû îäíîðîäíîñòè ïî êðèòåðèþ Êîë-
ìîãîðîâà. Àðãóìåíòû ýòîé ôóíêöèè ñëåäóþùèå:
• x âûáîðêà, y ôóíêöèÿ ðàñïðåäåëåíèÿ èëè ñëó÷àéíàÿ
âûáîðêà èç ðàñïðåäåëåíèÿ (íàïðèìåð, íåîáõîäèìî íàïèñàòü
pnorm â ñëó÷àå ïðîâåðêè íà ïðèíàäëåæíîñòü ðàñïðåäåëåíèÿ
ê íîðìàëüíîìó);
• alternative àëüòåðíàòèâíàÿ ãèïîòåçà, ïðèíèìàåò çíà÷å-
íèÿ "two.sided" (äâóñòîðîííÿÿ, ïî óìîë÷àíèþ), "greater"
(áîëüøå) èëè "less" (ìåíüøå);
• Ïàðàìåòð exact ïðèíèìàåò çíà÷åíèå NULL èëè ëîãè÷åñêèå
çíà÷åíèÿ TRUE è FALSE â ñëó÷àå, êîãäà íåîáõîäèìî âû÷èñ-
ëèòü òî÷íîå çíà÷åíèå p-value. Ïî óìîë÷àíèþ exact = NULL,
è òî÷íîå çíà÷åíèå p-value âû÷èñëÿåòñÿ, åñëè îáúåì âûáîðêè
x ìåíüøå 100. Â ïðîòèâíîì ñëó÷àå âûâîäèòñÿ àïïðîêñèìà-
öèÿ p-value.
Ïðèìåð 2.2.4. Äëÿ ñìîäåëèðîâàííîé âûáîðêè èç ñòàíäàðòíîé

íîðìàëüíî ðàñïðåäåëåííîé ãåíåðàëüíîé ñîâîêóïíîñòè ïðîâåðèòü
ãèïîòåçó î ïðèíàäëåæíîñòè ôóíêöèè ðàñïðåäåëåíèÿ ê ñåìåéñòâó
ôóíêöèé íîðìàëüíîãî ðàñïðåäåëåíèÿ ïî êðèòåðèþ Êîëìîãîðîâà.
x <- rnorm(50)## ìîäåëèðóåì âûáîðêó îáúåìà 50 èç ñòàíäàðòíîãî

íîðìàëüíîãî ðàñïðåäåëåíèÿ
ks.test(x, pnorm)
43
Ðåçóëüòàò ðàáîòû ôóíêöèè ks.test áóäåò ñëåäóþùèì:
One-sample Kolmogorov-Smirnov test

data: x
D = 0.0965, p-value = 0.7039
alternative hypothesis: two-sided
Çäåñü D çíà÷åíèå ñòàòèñòèêè êðèòåðèÿ. Ãèïîòåçó î òîì, ÷òî âû-

áîðêà x èçâëå÷åíà èç ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëåíèÿ
íå îòâåðãàåì, ïîñêîëüêó çíà÷åíèå p-value áîëüøå óðîâíÿ çíà÷è-
ìîñòè 0.01 èëè 0.05.
Â ïðîãðàììå R ñóùåñòâóåò ôóíêöèÿ cvm.test äëÿ ïðîâåð-
êè ñëîæíîé ãèïîòåçû ñîãëàñèÿ î íîðìàëüíîñòè ðàñïðåäåëåíèÿ ïî
êðèòåðèþ ω 2 . Àðãóìåíòîì ôóíêöèè cvm.test ÿâëÿåòñÿ âûáîðêà
x, îáúåì êîòîðîé äîëæåí áûòü áîëüøå 7. Çíà÷åíèå p-value ñ÷èòà-
åòñÿ ñ èñïîëüçîâàíèåì ìîäèôèöèðîâàííîé ñòàòèñòèêè ωn2 (1+ 0.5
n ).
Ïðèìåð 2.2.5. Äëÿ ñìîäåëèðîâàííîé âûáîðêè èç íîðìàëüíî
ðàñïðåäåëåííîé ãåíåðàëüíîé ñîâîêóïíîñòè ïðîâåðèòü ãèïîòåçó î
ïðèíàäëåæíîñòè ôóíêöèè ðàñïðåäåëåíèÿ ê ñåìåéñòâó ôóíêöèé
íîðìàëüíîãî ðàñïðåäåëåíèÿ ïî êðèòåðèþ ω 2 .
library(nortest)
cvm.test(rnorm(100, mean = 10, sd = 3))
Ðåçóëüòàò ðàáîòû ôóíêöèè cvm.test:
Cramer-von Mises normality test

data: rnorm(100, mean = 10, sd = 3)
W = 0.0867, p-value = 0.1675
Çíà÷åíèå ìîäèôèöèðîâàííîé ñòàòèñòèêè W = 0.0867. Íåò

îñíîâàíèé îòâåðãíóòü íóëåâóþ ãèïîòåçó ïðè óðîâíå çíà÷èìî-
ñòè 0.05, ïîñêîëüêó çíà÷åíèå p-value = 0.1675 áîëüøå óðîâíÿ
çíà÷èìîñòè.
2.3. Êðèòåðèè îäíîðîäíîñòè

Ïóñòü èìåþòñÿ äâå âûáîðêè X[n] = {x1 , . . . , xn } è Y[m] = {y1 , . . . ,
ym } èç ãåíåðàëüíûõ ñîâîêóïíîñòåé ξ è η ñîîòâåòñòâåííî. Ýëåìåí-
òû x1 , . . . , xn îáðàçóþò âàðèàöèîííûé ðÿä x(1) 6 . . . 6 x(n) , à ýëå-
ìåíòû y1 , . . . , ym îáðàçóþò âàðèàöèîííûé ðÿä y(1) 6 . . . 6 y(m) .
44
Îáúåìû âûáîðîê ìîãóò áûòü ðàçëè÷íû, íî, íå íàðóøàÿ îáù-
íîñòè, ïðåäïîëîæèì, ÷òî m 6 n. Ôóíêöèè ðàñïðåäåëåíèÿ ýòèõ
ãåíåðàëüíûõ ñîâîêóïíîñòåé ðàâíû F (x) è G(x) ñîîòâåòñòâåííî.
Íàëîæèì äîïîëíèòåëüíîå îãðàíè÷åíèå: ôóíêöèè ðàñïðåäåëåíèÿ
F (x) è G(x) íåïðåðûâíû.
Êðèòåðèé ÊîëìîãîðîâàÑìèðíîâà ïðîâåðÿåò ãèïîòåçó î
ðàâåíñòâå ôóíêöèé ðàñïðåäåëåíèÿ äâóõ ãåíåðàëüíûõ ñîâîêóï-
íîñòåé ξ è η , èç êîòîðûõ èçâëå÷åíû âûáîðêè X[n] è Y[m] ñîîò-
âåòñòâåííî, ò. å. H0 : F (·) = G(·) ïðè àëüòåðíàòèâíîé ãèïîòåçå
H1 : F (·) 6= G(·). Ýòîò êðèòåðèé îñíîâàí íà èñïîëüçîâàíèè ýìïè-
ðè÷åñêèõ ôóíêöèé ðàñïðåäåëåíèÿ Fn (x) è Gm (x), ïîñòðîåííûõ
ïî ïåðâîé è âòîðîé âûáîðêàì ñîîòâåòñòâåííî.
Ñòàòèñòèêà Ñìèðíîâà îïðåäåëÿåòñÿ ñëåäóþùåé ôîðìóëîé:
Dm,n = sup |Gm (x) − Fn (x)|. (2.3.1)

|x|<∞
Íà ïðàêòèêå çíà÷åíèå ñòàòèñòèêè Dm,n ðåêîìåíäóåòñÿ âû-

÷èñëÿòü ïî ôîðìóëàì:

+
hr i s−1
Dm,n = max − Fn (y(r) ) = max Gm (x(s) ) − ,
16r6m m 16s6n n
(2.3.2)
− r − 1 hs i
Dm,n = max Fn (y(r) ) − = max − Gm (x(s) ) ,
16r6m m 16s6n n
(2.3.3)
+
Dm,n = max(Dm,n −
, Dm,n ). (2.3.4)
Ïðè ñïðàâåäëèâîñòè íóëåâîé ãèïîòåçû è íåîãðàíè÷åííîì
óâåëè÷åíèè îáúåìîâ âûáîðîê ñòàòèñòèêà
r
mn
Dm,n (2.3.5)
m+n
àñèìïòîòè÷åñêè ïîä÷èíÿåòñÿ ðàñïðåäåëåíèþ Êîëìîãîðîâà ñ
ôóíêöèåé ðàñïðåäåëåíèÿ (2.2.3). Òàáëèöó çíà÷åíèé ôóíêöèè ðàñ-
ïðåäåëåíèÿ Êîëìîãîðîâà ìîæíî íàéòè â Ïðèëîæåíèè.
Àëãîðèòì êðèòåðèÿ îäíîðîäíîñòè äâóõ âûáîðîê Êîëìîãî-
ðîâàÑìèðíîâà
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : F (·) = G(·). Ñôîðìóëè-
ðóåì àëüòåðíàòèâíóþ ãèïîòåçó H1 : sup |F (x) − G(x)| > 0.
|x|<∞
45
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè (2.3.5) ñëåäóþùèì îáðà-
çîì:
(a) Ïî âûáîðêàì X[n] è Y[m] ñòðîèì ýìïèðè÷åñêèå ôóíê-
öèè ðàñïðåäåëåíèÿ Fn (x) è Gm (x) ïî ôîðìóëå (1.1.1).
(b) Âû÷èñëÿåì Dm,n ïî ôîðìóëàì (2.3.2),(2.3.3),(2.3.4).
(c) Íàõîäèì çíà÷åíèå ñòàòèñòèêè êðèòåðèÿ â âèäå (2.3.5).
4. Íàõîäèì êðèòè÷åñêóþ îáëàñòü èíòåðâàë (k1−α ; ∞), ãäå
k1−α êâàíòèëü óðîâíÿ 1 − α ðàñïðåäåëåíèÿ Êîëìîãîðî-
âà (2.2.3). Êâàíòèëü k1−α ìîæíî íàéòè, âîñïîëüçîâàâøèñü
îïðåäåëåíèåì êâàíòèëè è òàáëèöåé çíà÷åíèé ôóíêöèè ðàñ-
ïðåäåëåíèÿ Êîëìîãîðîâà â Ïðèëîæåíèè.
5. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè êðèòåðèÿ (2.3.5) ïîïà-
äåò â èíòåðâàë (k1−α ; ∞), òî íóëåâàÿ ãèïîòåçà H0 îòâåðãà-
åòñÿ, â ïðîòèâíîì ñëó÷àå íåò îñíîâàíèé åå îòâåðãíóòü ïðè
óðîâíå çíà÷èìîñòè ïðèáëèæåííî ðàâíîì α.

âR
Â ïðîãðàììå R ñóùåñòâóåò ôóíêöèÿ ks.test äëÿ ïðîâåðêè ãèïî-
òåçû îäíîðîäíîñòè ïî êðèòåðèþ ÊîëìîãîðîâàÑìèðíîâà. Àðãó-
ìåíòû ýòîé ôóíêöèè ñëåäóþùèå:
• x, y âûáîðêè;
(áîëüøå) èëè "less" (ìåíüøå). Àëüòåðíàòèâà "greater"
óòâåðæäàåò, ÷òî F (x) ìåíüøå G(x);
• ïàðàìåòð exact ïðèíèìàåò çíà÷åíèå NULL èëè ëîãè÷åñêèå
TRUE è FALSE, çíà÷åíèå TRUE â ñëó÷àå, êîãäà íåîáõîäèìî âû-
÷èñëèòü òî÷íîå çíà÷åíèå p-value. Òî÷íûå çíà÷åíèÿ p-value
íå âû÷èñëÿþòñÿ äëÿ îäíîñòîðîííèõ àëüòåðíàòèâ èëè â ñëó-
÷àå íàëè÷èÿ ïîâòîðÿþùèõñÿ ýëåìåíòîâ â âûáîðêå (ñâÿçîê).
Ïî óìîë÷àíèþ exact = NULL, è òî÷íîå çíà÷åíèå p-value
âû÷èñëÿåòñÿ, åñëè ïðîèçâåäåíèå îáúåìîâ âûáîðîê ìåíü-
øå 10 000. Â ïðîòèâíîì ñëó÷àå âûâîäèòñÿ àïïðîêñèìàöèÿ
p-value.
Ïðèìåð 2.3.1. Äëÿ äâóõ ñëó÷àéíûõ âûáîðîê, èçâëå÷åííûõ

èç ãåíåðàëüíûõ ñîâîêóïíîñòåé, ïîä÷èíÿþùèõñÿ íîðìàëüíîìó
ðàñïðåäåëåíèþ ñ ðàçëè÷íûìè ïàðàìåòðàìè ïðîâåðèòü ãèïîòåçó
46
î ðàâåíñòâå ôóíêöèé ðàñïðåäåëåíèÿ ïî êðèòåðèþ Êîëìîãîðîâà
Ñìèðíîâà.
x <- rnorm(50) ## ìîäåëèðóåì âûáîðêó îáúåìà 50 èç ñòàíäàðòíîãî

y <- rnorm(30, mean=0.5, sd=2) ## ìîäåëèðóåì âûáîðêó îáúåìà 30
èç íîðìàëüíîãî ðàñïðåäåëåíèÿ ñ ïàðàìåòðàìè (0.5, 4)
ks.test(x, y)
Ðåçóëüòàò ðàáîòû ôóíêöèè ks.test:
Two-sample Kolmogorov-Smirnov test

data: x and y
D = 0.3733, p-value = 0.008028
alternative hypothesis: two-sided
Çäåñü D çíà÷åíèå ñòàòèñòèêè êðèòåðèÿ. Ãèïîòåçó îá îä-

íîðîäíîñòè âûáîðîê x è y îòâåðãàåì, ïîñêîëüêó çíà÷åíèå p-value
ìåíüøå óðîâíÿ çíà÷èìîñòè 0.01 èëè 0.05.
2.3.3. Ðàíãîâûé êðèòåðèé îäíîðîäíîñòè Âèëêîêñîíà

Ðàíãîâûå êðèòåðèè îäíîðîäíîñòè îòíîñÿòñÿ ê êðèòåðèÿì íåïàðà-
ìåòðè÷åñêîé ñòàòèñòèêè. Â íåïàðàìåòðè÷åñêèõ ïðîöåäóðàõ íåò
îãðàíè÷èòåëüíûõ ïðåäïîëîæåíèé î âèäå ïàðàìåòðè÷åñêîãî ñå-
ìåéñòâà ðàñïðåäåëåíèé ñëó÷àéíûõ âåëè÷èí. Äëÿ îáîñíîâàííî-
ãî ïðèìåíåíèÿ íåïàðàìåòðè÷åñêèõ ïðîöåäóð êðîìå ïðåäïîëîæå-
íèÿ î íåçàâèñèìîñòè íàáëþäåíèé òðåáóåòñÿ ëèøü ïðåäïîëîæåíèå
î íåïðåðûâíîñòè ôóíêöèé ðàñïðåäåëåíèÿ ñëó÷àéíûõ âåëè÷èí.
Ñëåäóåò îòìåòèòü, ÷òî âûâîäû ÷àñòî ïðèõîäèòñÿ äåëàòü ïî âû-
áîðêàì íåáîëüøîãî îáúåìà. Åñëè àïðèîðíî çàêîí ðàñïðåäåëåíèÿ
íåèçâåñòåí, òî ïî òàêîé âûáîðêå óñòàíîâèòü òèï çàêîíà íåâîç-
ìîæíî.
Ðàíãîâûé êðèòåðèé îäíîðîäíîñòè Âèëêîêñîíà ïðåäíàçíà-
÷åí äëÿ ïðîâåðêè ãèïîòåçû î ñòàòèñòè÷åñêîé îäíîðîäíîñòè äâóõ
âûáîðîê. Ïóñòü èìåþòñÿ äâå íåçàâèñèìûå âûáîðêè X[n] =
= {x1 , . . . , xn } è Y[m] = {y1 , . . . , ym } èç ãåíåðàëüíûõ ñîâîêóïíî-
ñòåé ξ è η ñîîòâåòñòâåííî ñ íåïðåðûâíûìè ôóíêöèÿìè ðàñïðå-
äåëåíèÿ F (x) è G(y). Íå îãðàíè÷èâàÿ îáùíîñòè, ïðåäïîëîæèì,
÷òî m 6 n.
Ñôîðìóëèðóåì íóëåâóþ ãèïîòåçó H0 : F (·) = G(·). Êðèòå-
ðèé ïðåäíàçíà÷åí, â ïåðâóþ î÷åðåäü, äëÿ ïðîâåðêè ïðîòèâ àëü-
òåðíàòèâû H1 : F (·) > G(·) (ïðàâîñòîðîííÿÿ àëüòåðíàòèâà) èëè
47
àëüòåðíàòèâû H1 : F (·) 6 G(·) (ëåâîñòîðîííÿÿ àëüòåðíàòèâà).
Ìîæíî òàêæå ðàññìàòðèâàòü îáúåäèíåíèå îáåèõ âîçìîæíîñòåé
H1 : F (·) 6= G(·) (äâóñòîðîííÿÿ àëüòåðíàòèâà).
Àëãîðèòì êðèòåðèÿ Âèëêîêñîíà
1. Îáúåäèíèì âûáîðêè X[n] è Y[m] â îáùèé âàðèàöèîííûé ðÿä.
Ïðèïèøåì êàæäîìó ýëåìåíòó âàðèàöèîííîãî ðÿäà ðàíã,
ò. å. íîìåð ýëåìåíòà â îáùåì âàðèàöèîííîì ðÿäó. Ðàâíûì
ýëåìåíòàì ïðèïèñûâàåì ñðåäíèé ðàíã. Íàïðèìåð, åñëè äâà
ðàâíûõ ýëåìåíòà âàðèàöèîííîãî ðÿäà ñòîÿò íà 4 è 5 ìåñòàõ,
òî êàæäîìó èç ýòèõ ýëåìåíòîâ ïðèïèøåì ðàíã 4,5. Îáîçíà-
÷èì ðàíãè ýëåìåíòîâ âûáîðêè Y[m] = {y1 , . . . , ym } â îáùåì
âàðèàöèîííîì ðÿäó ÷åðåç r1 , . . . , rm .
2. Âû÷èñëèì ñòàòèñòèêó Âèëêîêñîíà ïî ñëåäóþùåé ôîðìóëå:
W (X[n] , Y[m] ) = r1 + . . . + rm . (2.3.6)
3. Çàäàäèì óðîâåíü çíà÷èìîñòè α.

4. Íàéäåì êðèòè÷åñêóþ îáëàñòü êðèòåðèÿ. Ïðè àëüòåðíàòèâå
H1 : F (·) 6 G(·) êðèòè÷åñêàÿ îáëàñòü: [m(m + 1)/2, wα,m,n ],
ãäå wα,m,n êâàíòèëü óðîâíÿ α ïðåäåëüíîãî ðàñïðåäåëå-
íèÿ ñòàòèñòèêè W (X[n] , Y[m] ). Òàáëèöó êâàíòèëåé wα,m,n
ìîæíî íàéòè â Ïðèëîæåíèè.
Ïðè àëüòåðíàòèâå H1 : F (·) > G(·) êðèòè÷åñêàÿ îáëàñòü:
[m(n + m + 1) − wα,m,n , mn + m(m + 1)/2].
Ïðè äâóñòîðîííåé àëüòåðíàòèâå H1 : F (·) 6= G(·) êðè-
òè÷åñêàÿ îáëàñòü: [m(m + 1)/2, w α2 ,m,n ] ∪ [m(n + m + 1)−
−w α2 ,m,n , mn + m(m + 1)/2].
5. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè W (X[n] , Y[m] ) ïîïàäà-
åò â êðèòè÷åñêóþ îáëàñòü, òî íóëåâàÿ ãèïîòåçà H0 îòâåðãà-
åòñÿ, â ïðîòèâíîì ñëó÷àå íåò îñíîâàíèé åå îòâåðãíóòü ïðè
óðîâíå çíà÷èìîñòè α.
Äëÿ áîëüøèõ âûáîðîê ìîæíî èñïîëüçîâàòü ñëåäóþùóþ àï-
ïðîêñèìàöèþ ñòàòèñòèêè Âèëêîêñîíà:
W − m(n + m + 1)/2
W ∗ (X[n] , Y[m] ) = p . (2.3.7)
mn(m + n + 1)/12
Ïðè ñïðàâåäëèâîñòè íóëåâîé ãèïîòåçû H0 ñòàòèñòèêà

W ∗ (X[n] , Y[m] ) àñèìïòîòè÷åñêè ïîä÷èíÿåòñÿ ñòàíäàðòíîìó
íîðìàëüíîìó ðàñïðåäåëåíèþ.
48
Ïðè àëüòåðíàòèâå H1 : F (·) > G(·) êðèòè÷åñêàÿ îáëàñòü:
(u1−α , ∞), ãäå u1−α êâàíòèëü óðîâíÿ 1 − α ñòàíäàðòíîãî íîð-
ìàëüíîãî ðàñïðåäåëåíèÿ.
Ïðè àëüòåðíàòèâå H1 : F (·) 6 G(·) êðèòè÷åñêàÿ îáëàñòü:
(−∞, uα ), ãäå uα êâàíòèëü óðîâíÿ α ñòàíäàðòíîãî íîðìàëüíîãî
ðàñïðåäåëåíèÿ.
Ïðè äâóñòîðîííåé àëüòåðíàòèâå H1 : F (·) 6= G(·) êðèòè÷å-
ñêàÿ îáëàñòü: (−∞, u α2 ) ∪ (u1− α2 , ∞), ãäå u α2 , u1− α2 êâàíòèëè
ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëåíèÿ óðîâíåé α2 , 1 − α2 .
Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè W ∗ (X[n] , Y[m] ) ïîïàäà-
åò â êðèòè÷åñêóþ îáëàñòü, òî íóëåâàÿ ãèïîòåçà H0 îòâåðãàåòñÿ,
â ïðîòèâíîì ñëó÷àå íåò îñíîâàíèé åå îòâåðãíóòü ïðè óðîâíå çíà-
÷èìîñòè ïðèáëèæåííî ðàâíîì α.
Â ñëó÷àå, êîãäà ÷èñëî îäèíàêîâûõ íàáëþäåíèé âåëèêî, íåîá-
õîäèìî èñïðàâèòü ñòàòèñòèêó (2.3.6) ñëåäóþùèì îáðàçîì. Ãðóï-
ïû îäèíàêîâûõ íàáëþäåíèé íàçûâàþò ñâÿçêàìè. Íàëè÷èå ñâÿçîê
âëèÿåò íà àñèìïòîòè÷åñêîå ðàñïðåäåëåíèå ñòàòèñòèêè Âèëêîêñî-
íà. Ïðè èñïîëüçîâàíèè íîðìàëüíîé àïïðîêñèìàöèè ñëåäóåò èñ-
ïîëüçîâàòü ôîðìóëó
W − m(n + m + 1)/2
W
c (X[n] , Y[m] ) = v ,
g
u  
tk (t2k −1)
P
u
k=1
tmn (m + n + 1) − (m+n)(m+n−1)  /12
u
(2.3.8)
ãäå t1 , t2 , . . ., tg ðàçìåðû íàáëþäàåìûõ ñâÿçîê ñðåäè yj ; g
îáùåå ÷èñëî ñâÿçîê. Íàáëþäåíèå, íå ñîâïàäàþùåå ñ êàêèì-ëèáî
äðóãèì íàáëþäåíèåì, ðàññìàòðèâàåòñÿ êàê ñâÿçêà ðàçìåðà 1 è,
êàê âèäèì, â ôîðìóëå (2.3.8) íå ó÷èòûâàåòñÿ.
2.3.4. Ðàíãîâûé êðèòåðèé îäíîðîäíîñòè ÌàííàÓèòíè

Ïóñòü èìåþòñÿ äâå íåçàâèñèìûå âûáîðêè: X[n] = {x1 , . . . , xn } è
Y[m] = {y1 , . . . , ym } èç ãåíåðàëüíûõ ñîâîêóïíîñòåé ξ è η ñîîòâåò-
ñòâåííî ñ íåïðåðûâíûìè ôóíêöèÿìè ðàñïðåäåëåíèÿ F (x) è G(y).
Íå îãðàíè÷èâàÿ îáùíîñòè, ïðåäïîëîæèì, ÷òî m 6 n.
Ñôîðìóëèðóåì íóëåâóþ ãèïîòåçó H0 : F (·) = G(·). Êðèòå-
ðèé ïðåäíàçíà÷åí, â ïåðâóþ î÷åðåäü, äëÿ ïðîâåðêè ïðîòèâ àëü-
òåðíàòèâû H1 : F (·) > G(·) (ïðàâîñòîðîííÿÿ àëüòåðíàòèâà) èëè
49
àëüòåðíàòèâû H1 : F (·) 6 G(·) (ëåâîñòîðîííÿÿ àëüòåðíàòèâà).
Ìîæíî òàêæå ðàññìàòðèâàòü îáúåäèíåíèå îáåèõ âîçìîæíîñòåé
H1 : F (·) 6= G(·) (äâóñòîðîííÿÿ àëüòåðíàòèâà).
Êðèòåðèé ÌàííàÓèòíè îñíîâàí íà ïàðíîì ñðàâíåíèè ýëå-
ìåíòîâ ïåðâîé è âòîðîé âûáîðîê. Ñòàòèñòèêà ÌàííàÓèòíè
ýòî ÷èñëî óñïåõîâ (xi < yj ) â ïàðíûõ ñðàâíåíèÿõ. Ïóñòü
(
1, åñëè xi < yj ,
I{xi < yj } =
0, åñëè xi > yj .
Ñòàòèñòèêà ÌàííàÓèòíè âû÷èñëÿåòñÿ ïî ôîðìóëå

n X
X m
U (X[n] , Y[m] ) = I{xi < yj }. (2.3.9)
i=1 j=1
Ñòàòèñòèêè Âèëêîêñîíà è ÌàííàÓèòíè ñâÿçàíû ìåæäó

ñîáîé ñëåäóþùèì ñîîòíîøåíèåì:
m(m + 1)
W =U+ .
2
Äëÿ äîêàçàòåëüñòâà ñïðàâåäëèâîñòè ïðèâåäåííîé ôîðìóëû çàìå-

òèì, ÷òî çíà÷åíèå ñòàòèñòèêè Âèëêîêñîíà W , ïî ñóùåñòâó, ðàâ-
íî êîëè÷åñòâó íåðàâåíñòâ âèäà {Xi < Yj } ïëþñ ñóììà ðàíãîâ
ýëåìåíòîâ âûáîðêè Y[m] â ñàìîé âûáîðêå Y[m] . Ïîñëåäíÿÿ ñóììà
ïðåäñòàâëÿåò ñîáîé àðèôìåòè÷åñêóþ ïðîãðåññèþ ÷èñåë îò 1 äî
m øàãîì 1.
Ïîëó÷åííàÿ ôîðìóëà ïîçâîëÿåò ïåðåñ÷èòûâàòü çíà÷åíèå
îäíîé ñòàòèñòèêè â äðóãóþ è ïîëüçîâàòüñÿ òåì ðàñïðåäåëåíèåì,
êîòîðîå áîëåå óäîáíî äëÿ âû÷èñëåíèé.
Ïðè n, m > 8 ìîæíî ïðèìåíèòü àïïðîêñèìàöèþ. Ò. å. â êà-
÷åñòâå ñòàòèñòèêè êðèòåðèÿ ìîæíî ðàññìîòðåòü ôóíêöèþ:
U (X[n] , Y[m] ) − mn/2

U ∗ (X[n] , Y[m] ) = p . (2.3.10)
mn(m + n + 1)/12
Åñëè ñïðàâåäëèâà ãèïîòåçà H0 , òî ñòàòèñòèêà U ∗ (X[n] , Y[m] )

àñèìïòîòè÷åñêè ïîä÷èíÿåòñÿ ñòàíäàðòíîìó íîðìàëüíîìó ðàñ-
ïðåäåëåíèþ.
50
2.3.5. Êðèòåðèè îäíîðîäíîñòè Âèëêîêñîíà
è ÌàííàÓèòíè â R, Excel
Äëÿ ïðîâåðêè ãèïîòåçû îäíîðîäíîñòè ïî êðèòåðèþ Ìàííà
Óèòíè ïðîãðàììà R ïðåäîñòàâëÿåò ôóíêöèþ wilcox.test. Àð-
ãóìåíòû ôóíêöèè wilcox.test:
(áîëüøå) èëè "less" (ìåíüøå). Àëüòåðíàòèâà "greater"
óòâåðæäàåò, ÷òî F (x) ìåíüøå G(x);
• exact ïðèíèìàåò çíà÷åíèÿ FALSE è TRUE è â ñëó÷àå TRUE âû-
âîäèò òî÷íîå çíà÷åíèå p-value. Ïî óìîë÷àíèþ exact=FALSE,
è òî÷íîå çíà÷åíèå p-value âû÷èñëÿåòñÿ, åñëè âûáîðêè ñîäåð-
æàò ìåíüøå 50 ýëåìåíòîâ êàæäàÿ, è â âûáîðêàõ íåò ñâÿçîê.
Â ïðîòèâíîì ñëó÷àå èñïîëüçóåòñÿ àïïðîêñèìàöèÿ íîðìàëü-
íûì ðàñïðåäåëåíèåì;
• correct ïðèíèìàåò çíà÷åíèÿ FALSE è TRUE è â ñëó÷àå TRUE
ïðèìåíÿåòñÿ àïïðîêñèìàöèÿ íîðìàëüíûì ðàñïðåäåëåíèåì.
Ïðèìåð 2.3.2. Äëÿ èìåþùèõñÿ âûáîðîê X = {0.80, 0.83, 1.89,

1.04, 1.45, 1.38, 1.91, 1.64, 0.73, 1.46}, Y = {1.15, 0.88, 0.90, 0.74,
1.21} ïðîâåðèòü ãèïîòåçó î òîì, èçâëå÷åíû ëè ýòè âûáîðêè èç
îäíîé ãåíåðàëüíîé ñîâîêóïíîñòè.
x <- c(0.80, 0.83, 1.89, 1.04, 1.45, 1.38, 1.91, 1.64, 0.73,
1.46)
y <- c(1.15, 0.88, 0.90, 0.74, 1.21)
wilcox.test(x, y, alternative = "two.sided")
Ðåçóëüòàò ðàáîòû ôóíêöèè wilcox.test:
Wilcoxon rank sum test

data: x and y
W = 35, p-value = 0.2544
alternative hypothesis: true location shift is not equal to 0
×èñëî W=35 çíà÷åíèå ñòàòèñòèêè ÌàííàÓèòíè (2.3.9).

Åñëè çíà÷åíèå p-value ìåíüøå óðîâíÿ çíà÷èìîñòè, òî ãèïîòå-
çó H0 îòâåðãàåì, åñëè áîëüøå èëè ðàâíî, òî íåò îñíîâàíèé
îòâåðãíóòü íóëåâóþ ãèïîòåçó.
Â ïðîãðàììå Excel äëÿ âû÷èñëåíèÿ ðàíãà ýëåìåíòà âûáîð-

êè ìîæíî èñïîëüçîâàòü ôóíêöèþ ÐÀÍÃ.ÑÐ, êîòîðàÿ âîçâðàùàåò
51
ðàíã ýëåìåíòà, à îêîí÷àíèå .ÑÐ, ñîîáùàåò î òîì, ÷òî, â ñëó÷àå
îáíàðóæåíèÿ ýëåìåíòîâ ñ ðàâíûìè çíà÷åíèÿìè, âîçâðàùàåòñÿ èõ
ñðåäíèé ðàíã. Àðãóìåíòàìè ôóíêöèè ÿâëÿþòñÿ (÷èñëî; ññûëêà;
[ïîðÿäîê]), ãäå ÷èñëî ýëåìåíò, ðàíã êîòîðîãî íåîáõîäèìî íàé-
òè; ññûëêà ññûëêà íà äèàïàçîí ñî ñïèñêîì ýëåìåíòîâ, ñîäåðæà-
ùèõ ìàññèâ äàííûõ. Ïîðÿäîê ëîãè÷åñêîå çíà÷åíèå, îòâå÷àþùåå
çà òèï ñîðòèðîâêè: 0 çíà÷åíèå ïî óìîë÷àíèþ (ôóíêöèÿ ïðîâå-
ðÿåò çíà÷åíèÿ ïî óáûâàíèþ), 1 ôóíêöèÿ ïðîâåðÿåò çíà÷åíèÿ
ïî âîçðàñòàíèþ.
2.4. Êðèòåðèè ðàâåíñòâà ñðåäíèõ è äèñïåðñèé
2.4.1. Êðèòåðèé Ñòüþäåíòà

Ïóñòü èìåþòñÿ äâå âûáîðêè X[n] è Y[m] èç ãåíåðàëüíûõ ñîâîêóï-
íîñòåé ξ ∼ N (a1 , σ12 ) è η ∼ N (a2 , σ22 ) ñîîòâåòñòâåííî. Âûäâèíåì
íóëåâóþ ãèïîòåçó H0 : a1 = a2 è àëüòåðíàòèâíóþ åé H1 : a1 6= a2 .
Ñíà÷àëà ðàññìîòðèì ñëó÷àé, êîãäà äèñïåðñèè ãåíåðàëüíûõ
ñîâîêóïíîñòåé σ12 , σ22 èçâåñòíû. Ïîñòðîèì ñòàòèñòèêó êðèòåðèÿ:
x̄ − ȳ
ϕ1 (X[n] , Y[m] ) = p , (2.4.1)
σ12 /n + σ22 /m
êîòîðàÿ ïîä÷èíÿåòñÿ ñòàíäàðòíîìó íîðìàëüíîìó ðàñïðåäåëå-
íèþ, ïðè óñëîâèè, ÷òî ñïðàâåäëèâà ãèïîòåçà H0 .
Àëãîðèòì êðèòåðèÿ Ñòüþäåíòà â ïðåäïîëîæåíèè èç-
âåñòíûõ äèñïåðñèé
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : a1 = a2 . Ñôîðìóëèðóåì
àëüòåðíàòèâíóþ ãèïîòåçó H1 : a1 6= a2 .
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè ϕ1 (X[n] , Y[m] ) ïî ôîðìóëå
(2.4.1), ãäå x̄, ȳ âûáîðî÷íûå ñðåäíèå âûáîðîê X[n] , Y[m] .
4. Íàõîäèì êðèòè÷åñêóþ îáëàñòü ýòî îáúåäèíåíèå èíòåðâà-
ëîâ (−∞; −u1− α2 ) ∪ (u1− α2 ; ∞), ãäå u1− α2 êâàíòèëü ñòàí-
äàðòíîãî íîðìàëüíîãî ðàñïðåäåëåíèÿ óðîâíÿ 1 − α2 .
5. Åñëè ìîäóëü ÷èñëåííîãî çíà÷åíèÿ ñòàòèñòèêè
|ϕ1 (X[n] , Y[m] )| ïîïàäåò â èíòåðâàë (u1− α2 ; ∞), òî íóëå-
âàÿ ãèïîòåçà H0 îòâåðãàåòñÿ, â ïðîòèâíîì ñëó÷àå íåò
îñíîâàíèé åå îòâåðãíóòü ïðè óðîâíå çíà÷èìîñòè α.
Òåïåðü ðàññìîòðèì ñëó÷àé, êîãäà äèñïåðñèè èññëåäóåìûõ
ãåíåðàëüíûõ ñîâîêóïíîñòåé íåèçâåñòíû. Áóäåì ñ÷èòàòü, ÷òî îíè
52
ðàâíû: σ12 = σ22 = σ 2 . Â êà÷åñòâå ñòàòèñòèêè êðèòåðèÿ ðàññìîò-
ðèì
x̄ − ȳ
ϕ2 (X[n] , Y[m] ) = p , (2.4.2)
ŝ 1/n + 1/m
ãäå
s s
ns21 + ms22 (n − 1)s̃21 + (m − 1)s̃22
ŝ = = . (2.4.3)
n+m−2 n+m−2
Çäåñü s21 , s22 âûáîðî÷íûå äèñïåðñèè, à s̃21 , s̃22 èñïðàâëåííûå

âûáîðî÷íûå äèñïåðñèè âûáîðîê X[n] , Y[m] ñîîòâåòñòâåííî.
Åñëè âåðíà ãèïîòåçà H0 , òî ñòàòèñòèêà ϕ2 (X[n] , Y[m] ) ïîä÷è-
íÿåòñÿ ðàñïðåäåëåíèþ Ñòüþäåíòà ñ (n + m − 2) ñòåïåíÿìè ñâîáî-
äû.
Àëãîðèòì êðèòåðèÿ Ñòüþäåíòà â ïðåäïîëîæåíèè íåèç-
âåñòíûõ, íî ðàâíûõ äèñïåðñèÿõ
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : a1 = a2 . Ñôîðìóëèðóåì
àëüòåðíàòèâíóþ ãèïîòåçó H1 : a1 6= a2 .
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè ϕ2 (X[n] , Y[m] ) ïî ôîðìóëå
(2.4.2).
4. Íàõîäèì êðèòè÷åñêóþ îáëàñòü ýòî îáúåäèíåíèå èí-
òåðâàëîâ (−∞; −t1− α2 ,n+m−2 ) ∪ (t1− α2 ,n+m−2 ; ∞), ãäå
t1− α2 ,n+m−2 êâàíòèëü ðàñïðåäåëåíèÿ Ñòüþäåíòà ñ
(n + m − 2) ñòåïåíÿìè ñâîáîäû óðîâíÿ 1 − α2 .
5. Åñëè ìîäóëü ÷èñëåííîãî çíà÷åíèÿ ñòàòèñòèêè
|ϕ2 (X[n] , Y[m] )| ïîïàäåò â èíòåðâàë (t1− α2 ,n+m−2 ; ∞), òî
íóëåâàÿ ãèïîòåçà H0 îòâåðãàåòñÿ, â ïðîòèâíîì ñëó÷àå íåò
îñíîâàíèé åå îòâåðãíóòü ïðè óðîâíå çíà÷èìîñòè α.
2.4.2. Êðèòåðèé Ñòüþäåíòà â R è Excel

Â ïðîãðàììå R äëÿ ïðîâåðêè êðèòåðèÿ Ñòüþäåíòà èñïîëüçóåòñÿ
ôóíêöèÿ t.test. Àðãóìåíòû ôóíêöèè t.test:
• alternative âèä àëüòåðíàòèâû, ìîæåò ïðèíèìàòü çíà÷å-
íèÿ: "two-sided" (ïî óìîë÷àíèþ), "less" èëè "greater";
• paired îïöèÿ, êîòîðàÿ óêàçûâàåò ïàðíûå äàííûå (TRUE)
èëè íåò (FALSE);
53
• var.equal ïðèíèìàåò ïî óìîë÷àíèþ çíà÷åíèå FALSE è îçíà-
÷àåò, ÷òî äèñïåðñèè ãåíåðàëüíûõ ñîâîêóïíîñòåé, èç êîòî-
ðûõ èçâëå÷åíû âûáîðêè, íå ðàâíû. Â òåñòå ïðîèçâîäèòñÿ
îöåíêà äèñïåðñèé, ñòàòèñòèêà âû÷èñëÿåòñÿ ïî ôîðìóëå
x̄ − ȳ
ϕ3 (X[n] , Y[m] ) = p . (2.4.4)
s̃21 /n + s̃22 /m
Â êà÷åñòâå ðàñïðåäåëåíèÿ ñòàòèñòèêè êðèòåðèÿ èñïîëüçóåò-

ñÿ ðàñïðåäåëåíèå Ñòüþäåíòà ñî ñëåäóþùåé îöåíêîé ÷èñëà
ñòåïåíåé ñâîáîäû:
2
s̃21 /n + s̃22 /m
df = 2 2 . (2.4.5)
(s̃21 /n) /(n − 1) + (s̃22 /m) /(m − 1)
Â ñëó÷àå, êîãäà var.equal=TRUE, äèñïåðñèè ïðåäïîëàãàþò-
ñÿ ðàâíûìè, â òåñòå ïðîèçâîäèòñÿ îöåíêà äèñïåðñèè ïî ôîð-
ìóëå (2.4.3);
• conf.level îïöèÿ, êîòîðàÿ îïðåäåëÿåò äîâåðèòåëüíóþ
âåðîÿòíîñòü 1 − α, ãäå α óðîâåíü çíà÷èìîñòè êðèòåðèÿ.
Ïî óìîë÷àíèþ conf.level=0,95.
Ïðèìåð 2.4.1. Äëÿ ñëó÷àéíûõ âûáîðîê èç íîðìàëüíîãî

ðàñïðåäåëåíèÿ ñ ïàðàìåòðàìè (0, 1) è (1, 1) îáúåìà 50 è 30
ïðîâåðèòü ãèïîòåçó î ðàâåíñòâå ìàòåìàòè÷åñêèõ îæèäàíèé.
x <- rnorm(50, mean = 0, sd = 1)##

ìîäåëèðóåì âûáîðêó îáúåìà 50 èç íîðìàëüíîãî ðàñïðåäåëåíèÿ (0, 1)
y <- rnorm(30, mean = 1, sd = 1)##
ìîäåëèðóåì âûáîðêó îáúåìà 30 èç íîðìàëüíîãî ðàñïðåäåëåíèÿ (1, 1)
t.test(x,y,paired=FALSE,var.equal=TRUE)
Ðåçóëüòàò ðàáîòû ïðîãðàììû:
Two Sample t-test

data: x and y
t = -3.1359, df = 78, p-value = 0.002417
alternative hypothesis: true difference in means is not equal
to 0
95 percent confidence interval:
-1.2546485 -0.2802149
sample estimates:
mean of x mean of y
0.05065057 0.81808229
54
Â ðåçóëüòàòå ðàáîòû ôóíêöèè ïîëó÷åíû ðåçóëüòàòû, ñðå-
äè êîòîðûõ åñòü ñëåäóþùèå: çíà÷åíèå ñòàòèñòèêè êðèòåðèÿ
t=-3.1359, êîëè÷åñòâî ñòåïåíåé ñâîáîäû ñòàòèñòèêè df=78,
95%-íûé äîâåðèòåëüíûé èíòåðâàë äëÿ ðàçíîñòè a1 − a2 :
(-1.2546485;-0.2802149). Äëÿ óðîâíÿ çíà÷èìîñòè 0.05 íóëåâàÿ
ãèïîòåçà îòâåðãàåòñÿ â ïîëüçó àëüòåðíàòèâíîé, ïîñêîëüêó ïîëó-
÷åííîå çíà÷åíèå p-value = 0.002417 ìåíüøå óðîâíÿ çíà÷èìîñòè
êðèòåðèÿ.
Â ïðîãðàììå Excel äëÿ ïðîâåðêè ãèïîòåçû î ðàâåíñòâå ìà-

òåìàòè÷åñêèõ îæèäàíèé äâóõ ãåíåðàëüíûõ ñîâîêóïíîñòåé, êî-
ãäà äèñïåðñèè ãåíåðàëüíûõ ñîâîêóïíîñòåé èçâåñòíû, â íàä-
ñòðîéêå Àíàëèç äàííûõ ðåàëèçîâàí Äâóõâûáîðî÷íûé z-òåñò äëÿ
ñðåäíèõ (ðèñ. 2.1).
Ðèñ. 2.1. Îêíî Äâóõâûáîðî÷íûé z-òåñò äëÿ ñðåäíèõ
Â ðåçóëüòàòå ðàáîòû òåñòà âûâîäÿòñÿ çíà÷åíèå ñòàòèñòèêè

(2.4.1), p-value äëÿ îäíîñòîðîííåé è äâóñòîðîííåé àëüòåðíàòèâ.
Ïî óìîë÷àíèþ óðîâåíü çíà÷èìîñòè ðàâåí 0.05. Åñëè ïîëó÷åííîå
çíà÷åíèå p-value áîëüøå óðîâíÿ çíà÷èìîñòè, òî íåò îñíîâàíèé
îòâåðãíóòü íóëåâóþ ãèïîòåçó. Â ïðîòèâíîì ñëó÷àå íóëåâàÿ ãèïî-
òåçà îòâåðãàåòñÿ ïðè óðîâíå çíà÷èìîñòè α.
Â ïðîãðàììå Excel äëÿ ïðîâåðêè ãèïîòåçû î ðàâåíñòâå ìà-
òåìàòè÷åñêèõ îæèäàíèé äâóõ ãåíåðàëüíûõ ñîâîêóïíîñòåé â ñëó-
÷àå, êîãäà äèñïåðñèè ãåíåðàëüíûõ ñîâîêóïíîñòåé íåèçâåñòíû, ñó-
ùåñòâóåò ôóíêöèÿ CÒÜÞÄÅÍÒ.ÒÅÑÒ. Ýòà ôóíêöèÿ âîçâðàùàåò âå-
ëè÷èíó p-value, ñîîòâåòñòâóþùóþ êðèòåðèþ Ñòüþäåíòà. Ôóíê-
55
öèÿ èìååò âèä: CÒÜÞÄÅÍÒ.ÒÅÑÒ(ìàññèâ1;ìàññèâ2;õâîñòû;òèï),
ãäå
• ìàññèâ1 ïåðâàÿ âûáîðêà;
• ìàññèâ2 âòîðàÿ âûáîðêà;
• õâîñòû ÷èñëî õâîñòîâ ðàñïðåäåëåíèÿ. Åñëè õâîñòû=1, òî
ôóíêöèÿ CÒÜÞÄÅÍÒ.ÒÅÑÒ èñïîëüçóåò îäíîñòîðîííåå ðàñïðå-
äåëåíèå. Åñëè õâîñòû=2, òî ôóíêöèÿ CÒÜÞÄÅÍÒ.ÒÅÑÒ èñ-
ïîëüçóåò äâóñòîðîííåå ðàñïðåäåëåíèå;
• òèï âèä âûïîëíÿåìîãî t-òåñòà. Åñëè òèï=1, òî âûïîëíÿåò-
ñÿ t-òåñò äëÿ ïàðíûõ äàííûõ. Åñëè òèï=2, òî âûïîëíÿåòñÿ
äâóõâûáîðî÷íûé òåñò ñ íåèçâåñòíûìè, íî ðàâíûìè äèñïåð-
ñèÿìè (ãîìîñêåäàñòè÷åñêèé), åñëè òèï=3, òî âûïîëíÿåòñÿ
äâóõâûáîðî÷íûé òåñò ñ íåèçâåñòíûìè íåðàâíûìè äèñïåð-
ñèÿìè (ãåòåðîñêåäàñòè÷åñêèé).
Çàìå÷àíèÿ ïî ôóíêöèè CÒÜÞÄÅÍÒ.ÒÅÑÒ:
1. Åñëè àðãóìåíòû ìàññèâ1 è ìàññèâ2 èìåþò ðàçëè÷íîå ÷èñëî
òî÷åê äàííûõ, à òèï=1, òî ôóíêöèÿ CÒÜÞÄÅÍÒ.ÒÅÑÒ âîçâðà-
ùàåò çíà÷åíèå îøèáêè #Í/Ä.
2. Àðãóìåíòû õâîñòû è òèï óñåêàþòñÿ äî öåëûõ çíà÷åíèé.
3. Ôóíêöèÿ CÒÜÞÄÅÍÒ.ÒÅÑÒ èñïîëüçóåò äàííûå àðãóìåíòîâ
ìàññèâ1 è ìàññèâ2 äëÿ âû÷èñëåíèÿ íåîòðèöàòåëüíîé
t-ñòàòèñòèêè. Åñëè õâîñòû=1, CÒÜÞÄÅÍÒ.ÒÅÑÒ âîçâðàùàåò
âåðîÿòíîñòü áîëåå âûñîêîãî çíà÷åíèÿ t-ñòàòèñòèêè, èñõî-
äÿ èç ïðåäïîëîæåíèÿ, ÷òî ìàññèâ1 è ìàññèâ2 ÿâëÿþò-
ñÿ âûáîðêàìè, ïðèíàäëåæàùèìè ãåíåðàëüíîé ñîâîêóïíî-
ñòè ñ îäíèì è òåì æå ñðåäíèì. Çíà÷åíèå, âîçâðàùàåìîå
ôóíêöèåé CÒÜÞÄÅÍÒ.ÒÅÑÒ â ñëó÷àå, êîãäà õâîñòû=2, âäâîå
áîëüøå çíà÷åíèÿ, âîçâðàùàåìîãî, êîãäà õâîñòû=1, è ñîîò-
âåòñòâóåò âåðîÿòíîñòè áîëåå âûñîêîãî àáñîëþòíîãî çíà÷å-
íèÿ t-ñòàòèñòèêè, èñõîäÿ èç ïðåäïîëîæåíèÿ, ÷òî ìàññèâ1 è
ìàññèâ2 ÿâëÿþòñÿ âûáîðêàìè, ïðèíàäëåæàùèìè ãåíåðàëü-
íîé ñîâîêóïíîñòè ñ îäíèì è òåì æå ñðåäíèì.
Òàêæå â ïðîãðàììå Excel â íàäñòðîéêå Àíàëèç äàííûõ
ñóùåñòâóåò âîçìîæíîñòü ïðîâåðêè ãèïîòåç ïî êðèòåðèþ
Ñòüþäåíòà â ñëó÷àå, êîãäà äèñïåðñèè ãåíåðàëüíûõ ñîâîêóï-
íîñòåé íåèçâåñòíû. Â íàäñòðîéêå Àíàëèç äàííûõ íåîáõîäè-
ìî âûáðàòü âèä t-òåñòà: Äâóõâûáîðî÷íûé t-òåñò ñ ðàâíûìè
äèñïåðñèÿìè, Äâóõâûáîðî÷íûé t-òåñò ñ íåðàâíûìè äèñïåðñèÿ-
ìè. Â ðåçóëüòàòå ðàáîòû ýòèõ äâóõ òåñòîâ âûäàþòñÿ
ñëåäóþùèå ÷èñëåííûå çíà÷åíèÿ: ñðåäíåå, äèñïåðñèÿ, íàáëþ-
56
äåíèÿ, ãèïîòåòè÷åñêàÿ ðàçíîñòü ñðåäíèõ, ÷èñëî ñòåïåíåé
ñâîáîäû, t-ñòàòèñòèêà, P(T>=t) îäíîñòîðîííåå, t êðèòè÷åñêîå
îäíîñòîðîííåå, P(T>=t) äâóñòîðîííåå, t êðèòè÷åñêîå äâóñòî-
ðîííåå.
Çíà÷åíèå t-ñòàòèñòèêè âû÷èñëÿåòñÿ è îòîáðàæàåòñÿ êàê
t-ñòàòèñòèêà â âûâîäèìîé òàáëèöå. Â çàâèñèìîñòè îò äàííûõ,
ýòî çíà÷åíèå t ìîæåò áûòü îòðèöàòåëüíûì èëè íåîòðèöàòåëü-
íûì. Åñëè ïðåäïîëîæèòü, ÷òî ñðåäíèå ãåíåðàëüíûõ ñîâîêóïíî-
ñòåé ðàâíû, ïðè t < 0 P(T<=t) îäíîñòîðîííåå äàåò âåðîÿòíîñòü
òîãî, ÷òî íàáëþäàåìîå çíà÷åíèå t-ñòàòèñòèêè áóäåò ¾áîëåå îò-
ðèöàòåëüíûì¿, ÷åì t. Ïðè t > 0 P(T<=t) îäíîñòîðîííåå äåëà-
åò âîçìîæíûì íàáëþäåíèå çíà÷åíèÿ t-ñòàòèñòèêè, êîòîðîå áó-
äåò ¾áîëåå ïîëîæèòåëüíûì¿, ÷åì t. Âåëè÷èíà t êðèòè÷åñêîå
îäíîñòîðîííåå âûäàåò ïîðîãîâîå çíà÷åíèå, òàê ÷òî âåðîÿòíîñòü
íàáëþäåíèÿ çíà÷åíèÿ t-ñòàòèñòèêè áîëüøåãî èëè ðàâíîãî t
êðèòè÷åñêîå îäíîñòîðîííåå ðàâíî α.
Çíà÷åíèå P(T>=t) äâóñòîðîííåå ðàâíî âåðîÿòíîñòè íàáëþ-
äåíèÿ t-ñòàòèñòèêè ïî àáñîëþòíîìó çíà÷åíèþ áîëüøåãî, ÷åì t.
Çíà÷åíèå P êðèòè÷åñêîå äâóñòîðîííåå âûäàåò ïîðîãîâîå çíà÷å-
íèå òîãî, ÷òî âåðîÿòíîñòü íàáëþäåíèÿ t-ñòàòèñòèêè ïî àáñîëþò-
íîìó çíà÷åíèþ áîëüøåãî P êðèòè÷åñêîå äâóñòîðîííåå ðàâíî α.
Äëÿ îïðåäåëåíèÿ òåñòîâîé âåëè÷èíû t èñïîëüçóåòñÿ ôîðìó-
ëà:
x̄ − ȳ − ∆0
t= p 2 ,
s̃1 /n + s̃22 /m
ãäå ∆0 ãèïîòåòè÷åñêàÿ ðàçíîñòü ìàòåìàòè÷åñêèõ îæèäàíèé èñ-
ñëåäóåìûõ ãåíåðàëüíûõ ñîâîêóïíîñòåé. Äëÿ ïðîâåðêè ðàâåíñòâà
ñðåäíèõ ∆0 = 0.
Äëÿ âû÷èñëåíèÿ êîëè÷åñòâà ñòåïåíåé ñâîáîäû df èñïîëü-
çóåòñÿ ôîðìóëà (2.4.5). Òàê êàê ðåçóëüòàò âû÷èñëåíèÿ îáû÷-
íî íå áûâàåò öåëûì ÷èñëîì, çíà÷åíèå df îêðóãëÿåòñÿ äî öåëî-
ãî äëÿ ïîëó÷åíèÿ ïîðîãîâîãî çíà÷åíèÿ èç t-òàáëèöû. Ôóíêöèÿ
CÒÜÞÄÅÍÒ.ÒÅÑÒ ïî âîçìîæíîñòè èñïîëüçóåò âû÷èñëåííûå çíà÷å-
íèÿ áåç îêðóãëåíèÿ äëÿ âû÷èñëåíèÿ çíà÷åíèÿ CÒÜÞÄÅÍÒ.ÒÅÑÒ ñ
íåöåëûì çíà÷åíèåì df. Èç-çà ðàçíèöû ïîäõîäîâ ê îïðåäåëåíèþ
ñòåïåíåé ñâîáîäû, ðåçóëüòàòû ôóíêöèé CÒÜÞÄÅÍÒ.ÒÅÑÒ è t-òåñò
áóäóò ðàçëè÷àòüñÿ â ñëó÷àå ñ ðàçíûìè íåèçâåñòíûìè äèñïåðñè-
ÿìè.
Ïðèìåð 2.4.2. Äàíû äâå âûáîðêè X è Y (ñì. òàáë. 2.3)
îáúåìîâ 11 è 7 ñîîòâåòñòâåííî. Äàííûå âçÿòû ñ ñàéòà:
57
http://lib.stat.cmu.edu/DASL/ Datafiles/Cities.html. Ýëå-
ìåíòû âûáîðêè X (Y ) ïðåäñòàâëÿþò óñëîâíóþ ñòîèìîñòü ¾êîð-
çèíû¿ èç 112 òîâàðîâ è óñëóã â 1991 ãîäó â íåêîòîðûõ ãîðîäàõ
Åâðîïû è Ñåâåðíîé Àìåðèêè.
Òàáë. 2.3. Ñòîèìîñòü ¾êîðçèíû¿ òîâàðîâ è óñëóã â 1991 ã.
A B
1 Ãîðîä Ñòîèìîñòü ¾êîðçèíû¿ â ó.å.
2 Ãîðîäà Åâðîïû
3 Àìñòåðäàì 65,6
4 Àôèíû 53,8
5 Áðþññåëü 73,8
6 Êîïåíãàãåí 91,3
7 Äþññåëüäîðô 78,5
8 Ôðàíêôóðò 74,5
9 Ìàäðèä 93,8
10 Ìèëàí 82
11 Ïàðèæ 81,6
12 Öþðèõ 100
13 Âåíà 78
14 Ãîðîäà Ñåâåðíîé Àìåðèêè

15 ×èêàãî 73,9
16 Õüþñòîí 71,9
17 Ëîñ-Àíäæåëåñ 79,8
18 Ìåõèêî 49,8
19 Ìîíðåàëü 72,7
20 Íüþ-Éîðê 83,3
21 Òîðîíòî 70,2
Ïðåäâàðèòåëüíûé àíàëèç äàííûõ ïîêàçàë, ÷òî îáå âûáîð-

êè èçâëå÷åíû èç íîðìàëüíî ðàñïðåäåëåííûõ ãåíåðàëüíûõ ñîâî-
êóïíîñòåé, è äèñïåðñèè ýòèõ ãåíåðàëüíûõ ñîâîêóïíîñòåé ðàçëè-
÷àþòñÿ ñòàòèñòè÷åñêè íåçíà÷èìî ïðè óðîâíå çíà÷èìîñòè α =
= 0.05. Íåîáõîäèìî ïðîâåðèòü, ðàçëè÷àþòñÿ ëè óñëîâíûå ñòî-
èìîñòè ¾êîðçèí¿ â Åâðîïå è Ñåâåðíîé Àìåðèêå.
Äëÿ ïðîâåðêè ãèïîòåçû îäíîðîäíîñòè â ñìûñëå ðà-
âåíñòâà ìàòåìàòè÷åñêèõ îæèäàíèé ìîæíî ïðèìåíèòü
êðèòåðèé Ñòüþäåíòà. Ñíà÷àëà âîñïîëüçóåìñÿ ôóíêöèåé
CÒÜÞÄÅÍÒ.ÒÅÑÒ. Â ñëó÷àå ïðîâåðêè ãèïîòåçû ïðè äâóñòî-
ðîííåé àëüòåðíàòèâå ôóíêöèÿ CÒÜÞÄÅÍÒ.ÒÅÑÒ çàïèøåòñÿ â
âèäå: CÒÜÞÄÅÍÒ.ÒÅÑÒ(B3:B13; B15:B21;2;2). Îíà âûäàåò çíà-
58
÷åíèå p-value, ðàâíîå 0,2099391231. Ïðè óðîâíå çíà÷èìîñòè
α = 0.05 íåò îñíîâàíèé îòâåðãíóòü íóëåâóþ ãèïîòåçó î ðàâåíñòâå
ìàòåìàòè÷åñêèõ îæèäàíèé, ïîñêîëüêó p-value > 0.05.
Òåïåðü âîñïîëüçóåìñÿ t-òåñòîì â íàäñòðîéêå Àíàëèç äàííûõ.
Îêíî Äâóõâûáîðî÷íîãî t-òåñòà ñ îäèíàêîâûìè äèñïåðñèÿìè
èçîáðàæåíî íà ðèñ. 2.2.
Ðèñ. 2.2. Îêíî Äâóõâûáîðî÷íîãî t-òåñòà ñ îäèíàêîâûìè äèñïåðñèÿìè
Â ðåçóëüòàòå òåñòà âûâîäèòñÿ òàáëèöà 2.4. Â òåñòå ðàñ-

ñ÷èòûâàåòñÿ êàê îäíîñòîðîííåå çíà÷åíèå, òàê è äâóñòîðîííåå
p-value. Â ñëó÷àå ïðîâåðêè äâóñòîðîííåé àëüòåðíàòèâû êðèòè÷å-
ñêàÿ îáëàñòü îáúåäèíåíèå äâóõ ïðîìåæóòêîâ: (−∞; −2.1199)∪
∪(2.1199; ∞). Òàê êàê ðàññ÷èòàííîå çíà÷åíèå ñòàòèñòèêè íå ïîïà-
Òàáë. 2.4. Äâóõâûáîðî÷íûé t-òåñò äëÿ äàííûõ òàáë. 2.3
A B C
29 Äâóõâûáîðî÷íûé t-òåñò ñ îäèí. äèñïåðñèÿìè

30 Ãîð. Åâð. Ãîð. Ñåâ. Àì.
31 Ñðåäíåå 79,3545 71,6571
32 Äèñïåðñèÿ 168,8847 114,6495
33 Íàáëþäåíèÿ 11 7
34 Îáúåäèíåííàÿ äèñïåðñèÿ 148,5465
35 Ãèïîò. ðàçíîñòü ñðåäíèõ 0
36 df 16
37 t-ñòàòèñòèêà 1,3062
38 P (T <= t) îäíîñòîðîííåå 0,1050
39 t êðèòè÷åñêîå îäíîñòîðîííåå 1,7459
40 P (T <= t) äâóõñòîðîííåå 0,2099
41 t êðèòè÷åñêîå äâóõñòîðîííåå 2,1199
59
äàåò â êðèòè÷åñêóþ îáëàñòü, òî íåò îñíîâàíèé îòâåðãíóòü íóëå-
âóþ ãèïîòåçó. Ìîæíî òàêæå ñêàçàòü, ÷òî ïðè äâóñòîðîííåé àëü-
òåðíàòèâå íåò îñíîâàíèé îòâåðãíóòü íóëåâóþ ãèïîòåçó, ïîñêîëü-
êó äâóñòîðîííåå p-value, ðàâíîå 0.2099, áîëüøå óðîâíÿ çíà÷èìî-
ñòè 0.05.
2.4.3. Êðèòåðèé ðàâåíñòâà ` ñðåäíèõ

Ðàññìîòðèì êðèòåðèé îäíîôàêòîðíîãî äèñïåðñèîííîãî àíàëèçà,
êîòîðûé ïðîâåðÿåò ðàâåíñòâî ` ìàòåìàòè÷åñêèõ îæèäàíèé íîð-
ìàëüíî ðàñïðåäåëåííûõ ãåíåðàëüíûõ ñîâîêóïíîñòåé.
Ïóñòü èìåþòñÿ âûáîðêè X[n1 ] = {x11 , . . . , x1n1 }, . . . , X[n` ] =
= {x`1 , . . . , x`n` } èç ãåíåðàëüíûõ ñîâîêóïíîñòåé ξ1 ∼ N (a1 , σ 2 ),
. . . , ξ` ∼ N (a` , σ 2 ) ñîîòâåòñòâåííî. Ò. å. âñå ãåíåðàëüíûå ñîâîêóï-
íîñòè èìåþò íåèçâåñòíûå è âîçìîæíî íåðàâíûå ìàòåìàòè÷åñêèå
îæèäàíèÿ a1 , . . . , a` , è íåèçâåñòíûå, íî ðàâíûå äèñïåðñèè σ 2 .
Âûäâèíåì íóëåâóþ ãèïîòåçó H0 : a1 = . . . = a` è àëüòåðíà-
òèâíóþ åé H1 , êîòîðàÿ çàêëþ÷àåòñÿ â îòðèöàíèè ãèïîòåçû H0 .
Ïîñòðîèì ñòàòèñòèêó êðèòåðèÿ ñëåäóþùèì îáðàçîì:
1 P̀ 2
nj (x̄j − x̄)
` − 1 j=1
γ(X[n1 ] , . . . , X[n` ] ) = , (2.4.6)
š2
ãäå
nj
P
xji
i=1
x̄j = , (2.4.7)
nj
P̀
nj x̄j
j=1
x̄ = , (2.4.8)
n1 + . . . + n`
nj s2j
P̀
j=1
š2 = , (2.4.9)
n1 + . . . + n` − `
nj
P 2
(xji − x̄j )
i=1
2
sj = . (2.4.10)
nj
Ïðè ñïðàâåäëèâîñòè ãèïîòåçû H0 ñòàòèñòèêà (2.4.6) ïîä÷èíÿåòñÿ
P`
ðàñïðåäåëåíèþ Ôèøåðà ñ (` − 1, j=1 nj − `) ñòåïåíÿìè ñâîáîäû.
60
Àëãîðèòì êðèòåðèÿ ðàâåíñòâà ` ñðåäíèõ âûáîðîê èç íîð-
ìàëüíî ðàñïðåäåëåííûõ ãåíåðàëüíûõ ñîâîêóïíîñòåé ïðè óñëîâèè,
÷òî èõ äèñïåðñèè íåèçâåñòíû, íî ðàâíû
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : a1 = . . . = a` è àëüòåð-
íàòèâíóþ åé, êîòîðàÿ çàêëþ÷àåòñÿ â îòðèöàíèè ãèïîòåçû
H0 .
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè γ(X[n1 ] , . . . , X[n` ] ) ïî ôîð-
ìóëàì (2.4.6)(2.4.10).
4. ×èñëèòåëü äðîáè â ïðàâîé ÷àñòè (2.4.6) ïðè íàðóøåíèè
ãèïîòåçû H0 èìååò òåíäåíöèþ ê âîçðàñòàíèþ òåì áîëü-
øåìó, ÷åì áîëüøå îòêëîíåíèå îò H0 . Ïîýòîìó ïðîòèâ H0
ãîâîðÿò áîëüøèå çíà÷åíèÿ ñòàòèñòèêè (2.4.6). Â êà÷åñòâå
êðèòè÷åñêîé îáëàñòè äëÿ H0 è óðîâíÿ çíà÷èìîñòè α öå-
ëåñîîáðàçíî âûáðàòü îáëàñòü (F1−α,`−1,P` nj −` ; ∞), ãäå
j=1
F1−α,`−1,P` nj −` êâàíòèëü óðîâíÿ 1 − α ðàñïðåäåëåíèÿ
j=1
P`
Ôèøåðà ñ (` − 1, j=1 nj − `) ñòåïåíÿìè ñâîáîäû.
5. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè γ(X[n1 ] , . . . , X[n` ] ) ïî-
ïàäåò â êðèòè÷åñêóþ îáëàñòü, òî íóëåâàÿ ãèïîòåçà H0 îò-
âåðãàåòñÿ, â ïðîòèâíîì ñëó÷àå íåò îñíîâàíèé åå îòâåðãíóòü
ïðè óðîâíå çíà÷èìîñòè α.
2.4.4. Êðèòåðèé ðàâåíñòâà ` ñðåäíèõ â R

Äëÿ ïðîâåðêè ãèïîòåçû ðàâåíñòâà ìàòåìàòè÷åñêèõ îæèäàíèé
íåñêîëüêèõ (áîëüøå, ëèáî ðàâíûõ äâóì) â ïðîãðàììå R ñóùåñòâó-
åò ôóíêöèÿ oneway.test. Àðãóìåíòû ôóíêöèè oneway.test:
• formula îïðåäåëÿåò ìàññèâû äàííûõ äëÿ ïðîâåðêè ãèïî-
òåçû. Ìàññèâ îïðåäåëÿåòñÿ ñïåöèàëüíûì îáðàçîì. Ìàññèâ
äîëæåí áûòü äâóìåðíûì, ïåðâûé ýëåìåíò ýëåìåíò âû-
áîðêè (âûáîðêà â ýòîé ôóíêöèè îáúåäèíåíèå ýëåìåíòîâ
âñåõ âûáîðîê, êîòîðûå ó÷àñòâóþò â àíàëèçå, âòîðîé ìåò-
êà, óêàçûâàþùàÿ ïðèíàäëåæíîñòü ýòîãî ýëåìåíòà íåêîòî-
ðîé ïîäâûáîðêå. Ïðèìåð îïðåäåëåíèÿ âûáîðêè ìîæíî óâè-
äåòü íèæå â ïðèìåðå;
• data óêàçûâàåò ìàññèâ äàííûõ;
• var.equal ëîãè÷åñêàÿ ïåðåìåííàÿ, ïðèíèìàåò çíà÷åíèå
TRUE â ñëó÷àå, êîãäà ïðåäïîëàãàåòñÿ ðàâåíñòâî äèñïåðñèé
ãåíåðàëüíûõ ñîâîêóïíîñòåé, èç êîòîðûõ èçâëå÷åíû âûáîð-
êè, çíà÷åíèå FALSE, êîãäà äèñïåðñèè íå ðàâíû.
61
Ïðèìåð 2.4.3. Äëÿ âûáîðîê x = {4, 3, 4, 5, 2, 3, 4, 5}, y = {4, 4,
5, 5, 4, 5, 4, 4}, z = {3, 4, 2, 4, 5, 5, 4, 4}, èçâëå÷åííûõ èç íîð-
ìàëüíûõ ãåíåðàëüíûõ ñîâîêóïíîñòåé ñ ðàâíûìè äèñïåðñèÿìè,
ïðîâåðèòü ãèïîòåçó î ðàâåíñòâå ìàòåìàòè÷åñêèõ îæèäàíèé.
x = c(4,3,4,5,2,3,4,5)##
ââîäèì ýëåìåíòû âûáîðêè x
y = c(4,4,5,5,4,5,4,4)##
ââîäèì ýëåìåíòû âûáîðêè y
z = c(3,4,2,4,5,5,4,4)##
ââîäèì ýëåìåíòû âûáîðêè z
bigsample=data.frame(x,y,z) ##
ñîçäàåì òàáëèöó
bigsample=stack(bigsample) ##
îáúåäèíÿåì äàííûå, êàæäîìó ýëåìåíòó ìàññèâà ïðèñâàèâàåòñÿ
ìåòêà, èç êàêîé âûáîðêè îí áûë èçâëå÷åí
oneway.test(values ind, data=bigsample, var.equal=T)
Ðåçóëüòàò ðàáîòû ïðîãðàììû:
One-way analysis of means

data: values and ind
F = 1.1308, num df = 2, denom df = 21, p-value = 0.3417
Çäåñü F=1.1308 çíà÷åíèå ñòàòèñòèêè (2.4.6), num df=2

÷èñëî ñòåïåíåé ñâîáîäû ÷èñëèòåëÿ ñòàòèñòèêè, denom df=21
÷èñëî ñòåïåíåé ñâîáîäû çíàìåíàòåëÿ ñòàòèñòèêè, âåëè÷èíà
p-value = 0.3417 ãîâîðèò î òîì, ÷òî íåò îñíîâàíèé îòâåðãíóòü
íóëåâóþ ãèïîòåçó î ðàâåíñòâå ìàòåìàòè÷åñêèõ îæèäàíèé ïðè
óðîâíå çíà÷èìîñòè 0.01 èëè 0.05.
2.4.5. Êðèòåðèé ÔèøåðàÑíåäåêîðà

Êðèòåðèé ÔèøåðàÑíåäåêîðà ïðîâåðÿåò ðàâåíñòâî äèñïåðñèé
äâóõ èññëåäóåìûõ íîðìàëüíî ðàñïðåäåëåííûõ ãåíåðàëüíûõ ñî-
âîêóïíîñòåé.
Ïóñòü èìåþòñÿ âûáîðêè X[n] = {x1 , . . . , xn } è Y[m] = {y1 , . . . ,
ym } èç ãåíåðàëüíûõ ñîâîêóïíîñòåé ξ1 ∼ N (a1 , σ12 ), ξ2 ∼ N (a2 , σ22 )
ñîîòâåòñòâåííî. Ò. å. ãåíåðàëüíûå ñîâîêóïíîñòè ξ1 è ξ2 èìåþò
íåèçâåñòíûå ìàòåìàòè÷åñêèå îæèäàíèÿ a1 , a2 è äèñïåðñèè σ12 ,
σ22 .
Âûäâèíåì íóëåâóþ ãèïîòåçó H0 : σ12 = σ22 è àëüòåðíàòèâíóþ
åé H1 : σ12 6= σ22 . Ïîñòðîèì ñòàòèñòèêó ÔèøåðàÑíåäåêîðà:
62
s21 n/(n − 1) s̃21
F (X[n] , Y[m] ) = = , (2.4.11)
s22 m/(m − 1) s̃22
ãäå s21 , s22 âûáîðî÷íûå äèñïåðñèè âûáîðîê X[n] è Y[m] .
Ñòàòèñòèêà F (X[n] , Y[m] ) ïðè ñïðàâåäëèâîñòè ãèïîòåçû H0
ïîä÷èíÿåòñÿ ðàñïðåäåëåíèþ Ôèøåðà ñ (n − 1, m − 1) ñòåïåíÿìè
ñâîáîäû.
Àëãîðèòì êðèòåðèÿ ÔèøåðàÑíåäåêîðà
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : σ12 = σ22 è àëüòåðíàòèâ-
íóþ åé H1 : σ12 6= σ22 .
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè F (X[n] , Y[m] ) ïî ôîðìóëå
(2.4.11).
4. Íàõîäèì êðèòè÷åñêóþ îáëàñòü ýòî îáúåäèíåíèå äâóõ
èíòåðâàëîâ [0; F α2 ,n−1,m−1 ) è (F1− α2 ,n−1,m−1 ; ∞), ãäå
F α2 ,n−1,m−1 , F1− α2 ,n−1,m−1 êâàíòèëè óðîâíåé α2 , 1 − α2
ðàñïðåäåëåíèÿ Ôèøåðà ñ (n − 1, m − 1) ñòåïåíÿìè ñâîáîäû.
5. Åñëè çíà÷åíèå ñòàòèñòèêè F (X[n] , Y[m] ) ïîïàäåò â êðèòè÷å-
ñêóþ îáëàñòü, òî íóëåâàÿ ãèïîòåçà H0 îòâåðãàåòñÿ, â ïðî-
òèâíîì ñëó÷àå íåò îñíîâàíèé åå îòâåðãíóòü ïðè óðîâíå çíà-
÷èìîñòè α.
2.4.6. Êðèòåðèé Áàðòëåòòà

Êðèòåðèé Áàðòëåòòà ïîçâîëÿåò ïðîâåðèòü ãèïîòåçó î ðàâåíñòâå
äèñïåðñèé íîðìàëüíî ðàñïðåäåëåííûõ ãåíåðàëüíûõ ñîâîêóïíî-
ñòåé.
Ïóñòü èìåþòñÿ âûáîðêè X[n1 ] = {x11 , . . . , x1n1 }, . . . , X[n` ] =
= {x`1 , . . . , x`n` } èç ãåíåðàëüíûõ ñîâîêóïíîñòåé ξ1 ∼ N (a1 , σ12 ),
. . ., ξ` ∼ N (a` , σ`2 ) ñîîòâåòñòâåííî. Âñå ãåíåðàëüíûå ñîâîêóï-
íîñòè èìåþò íåèçâåñòíûå ìàòåìàòè÷åñêèå îæèäàíèÿ a1 , . . . , a`
è äèñïåðñèè σ12 , . . . , σ`2 . Äîïîëíèòåëüíî ïðåäïîëîæèì, ÷òî
min{n1 , . . . , n` } > 3.
Âûäâèíåì íóëåâóþ ãèïîòåçó H0 : σ12 = . . . = σ`2 è àëüòåðíà-
òèâíóþ åé H1 , êîòîðàÿ çàêëþ÷àåòñÿ â îòðèöàíèè ãèïîòåçû H0 .
Ïîñòðîèì ñòàòèñòèêó êðèòåðèÿ ñëåäóþùèì îáðàçîì:
`
" #!
X š2
B(X[n1 ] , . . . , X[n` ] ) = q (nj − 1) ln 2 . (2.4.12)
j=1
s̃j
63
Âåëè÷èíû q , s̃2j âû÷èñëÿþòñÿ ïî ôîðìóëàì:
  −1
`
1 X 1 1
q = 1 +  −  , (2.4.13)
3(` − 1) j=1 nj − 1 n1 + . . . n` − `
nj s2j
s̃2j = , (2.4.14)
nj − 1
âåëè÷èíû š2 è s2j ìîæíî íàéòè ïî ôîðìóëàì (2.4.9) è (2.4.10)
ñîîòâåòñòâåííî.
Ñòàòèñòèêà B(X[n1 ] , . . . , X[n` ] ) ïîä÷èíÿåòñÿ χ2 -ðàñïðåäåëå-
íèþ ñ ` − 1 ñòåïåíüþ ñâîáîäû ïðè ñïðàâåäëèâîñòè ãèïîòåçû H0 .
Àëãîðèòì êðèòåðèÿ Áàðòëåòòà
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : σ12 = . . . , σ`2 è àëüòåðíà-
òèâíóþ åé H1 , êîòîðàÿ çàêëþ÷àåòñÿ â îòðèöàíèè H0 .
3. Ïî ôîðìóëàì (2.4.12)(2.4.14) âû÷èñëÿåì çíà÷åíèå ñòàòè-
ñòèêè B(X[n1 ] , . . . , X[n` ] ).
4. Íàõîäèì êðèòè÷åñêóþ îáëàñòü èíòåðâàë (χ21−α,`−1 ; ∞),
ãäå χ21−α,`−1 êâàíòèëü óðîâíÿ 1 − α χ2 -ðàñïðåäåëåíèÿ ñ
` − 1 ñòåïåíüþ ñâîáîäû.
5. Åñëè çíà÷åíèå ñòàòèñòèêè B(X[n1 ] , . . . , X[n` ] ) ïîïàäàåò â èí-
òåðâàë (χ21−α,`−1 ; ∞), òî íóëåâàÿ ãèïîòåçà H0 îòâåðãàåòñÿ, â
ïðîòèâíîì ñëó÷àå íåò îñíîâàíèé åå îòâåðãíóòü ïðè óðîâíå
çíà÷èìîñòè α.
2.4.7. Êðèòåðèè ÔèøåðàÑíåäåêîðà è Áàðòëåòòà â R

Â ïðîãðàììå R ðåàëèçîâàíà ôóíêöèÿ var.test äëÿ ïðîâåð-
êè ãèïîòåçû îäíîðîäíîñòè ïî êðèòåðèþ ÔèøåðàÑíåäåêîðà.
Àðãóìåíòû ýòîé ôóíêöèè ñëåäóþùèå:
(áîëüøå) èëè "less" (ìåíüøå);
• ratio ãèïîòåòè÷åñêîå ñîîòíîøåíèå äèñïåðñèé ãåíåðàëü-
íûõ ñîâîêóïíîñòåé, èç êîòîðûõ èçâëå÷åíû âûáîðêè x è y;
• conf.level äîâåðèòåëüíàÿ âåðîÿòíîñòü (ïî óìîë÷àíèþ,
ïðèíèìàåò çíà÷åíèå 0.95).
64
Ïðèìåð 2.4.4. Äëÿ ñìîäåëèðîâàííûõ âûáîðîê îáúåìà 50 è 40
èç ãåíåðàëüíûõ ñîâîêóïíîñòåé ñ íîðìàëüíûì ðàñïðåäåëåíèåì ñ
ïàðàìåòðàìè (0, 1) è (0, 4) ñîîòâåòñòâåííî ïðîâåðèòü ãèïîòåçó î
ðàâåíñòâå äèñïåðñèé.
x<-rnorm (50,mean=0, sd=1)

y<-rnorm (40,mean=0, sd=2)
var.test(x,y,conf.level=0.99)
Ðåçóëüòàò ðàáîòû ôóíêöèè var.test:
F test to compare two variances

data: x and y
F = 0.4449, num df = 49, denom df = 39, p-value = 0.007591
alternative hypothesis: true ratio of variances is not equal to
1
0.1975456 0.9715016
sample estimates:
ratio of variances
0.4449300
Çäåñü F çíà÷åíèå ñòàòèñòèêè êðèòåðèÿ (2.4.11), num df
÷èñëî ñòåïåíåé ñâîáîäû ÷èñëèòåëÿ, denom df ÷èñëî ñòåïåíåé
ñâîáîäû çíàìåíàòåëÿ. Ãèïîòåçó î ðàâåíñòâå äèñïåðñèé âûáîðîê
x è y îòâåðãàåì, ïîñêîëüêó çíà÷åíèå p-value ìåíüøå óðîâíÿ
çíà÷èìîñòè 0.01. 99%-íûé äîâåðèòåëüíûé èíòåðâàë äëÿ òåîðå-
òè÷åñêîãî îòíîøåíèÿ äèñïåðñèé âûáîðîê òàêæå âûâîäèòñÿ â
ðåçóëüòàòå ðàáîòû ôóíêöèè var.test.
Â ïðîãðàììå R ñóùåñòâóåò ôóíêöèÿ bartlett.test äëÿ ïðî-
âåðêè ãèïîòåçû î ðàâåíñòâå äèñïåðñèé íåñêîëüêèõ âûáîðîê ïî
êðèòåðèþ Áàðòëåòòà. Àðãóìåíòîì ýòîé ôóíêöèè ÿâëÿåòñÿ ñïèñîê
âûáîðîê. Åãî ìîæíî ñôîðìèðîâàòü ôóíêöèåé list(x,y,...),
ãäå x,y,... âûáîðêè.
Ïðèìåð 2.4.5. Ñìîäåëèðîâàòü ÷åòûðå âûáîðêè èç ãåíåðàëüíûõ
ñîâîêóïíîñòåé ñ ðàçëè÷íûìè ìàòåìàòè÷åñêèìè îæèäàíèÿìè è
ðàçëè÷íûìè äèñïåðñèÿìè. Ïðîâåðèòü ïî êðèòåðèþ Áàðòëåòòà
ãèïîòåçó î ðàâåíñòâå äèñïåðñèé.
x<-rnorm (50,mean=0, sd=1)

y<-rnorm (40,mean=0, sd=4)
z<-rnorm (40,mean=0, sd=1)
f<-rnorm (40,mean=1, sd=3)
bartlett.test(list(x,y,z,f))
65
Ðåçóëüòàò ðàáîòû ôóíêöèè bartlett.test:
Bartlett test of homogeneity of variances

data: list(x, y, z, f)
Bartlett's K-squared = 113.2234, df = 3, p-value < 2.2e-16
Çäåñü Bartlett's K-squared çíà÷åíèå ñòàòèñòèêè (2.4.12),

df ÷èñëî ñòåïåíåé ñâîáîäû ñòàòèñòèêè χ2 . Ãèïîòåçó î ðàâåí-
ñòâå äèñïåðñèé âûáîðîê x, y, z, f îòâåðãàåì, ïîñêîëüêó çíà÷åíèå
p-value ìåíüøå óðîâíÿ çíà÷èìîñòè 0.01 èëè 0.05.
2.4.8. Êðèòåðèé ÔèøåðàÑíåäåêîðà â Excel

Â ïðîãðàììå Excel äëÿ ïðîâåðêè ãèïîòåç îäíîðîäíîñòè
ïî êðèòåðèþ ÔèøåðàÑíåäåêîðà ñóùåñòâóåò ñòàíäàðòíàÿ
ôóíêöèÿ F.ÒÅÑÒ. Ôóíêöèÿ F.ÒÅÑÒ çàâèñèò îò àðãóìåíòîâ
Ìàññèâ1;Ìàññèâ2, ò. å. îò äâóõ ìàññèâîâ âûáîðîê. Ôóíêöèÿ
F.ÒÅÑÒ âîçâðàùàåò äâóñòîðîííþþ p-value.
Ïðè ïðîâåðêå ãèïîòåçû îäíîðîäíîñòè ïî êðèòåðèþ
ÔèøåðàÑíåäåêîðà ïðè äâóñòîðîííåé àëüòåðíàòèâå ñ ïîìîùüþ
ôóíêöèè F.ÒÅÑÒ íåò îñíîâàíèé îòâåðãíóòü íóëåâóþ ãèïîòåçó,
åñëè ïîëó÷åííîå çíà÷åíèå ôóíêöèè áîëüøå âûáðàííîãî óðîâíÿ
çíà÷èìîñòè. Â ïðîòèâíîì ñëó÷àå íóëåâàÿ ãèïîòåçà îòâåðãàåòñÿ.
Â ïðîãðàììå Excel â íàäñòðîéêå Àíàëèç äàííûõ ñóùå-
ñòâóåò âîçìîæíîñòü ïðîâåðêè ãèïîòåç ïî êðèòåðèþ Ôèøåðà
Ñíåäåêîðà. Â íàäñòðîéêå Àíàëèç äàííûõ íåîáõîäèìî âûáðàòü
Äâóõâûáîðî÷íûé F-òåñò. Ñ ïîìîùüþ ýòîãî ñðåäñòâà âû÷èñëÿåòñÿ
÷èñëî f çíà÷åíèå F -ñòàòèñòèêè (2.4.11) (èëè F -êîýôôèöèåíò).
Â òàáëèöå ðåçóëüòàòîâ âûâîäèòñÿ òàêæå P(F<=f) îäíîñòîðîííåå
è F êðèòè÷åñêîå îäíîñòîðîííåå.
Ïðèìåð 2.4.6. Ïî äàííûì ïðèìåðà 2.4.2 òðåáóåòñÿ ïðîâå-

ðèòü ãèïîòåçó î ðàâåíñòâå äèñïåðñèé ãåíåðàëüíûõ ñîâîêóïíî-
ñòåé, èç êîòîðûõ èçâëå÷åíû âûáîðêè. Ïîñêîëüêó ïðåäïîëàãà-
åòñÿ, ÷òî âûáîðêè èçâëå÷åíû èç ãåíåðàëüíûõ ñîâîêóïíîñòåé ñ
íîðìàëüíûìè ðàñïðåäåëåíèÿìè, ìîæíî âîñïîëüçîâàòüñÿ ôóíê-
öèåé F.ÒÅÑÒ. Ôóíêöèÿ F.ÒÅÑÒ(B3:B13;B15:B21) âûäàñò çíà÷åíèå
0,658155807. Ãèïîòåçó î ðàâåíñòâå äèñïåðñèé íåò îñíîâàíèé îò-
âåðãíóòü, ïîñêîëüêó ïîëó÷åííîå çíà÷åíèå p-value áîëüøå óðîâíÿ
çíà÷èìîñòè 0.05 èëè 0.01.
66
Äëÿ ðåøåíèÿ çàäà÷è ìîæíî âîñïîëüçîâàòüñÿ ñðåäñòâîì
Äâóõâûáîðî÷íûé F-òåñò íàäñòðîéêè Àíàëèç äàííûõ. Îêíî òåñòà
èçîáðàæåíî íà ðèñ. 2.3, à ðåçóëüòàòîì òåñòà áóäåò òàáëèöà 2.5.
Òåñòîì ðàññ÷èòûâàåòñÿ òîëüêî îäíîñòîðîííåå çíà÷åíèå p-value.
Ðèñ. 2.3. Îêíî Äâóõâûáîðî÷íîãî F-òåñòà äëÿ äèñïåðñèè
×òîáû ïîëó÷èòü äâóñòîðîííþþ îöåíêó äëÿ êðèòè÷åñêîãî çíà÷å-

íèÿ ñòàòèñòèêè F , âîñïîëüçóåìñÿ ôóíêöèåé F.ÎÁÐ ïðè óðîâíå
çíà÷èìîñòè α2 = 0.025. Ôîðìóëà F.ÎÁÐ(0,025;B29;C29) ðàññ÷è-
òàåò êâàíòèëü óðîâíÿ α2 = 0.025, êîòîðûé ðàâåí 0,2455716485,
à ôîðìóëà F.ÎÁÐ(1-0,025;B29;C29) êâàíòèëü óðîâíÿ
1 − α2 = 0.975, êîòîðûé ðàâåí 5,4613237187. Äëÿ äâóñòîðîííåé
àëüòåðíàòèâû êðèòè÷åñêàÿ îáëàñòü îáúåäèíåíèå ïðîìåæóò-
êîâ: [0; 0.2455716485) ∪ (5.4613237187; ∞). Òàê êàê ðàññ÷èòàííîå
çíà÷åíèå ñòàòèñòèêè íå ïîïàäàåò â êðèòè÷åñêóþ îáëàñòü, òî íåò
îñíîâàíèé îòâåðãíóòü íóëåâóþ ãèïîòåçó.
Òàáë. 2.5. Äâóõâûáîðî÷íûé F-òåñò äëÿ äàííûõ òàáë. 2.3
A B C
24 Äâóõâûáîðî÷íûé F-òåñò äëÿ äèñïåðñèè

25 Ãîð. Åâð. Ãîð. Ñåâ. Àì.
26 Ñðåäíåå 79,3545 71,6571
27 Äèñïåðñèÿ 168,8847 114,6495
28 Íàáëþäåíèÿ 11 7
29 df 10 6
30 F 1,4731
31 P (F <= f ) îäíîñòîðîííåå 0,3291
32 F êðèòè÷åñêîå îäíîñòîðîííåå 4,0600
67
2.5. Êðèòåðèè î çíà÷åíèè ïàðàìåòðîâ
ðàñïðåäåëåíèé
2.5.1. Êðèòåðèé î çíà÷åíèè ìàòåìàòè÷åñêîãî îæèäàíèÿ

íîðìàëüíî ðàñïðåäåëåííîé ãåíåðàëüíîé ñîâîêóïíîñòè
Ïóñòü èìååòñÿ âûáîðêà X[n] èç ãåíåðàëüíîé ñîâîêóïíîñòè ξ . Èç-
âåñòíî, ÷òî ãåíåðàëüíàÿ ñîâîêóïíîñòü ξ ïîä÷èíÿåòñÿ íîðìàëüíî-
ìó ðàñïðåäåëåíèþ ñ ïàðàìåòðàìè (a, σ 2 ). Ïàðàìåòð a ÿâëÿåòñÿ
íåèçâåñòíûì. Â êà÷åñòâå íóëåâîé ãèïîòåçû âîçüìåì óòâåðæäåíèå
H0 : a = a0 , â êà÷åñòâå àëüòåðíàòèâíîé ãèïîòåçû îäíó èç òðåõ
ãèïîòåç: H1 : a > a0 , H1 : a < a0 èëè H1 : a 6= a0 .
Ðàññìîòðèì ñíà÷àëà ñëó÷àé, êîãäà äèñïåðñèÿ ãåíåðàëüíîé
ñîâîêóïíîñòè σ 2 èçâåñòíà. Òîãäà â êà÷åñòâå ñòàòèñòèêè êðèòåðèÿ
ìîæíî âçÿòü ôóíêöèþ
x̄ − a0 √
η(X[n] ) = n, (2.5.1)
σ
ãäå x̄ âûáîðî÷íîå ñðåäíåå, íàéäåííîå ïî âûáîðêå X[n] .
Â ñëó÷àå âûïîëíåíèÿ ãèïîòåçû H0 ñòàòèñòèêà η(X[n] ) ïîä-
÷èíÿåòñÿ ñòàíäàðòíîìó íîðìàëüíîìó ðàñïðåäåëåíèþ.
Àëãîðèòì êðèòåðèÿ î ðàâåíñòâå ìàòåìàòè÷åñêîãî îæè-

äàíèÿ íîðìàëüíî ðàñïðåäåëåííîé ãåíåðàëüíîé ñîâîêóïíîñòè
íåêîòîðîìó ÷èñëó ïðè óñëîâèè, ÷òî äèñïåðñèÿ èçâåñòíà
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : a = a0 è îäíó èç àëüòåð-
íàòèâíûõ åé H1 : a > a0 , H1 : a < a0 èëè H1 : a 6= a0 .
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè η(X[n] ) ïî ôîðìóëå (2.5.1).
4. Íàõîäèì êðèòè÷åñêóþ îáëàñòü, ñîîòâåòñòâóþùóþ êàæäîé
èç àëüòåðíàòèâ. Â ñëó÷àå, êîãäà H1 : a > a0 , ðàññìàòðè-
âàåòñÿ ïðàâîñòîðîííÿÿ êðèòè÷åñêàÿ îáëàñòü èíòåðâàë
(u1−α ; ∞), ãäå u1−α êâàíòèëü óðîâíÿ 1 − α ñòàíäàðòíîãî
íîðìàëüíîãî ðàñïðåäåëåíèÿ.
Â ñëó÷àå, êîãäà H1 : a < a0 , ðàññìàòðèâàåòñÿ ëåâîñòîðîí-
íÿÿ êðèòè÷åñêàÿ îáëàñòü èíòåðâàë (−∞; uα ), ãäå uα
êâàíòèëü óðîâíÿ α ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëå-
íèÿ.
Â ñëó÷àå, êîãäà H1 : a 6= a0 , ðàññìàòðèâàåòñÿ äâóñòîðîí-
íÿÿ êðèòè÷åñêàÿ îáëàñòü: (−∞; u α2 ) ∪ (u1− α2 ; ∞), ãäå u α2 è
68
u1− α2 êâàíòèëè óðîâíåé α2 è 1 − α2 ñòàíäàðòíîãî íîðìàëü-
íîãî ðàñïðåäåëåíèÿ. Â ñèëó ñèììåòðèè ïëîòíîñòè ñòàí-
äàðòíîãî íîðìàëüíîãî ðàñïðåäåëåíèÿ u α2 = −u1− α2 .
5. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè η(X[n] ) ïîïàäåò â êðè-
òè÷åñêóþ îáëàñòü, òî íóëåâàÿ ãèïîòåçà H0 îòâåðãàåòñÿ, â
Â ñëó÷àå, êîãäà äèñïåðñèÿ σ 2 íåèçâåñòíà, òî ñòàòèñòèêà êðè-
òåðèÿ áóäåò èìåòü âèä:
x̄ − a0 √ x̄ − a0 √
τ (X[n] ) = n−1= n, (2.5.2)
s s̃
ãäå s2 âûáîðî÷íàÿ äèñïåðñèÿ, à s̃2 èñïðàâëåííàÿ âûáîðî÷íàÿ
äèñïåðñèÿ.
Â ñëó÷àå ñïðàâåäëèâîñòè ãèïîòåçû H0 ñòàòèñòèêà τ (X[n] )
ïîä÷èíÿåòñÿ ðàñïðåäåëåíèþ Ñòüþäåíòà ñ n−1 ñòåïåíüþ ñâîáîäû.
Îïðåäåëèì êðèòè÷åñêóþ îáëàñòü, ñîîòâåòñòâóþùóþ êàæ-
äîé èç êîíêóðèðóþùèõ ãèïîòåç. Â ñëó÷àå, êîãäà H1 : a > a0 ,
ðàññìàòðèâàåòñÿ ïðàâîñòîðîííÿÿ êðèòè÷åñêàÿ îáëàñòü èíòåð-
âàë (t1−α,n−1 ; ∞), ãäå t1−α,n−1 êâàíòèëü óðîâíÿ 1 − α ðàñïðå-
äåëåíèÿ Ñòüþäåíòà ñ n − 1 ñòåïåíüþ ñâîáîäû.
Â ñëó÷àå, êîãäà H1 : a < a0 , ðàññìàòðèâàåòñÿ ëåâîñòîðîí-
íÿÿ êðèòè÷åñêàÿ îáëàñòü èíòåðâàë (−∞; tα,n−1 ), ãäå tα,n−1
êâàíòèëü óðîâíÿ α ðàñïðåäåëåíèÿ Ñòüþäåíòà ñ n − 1 ñòåïåíüþ
ñâîáîäû.
Â ñëó÷àå, êîãäà H1 : a 6= a0 , ðàññìàòðèâàåòñÿ äâóñòîðîííÿÿ
êðèòè÷åñêàÿ îáëàñòü: (−∞; t α2 ,n−1 ) ∪ (t1− α2 ,n−1 ; ∞), ãäå t α2 ,n−1 è
t1− α2 ,n−1 êâàíòèëè óðîâíåé α2 è 1− α2 ðàñïðåäåëåíèÿ Ñòüþäåíòà
ñ n − 1 ñòåïåíüþ ñâîáîäû. Â ñèëó ñèììåòðèè ïëîòíîñòè ðàñïðå-
äåëåíèÿ Ñòüþäåíòà èìååò ìåñòî ðàâåíñòâî t α2 ,n−1 = −t1− α2 ,n−1 .
Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè τ (X[n] ) ïîïàäåò â êðèòè÷å-
ñêóþ îáëàñòü, òî íóëåâàÿ ãèïîòåçà H0 îòâåðãàåòñÿ, â ïðîòèâíîì
ñëó÷àå íåò îñíîâàíèé åå îòâåðãíóòü ïðè óðîâíå çíà÷èìîñòè α.
2.5.2. Êðèòåðèé î çíà÷åíèè äèñïåðñèè íîðìàëüíî

ðàñïðåäåëåííîé ãåíåðàëüíîé ñîâîêóïíîñòè
Ïóñòü èìååòñÿ âûáîðêà X[n] èç ãåíåðàëüíîé ñîâîêóïíîñòè ξ . Èç-
âåñòíî, ÷òî ãåíåðàëüíàÿ ñîâîêóïíîñòü ξ ïîä÷èíÿåòñÿ íîðìàëü-
íîìó ðàñïðåäåëåíèþ ñ íåèçâåñòíûìè ïàðàìåòðàìè (a, σ 2 ). Â êà-
÷åñòâå íóëåâîé ãèïîòåçû âîçüìåì óòâåðæäåíèå H0 : σ 2 = σ02 ,
69
â êà÷åñòâå àëüòåðíàòèâíîé ãèïîòåçû îäíó èç òðåõ ãèïîòåç:
H1 : σ 2 > σ02 , H1 : σ 2 < σ02 èëè H1 : σ 2 6= σ02 .
Â êà÷åñòâå ñòàòèñòèêè êðèòåðèÿ ðàññìîòðèì ôóíêöèþ:
ns2 (n − 1)s̃2
π(X[n] ) = = , (2.5.3)
σ02 σ02
ãäå s2 âûáîðî÷íàÿ äèñïåðñèÿ.

Â ñëó÷àå ñïðàâåäëèâîñòè ãèïîòåçû H0 ñòàòèñòèêà π(X[n] )
ïîä÷èíÿåòñÿ χ2 -ðàñïðåäåëåíèþ ñ n − 1 ñòåïåíüþ ñâîáîäû.
Àëãîðèòì êðèòåðèÿ î çíà÷åíèè äèñïåðñèè íîðìàëüíî ðàñ-
ïðåäåëåííîé ãåíåðàëüíîé ñîâîêóïíîñòè
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : σ 2 = σ02 è îäíó èç àëü-
òåðíàòèâíûõ åé H1 : σ 2 > σ02 , H1 : σ 2 < σ02 èëè H1 : σ 2 6= σ02 .
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè π(X[n] ) ïî ôîðìóëå (2.5.3).
4. Íàõîäèì êðèòè÷åñêóþ îáëàñòü. Åñëè H1 : σ 2 > σ02 , òî ýòî
èíòåðâàë (χ21−α,n−1 , ∞), ãäå χ21−α,n−1 êâàíòèëü óðîâíÿ
1 − α ðàñïðåäåëåíèÿ χ2 ñ n − 1 ñòåïåíüþ ñâîáîäû. Åñëè
H1 : σ 2 < σ02 , òî êðèòè÷åñêàÿ îáëàñòü [0, χ2α,n−1 ). Åñëè
H1 : σ 2 6= σ02 , òî êðèòè÷åñêàÿ îáëàñòü ïðåäñòàâëÿåò ñîáîé
îáúåäèíåíèå: [0, χ2α ,n−1 ) ∪ (χ21− α ,n−1 , ∞).
2 2
5. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè π(X[n] ) ïîïàäåò â êðè-
2.5.3. Êðèòåðèè î çíà÷åíèÿõ ïàðàìåòðîâ íîðìàëüíî

ðàñïðåäåëåííîé ãåíåðàëüíîé ñîâîêóïíîñòè â R, Excel
Â ïðîãðàììå R äëÿ ïðîâåðêè ãèïîòåçû î çíà÷åíèè ìàòåìàòè-
÷åñêîãî îæèäàíèÿ íîðìàëüíî ðàñïðåäåëåííîé ãåíåðàëüíîé ñî-
âîêóïíîñòè èñïîëüçóåòñÿ ôóíêöèÿ t.test. Àðãóìåíòû ôóíêöèè
t.test:
• x âûáîðêà;
• mu ïðåäïîëàãàåìîå çíà÷åíèå äëÿ ìàòåìàòè÷åñêîãî îæè-
äàíèÿ ãåíåðàëüíîé ñîâîêóïíîñòè, èç êîòîðîé èçâëå÷åíà âû-
áîðêà;
70
• conf.level îïöèÿ, êîòîðàÿ îïðåäåëÿåò äîâåðèòåëüíóþ
âåðîÿòíîñòü (1 − α, ãäå α óðîâåíü çíà÷èìîñòè êðèòåðèÿ).
Ïî óìîë÷àíèþ conf.level=0,95.
Ïðèìåð 2.5.1. Äëÿ âûáîðêè {0.639, 0.638, 0.640, 0.639, 0.640,

0.639, 0.638} ïðîâåðèòü ãèïîòåçó î òîì, ÷òî ìàòåìàòè÷åñêîå
îæèäàíèå ãåíåðàëüíîé ñîâîêóïíîñòè, èç êîòîðîé èçâëå÷åíà
âûáîðêà, ðàâíî 0.640.
x<-c(0.639, 0.638, 0.640 ,0.639, 0.640, 0.639, 0.638)

t.test(x, mu=0.640, conf.level=0.99)
Ðåçóëüòàò ðàáîòû ïðîãðàììû ôóíêöèè t.test:
One Sample t-test

data: x
t = -3.2404, df = 6, p-value = 0.01768
alternative hypothesis: true mean is not equal to 0.64
0.6378559 0.6401441
sample estimates:
mean of x
0.639
Â ðåçóëüòàòå ðàáîòû ôóíêöèè ïîëó÷åíû ðåçóëüòàòû, ñðå-
äè êîòîðûõ åñòü ñëåäóþùèå: çíà÷åíèå ñòàòèñòèêè (2.5.2)
t=-3.2404, êîëè÷åñòâî ñòåïåíåé ñâîáîäû ñòàòèñòèêè êðèòåðèÿ
df=6, 99%-íûé äîâåðèòåëüíûé èíòåðâàë äëÿ çíà÷åíèÿ òåîðå-
òè÷åñêîãî ìàòåìàòè÷åñêîãî îæèäàíèÿ (0.6378559;0.6401441).
Äëÿ óðîâíÿ çíà÷èìîñòè 0.01 íåò îñíîâàíèé îòâåðãíóòü íóëåâóþ
ãèïîòåçó, ïîñêîëüêó ïîëó÷åííîå çíà÷åíèå p-value áîëüøå óðîâíÿ
çíà÷èìîñòè êðèòåðèÿ.
Â ïðîãðàììå Excel ñóùåñòâóåò ôóíêöèÿ Z.ÒÅÑÒ(ìàññèâ;x;

ñèãìà), ãäå
• ìàññèâ ìàññèâ èëè äèàïàçîí äàííûõ, äëÿ êîòîðîãî ïðî-
âåðÿåòñÿ ãèïîòåçà;
• x ãèïîòåòè÷åñêîå çíà÷åíèå ìàòåìàòè÷åñêîãî îæèäàíèÿ;
• ñèãìà èçâåñòíîå ñòàíäàðòíîå îòêëîíåíèå ãåíåðàëüíîé ñî-
âîêóïíîñòè. Åñëè ýòîò àðãóìåíò îïóùåí, èñïîëüçóåòñÿ âû-
áîðî÷íîå ñòàíäàðòíîå îòêëîíåíèå.
Çàìå÷àíèÿ ïî ôóíêöèè Z.ÒÅÑÒ:
1. Åñëè ìàññèâ ïóñò, òî ôóíêöèÿ Z.ÒÅÑÒ âîçâðàùàåò çíà÷åíèå
îøèáêè #Í/Ä.
71
2. Ôóíêöèÿ Z.ÒÅÑÒ âû÷èñëÿåòñÿ ñëåäóþùèì îáðàçîì. Åñ-
ëè àðãóìåíò ñèãìà íå îïóùåí, Z.ÒÅÑÒ(ìàññèâ;x;ñèãìà)=
1−ÍÎÐÌ.ÑÒ.ÐÀÑÏ(η(X[n] ); 1).
Åñëè àðãóìåíò ñèãìà îïóùåí, Z.ÒÅÑÒ(ìàññèâ;x;ñèãìà)=
1−ÍÎÐÌ.ÑÒ.ÐÀÑÏ(τ (X[n] ); 1).
3. Ôóíêöèÿ Z.ÒÅÑÒ ïðåäñòàâëÿåò âåðîÿòíîñòü òîãî, ÷òî âûáî-
ðî÷íîå ñðåäíåå áóäåò áîëüøå ñðåäíåãî çíà÷åíèÿ ìíîæåñòâà
ðàññìîòðåííûõ äàííûõ ÑÐÇÍÀ×(ìàññèâ) ïðè çíà÷åíèè ìà-
òåìàòè÷åñêîãî îæèäàíèÿ, ðàâíîì x.
Èñõîäÿ èç ñèììåòðèè íîðìàëüíîãî ðàñïðåäåëåíèÿ, åñëè
ÑÐÇÍÀ×(ìàññèâ)<x, ôóíêöèÿ Z.ÒÅÑÒ âåðíåò çíà÷åíèå áîëü-
øå 0.5.
Ïðèìåð 2.5.2. Äàíà âûáîðêà {3, 6, 7, 8, 6.5, 5, 4, 2, 1, 6.8} èç

íîðìàëüíîãî ðàñïðåäåëåíèÿ. Ôîðìóëà Z.ÒÅÑÒ(ìàññèâ;4)
âûäàñò 0,1047829935, îäíîñòîðîííåå çíà÷åíèå âåðîÿòíîñòè
z -òåñòà äëÿ ïðèâåäåííîãî âûøå ìíîæåñòâà äàííûõ ïðè ãèïîòå-
òè÷åñêîì ìàòåìàòè÷åñêîì îæèäàíèè 4. Ïðè óðîâíå çíà÷èìîñòè
0.05 íåò îñíîâàíèé îòâåðãíóòü íóëåâóþ ãèïîòåçó. Ôîðìó-
ëà 2*ÌÈÍ(Z.ÒÅÑÒ(ìàññèâ;4);1-Z.ÒÅÑÒ(ìàññèâ;4)) âûâåäåò
0,2095659869, äâóñòîðîííåå çíà÷åíèå âåðîÿòíîñòè z -òåñòà äëÿ
ïðèâåäåííîãî âûøå ìíîæåñòâà äàííûõ ïðè ãèïîòåòè÷åñêîì
ìàòåìàòè÷åñêîì îæèäàíèè 4.

Áåðíóëëè
Ïðåäïîëàãàåì, ÷òî ãåíåðàëüíàÿ ñîâîêóïíîñòü ξ , èç êîòîðîé èç-
âëå÷åíà âûáîðêà X[n] = {x1 , . . . , xn } (xi ïðèíèìàåò çíà÷åíèå 1,
åñëè â i-îì èñïûòàíèè ïðîèçîøåë ¾óñïåõ¿, èëè çíà÷åíèå 0, åñëè â
i-îì èñïûòàíèè ïðîèçîøëà ¾íåóäà÷à¿, i = 1, . . . , n), èìååò áèíî-
ìèàëüíóþ ôóíêöèþ ðàñïðåäåëåíèÿ. Âñå èñïûòàíèÿ ïðîèçâåäåíû
íåçàâèñèìî. Âåðîÿòíîñòü óñïåõà â îäíîì èñïûòàíèè p íåèçâåñò-
íà. Òðåáóåòñÿ ïî âûáîðêå X[n] îöåíèòü íåèçâåñòíûé ïàðàìåòð p.
Âûäâèíåì îñíîâíóþ ãèïîòåçó H0 : p = p0 , 0 < p0 < 1, ò. å.
òåîðåòè÷åñêàÿ âåðîÿòíîñòü ïîÿâëåíèÿ óñïåõà â îäíîì èñïûòàíèè
ðàâíà íåêîòîðîìó ÷èñëó p0 .
Ñòàòèñòèêà êðèòåðèÿ áóäåò ñëåäóþùåé:
n
X
B(X[n] ) = xi . (2.5.4)
i=1
72
Ñòàòèñòèêà B(X[n] ) â ñëó÷àå ñïðàâåäëèâîñòè ãèïîòåçû H0 ïîä-
÷èíÿåòñÿ áèíîìèàëüíîìó ðàñïðåäåëåíèþ.
Àëãîðèòì êðèòåðèÿ î çíà÷åíèè ïàðàìåòðà ðàñïðåäåëåíèÿ
Áåðíóëëè
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : p = p0 è îäíó èç àëüòåð-
íàòèâíûõ åé H1 : p > p0 , H1 : p < p0 èëè H1 : p 6= p0 .
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè B(X[n] ) ïî ôîðìóëå
(2.5.4).
èç àëüòåðíàòèâ.
Â ñëó÷àå, êîãäà H1 : p > p0 , ðàññìàòðèâàåòñÿ ïðàâîñòî-
ðîííÿÿ êðèòè÷åñêàÿ îáëàñòü èíòåðâàë [b1−α,n,p0 ; n], ãäå
b1−α,n,p0 êâàíòèëü óðîâíÿ 1 − α áèíîìèàëüíîãî ðàñïðå-
äåëåíèÿ ñ ïàðàìåòðàìè (n, p0 ).
Â ñëó÷àå, êîãäà H1 : p < p0 , ðàññìàòðèâàåòñÿ ëåâîñòî-
ðîííÿÿ êðèòè÷åñêàÿ îáëàñòü èíòåðâàë [0; bα,n,p0 ], ãäå
bα,n,p0 êâàíòèëü óðîâíÿ α áèíîìèàëüíîãî ðàñïðåäåëåíèÿ
ñ ïàðàìåòðàìè (n, p0 ).
Â ñëó÷àå, êîãäà H1 : p 6= p0 , ðàññìàòðèâàåòñÿ äâóñòîðîííÿÿ
êðèòè÷åñêàÿ îáëàñòü [0; b α2 ,n,p0 ] ∪ [b1− α2 ,n,p0 ; n], ãäå b α2 ,n,p0
(b1− α2 ,n,p0 ) êâàíòèëü óðîâíÿ α2 (1− α2 ) áèíîìèàëüíîãî ðàñ-
ïðåäåëåíèÿ ñ ïàðàìåòðàìè (n, p0 ).
5. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè B(X[n] ) ïîïàäåò â êðè-
Äëÿ áîëüøèõ çíà÷åíèé n â êà÷åñòâå ñòàòèñòèêè êðèòåðèÿ
ìîæíî âûáðàòü ñëåäóþùóþ ñòàòèñòèêó:
B(X[n] ) − np0
B ∗ (X[n] ) = p . (2.5.5)
np0 (1 − p0 )
Åñëè ãèïîòåçà H0 : p = p0 âåðíà, òî ñòàòèñòèêà B ∗ (X[n] ) àñèìï-
òîòè÷åñêè (ïðè n → ∞) ïîä÷èíÿåòñÿ ñòàíäàðòíîìó íîðìàëüíîìó
ðàñïðåäåëåíèþ.
Àëãîðèòì êðèòåðèÿ î çíà÷åíèè ïàðàìåòðà ðàñïðåäåëåíèÿ
Áåðíóëëè ïðè áîëüøèõ n
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : p = p0 è îäíó èç àëüòåð-
íàòèâíûõ åé H1 : p > p0 , H1 : p < p0 èëè H1 : p 6= p0 .
73
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè B ∗ (X[n] ) ïî ôîðìóëå
(2.5.5).
Â ñëó÷àå, êîãäà H1 : p > p0 , ðàññìàòðèâàåòñÿ ïðàâîñòîðîí-
íÿÿ êðèòè÷åñêàÿ îáëàñòü èíòåðâàë (u1−α ; ∞), ãäå u1−α
êâàíòèëü óðîâíÿ 1 − α ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðå-
äåëåíèÿ.
Â ñëó÷àå, êîãäà H1 : p < p0 , ðàññìàòðèâàåòñÿ ëåâîñòîðîí-
íèÿ.
Â ñëó÷àå, êîãäà H1 : p 6= p0 , ðàññìàòðèâàåòñÿ äâóñòîðîí-
íÿÿ êðèòè÷åñêàÿ îáëàñòü (−∞; u α2 ) ∪ (u1− α2 ; ∞), ãäå u α2
è u1− α2 êâàíòèëè ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëå-
íèÿ óðîâíåé α2 è 1 − α2 ñîîòâåòñòâåííî.
5. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè B ∗ (X[n] ) ïîïàäåò â
êðèòè÷åñêóþ îáëàñòü, òî íóëåâàÿ ãèïîòåçà H0 îòâåðãàåò-
ñÿ, â ïðîòèâíîì ñëó÷àå íåò îñíîâàíèé åå îòâåðãíóòü ïðè

Áåðíóëëè â R
Â ïðîãðàììå R äëÿ ïðîâåðêè ãèïîòåçû î ÷èñëåííîì çíà÷å-
íèè ïàðàìåòðà ðàñïðåäåëåíèÿ Áåðíóëëè èñïîëüçóåòñÿ ôóíêöèÿ
binom.test. Àðãóìåíòû ôóíêöèè binom.test:
• x ÷èñëî óñïåõîâ â ñåðèè èç n èñïûòàíèé, ïðîâåäåííûõ ïî
ñõåìå Áåðíóëëè, èëè x âåêòîð ðàçìåðíîñòè 2, ãäå ïåðâûé
ýëåìåíò ÷èñëî óñïåõîâ, âòîðîé ýëåìåíò ÷èñëî íåóäà÷;
• n ÷èñëî èñïûòàíèé, ïàðàìåòð èãíîðèðóåòñÿ, åñëè x èìååò
ðàçìåðíîñòü 2;
• p ãèïîòåòè÷åñêàÿ âåðîÿòíîñòü óñïåõà;
• conf.level äîâåðèòåëüíàÿ âåðîÿòíîñòü (1 − α, ãäå
α óðîâåíü çíà÷èìîñòè êðèòåðèÿ). Ïî óìîë÷àíèþ
conf.level=0,95.
74
Ïðèìåð 2.5.3. Ïðîâåðèì ãèïîòåçó î ðàâåíñòâå ïàðàìåòðà p
÷èñëó 3/4 â ñõåìå èñïûòàíèé Áåðíóëëè, â êîòîðîé ïðîèçîøëî
682 óñïåõà è 243 íåóäà÷è.
binom.test(c(682, 243), p = 3/4)
Ðåçóëüòàò ðàáîòû ôóíêöèè binom.test:
Exact binomial test

data: c(682, 243)
number of successes = 682, number of trials = 925, p-value =
0.3825
alternative hypothesis: true probability of success is not
equal to 0.75
0.7076683 0.7654066
sample estimates:
probability of success
0.7372973
Â ðåçóëüòàòå ðàáîòû ôóíêöèè ïîëó÷åíû ñëåäóþùèå ðå-
çóëüòàòû: çíà÷åíèå ñòàòèñòèêè 682, 95%-íûé äîâåðèòåëüíûé
èíòåðâàë äëÿ çíà÷åíèÿ ïàðàìåòðà p: (0.7076683;0.7654066).
Äëÿ óðîâíÿ çíà÷èìîñòè 0.05 íåò îñíîâàíèé îòâåðãíóòü íóëåâóþ
ãèïîòåçó, ïîñêîëüêó ïîëó÷åííîå çíà÷åíèå p-value áîëüøå óðîâíÿ
çíà÷èìîñòè êðèòåðèÿ.
Â ïðîãðàììå Excel ìîæíî âû÷èñëèòü çíà÷åíèå ôóíê-
öèè áèíîìèàëüíîãî ðàñïðåäåëåíèÿ ñ ïîìîùüþ ôóíêöèè
ÁÈÍÎÌ.ÐÀÑÏ(÷èñëî óñïåõîâ;÷èñëî èñïûòàíèé;âåðîÿòíîñòü
óñïåõà;èíòåãðàëüíàÿ), ãäå
• ÷èñëî óñïåõîâ êîëè÷åñòâî óñïåøíûõ èñïûòàíèé;
• ÷èñëî èñïûòàíèé ÷èñëî íåçàâèñèìûõ èñïûòàíèé;
• âåðîÿòíîñòü óñïåõà âåðîÿòíîñòü óñïåõà â îäíîì èñïû-
òàíèè;
• èíòåãðàëüíàÿ ëîãè÷åñêîå çíà÷åíèå, îïðåäåëÿþùåå âèä
ôóíêöèè. Åñëè àðãóìåíò èíòåãðàëüíàÿ èìååò çíà÷åíèå
ÈÑÒÈÍÀ, ôóíêöèÿ ÁÈÍÎÌ.ÐÀÑÏ âîçâðàùàåò çíà÷åíèå ôóíê-
öèè ðàñïðåäåëåíèÿ, òî åñòü âåðîÿòíîñòü òîãî, ÷òî ÷èñëî
óñïåøíûõ èñïûòàíèé íå ìåíüøå çíà÷åíèÿ àðãóìåíòà ÷èñëî
óñïåõîâ; åñëè ýòîò àðãóìåíò èìååò çíà÷åíèå ËÎÆÜ, òî âîç-
âðàùàåòñÿ ôóíêöèÿ ïëîòíîñòè ðàñïðåäåëåíèÿ, òî åñòü âå-
ðîÿòíîñòü òîãî, ÷òî ÷èñëî óñïåøíûõ èñïûòàíèé ðàâíî çíà-
÷åíèþ àðãóìåíòà ÷èñëî óñïåõîâ.
75
2.5.6. Êðèòåðèé çíàêîâ äëÿ îäíîé âûáîðêè
Ïóñòü èìååòñÿ âûáîðêà íåçàâèñèìûõ íàáëþäåíèé X[n] = {x1 , . . . ,
xn } èç ãåíåðàëüíîé ñîâîêóïíîñòè ξ ñ íåïðåðûâíîé ôóíêöèåé ðàñ-
ïðåäåëåíèÿ. Êðèòåðèé çíàêîâ ïðîâåðÿåò ãèïîòåçó î ðàâåíñòâå ìå-
äèàíû θ ãåíåðàëüíîé ñîâîêóïíîñòè íåêîòîðîìó ÷èñëîâîìó çíà÷å-
íèþ.
Âûäâèãàåì ãèïîòåçó H0 : θ = θ0 è îäíó èç àëüòåðíàòèâíûõ
åé H1 : θ > θ0 , H1 : θ < θ0 èëè H1 : θ 6= θ0 .
Äëÿ êàæäîãî ýëåìåíòà xi , i = 1, . . . , n, âûáîðêè X[n] îïðå-
äåëèì ÷èñëî yi = xi − θ0 . Äëÿ îïðåäåëåíèÿ ñòàòèñòèêè êðèòåðèÿ
çíàêîâ ââåäåì âñïîìîãàòåëüíóþ ôóíêöèþ:
(
1, yi > 0,
s(yi ) =
0, yi 6 0.
Îïðåäåëèì ñòàòèñòèêó êðèòåðèÿ ñëåäóþùèì îáðàçîì:

n
X
S(X[n] ) = s(yi ). (2.5.6)
i=1
Ñëó÷àéíàÿ âåëè÷èíà s(yi ) ïðèíèìàåò äâà çíà÷åíèÿ: 0 è 1. Ñîãëàñ-

íî âûäâèíóòîé íóëåâîé ãèïîòåçå, âåðîÿòíîñòü êàæäîãî èç ýòèõ
çíà÷åíèé ðàâíà 0.5. Òàêèì îáðàçîì, çàäà÷à ñâîäèòñÿ ê ñõåìå èñ-
ïûòàíèé Áåðíóëëè, â êîòîðîé S(X[n] ) ÷èñëî ¾óñïåõîâ¿, è ñëå-
äóåò ïðîâåðèòü ãèïîòåçó H0 : p = 0.5.
Ãèïîòåçà î çíà÷åíèè ìåäèàíû ñëó÷àéíîé âåëè÷èíû ξ íå
îïðåäåëÿåò îäíîçíà÷íî çàêîí ðàñïðåäåëåíèÿ ξ , ïîýòîìó îñó-
ùåñòâëÿåòñÿ ïåðåõîä ê ñëó÷àéíûì âåëè÷èíàì s(yi ), âåðîÿòíîñò-
íîå ðàñïðåäåëåíèå êîòîðîé îïðåäåëåíî îäíîçíà÷íî.
Àëãîðèòì êðèòåðèÿ çíàêîâ äëÿ îäíîé âûáîðêè
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : θ = θ0 è îäíó èç àëüòåð-
íàòèâíûõ åé H1 : θ > θ0 , H1 : θ < θ0 èëè H1 : θ 6= θ0 .
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè S(X[n] ) ïî ôîðìóëå (2.5.6).
Â ñëó÷àå, êîãäà H1 : θ > θ0 , ðàññìàòðèâàåòñÿ ïðàâîñòî-
ðîííÿÿ êðèòè÷åñêàÿ îáëàñòü èíòåðâàë [b1−α,n, 12 ; n], ãäå
b1−α,n, 12 êâàíòèëü óðîâíÿ 1 − α áèíîìèàëüíîãî ðàñïðåäå-
ëåíèÿ ñ ïàðàìåòðàìè (n, 12 ).
76
Â ñëó÷àå, êîãäà H1 : θ < θ0 , ðàññìàòðèâàåòñÿ ëåâîñòîðîí-
íÿÿ êðèòè÷åñêàÿ îáëàñòü èíòåðâàë [0; bα,n, 12 ], ãäå bα,n, 12
êâàíòèëü óðîâíÿ α áèíîìèàëüíîãî ðàñïðåäåëåíèÿ ñ ïàðà-
ìåòðàìè (n, 12 ).
Â ñëó÷àå, êîãäà H1 : θ 6= θ0 , ðàññìàòðèâàåòñÿ äâóñòîðîííÿÿ
êðèòè÷åñêàÿ îáëàñòü: [0; b α2 ,n, 12 ] ∪ [b1− α2 ,n, 12 ; n], ãäå b α2 ,n, 12 è
b1− α2 ,n, 12 êâàíòèëè áèíîìèàëüíîãî ðàñïðåäåëåíèÿ ñ ïàðà-
ìåòðàìè (n, 12 ) óðîâíåé α2 è 1 − α2 .
5. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè S(X[n] ) ïîïàäåò â êðè-
Äëÿ áîëüøèõ çíà÷åíèé n â êà÷åñòâå ñòàòèñòèêè êðèòåðèÿ ìîæíî
âûáðàòü ñëåäóþùóþ ñòàòèñòèêó:
S(X[n] ) − n/2
S ∗ (X[n] ) = p . (2.5.7)
n/4
Åñëè ãèïîòåçà H0 : θ = θ0 âåðíà, òî ñòàòèñòèêà S ∗ (X[n] ) àñèìïòî-

òè÷åñêè (ïðè n → ∞) ïîä÷èíÿåòñÿ ñòàíäàðòíîìó íîðìàëüíîìó
ðàñïðåäåëåíèþ.
Àëãîðèòì êðèòåðèÿ çíàêîâ äëÿ îäíîé âûáîðêè áîëüøîãî
îáúåìà
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : θ = θ0 è îäíó èç àëüòåð-
íàòèâíûõ åé H1 : θ > θ0 , H1 : θ < θ0 èëè H1 : θ 6= θ0 .
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè S ∗ (X[n] ) ïî ôîðìóëå
(2.5.7).
Â ñëó÷àå, êîãäà H1 : θ > θ0 , ðàññìàòðèâàåòñÿ ïðàâîñòîðîí-
íÿÿ êðèòè÷åñêàÿ îáëàñòü èíòåðâàë (u1−α ; ∞), ãäå u1−α
êâàíòèëü óðîâíÿ 1 − α ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðå-
äåëåíèÿ.
Â ñëó÷àå, êîãäà H1 : θ < θ0 , ðàññìàòðèâàåòñÿ ëåâîñòîðîí-
íèÿ.
Â ñëó÷àå, êîãäà H1 : θ 6= θ0 , ðàññìàòðèâàåòñÿ äâóñòîðîí-
íÿÿ êðèòè÷åñêàÿ îáëàñòü: (−∞; u α2 ) ∪ (u1− α2 ; ∞), ãäå u α2 è
77
u1− α2 êâàíòèëè ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëå-
íèÿ óðîâíåé α2 è 1 − α2 .
5. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè S ∗ (X[n] ) ïîïàäåò â
êðèòè÷åñêóþ îáëàñòü, òî íóëåâàÿ ãèïîòåçà H0 îòâåðãàåò-
ñÿ, â ïðîòèâíîì ñëó÷àå íåò îñíîâàíèé åå îòâåðãíóòü ïðè
Çàìå÷àíèå 2.5.1. Åñëè ñðåäè çíà÷åíèé y , i = 1, . . . , n åñòü íó-
i
ëè, òî èõ íàäî îòáðîñèòü è ñîîòâåòñòâåííî ñîêðàòèòü n äî ÷èñëà
íåíóëåâûõ çíà÷åíèé yi .
2.5.7. Êðèòåðèé çíàêîâ â R

Â ïðîãðàììå R ñóùåñòâóåò ôóíêöèÿ SIGN.test, ðåàëèçóþùàÿ
êðèòåðèé çíàêîâ. Àðãóìåíòû ôóíêöèè SIGN.test:
• x âåêòîð äàííûõ;
• y âåêòîð äàííûõ, êîòîðûé íåîáõîäèìî çàäàòü â ñëó÷àå,
êîãäà êðèòåðèé çíàêîâ ÿâëÿåòñÿ äâóõâûáîðî÷íûì;
• md ÷èñëåííîå çíà÷åíèå ìåäèàíû (θ0 ), îïðåäåëåííîå íóëå-
âîé ãèïîòåçîé;
• alternative îïðåäåëÿåò òèï àëüòåðíàòèâíîé ãèïîòå-
çû, ìîæåò ïðèíèìàòü çíà÷åíèå "greater", "less" èëè
"two.sided" (ïî óìîë÷àíèþ);
• conf.level äîâåðèòåëüíàÿ âåðîÿòíîñòü, íåîáõîäèìàÿ äëÿ
ïîñòðîåíèÿ äîâåðèòåëüíîãî èíòåðâàëà äëÿ ìåäèàíû.
Ïðèìåð 2.5.4. Äëÿ âûáîðêè {7.8, 6.6, 6.5, 7.4, 7.3, 7.0, 6.4, 7.1, 6.7,
7.6, 6.8} ïðîâåðèòü ãèïîòåçó î òîì, ÷òî ìåäèàíà ãåíåðàëüíîé
ñîâîêóïíîñòè ðàâíà 6.5.
library(BSDA)
x <- c(7.8, 6.6, 6.5, 7.4, 7.3, 7., 6.4, 7.1, 6.7, 7.6, 6.8)
SIGN.test(x,md=6.5)
Ðåçóëüòàò ðàáîòû ôóíêöèè SIGN.test:

One-sample Sign-Test
data: x
s = 9, p-value = 0.02148
alternative hypothesis: true median is not equal to 6.5
6.571273 7.457455
sample estimates:
median of x
7
78
Conf.Level L.E.pt U.E.pt
Lower Achieved CI 0.9346 6.6000 7.4000
Interpolated CI 0.9500 6.5713 7.4575
Upper Achieved CI 0.9883 6.5000 7.6000
Â ðåçóëüòàòå ðàáîòû ôóíêöèè ïîëó÷àåì: çíà÷åíèå ñòàòèñòèêè

(2.5.6) ðàâíî 9; 95%-íûé äîâåðèòåëüíûé èíòåðâàë äëÿ çíà÷åíèÿ
ìåäèàíû (6.571273;7.457455). Âûáîðî÷íàÿ îöåíêà ìåäèàíû
ðàâíà 7. Äëÿ óðîâíÿ çíà÷èìîñòè 0.05 íóëåâóþ ãèïîòåçó ñëåäóåò
îòêëîíèòü â ïîëüçó àëüòåðíàòèâíîé, ò. ê. ïîëó÷åííîå çíà÷åíèå
p-value ìåíüøå óðîâíÿ çíà÷èìîñòè êðèòåðèÿ 0.05. Òàêæå â ðå-
çóëüòàòå ðàáîòû ôóíêöèè âûâîäÿòñÿ òðè äîâåðèòåëüíûõ èíòåð-
âàëà: äëÿ çàäàííîãî óðîâíÿ çíà÷èìîñòè 0.05 è äëÿ óðîâíåé çíà-
÷èìîñòè 0.9346 è 0.9883.
79
Ãëàâà 3
Ðåãðåññèîííûé àíàëèç
3.1. Ëèíåéíûé ðåãðåññèîííûé àíàëèç
3.1.1. Ñïåöèôèêàöèÿ ìîäåëè

Ðàññìîòðèì ñëåäóþùóþ ìîäåëü íàáëþäåíèé, ñâÿçûâàþùóþ çíà-
÷åíèÿ íåêîòîðîãî íàáëþäàåìîãî ïîêàçàòåëÿ y è îáúÿñíÿþùèõ
ïåðåìåííûõ x = (x1 , . . . , xk )T :
yi = β0 + β1 xi1 + β2 xi2 + . . . + βk xik + εi , i = 1, . . . , n, (3.1.1)
ãäå β = (β0 , . . . , βk )T íåèçâåñòíûå ïàðàìåòðû, xij çíà÷åíèÿ

îáúÿñíÿþùèõ ôàêòîðîâ, εi íåíàáëþäàåìàÿ ñëó÷àéíàÿ êîìïî-
íåíòà, j íîìåð ïåðåìåííîé, i íîìåð íàáëþäåíèÿ.
Áóäåì ïðåäïîëàãàòü, ÷òî èìååòñÿ n íàáëþäåíèé (èçìåðå-
íèé) ïîêàçàòåëÿ yi , òî÷íî èçâåñòíû çíà÷åíèÿ îáúÿñíÿþùèõ ïå-
ðåìåííûõ xi = (xi1 , . . . , xik ) â êàæäîì èç íàáëþäåíèé, ïðè÷åì â
ìîäåëü íàáëþäåíèé (3.1.1) âõîäèò çíà÷åíèå íåíàáëþäàåìîé ñëó-
÷àéíîé êîìïîíåíòû εi . Íåíàáëþäàåìàÿ êîìïîíåíòà ìîæåò ïðåä-
ñòàâëÿòü ñîáîé îøèáêó èçìåðåíèé èëè çàìåíÿòü ñîâîêóïíîå äåé-
ñòâèå äðóãèõ ïåðåìåííûõ, çíà÷åíèÿ êîòîðûõ íå ó÷èòûâàþòñÿ â
ìîäåëè íàáëþäåíèé (3.1.1).
Ñôîðìóëèðóåì îñíîâíûå ïðåäïîëîæåíèÿ ðåãðåññèîííîãî
àíàëèçà, êîòîðûå îòíîñÿòñÿ ê ñëó÷àéíûì êîìïîíåíòàì εi , i =
= 1, . . . , n.
Ïåðâàÿ ãðóïïà ïðåäïîëîæåíèé. Ñëó÷àéíûå âåëè÷èíû εi ,
i = 1, . . . , n îáðàçóþò òàê íàçûâàåìûé ñëàáûé áåëûé øóì, ò. å.
ïîñëåäîâàòåëüíîñòü öåíòðèðîâàííûõ (Eεi = 0, i = 1, . . . , n) è
íåêîððåëèðîâàííûõ (E(εl εu ) = 0 ïðè l 6= u) ñëó÷àéíûõ âåëè÷èí
ñ îäèíàêîâûìè äèñïåðñèÿìè σ 2 (Eε2i = σ 2 , i = 1, . . . n).
80
Êðîìå ïåðâîé ãðóïïû ïðåäïîëîæåíèé áóäåì òàêæå ðàññìàò-
ðèâàòü âòîðóþ ãðóïïó, â êîòîðîé ñôîðìóëèðóåì ïðåäïîëîæåíèå
î ñîâìåñòíîì ðàñïðåäåëåíèè ñëó÷àéíûõ âåëè÷èí εi , i = 1, . . . , n.
Âòîðàÿ ãðóïïà ïðåäïîëîæåíèé. Ñîâìåñòíîå ðàñïðåäåëåíèå
ñëó÷àéíûõ âåëè÷èí εi , i = 1, . . . , n ÿâëÿåòñÿ íîðìàëüíûì ðàñ-
ïðåäåëåíèåì ñ íóëåâûì âåêòîðîì ìàòåìàòè÷åñêèõ îæèäàíèé è
êîâàðèàöèîííîé ìàòðèöåé σ 2 In , ò. å. ñëó÷àéíûé âåêòîð ε =
= (ε1 , . . . , εn )T ∼ N (0, σ 2 In ), ãäå In åäèíè÷íàÿ ìàòðèöà ïî-
ðÿäêà n × n.
Èíîãäà ðàññìàòðèâàåòñÿ ÷àñòíûé ñëó÷àé ìîäåëè (3.1.1), â
êîòîðîé àïðèîðè ïîëàãàþò β0 = 0.
Ìîäåëü íàáëþäåíèé (3.1.1) ìîæíî çàïèñàòü â ìàòðè÷íîì
âèäå:
Y = Xβ + ε, (3.1.2)
ãäå Y = (y1 , . . . , yn )T , β = (β0 , β1 , . . . , βk )T , ε = (ε1 , . . . , εn )T ,
 
1 x11 x12 . . . x1k
 1 x21 x22 . . . x2k 
X=  
... ... ... ... 
1 xn1 xn2 . . . xnk
ìàòðèöà ïîðÿäêà n × (k + 1).
3.1.2. Ìåòîä íàèìåíüøèõ êâàäðàòîâ

Â ìîäåëè íàáëþäåíèé (3.1.1), (3.1.2) íåèçâåñòíûìè ÿâëÿþòñÿ ïà-
ðàìåòðû σ, β0 , β1 , . . . , βk . Ðàññìîòðèì â êà÷åñòâå ïðîöåäóðû îöå-
íèâàíèÿ íåèçâåñòíûõ ïàðàìåòðîâ ìåòîä íàèìåíüøèõ êâàäðàòîâ.
Ââåäåì îáîçíà÷åíèå: Xr = (x1r , x2r , . . . , xnr )T , r = 1, . . . , k
ñòîëáåö ìàòðèöû X , òîãäà
X = (X0 , X1 , . . . , XK ),
ãäå X0 = (1, 1, . . . , 1)T .

Èç ñìûñëà çàäà÷è îöåíêè íåèçâåñòíûõ ïàðàìåòðîâ β ñëå-
äóåò, ÷òî îöåíêè ðàçóìíî âûáèðàòü òàê, ÷òîáû âåêòîð Xβ êàê
ìîæíî ¾ëó÷øå¿ îáúÿñíÿë áû çíà÷åíèÿ íàáëþäàåìîãî ïîêàçàòå-
ëÿ, ò. å. âåêòîð Y . Íî òîãäà åñòåñòâåííî âûáèðàòü β , ìèíèìèçè-
ðóÿ ðàññòîÿíèå ìåæäó âåêòîðàìè èëè êâàäðàò äëèíû îòêëîíåíèÿ
Y − Xβ .
81
Â ýòîì ñëó÷àå â êà÷åñòâå ìèíèìèçèðóåìîãî êðèòåðèÿ ðàñ-
ñìàòðèâàþò
n
X
T
(Y − Xβ) (Y − Xβ) = (yi − β0 − β1 xi1 − . . . − βk xik )2 . (3.1.3)
i=1
Îöåíêè, ïîëó÷àåìûå èç óñëîâèÿ ìèíèìóìà (3.1.3), íàçûâà-

þò îöåíêàìè ìåòîäà íàèìåíüøèõ êâàäðàòîâ. Ðàçóìååòñÿ, äëÿ íà-
õîæäåíèÿ îöåíîê β ìîãóò áûòü ïðèìåíåíû ñîâñåì äðóãèå ïðîöå-
äóðû, íàïðèìåð, âìåñòî ñóììû êâàäðàòîâ ìîæíî áûëî áû áðàòü
ñóììó àáñîëþòíûõ âåëè÷èí ðàçíîñòåé.
Îöåíêè ìåòîäà íàèìåíüøèõ êâàäðàòîâ β̂ íåèçâåñòíûõ ïàðà-
ìåòðîâ β èìåþò âèä:
β̂ = (X T X)−1 X T Y. (3.1.4)
Äëÿ óäîáñòâà äàëüíåéøèõ ïðåîáðàçîâàíèé ââåäåì îáîçíà÷åíèå:

Ŷ = X β̂ = X(X T X)−1 X T Y .
Ââåäåì âåêòîð
ε̂ = Y − Ŷ , (3.1.5)
êîòîðûé, ñëåäóÿ ñëîæèâøåéñÿ òðàäèöèè, áóäåì íàçûâàòü âåêòî-

ðîì îñòàòêîâ. Ñëåäóåò èìåòü â âèäó, ÷òî ïîñëå íàõîæäåíèÿ êîýô-
ôèöèåíòîâ β̂ ìîæíî ðàññìîòðåòü ñëåäóþùóþ ôóíêöèþ, êîòîðóþ
ñîáñòâåííî è íàçûâàþò ëèíåéíîé ðåãðåññèåé :
ŷ(x) = β̂0 + β̂1 x1 + . . . + β̂k xk . (3.1.6)
Ïîñòðîåííàÿ ëèíåéíàÿ ðåãðåññèÿ ïðåäñòàâëÿåò ñîáîé ýìïèðè÷å-

ñêóþ çàâèñèìîñòü ìåæäó èçó÷àåìûì ïîêàçàòåëåì y è îáúÿñíÿ-
þùèìè ïåðåìåííûìè x = (x1 , . . . , xk )T , ïîýòîìó åñòåñòâåííî íà-
çûâàòü îñòàòêàìè ðàçíîñòè
yi − ŷ(xi1 , . . . , xik ) = ε̂i , i = 1, . . . , n, (3.1.7)
êîòîðûå íå îáúÿñíÿþòñÿ ïîñòðîåííîé ýìïèðè÷åñêîé ìîäåëüþ

(3.1.6). Âåêòîð, ñîñòàâëåííûé èç ðàçíîñòåé ε̂i , è ïðåäñòàâëÿåò ñî-
áîé âåêòîð ε̂ = (ε̂1 , . . . , ε̂n ). Âåëè÷èíû ε̂i , i = 1, . . . , n, ìîæíî ðàñ-
ñìàòðèâàòü êàê îöåíêè íåíàáëþäàåìûõ âåëè÷èí εi , i = 1, . . . , n.
82
3.1.3. Ñâîéñòâà îöåíîê ìåòîäà íàèìåíüøèõ êâàäðàòîâ
Êàê íåòðóäíî çàìåòèòü, îöåíêè ìåòîäà íàèìåíüøèõ êâàäðàòîâ
îáëàäàþò ñâîéñòâîì íåñìåùåííîñòè:
E β̂ = (X T X)−1 X T EY = (X T X)−1 X T Xβ = β.
Âû÷èñëèì äèñïåðñèîííóþ (êîâàðèàöèîííóþ) ìàòðèöó îöåíîê

ìåòîäà íàèìåíüøèõ êâàäðàòîâ, ñ÷èòàÿ, ÷òî âûïîëíåíà ïåðâàÿ
ãðóïïà ïðåäïîëîæåíèé ðåãðåññèîííîãî àíàëèçà:
V (β̂) = E{(β̂ −β)(β̂ −β)T } = E{(X T X)−1 X T εεT X(X T X)−1 } =

= (X T X)−1 X T σ 2 In X(X T X)−1 = σ 2 (X T X)−1 .
Îöåíêè ìåòîäà íàèìåíüøèõ êâàäðàòîâ ïðè óñëîâèè âûïîëíåíèÿ

ïðåäïîëîæåíèé èç ïåðâîé ãðóïïû ÿâëÿþòñÿ íàèëó÷øèìè ëèíåé-
íûìè íåñìåùåííûìè îöåíêàìè. Ëèíåéíîñòü ïîíèìàåòñÿ â òîì
ñìûñëå, ÷òî îöåíêè èìåþò âèä β̂ = AY , ãäå A = (X T X)−1 X T
ìàòðèöà êîýôôèöèåíòîâ, ò. å. ðå÷ü èäåò î ëèíåéíîñòè ïî íà-
áëþäåíèÿì. Ñëåäóÿ îáùåìó îïðåäåëåíèþ ýôôåêòèâíîñòè îöå-
íîê, çàìåòèì, ÷òî îöåíêè β̂ ÿâëÿþòñÿ íàèëó÷øèìè ëèíåéíûìè
íåñìåùåííûìè îöåíêàìè â òîì ñìûñëå, ÷òî äëÿ ëþáûõ äðó-
ãèõ îöåíîê β̃ âèäà β̃ = CY , îáëàäàþùèõ ñâîéñòâîì íåñìåùåí-
íîñòè, îêàçûâàåòñÿ, ÷òî ðàçíîñòü äèñïåðñèîííûõ ìàòðèö îöå-
íîê V (β̃) − V (β̂) ïðåäñòàâëÿåò ñîáîé íåîòðèöàòåëüíî îïðåäåëåí-
íóþ ìàòðèöó, ò. å. äëÿ ëþáîãî âåêòîðà γ ∈ Rk+1 âûïîëíÿåòñÿ
γ T (V (β̃) − V (β̂))γ > 0. Îòñþäà, â ÷àñòíîñòè, ñðàçó ñëåäóåò, ÷òî
äèñïåðñèè îöåíîê β̃i íå ìåíüøå, ÷åì äèñïåðñèè îöåíîê β̂i , ò. å.
V (β̃i ) > V (β̂i ), i = 0, 1, . . . , k .
Òåîðåìà 3.1.1. (Òåîðåìà ÃàóññàÌàðêîâà) Ïóñòü âûïîëíåíû

âñå óñëîâèÿ èç ïåðâîé ãðóïïû ïðåäïîëîæåíèé ðåãðåññèîííîãî
àíàëèçà, òîãäà îöåíêè ìåòîäà íàèìåíüøèõ êâàäðàòîâ β̂ ÿâëÿ-
þòñÿ íàèëó÷øèìè ëèíåéíûìè íåñìåùåííûìè îöåíêàìè.
Ñòàòèñòèêà
n
(yi − ŷi )2
P
i=1 1
S2 = = ε̂T ε̂
n−k−1 n−k−1
ÿâëÿåòñÿ íåñìåùåííîé îöåíêîé äèñïåðñèè σ 2 .
83
Íàéäåííàÿ íåñìåùåííàÿ îöåíêà σ̂ 2 = S 2 îäèíî÷íîé äèñïåð-
ñèè σ 2 ïîçâîëÿåò ïîñòðîèòü íåñìåùåííûå îöåíêè âñåõ êîâàðèà-
öèé âåêòîðà îöåíîê β̂ . Äåéñòâèòåëüíî, êàê áûëî ïîëó÷åíî ðà-
íåå, V (β̂) = σ 2 (X T X)−1 , íî òåïåðü, çàìåíÿÿ σ 2 íà S 2 , ïîëó-
÷àåì íåñìåùåííûå îöåíêè âñåõ êîâàðèàöèé è äèñïåðñèé âåêòî-
ðà β̂ , äðóãèìè ñëîâàìè, ýëåìåíòû ìàòðèöû σ̂ 2 (X T X)−1 ÿâëÿþò-
ñÿ íåñìåùåííûìè îöåíêàìè äèñïåðñèé è êîâàðèàöèé îöåíîê β̂j ,
j = 0, . . . , k .
Ëåììà 3.1.1. Ïóñòü âûïîëíåíû âñå óñëîâèÿ èç ïåðâîé è âòîðîé

ãðóïï ïðåäïîëîæåíèé ðåãðåññèîííîãî àíàëèçà, òîãäà ñòàòèñòè-
êà (n − k − 1)S 2 /σ 2 ïîä÷èíÿåòñÿ ðàñïðåäåëåíèþ χ2 ñ n − k − 1
ñòåïåíÿìè ñâîáîäû.
Ëåììà 3.1.2. Ïóñòü âûïîëíåíû ïðåäïîëîæåíèÿ ïåðâîé è âòî-

ðîé ãðóïï, òîãäà ñïðàâåäëèâû óòâåðæäåíèÿ:
1. Âåêòîð îöåíîê β̂ ïîä÷èíÿåòñÿ ìíîãîìåðíîìó íîðìàëüíîìó
ðàñïðåäåëåíèþ, β̂ ∼ N (β, σ 2 (X T X)−1 ).
2. Ñòàòèñòèêà (n − k − 1)S 2 /σ 2 ïîä÷èíÿåòñÿ ðàñïðåäåëåíèþ
χ2 ñ (n − k − 1) ñòåïåíÿìè ñâîáîäû è âçàèìíî íåçàâèñèìà ñ
âåêòîðîì îöåíîê β̂ .
3.1.4. Ïîñòðîåíèå äîâåðèòåëüíûõ èíòåðâàëîâ

è ïðîâåðêà ñòàòèñòè÷åñêèõ ãèïîòåç
Ïðè âûïîëíåíèè âñåõ óñëîâèé èç ïåðâîé è âòîðîé ãðóïï ïðåäïî-
ëîæåíèé ðåãðåññèîííîãî àíàëèçà ñïðàâåäëèâà ëåììà 3.1.2 ïðåäû-
äóùåãî ïàðàãðàôà, èç êîòîðîé ñðàçó ñëåäóåò, ÷òî ñòàòèñòèêà
β̂j − βj
q ∼ Tn−k−1 , j = 0, . . . , k, (3.1.8)
S (X T X)−1
j+1,j+1
ãäå (X T X)−1 j+1,j+1 ýëåìåíò ñòîÿùèé íà ãëàâíîé äèàãîíàëè â

ñòðîêå j + 1 è ñòîëáöå j + 1 ìàòðèöû (X T X)−1 , ðàñïðåäåëåíèå
Tn−k−1 ðàñïðåäåëåíèå Ñòüþäåíòà ñ n−k−1 ñòåïåíÿìè ñâîáîäû.
Äîêàçàòåëüñòâî ñëåäóåò èç îïðåäåëåíèÿ ðàñïðåäåëåíèÿ Ñòüþäåí-
òà è ëåììû 3.1.2.
Èç ôîðìóëû (3.1.8) ñëåäóåò ôîðìóëà äëÿ äîâåðèòåëüíîãî
èíòåðâàëà ñ óðîâíåì äîâåðèÿ 1 − α äëÿ ëþáîãî ïàðàìåòðà βj ,
j = 0, 1, . . . , k . Äîâåðèòåëüíûé èíòåðâàë èìååò âèä:
84
q
β̂j − t1− α2 ,n−k−1 S (X T X)−1
j+1,j+1 ;
q
β̂j + t 1− α
2 ,n−k−1
S (X T X)−1
j+1,j+1 ,
ãäå t1− α2 ,n−k−1 êâàíòèëü óðîâíÿ 1 − α2 ðàñïðåäåëåíèÿ Ñòüþ-

äåíòà Tn−k−1 .
Âàæíîå çíà÷åíèå èìååò ïðîâåðêà ãèïîòåç ñòàòèñòè÷åñêîé
çíà÷èìîñòè íàéäåííûõ îöåíîê β̂j , j = 0, 1, . . . , k . Åñëè äîâåðè-
òåëüíûé èíòåðâàë äëÿ ïàðàìåòðà βj ñ óðîâíåì äîâåðèÿ 1 − α
ñîäåðæèò íóëü, ò. å. åñëè êîíöû äîâåðèòåëüíîãî èíòåðâàëà èìå-
þò ðàçíûé çíàê, òî íåëüçÿ îòêëîíèòü ãèïîòåçó H0 : βj = 0,
ñëåäîâàòåëüíî, â ýòîì ñëó÷àå íàéäåííàÿ îöåíêà β̂j íå ìîæåò
áûòü ïðèçíàíà ñòàòèñòè÷åñêè çíà÷èìîé íà óðîâíå çíà÷èìîñòè
α. Îòñþäà ñëåäóåò ïðàâèëî ïðîâåðêè ñòàòèñòè÷åñêîé çíà÷èìî-
ñòè îöåíêè β̂j èëè, ÷òî òîæå ñàìîå, ïðàâèëî ïðîâåðêè ãèïîòåçû
H0 : βj = 0 (ñïðàâåäëèâîñòü íóëåâîé ãèïîòåçû îçíà÷àåò ñòàòèñòè-
÷åñêóþ íåçíà÷èìîñòü îöåíêè β̂j ).
Âûáåðåì óðîâåíü çíà÷èìîñòè α è âû÷èñëèì ñòàòèñòèêó
β̂j
tβj = q .
S (X T X)−1
j+1,j+1
Åñëè |tβj | > t1− α2 ,n−k−1 , òî ãèïîòåçà H0 îòêëîíÿåòñÿ, è îöåíêà

β̂j ïðèçíàåòñÿ ñòàòèñòè÷åñêè çíà÷èìîé íà óðîâíå çíà÷èìîñòè α.
Åñëè |tβj | 6 t1− α2 ,n−k−1 , òî ãèïîòåçà H0 íå îòêëîíÿåòñÿ, è îöåíêà
β̂j ïðèçíàåòñÿ ñòàòèñòè÷åñêè íåçíà÷èìîé íà óðîâíå çíà÷èìîñòè
α.
Ïðîâåðêà ñòàòèñòè÷åñêîé çíà÷èìîñòè îöåíêè β̂j ñâîäèòñÿ ê
ïðîâåðêå ãèïîòåçû H0 : βj = 0. Íåòðóäíî àíàëîãè÷íûì îáðàçîì
(0)
ïðîâåðèòü áîëåå îáùóþ ãèïîòåçó âèäà H0 : βj = βj . Ðàññóæäàÿ
òàêèì æå îáðàçîì, ïîëó÷àåì ïðàâèëî ïðîâåðêè ãèïîòåçû H0 íà
óðîâíå çíà÷èìîñòè α:
(0)
|β̂j −βj |
• Åñëè q > t1− α2 ,n−k−1 , òî íóëåâàÿ ãèïîòåçà
S (X T X)−1
j+1,j+1
(0)
H0 : β j = β j îòêëîíÿåòñÿ íà óðîâíå çíà÷èìîñòè α.
(0)
|β̂j −βj |
• Åñëè q 6 t1− α2 ,n−k−1 , òî íóëåâàÿ ãèïîòåçà
S (X T X)−1
j+1,j+1
(0)
H0 : β j = β j ïðèíèìàåòñÿ íà óðîâíå çíà÷èìîñòè α.
85
Â ëèíåéíîì ðåãðåññèîííîì àíàëèçå êîýôôèöèåíòîì äåòåðìèíà-
öèè R2 íàçûâàåòñÿ êâàäðàò êîýôôèöèåíòà êîððåëÿöèè ìåæäó
íàáëþäàåìûìè çíà÷åíèÿìè ïîêàçàòåëÿ Y = (y1 , . . . , yn )T è çíà-
÷åíèÿìè ýìïèðè÷åñêîé ôóíêöèè Ŷ = (ŷ1 , . . . , ŷn )T .
Íåòðóäíî ïîêàçàòü, ÷òî òàê êàê X0 = (1, . . . , 1)T , òî âñåãäà
âûïîëíÿåòñÿ ðàâåíñòâî
n
X n
X
ŷi = yi ,
i=1 i=1
ñëåäîâàòåëüíî,
n n
1X 1X
ŷ = ŷi = yi = ȳ.
n i=1 n i=1
Ïî îïðåäåëåíèþ êîýôôèöèåíòà äåòåðìèíàöèè ïîëó÷àåì:

n
(yi − y)(ŷi − y))2
P
(
2 i=1
R = P
n n
P =
(yi − y)2 · (ŷi − y)2
i=1 i=1
((Y − yX0 )T (Ŷ − yX0 ))2

=
(Y − yX0 )T (Y − yX0 )(Ŷ − yX0 )T (Ŷ − yX0 )
èëè
(Ŷ − ȳX0 )T (Ŷ − yX0 ) ε̂T ε̂

R2 = = 1− . (3.1.9)
(Y − yX0 )T (Y − yX0 ) (Y − yX0 )T (Y − yX0 )
Ðàâåíñòâî (3.1.9) óäîáíî â âû÷èñëèòåëüíîì îòíîøåíèè, êðî-

ìå òîãî, èç íåãî âèäíî, ÷òî, åñëè ïîñòðîåííàÿ ëèíåéíàÿ ðåãðåñ-
ñèÿ èäåàëüíî òî÷íî ñîîòâåòñòâóåò íàáëþäåíèÿì, òî Y = Ŷ è,
ñëåäîâàòåëüíî, ε̂ = 0, ñëåäîâàòåëüíî, òîãäà R2 = 1. Íàîáîðîò,
åñëè βˆ1 = . . . = βˆk = 0, ò. å. ëèíåéíàÿ ðåãðåññèÿ íå çàâèñèò îò
x1 , . . . , xk , òî, êàê ëåãêî âèäåòü, R2 = 0. Èç îïðåäåëåíèÿ êîýô-
ôèöèåíòà äåòåðìèíàöèè R2 ñðàçó ñëåäóåò, ÷òî 0 6 R2 6 1.
Íàèáîëåå âàæíûì ïðèìåíåíèåì êîýôôèöèåíòà R2 ÿâëÿåòñÿ
åãî èñïîëüçîâàíèå ïðè ïðîâåðêå ãèïîòåçû ñòàòèñòè÷åñêîé çíà÷è-
ìîñòè ëèíåéíîé ðåãðåññèîííîé ìîäåëè â öåëîì, ò. å. ïðè ïðîâåð-
êå ãèïîòåçû H0 : β1 = . . . = βk = 0. Åñëè óêàçàííóþ ãèïîòåçó H0
íåëüçÿ îòâåðãíóòü íà óðîâíå çíà÷èìîñòè α, òî ýòî îçíà÷àåò, ÷òî
86
íà óðîâíå çíà÷èìîñòè α ïîñòðîåííàÿ ëèíåéíàÿ ðåãðåññèÿ ñòàòè-
ñòè÷åñêè íåçíà÷èìà. Ìàëûå çíà÷åíèÿ R2 ñâèäåòåëüñòâóþò ïðî-
òèâ ñòàòèñòè÷åñêîé çíà÷èìîñòè ïîñòðîåííîé ëèíåéíîé ðåãðåññèè.
Â ýêîíîìåòðèêå ÷àñòî âñòðå÷àåòñÿ ñëåäóþùàÿ èíòåðïðåòàöèÿ êî-
ýôôèöèåíòà äåòåðìèíàöèè, óìíîæåííîãî íà 100, åãî ðàññìàòðè-
âàþò êàê ÷èñëîâóþ õàðàêòåðèñòèêó, èçìåðÿåìóþ â ïðîöåíòàõ,
òîãî, íàñêîëüêî ðåãðåññèÿ ¾îáúÿñíÿåò¿ èçìåí÷èâîñòü èçìåðÿå-
ìîãî ïîêàçàòåëÿ â ñëåäñòâèå èçìåíåíèÿ âûáðàííûõ ôàêòîðîâ.
Ëåììà 3.1.3. Ïóñòü âûïîëíåíû îáå ãðóïïû îñíîâíûõ ïðåäïîëî-
æåíèé ëèíåéíîãî ðåãðåññèîííîãî àíàëèçà, òîãäà â ïðåäïîëîæå-
íèè ñïðàâäåëèâîñòè ãèïîòåçû H0 : β1 = . . . = βk = 0 ñòàòèñòèêà
R2 n − k − 1
F = ∼ Fk,n−k−1
1 − R2 k
ïîä÷èíÿåòñÿ ðàñïðåäåëåíèþ Ôèøåðà ñî ñòåïåíÿìè ñâîáîäû k è
n − k − 1.
Ïîñòðîåííàÿ ëèíåéíàÿ ðåãðåññèÿ ñòàòèñòè÷åñêè çíà÷èìà íà
óðîâíå α òîãäà è òîëüêî òîãäà, êîãäà ãèïîòåçà H0 : β1 = . . . =
= βk = 0 îòêëîíÿåòñÿ íà óðîâíå çíà÷èìîñòè α. Ïîýòîìó ïðà-
âèëî ïðîâåðêè ñòàòèñòè÷åñêîé çíà÷èìîñòè ëèíåéíîé ðåãðåññèè â
öåëîì ñôîðìóëèðóåì ñëåäóþùèì îáðàçîì:
R2 n−k−1
• Åñëè F = 1−R 2 k > F1−α;k,n−k−1 , òî ãèïîòåçà H0 :
β1 = . . . = βk = 0 îòêëîíÿåòñÿ íà óðîâíå çíà÷èìîñòè α
è, ñëåäîâàòåëüíî, ïîñòðîåííàÿ ëèíåéíàÿ ðåãðåññèÿ ÿâëÿåò-
ñÿ ñòàòèñòè÷åñêè çíà÷èìîé.
• Åñëè F 6 F1−α;k,n−k−1 , òî ãèïîòåçà H0 ïðèíèìàåòñÿ, è,
ñëåäîâàòåëüíî, ïîñòðîåííàÿ ëèíåéíàÿ ðåãðåññèÿ ÿâëÿåòñÿ
ñòàòèñòè÷åñêè íåçíà÷èìîé, çäåñü F1−α;k,n−k−1 êâàíòèëü
óðîâíÿ 1−α ðàñïðåäåëåíèÿ Ôèøåðà ñ k è n−k−1 ñòåïåíÿìè
ñâîáîäû.
3.1.5. Ëèíåéíàÿ ðåãðåññèÿ â Excel

Ðàññìîòðèì âûáîðêó èç 11 íàáëþäåíèé (äàííûå âçÿòû ñ ñàéòà
http://college.cengage.com/mathematics/brase/understandable_
statistics/7e/students/datasets/):
y 132 143 153 162 154 168 137 149 159 128 166
x1 52 59 67 73 64 74 54 61 65 46 72
x2 173 184 194 211 196 220 188 188 207 167 217
87
Ïåðåìåííàÿ y çàâèñèìàÿ è îçíà÷àåò ñèñòîëè÷åñêîå àðòåðèàëü-
íîå äàâëåíèå. Ïåðåìåííûå x1 è x2 íåçàâèñèìûå è îçíà÷àþò
âîçðàñò ïàöèåíòà â ãîäàõ è åãî âåñ â ôóíòàõ ñîîòâåòñòâåííî. Ïî-
ñòðîèì óðàâíåíèå ëèíåéíîé ðåãðåññèè âèäà:
y = β0 + β1 x 1 + β2 x 2 .
Äëÿ ýòîãî èñïîëüçóåì ôóíêöèþ ËÈÍÅÉÍ. Àðãóìåíòû ó ýòîé ôóíê-

öèè ñëåäóþùèå:
• Èçâåñòíûå_çíà÷åíèÿ_y îáÿçàòåëüíûé àðãóìåíò. Ìíîæå-
ñòâî çíà÷åíèé çàâèñèìîé ïåðåìåííîé y .
• Èçâåñòíûå_çíà÷åíèÿ_x ìàññèâ íåçàâèñèìûõ ïåðåìåííûõ
x.
• Êîíñò. íåîáÿçàòåëüíûé àðãóìåíò. Ýòî ëîãè÷åñêîå çíà÷å-
íèå, êîòîðîå óêàçûâàåò, òðåáóåòñÿ ëè, ÷òîáû êîíñòàíòà β0
áûëà ðàâíà 0. Åñëè àðãóìåíò êîíñò èìååò çíà÷åíèå ÈÑÒÈÍÀ
èëè îïóùåí, òî êîíñòàíòà β0 âû÷èñëÿåòñÿ ìåòîäîì íàè-
ìåíüøèõ êâàäðàòîâ. Åñëè àðãóìåíò êîíñò èìååò çíà÷åíèå
ËÎÆÜ, òî çíà÷åíèå β0 ïîëàãàåòñÿ ðàâíûì 0, è ñòðîèòñÿ óðàâ-
íåíèå ëèíåéíîé ðåãðåññèè âèäà: y = β1 x1 + . . . + βk xk .
• Ñòàòèñòèêà íåîáÿçàòåëüíûé àðãóìåíò. Ëîãè÷åñêîå çíà÷å-
íèå, êîòîðîå óêàçûâàåò, òðåáóåòñÿ ëè âîçâðàòèòü äîïîëíè-
òåëüíóþ ðåãðåññèîííóþ ñòàòèñòèêó. Åñëè àðãóìåíò ñòàòè-
ñòèêà èìååò çíà÷åíèå ÈÑÒÈÍÀ, ôóíêöèÿ ËÈÍÅÉÍ âîçâðàùà-
åò äîïîëíèòåëüíóþ ðåãðåññèîííóþ ñòàòèñòèêó. Åñëè àðãó-
ìåíò ñòàòèñòèêà èìååò çíà÷åíèå ËÎÆÜ èëè îïóùåí, ôóíê-
öèÿ ËÈÍÅÉÍ âîçâðàùàåò òîëüêî êîýôôèöèåíòû óðàâíåíèÿ
ëèíåéíîé ðåãðåññèè.
Ïðèìåíåíèå ôóíêöèè ËÈÍÅÉÍ âûâîäèò ñëåäóþùóþ òàáëèöó:
Òàáë. 3.1. Âûâîä ôóíêöèè ËÈÍÅÉÍ

β̂k β̂k−1 ... β̂1 β̂0
Sek Sek−1 ... Se1 Se0
R2 Seν
F df
SSreg SSresid
Ïåðâàÿ ñòðîêà òàáëèöû 3.1 ñîäåðæèò îöåíêè íàèìåíüøèõ êâàä-

ðàòîâ êîýôôèöèåíòîâ ðåãðåññèè, âòîðàÿ ñòðîêà ñòàíäàðò-
íûå îøèáêè êîýôôèöèåíòîâ, êîòîðûå âû÷èñëÿþòñÿ ïî ôîðìó-
88
ëå Sej = β̂j /tβj , j = 0, . . . , k , R2 êîýôôèöèåíò äåòåðìèíà-
öèè, Seν ñòàíäàðòíàÿ îøèáêà äëÿ y , F çíà÷åíèå ñòàòèñòèêè
F , df ÷èñëî ñòåïåíåé ñâîáîäû çíàìåíàòåëÿ (n − k − 1) äëÿ
ïðîâåðêè ãèïîòåçû H0 : β1 = . . . = βk = 0, SSresid ñóì-
ìà êâàäðàòîâ ðàçíîñòåé ìåæäó ïðîãíîçèðóåìûìè Pn çíà÷åíèÿìè
y è íàáëþäàåìûìè
Pn çíà÷åíèÿìè, ò. å. SSresid = i=1 (yi − ŷi ) ,
2
SSreg = i=1 (yi − ȳ)2 − SSresid .

Äëÿ ðàññìàòðèâàåìîãî ïðèìåðà ïîëó÷åíà òàáëèöà:
Òàáë. 3.2. Âûâîä ôóíêöèè ËÈÍÅÉÍ äëÿ ïðèìåðà ðàçäåëà 3.1.5.
0,334859197 0,86141468 30,99410295
0,130668274 0,248231411 11,94378039
0,976847104 2,318211131
168,7645659 8
1813,916268 42,99282278
Äëÿ ïîñòðîåíèÿ óðàâíåíèÿ ëèíåéíîé ðåãðåññèè â ïðîãðàì-

ìå Excel ìîæíî òàêæå âîñïîëüçîâàòüñÿ íàäñòðîéêîé Àíàëèç
äàííûõ, âûáðàâ â íåé ðàçäåë Ðåãðåññèÿ, îêíî êîòîðîãî ïðèâåäåíî
íà ðèñ. 3.1. Äëÿ èñêëþ÷åíèÿ èç óðàâíåíèÿ ðåãðåññèè êîýôôèöè-
åíòà β0 íóæíî óñòàíîâèòü ¾ôëàæîê¿ Êîíñòàíòà - íîëü.
Ðèñ. 3.1. Îêíî ðàçäåëà Ðåãðåññèÿ íàäñòðîéêè Àíàëèç äàííûõ
89
3.1.6. Ëèíåéíàÿ ðåãðåññèÿ â R
Ðàññìîòðèì âûáîðêó èç ðàçäåëà 3.1.5., ñîñòîÿùóþ èç 11 íàáëþ-
äåíèé. Ïîñòðîèì óðàâíåíèå ëèíåéíîé ðåãðåññèè âèäà:
y = β0 + β1 x1 + β2 x2 .
Ââåäåì äàííûå:
y<-c(132,143,153,162,154,168,137,149,159,128,166)
x1<-c(52,59,67,73,64,74,54,61,65,46,72)
x2<-c(173,184,194,211,196,220,188,188,207,167,217)
Äëÿ ïîñòðîåíèÿ óðàâíåíèÿ ëèíåéíîé ðåãðåññèè èñïîëüçóåì

ôóíêöèþ lm, è äëÿ ðåçóëüòàòîâ èñïîëüçóåì ôóíêöèþ summary:
res<-lm(y x1+x2)
summary(res)
Âûâîäèòñÿ ðåçóëüòàò:
Call:
lm(formula = y ∼ x1 + x2)
Residuals:
Min 1Q Median 3Q Max
-3.4640 -1.1949 -0.4078 1.8511 2.6981
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 30.9941 11.9438 2.595 0.03186 *
x1 0.8614 0.2482 3.470 0.00844 **
x2 0.3349 0.1307 2.563 0.03351 *
-
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 2.318 on 8 degrees of freedom

Multiple R-squared: 0.9768, Adjusted R-squared: 0.9711
F-statistic: 168.8 on 2 and 8 DF, p-value: 2.874e-07
Â ðåçóëüòàòå ðàáîòû ôóíêöèè âûâîäèòñÿ òàáëèöà îñòàòêîâ,

à èìåííî, ðàçíîñòåé ìåæäó äàííûì è ïðåäñêàçàííûì çíà÷åíèåì
y . Â òàáëèöå ïðåäñòàâëåíû ìèíèìàëüíûé, ìàêñèìàëüíûé îñòà-
òîê, à òàêæå êâàíòèëè óðîâíåé 0.25, 0.5 è 0.75. Äàëåå ïðåäñòàâ-
ëåíû îöåíêè ïàðàìåòðîâ óðàâíåíèÿ ëèíåéíîé ðåãðåññèè β0 , β1 è
β2 , èõ ñòàíäàðòíûå îøèáêè β̂0 /tβ0 , β̂1 /tβ1 , β̂2 /tβ2 , çíà÷åíèÿ ñòà-
òèñòèê tβ0 , tβ1 , tβ2 äëÿ ïðîâåðêè ãèïîòåç H0 : βi = 0, i = 0, 1, 2. Â
ñòîëáöå Pr(>|t|) çàïèñàíû ñîîòâåòñòâóþùèå çíà÷åíèÿ p-value,
90
ïî êîòîðûì ìîæíî ñäåëàòü âûâîä î çíà÷èìîñòè èëè íåçíà÷èìî-
ñòè êîýôôèöèåíòà. Â ñëó÷àå, åñëè çíà÷åíèå p-value áîëüøå óðîâ-
íÿ çíà÷èìîñòè (ïî óìîë÷àíèþ áåðåòñÿ óðîâåíü 0.05), òî ïðèíè-
ìàåòñÿ ãèïîòåçà H0 : βi = 0 è äåëàåòñÿ âûâîä î íåçíà÷èìîñòè êî-
ýôôèöèåíòà. Â ïðîòèâíîì ñëó÷àå, íóëåâàÿ ãèïîòåçà îòâåðãàåòñÿ,
è êîýôôèöèåíò ïðèçíàåòñÿ çíà÷èìûì. Â ðàññìàòðèâàåìîì ïðè-
ìåðå âñå êîýôôèöèåíòû çíà÷èìû. Çíà÷åíèå Residual standard
error ýòî çíà÷åíèå S . Multiple R-squared ýòî çíà÷åíèå
R2 . Çíà÷åíèå ñòàòèñòèêè F , âû÷èñëÿåìîå äëÿ ïðîâåðêè ãèïîòå-
çû H0 : β1 = . . . = βk = 0, ðàâíî 168.8. Â ñëó÷àå ñïðàâåäëè-
âîñòè ýòîé ãèïîòåçû, ñòàòèñòèêà F ïîä÷èíÿåòñÿ ðàñïðåäåëåíèþ
Ôèøåðà ñ 2 ñòåïåíÿìè ñâîáîäû ÷èñëèòåëÿ è 8 ñòåïåíÿìè ñâîáîäû
çíàìåíàòåëÿ. Çíà÷åíèå p-value ðàâíî 2.874e-07, ÷òî ìåíüøå óðîâ-
íÿ çíà÷èìîñòè 0.05. Ñëåäîâàòåëüíî, ìîæíî ñäåëàòü âûâîä î òîì,
÷òî íóëåâóþ ãèïîòåçó ñëåäóåò îòâåðãíóòü è ïðèçíàòü ïîñòðîåí-
íîå óðàâíåíèå ëèíåéíîé ðåãðåññèè çíà÷èìûì â öåëîì.
Äëÿ íàãëÿäíîãî ïðåäñòàâëåíèÿ äàííûõ èñïîëüçóåì ôóíê-
öèþ pairs:
pairs(y∼x1+x2, main="Simple Scatterplot Matrix")
Âûâîäÿòñÿ ãðàôèêè, ïðåäñòàâëåííûå íà ðèñóíêå 3.2.
3.2. Áèíàðíàÿ ðåãðåññèÿ
Â ýòîì ðàçäåëå çàâèñèìûå ïåðåìåííûå ïðèíèìàþò äèñêðåò-

íûå çíà÷åíèÿ, âûðàæàþùèå êàêèå-ëèáî êà÷åñòâåííûå ïðèçíàêè.
Îáúÿñíÿþùèå ïåðåìåííûå ìîãóò áûòü êàê äèñêðåòíûìè, òàê è
íåïðåðûâíûìè. Íàïðèìåð, ïðè ïðèåìå íà ðàáîòó êàíäèäàòà êîì-
ïàíèÿ ðàññìàòðèâàåò ìíîãèå ïîêàçàòåëè (âîçðàñò, îáðàçîâàíèå,
óðîâåíü âëàäåíèÿ èíîñòðàííûìè ÿçûêàìè, ñåìåéíîå ïîëîæåíèå,
îïûò ðàáîòû è ò. ä.), íà îñíîâå êîòîðûõ îíà äîëæíà ñäåëàòü âû-
âîä: ïðèíÿòü íà ðàáîòó èëè íåò.
Âûäåëèì íåñêîëüêî êëàññîâ çàäà÷, â êîòîðûõ çàâèñèìûå ïå-
ðåìåííûå ïðèíèìàþò äèñêðåòíûå çíà÷åíèÿ:
1. Ïåðåìåííûå ýòî âûáîð îäíîé èç íåñêîëüêèõ àëüòåðíà-
òèâ, íàïðèìåð, ðåøåíèÿ ¾äà¿ (1) èëè ¾íåò¿ (0) â ñëó÷àå
äâóõ àëüòåðíàòèâ. Åñëè èìååòñÿ òîëüêî äâå àëüòåðíàòèâû,
òî ðåçóëüòàò íàáëþäåíèÿ îïèñûâàåòñÿ áèíàðíîé ïåðåìåí-
íîé. Â îáùåì ñëó÷àå ïðè íàëè÷èè k àëüòåðíàòèâ ðåçóëü-
91
Ðèñ. 3.2. Ãðàôè÷åñêîå ïðåäñòàâëåíèå äàííûõ ðàçäåëà 3.1.6.
òàò âûáîðà ìîæíî ïðåäñòàâèòü ïåðåìåííîé, ïðèíèìàþùåé

çíà÷åíèÿ 1, . . . , k . Åñëè àëüòåðíàòèâû íåëüçÿ óïîðÿäî÷èòü
(íàïðèìåð, ïðè âûáîðå ïðîôåññèè èç ñïèñêà: ó÷èòåëü, èí-
æåíåð, âðà÷, ïîâàð), òî èõ íóìåðàöèÿ ìîæåò áûòü ïðîèç-
âîëüíîé. Â ýòèõ ñëó÷àÿõ ñîîòâåòñòâóþùóþ ïåðåìåííóþ íà-
çûâàþò íîìèíàëüíîé.
2. Ïåðåìåííûå ðàíãè. Íàïðèìåð, ¾0¿ îçíà÷àåò ¾êàòåãîðè÷å-
ñêè ïðîòèâ¿, ¾1¿ ¾ïðîòèâ¿, ¾2¿ ¾íè äà, íè íåò¿, ¾3¿
¾çà¿, ¾4¿ ¾ïîëíîñòüþ çà¿. Òàêàÿ ñèñòåìà ðàíæèðîâàíèÿ
ìîæåò áûòü èñïîëüçîâàíà, íàïðèìåð, ïðè ãîëîñîâàíèè. Ñî-
îòâåòñòâóþùàÿ ïåðåìåííàÿ íàçûâàåòñÿ ïîðÿäêîâîé, îðäè-
íàëüíîé èëè ðàíãîâîé.
3. Ïåðåìåííàÿ êîëè÷åñòâåííàÿ öåëî÷èñëåííàÿ õàðàêòåðè-
ñòèêà. Íàïðèìåð, êîëè÷åñòâî òîðãîâûõ òî÷åê, ïðèíîñÿùèõ
ïðèáûëü, êîëè÷åñòâî ÷àñòíûõ ïðåäïðèÿòèé, çàðåãèñòðèðî-
âàííûõ â ðåãèîíå è ò. ä.
Äëÿ ìîäåëåé ñ äèñêðåòíûìè çàâèñèìûìè ïåðåìåííûìè, êîíå÷íî
æå, âîçìîæíî ôîðìàëüíîå ïðèìåíåíèå ìåòîäà íàèìåíüøèõ êâàä-
ðàòîâ, îäíàêî, ïîëó÷èòü óäîâëåòâîðèòåëüíûå ñ ñîäåðæàòåëüíîé
òî÷êè çðåíèÿ ðåçóëüòàòû óäàåòñÿ, êàê ïðàâèëî, ëèøü äëÿ ìîäå-
92
ëåé ñ êîëè÷åñòâåííûìè öåëî÷èñëåííûìè ïåðåìåííûìè. Â ñëó÷àå
ïîðÿäêîâûõ ïåðåìåííûõ èíòåðïðåòàöèÿ îöåíîê êîýôôèöèåíòîâ
ïðè îáúÿñíÿþùèõ ïåðåìåííûõ çàòðóäíåíà: óâåëè÷åíèå íà îäíó
åäèíèöó ïîðÿäêîâîé ïåðåìåííîé îçíà÷àåò ïåðåõîä ê ñëåäóþùåé
ïî ðàíãó àëüòåðíàòèâå, îäíàêî äàëåêî íå âñåãäà ïåðåõîä îò ïåð-
âîé àëüòåðíàòèâû êî âòîðîé ÷èñëåííî ýêâèâàëåíòåí ïåðåõîäó îò
âòîðîé ê òðåòüåé. Åñëè æå çàâèñèìàÿ ïåðåìåííàÿ ÿâëÿåòñÿ íîìè-
íàëüíîé, òî ðåçóëüòàòû îöåíèâàíèÿ âîîáùå òåðÿþò ñìûñë â ñèëó
ïðîèçâîëüíîñòè íóìåðàöèè àëüòåðíàòèâ. Òàêèì îáðàçîì, ñòàí-
äàðòíàÿ ðåãðåññèîííàÿ ñõåìà íóæäàåòñÿ â êîððåêöèè.
3.2.1. Ëîãèò è ïðîáèò ìîäåëè áèíàðíîãî âûáîðà

Ðàññìîòðèì çàäà÷ó ïîêóïêè ñåìüåé íåêîòîðîé êâàðòèðû. Çàâè-
ñèìàÿ ïåðåìåííàÿ y ïðèíèìàåò çíà÷åíèå 1, åñëè ñåìüÿ êóïèëà
êâàðòèðó, è 0 â ïðîòèâíîì ñëó÷àå. Ðåøåíèå î ïîêóïêå êâàðòè-
ðû çàâèñèò îò ìíîæåñòâà ôàêòîðîâ (íåçàâèñèìûõ ïåðåìåííûõ):
áþäæåò ñåìüè, íàëè÷èå äåòåé, íàëè÷èå îáúåêòîâ ñîöèàëüíîé èí-
ôðàñòðóêòóðû â øàãîâîé äîñòóïíîñòè îò äîìà, óäàëåííîñòü îò
öåíòðà ãîðîäà è ò. ä. Èç ýòèõ ôàêòîðîâ ìîæíî ñôîðìèðîâàòü âåê-
òîð x = (1, x1 , . . . , xk )T . Åñëè ñëåäîâàòü îñíîâíûì èäåÿì ðåãðåñ-
ñèîííîãî àíàëèçà, òî áóäåì ñ÷èòàòü, ÷òî íà ðåøåíèå î ïîêóïêå
êâàðòèðû âëèÿþò òàêæå íåó÷òåííûå ôàêòîðû, ñîâîêóïíîå âëè-
ÿíèå êîòîðûõ ìîäåëèðóåòñÿ ñëó÷àéíîé êîìïîíåíòîé. Ïðè ðàç-
ëè÷íûõ ïðåäïîëîæåíèÿõ î õàðàêòåðå çàâèñèìîñòè y îò x, ìîæíî
ïîëó÷èòü ðàçëè÷íûå ìîäåëè ïîñòðîåíèÿ çàâèñèìîñòè. Ìû ðàñ-
ñìîòðèì ëîãèò è ïðîáèò ìîäåëè áèíàðíîãî âûáîðà.
Ïóñòü èìååòñÿ âûáîðêà îáúåìà n íàáëþäåíèé (xi , yi ),
i = 1, . . . , n, ãäå xi = (xi1 , . . . , xik )T , yi çàâèñèìàÿ ïåðåìåííàÿ,
êîòîðàÿ ìîæåò ïðèíèìàòü òîëüêî äâà çíà÷åíèÿ: íîëü è åäèíèöà.
Ïðåäïîëîæèì, ÷òî
P{yi = 1} = F (β T xi ), (3.2.1)
ãäå F (x) íåêîòîðàÿ ôóíêöèÿ, îáëàñòü çíà÷åíèé êîòîðîé ëåæèò
â îòðåçêå [0, 1]. Â ÷àñòíîñòè, â êà÷åñòâå ôóíêöèè F (x) ìîæíî ðàñ-
ñìîòðåòü ôóíêöèþ ðàñïðåäåëåíèÿ íåêîòîðîé ñëó÷àéíîé âåëè÷è-
íû. Âîçìîæíà ñëåäóþùàÿ èíòåðïðåòàöèÿ ïðåäïîëîæåíèÿ (3.2.1):
ñóùåñòâóåò íåêîòîðàÿ êîëè÷åñòâåííàÿ ïåðåìåííàÿ yi∗ , ñâÿçàííàÿ
ñ íåçàâèñèìûìè ïåðåìåííûìè xi ëèíåéíûì ðåãðåññèîííûì óðàâ-
íåíèåì:
yi∗ = β T xi + εi , (3.2.2)
93
ãäå ñëó÷àéíûå êîìïîíåíòû εi , i = 1, . . . , n âçàèìíî íåçàâèñèìû
è îäèíàêîâî ðàñïðåäåëåíû ñ íóëåâûì ìàòåìàòè÷åñêèì îæèäàíè-
åì è äèñïåðñèåé σ 2 . Ïóñòü F (·) ôóíêöèÿ ðàñïðåäåëåíèÿ íîð-
ìèðîâàííîé ñëó÷àéíîé âåëè÷èíû εi /σ . Ïåðåìåííàÿ yi∗ ÿâëÿåòñÿ
íåíàáëþäàåìîé (ëàòåíòíîé), à ðåøåíèå, ñîîòâåòñòâóþùåå çíà÷å-
íèþ yi = 1, ïðèíèìàåòñÿ òîãäà, êîãäà yi∗ ïðåâîñõîäèò íåêîòîðîå
ïîðîãîâîå çíà÷åíèå. Áåç îãðàíè÷åíèÿ îáùíîñòè, åñëè êîíñòàíòà
âêëþ÷åíà â ÷èñëî íåçàâèñèìûõ ïåðåìåííûõ ìîäåëè, ìîæíî ñ÷è-
òàòü ýòî ïîðîãîâîå çíà÷åíèå ðàâíûì íóëþ. Âåëè÷èíó yi∗ ìîæíî
òàêæå èíòåðïðåòèðîâàòü êàê ðàçíîñòü ïîëåçíîñòåé àëüòåðíàòè-
âû 1 è àëüòåðíàòèâû 0.
Òàêèì îáðàçîì, ïîëó÷àåì
(
1, åñëè yi∗ > 0,
yi = (3.2.3)
0, åñëè yi∗ < 0.
Òîãäà, ïðåäïîëàãàÿ, ÷òî ñëó÷àéíûå êîìïîíåíòû εi èìåþò îäíî

è òî æå ñèììåòðè÷íîå ðàñïðåäåëåíèå ñ íåïðåðûâíîé ôóíêöèåé
ðàñïðåäåëåíèÿ F (x), F (−x) = 1 − F (x), ïîëó÷àåì:
P{yi = 1} = P{yi∗ > 0} = P{β T xi + εi > 0} = P{εi > −β T xi } =

β T xi
T
β xi
=1−F − =F , (3.2.4)
σ σ
÷òî ñ òî÷íîñòüþ äî íîðìèðîâêè ñîâïàäàåò ñ (3.2.1).
Â ìîäåëè (3.2.4) ïàðàìåòðû β è σ ó÷àñòâóþò òîëüêî â âèäå
îòíîøåíèÿ β/σ è íå ìîãóò áûòü ïî îòäåëüíîñòè èäåíòèôèöèðî-
âàíû (ò. å. îöåíèòü ìîæíî òîëüêî îòíîøåíèÿ β/σ ). Ïîýòîìó áåç
îãðàíè÷åíèÿ îáùíîñòè ìîæíî ñ÷èòàòü, ÷òî σ = 1.
Íàèáîëåå ÷àñòî â êà÷åñòâå ôóíêöèè F (x) èñïîëüçóþò:
1. Ôóíêöèþ ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëåíèÿ
Zu
1 z2
Φ(u) = √ e− 2 dz,
2π
−∞
â ýòîì ñëó÷àå ìîäåëü ïðèíÿòî íàçûâàòü ïðîáèò ìîäåëüþ.

2. Ôóíêöèþ ëîãèñòè÷åñêîãî ðàñïðåäåëåíèÿ
eu
Λ(u) = , (3.2.5)
1 + eu
òîãäà ìîäåëü ïðèíÿòî íàçûâàòü ëîãèò ìîäåëüþ.
94
Èñïîëüçîâàíèå ôóíêöèè ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðå-
äåëåíèÿ ïðåäñòàâëÿåòñÿ åñòåñòâåííûì â ðàìêàõ ïðèâåäåííîé âû-
øå èíòåðïðåòàöèè. Ïðèìåíåíèå ôóíêöèè ëîãèñòè÷åñêîãî ðàñïðå-
äåëåíèÿ îáúÿñíÿåòñÿ ïðîñòîòîé ÷èñëåííîé ðåàëèçàöèè ïðîöåäó-
ðû îöåíèâàíèÿ ïàðàìåòðîâ. Ó èññëåäîâàòåëÿ ìîæåò âîçíèêíóòü
âîïðîñ î òîì, êàêóþ èç ìîäåëåé (ïðîáèò èëè ëîãèò) èñïîëüçî-
âàòü â êîíêðåòíîì ñëó÷àå. Òî÷íîãî îòâåòà íà ýòîò âîïðîñ íåò, íî
ìîæíî äàòü íåêîòîðûå ðåêîìåíäàöèè. Íàïðèìåð, ìîæíî âûáðàòü
òó ìîäåëü, äëÿ êîòîðîé ôóíêöèÿ ïðàâäîïîäîáèÿ èìååò áîëüøåå
çíà÷åíèå. Òàêæå ìîæíî îòìåòèòü, ÷òî äëÿ çíà÷åíèé u, áëèç-
êèõ ïî ìîäóëþ ê íóëþ (â ÷àñòíîñòè, ïðè u ∈ −[1.2; 1.2]), ôóíê-
öèè Φ(u) è Λ(u) âåäóò ñåáÿ ïðèìåðíî îäèíàêîâî, â òî æå âðåìÿ
¾õâîñòû¿ ëîãèñòè÷åñêîãî ðàñïðåäåëåíèÿ çíà÷èòåëüíî ¾òÿæåëåå¿
¾õâîñòîâ¿ íîðìàëüíîãî ðàñïðåäåëåíèÿ. Ïðàêòè÷åñêèé îïûò ïî-
êàçûâàåò, ÷òî äëÿ âûáîðîê ñ íåáîëüøèì ðàçáðîñîì íåçàâèñèìûõ
ïåðåìåííûõ è ïðè îòñóòñòâèè ñóùåñòâåííîãî ïðåîáëàäàíèÿ îä-
íîé àëüòåðíàòèâû íàä äðóãîé âûâîäû, ïîëó÷àåìûå ñ ïîìîùüþ
ïðîáèò è ëîãèò ìîäåëåé, áóäóò, êàê ïðàâèëî, ñîâïàäàòü.
Èñõîäÿ èç ïðåäïîëîæåíèÿ (3.2.1), ôóíêöèÿ F (x) íåëèíåéíà
ïî ïàðàìåòðàì β , è èíòåðïðåòàöèÿ ýòèõ ïàðàìåòðîâ îòëè÷àåòñÿ
îò èíòåðïðåòàöèè ïîäîáíûõ êîýôôèöèåíòîâ â ëèíåéíîé ðåãðåñ-
ñèîííîé ìîäåëè.
3.2.2. Ñðàâíåíèå çíà÷åíèé ôóíêöèé íîðìàëüíîãî

è ëîãèñòè÷åñêîãî ðàñïðåäåëåíèé
Âåðîÿòíîñòíûå ðàñïðåäåëåíèÿ, èñïîëüçóåìûå â ïðîáèò è ëîãèò
ìîäåëÿõ, ñòàíäàðòíîå íîðìàëüíîå è ëîãèñòè÷åñêîå ðàñïðåäå-
ëåíèÿ ñîîòâåòñòâåííî. Îáå óêàçàííûå ôóíêöèè ðàñïðåäåëåíèÿ
ñèììåòðè÷íû îòíîñèòåëüíî 0 è èìåþò äèñïåðñèè, ðàâíûå 1 è
π 2 /3 ñîîòâåòñòâåííî. Ðàññìîòðèì ìîäèôèöèðîâàííîå ëîãèñòè÷å-
ñêîå ðàñïðåäåëåíèå ñ ôóíêöèåé ðàñïðåäåëåíèÿ ñëåäóþùåãî âèäà:
eδu
Λδ (u) = . (3.2.6)
1 + eδu
Çíà÷åíèå ïàðàìåòðà δ ìîæåò áûòü âûáðàíî òàêèì îáðàçîì, ÷òî-
áû çíà÷åíèÿ ôóíêöèè (3.2.6) áûëè áû äîñòàòî÷íî áëèçêèìè ê
çíà÷åíèÿì ôóíêöèè ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëåíèÿ
íà áîëüøîé ÷àñòè îáëàñòè îïðåäåëåíèÿ. Ðàññìîòðèì, íàïðèìåð,
δ = 1.6. Â òàáëèöå 3.3 ìîæíî íàéòè çíà÷åíèÿ ôóíêöèé Φ(u) è
95
Λ1.6 (u) äëÿ ðàçëè÷íûõ u. Èç íåå âèäíî, ÷òî ôóíêöèè ðàñïðåäå-
ëåíèÿ ¾î÷åíü áëèçêè¿ îêîëî 0, íî ëîãèñòè÷åñêîå ðàñïðåäåëåíèå
èìååò áîëåå òÿæåëûå ¾õâîñòû¿.
Òàáë. 3.3. Òàáëèöà çíà÷åíèé ôóíêöèé Φ(u) è Λ1.6 (u)

u Φ(u) Λ1.6 (u)
0.0 0.5 0.5
0.1 0.5398 0.5399
0.2 0.5793 0.5793
0.3 0.6179 0.6177
0.4 0.6554 0.6548
0.5 0.6915 0.6900
0.6 0.7257 0.7231
0.7 0.7580 0.7540
0.8 0.7881 0.7824
0.9 0.8159 0.8085
1.0 0.8413 0.8320
2.0 0.9772 0.9608
3.0 0.9987 0.9918
Èç-çà áëèçîñòè äâóõ ðàñïðåäåëåíèé òðóäíî èäåíòèôèöèðî-

âàòü òèï ðàñïðåäåëåíèÿ ïðè íàëè÷èè âûáîðêè íåáîëüøîãî îáúå-
ìà. Òàêèì îáðàçîì, ïðè ïîñòðîåíèè ìîäåëè áèíàðíîé ðåãðåññèè
íå èìååò áîëüøîãî çíà÷åíèÿ, áóäåò èñïîëüçîâàòüñÿ ïðîáèò èëè
ëîãèò ìîäåëü, èñêëþ÷àÿ ñëó÷àè, êîãäà áîëüøîå êîëè÷åñòâî äàí-
íûõ ðàñïîëîæåíû íà õâîñòàõ, ÷òî ìîæåò áûòü îáóñëîâëåíî ñïå-
öèôèêîé ðàññìàòðèâàåìîé ïðåäìåòíîé îáëàñòè. Â ìîäåëÿõ ìíî-
æåñòâåííîãî äèñêðåòíîãî âûáîðà ïðîáèò è ëîãèò ìîäåëè îòëè÷à-
þòñÿ ãîðàçäî áîëåå ñóùåñòâåííî.
Ïðåäïîëîæèì, ÷òî íàéäåíû îöåíêè β̂Φ è β̂Λ äëÿ ïàðàìåò-
ðîâ ïðîáèò è ëîãèò ìîäåëåé ñîîòâåòñòâåííî. Òîãäà, èñïîëüçóÿ
ïðèáëèæåííîå ðàâåíñòâî Λ1.6 (u) ' Φ(u), ìîæíî çàïèñàòü ñëåäó-
þùåå ïðèáëèæåííîå ðàâåíñòâî äëÿ îöåíîê ïàðàìåòðîâ:
1.6β̂Φ ' β̂Λ . (3.2.7)
Ôîðìóëà (3.2.7) ìîæåò áûòü ïîëåçíà êàê áûñòðûé ñïîñîá ñðàâ-

íåíèÿ îöåíîê ïàðàìåòðîâ ïðîáèò è ëîãèò ìîäåëåé.
96
3.2.3. Îöåíèâàíèå ïàðàìåòðîâ â ëîãèò è ïðîáèò ìîäåëÿõ
Äëÿ íàõîæäåíèÿ îöåíîê ïàðàìåòðîâ β îáû÷íî èñïîëüçóþò ìå-
òîä ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ, ïðåäïîëàãàÿ, ÷òî íàáëþäå-
íèÿ y1 , . . . , yn íåçàâèñèìû. Òàê êàê yi ìîæåò ïðèíèìàòü çíà÷åíèÿ
0 èëè 1, òî ôóíêöèÿ ïðàâäîïîäîáèÿ ïðèìåò ñëåäóþùèé âèä:
Y Y
L(y1 , . . . , yn ) = (1 − F (β T xi )) F (β T xi ). (3.2.8)
i:yi =0 i:yi =1
Íåòðóäíî çàìåòèòü, ÷òî

n
Y
L(y1 , . . . , yn ) = F yi (β T xi )(1 − F (β T xi ))1−yi .
i=1
Ðàññìîòðèì ëîãàðèôìè÷åñêóþ ôóíêöèþ ïðàâäîïîäîáèÿ:

n
X
yi ln F (β T xi ) + (1 − yi ) ln(1 − F (β T xi )) .

ln L(y1 , . . . , yn ) =
i=1
(3.2.9)
Äèôôåðåíöèðóÿ ðàâåíñòâî (3.2.9) ïî âåêòîðó β , ïîëó÷àåì óðàâ-
íåíèå ïðàâäîïîäîáèÿ, çàïèñàííîå â âåêòîðíîé ôîðìå:
n
∂ ln L X yi f (β T xi ) (1 − yi )f (β T xi )

= − xi = 0, (3.2.10)
∂β i=1
F (β T xi ) 1 − F (β T xi )
ãäå f (x) ïëîòíîñòü ðàñïðåäåëåíèÿ, ñîîòâåòñòâóþùàÿ ôóíêöèè

F (x). Äëÿ ëîãèò ìîäåëè óðàâíåíèå (3.2.10) ìîæíî ñóùåñòâåííî
óïðîñòèòü, âîñïîëüçîâàâøèñü òîæäåñòâîì Λ0 (u) = Λ(u)(1−Λ(u)):
n
X
(yi − Λ(β T xi ))xi = 0. (3.2.11)
i=1
Óðàâíåíèå ïðàâäîïîäîáèÿ åñòü ëèøü íåîáõîäèìîå óñëîâèå

ëîêàëüíîãî ýêñòðåìóìà. Ìîæíî ïîêàçàòü, ÷òî äëÿ ïðîáèò è ëî-
ãèò ìîäåëåé ëîãàðèôìè÷åñêàÿ ôóíêöèÿ ïðàâäîïîäîáèÿ (3.2.9)
ÿâëÿåòñÿ âîãíóòîé ïî β ôóíêöèåé è, çíà÷èò, ðåøåíèå óðàâíåíèÿ
(3.2.10) äàåò îöåíêó ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ ïàðàìåòðà β
[38]. Ãåññèàí äëÿ ëîãèò ìîäåëè èìååò ñëåäóþùèé âèä:
n
∂ 2 ln L X
H= =− Λ(β T xi )(1 − Λ(β T xi ))xi xTi . (3.2.12)
∂β∂β T i=1
97
Çàìåòèì òàêæå, ÷òî ãåññèàí â ýòîì ñëó÷àå îòðèöàòåëüíî îïðåäå-
ëåí [38], ò. å. ëîãàðèôìè÷åñêàÿ ôóíêöèÿ ïðàâäîïîäîáèÿ âîãíóòà.
Äëÿ ïðîáèò ìîäåëè ëîãàðèôìè÷åñêóþ ôóíêöèþ ïðàâäîïî-
äîáèÿ (3.2.9) ìîæíî çàïèñàòü â ñëåäóþùåì âèäå:
X X
ln L = ln(1 − Φ(β T xi )) + ln(Φ(β T xi )). (3.2.13)
i:yi =0 i:yi =1
Òîãäà óñëîâèå (3.2.10) áóäåò ñëåäóþùèì:
∂ ln L X −ϕ(β T xi ) X ϕ(β T xi )
= T
xi + xi ,
∂β i:y =0
1 − Φ(β xi ) i:y =1
Φ(β T xi )
i i
ãäå ϕ(x) = Φ0 (x). Ó÷èòûâàÿ, ÷òî íîðìàëüíîå ðàñïðåäåëåíèå, êàê

è ëîãèñòè÷åñêîå, ñèììåòðè÷íî, 1−Φ(β T x) = Φ(−β T x), ïîëó÷àåì:
n n
∂ ln L X qi ϕ(β T xi ) X
= x i = λi xi = 0, (3.2.14)
∂β i=1
Φ(qi β T xi ) i=0
ãäå qi = 2yi − 1, λi = qi ϕ(β T xi )/Φ(qi β T xi ).

Äëÿ âû÷èñëåíèÿ ãåññèàíà â ìîäåëè ïðîáèò àíàëèçà áóäåì
èñïîëüçîâàòü ñâîéñòâî ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëå-
íèÿ: dϕ(u)/du = −uϕ(u). Òîãäà äëÿ ïðîáèò ìîäåëè ïîëó÷èì ñëå-
äóþùåå âûðàæåíèå äëÿ ãåññèàíà:
n
∂ 2 ln L X
H= = − λi (λi + β T xi )xi xTi . (3.2.15)
∂β T ∂β i=1
Ýòà ìàòðèöà òàêæå îòðèöàòåëüíî îïðåäåëåíà [46].

Óðàâíåíèÿ ïðàâäîïîäîáèÿ (3.2.11) è (3.2.14) ÿâëÿþòñÿ ñè-
ñòåìîé íåëèíåéíûõ (îòíîñèòåëüíî β ) óðàâíåíèé, àíàëèòè÷åñêîå
ðåøåíèå êîòîðîé íåâîçìîæíî íàéòè â ÿâíîì âèäå â îáùåì ñëó-
÷àå, ïîýòîìó ïðè åå ðåøåíèè ïðèõîäèòñÿ ïðèáåãàòü ê ÷èñëåííûì
ìåòîäàì.
3.2.4. ×èñëåííûå ìåòîäû íàõîæäåíèÿ îöåíîê â ëîãèò

è ïðîáèò ìîäåëÿõ
Â ïðåäûäóùåì ïàðàãðàôå ìû ãîâîðèëè î òîì, ÷òî â ÿâíîì âè-
äå íàéòè ðåøåíèå óðàâíåíèÿ ïðàâäîïîäîáèÿ íå óäàåòñÿ. Ìîæíî
èñïîëüçîâàòü ÷èñëåííûå ìåòîäû äëÿ òîãî, ÷òîáû íàéòè îöåíêó
98
ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ ïàðàìåòðà β , êîòîðûé ÿâëÿåòñÿ
(k + 1)-ìåðíûì âåêòîðîì. Îáùàÿ ñõåìà ÷èñëåííûõ ìåòîäîâ äëÿ
íàõîæäåíèÿ îöåíêè ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ èìååò ñëåäó-
þùèé âèä. Ñíà÷àëà âûáèðàåì íà÷àëüíóþ òî÷êó β (0) , íà ñëåäóþ-
ùåé èòåðàöèè ïåðåõîäèì â òî÷êó β (1) ïî ñëåäóþùåìó ïðàâèëó:
β (1) = β (0) + µ0 ,
íà t-îé èòåðàöèè ïåðåõîäèì â òî÷êó β t+1 ïî ñëåäóþùåìó ïðàâè-

ëó:
β (t+1) = β (t) + µt .
Îáû÷íî µt âûáèðàþò â âèäå µt = Dt ∂ ln L/∂β (t) [52], ãäå
∂ ln L/∂β (t) çàäàåò íàïðàâëåíèå ¾ñïóñêà¿, ò. å. íàïðàâëåíèå èç-
ìåíåíèÿ çíà÷åíèé β , Dt ìàòðèöà ¾äëèí¿ øàãà. Èòåðàöèîííûé
ïðîöåññ çàêàí÷èâàåòñÿ íà òîì øàãå, íà êîòîðîì âûïîëíÿåòñÿ çà-
ðàíåå îïðåäåëåííîå óñëîâèå îñòàíîâêè. Òàêàÿ èòåðàòèâíàÿ ïðî-
öåäóðà â ðåçóëüòàòå îïðåäåëÿåò òî÷êó β̂ (îöåíêó ìàêñèìàëüíîãî
ïðàâäîïîäîáèÿ). Çàäà÷à îïðåäåëèòü ñïîñîá âûáîðà âåêòîðà µt ,
ïîñêîëüêó îò ýòîãî çàâèñèò ñêîðîñòü ñõîäèìîñòè ê èñêîìîé òî÷êå.
×àùå âñåãî èñïîëüçóþòñÿ ìåòîäû ãðàäèåíòíîãî ñïóñêà, Íüþòî-
íà, òàê íàçûâàåìûå ìåòîä scoring èëè ìåòîä BHHH. Èõ ïîäðîáíîå
îïèñàíèå ìîæíî íàéòè â [7, 52].
Îöåíêè ïàðàìåòðîâ ìîäåëè, íàéäåííûå ìåòîäîì ìàêñèìàëü-
íîãî ïðàâäîïîäîáèÿ, àñèìïòîòè÷åñêè ïîä÷èíÿþòñÿ íîðìàëüíîìó
ðàñïðåäåëåíèþ [46]:
a
β̂ ∼ N (β, V (β̂)),
ãäå V (β̂) êîâàðèàöèîííàÿ ìàòðèöà âåêòîðà β̂ . Íàïðèìåð, äëÿ
ìîäåëè ñ äâóìÿ íåçàâèñèìûìè ïåðåìåííûìè êîâàðèàöèîííàÿ
ìàòðèöà áóäåò âûãëÿäåòü ñëåäóþùèì îáðàçîì:
ˆ  
β0 V (β̂0 ) Cov(β̂0 , β̂1 ) Cov(β̂0 , β̂2 )
V βˆ1  = Cov(β̂1 , β̂0 ) V (β̂1 ) Cov(β̂1 , β̂2 ) ,
βˆ2 Cov(β̂2 , β̂0 ) Cov(β̂2 , β̂1 ) V (β̂2 )
ãäå Cov(β̂i , β̂j ) êîâàðèàöèÿ îöåíîê β̂i è β̂j .

Âûøåîïèñàííûå âû÷èñëèòåëüíûå ìåòîäû ïîçâîëÿþò ïîïóò-
íî ïîëó÷àòü îöåíêó äëÿ êîâàðèàöèîííîé ìàòðèöû V (β̂), êîòîðàÿ
áóäåò íåîáõîäèìà äëÿ ïðîâåðêè ñòàòèñòè÷åñêèõ ãèïîòåç î çíà÷å-
íèè ïàðàìåòðîâ ðåãðåññèè, ðàññìîòðåííûõ íèæå.
99
Ïî ñâîéñòâó àñèìïòîòè÷åñêîé íîðìàëüíîñòè è àñèìïòîòè-
÷åñêîé ýôôåêòèâíîñòè îöåíêè ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ β̂
êîâàðèàöèîííàÿ ìàòðèöà V (β̂) ðàâíà:
2 −1
∂ ln L
V (β̂) ≈ I −1
(β) = −E , (3.2.16)
∂β∂β T
ò. å. êîâàðèàöèîííàÿ ìàòðèöà ðàâíà îáðàòíîé èíôîðìàöèîííîé
ìàòðèöå (îæèäàåìîå çíà÷åíèå ãåññèàíà, âçÿòîå ñ ïðîòèâîïîëîæ-
íûì çíàêîì).
Âûðàæåíèå â ïðàâîé ÷àñòè (3.2.16) âû÷èñëÿåòñÿ â òî÷êå β ,
íî, ïîñêîëüêó ìû çíàåì òîëüêî îöåíêó β̂ ïàðàìåòðà β , òî ìîæåì
íàéòè òîëüêî îöåíêó äëÿ àñèìïòîòè÷åñêîé êîâàðèàöèîííîé ìàò-
ðèöû, ò. å. ïðîèçâîäíûå è èíòåãðàëû âû÷èñëÿþòñÿ ïðè β = β̂ .
Ìîæíî èñïîëüçîâàòü ñëåäóþùèå òðè ñïîñîáà íàõîæäåíèÿ
îöåíêè V̂ (β̂) àñèìïòîòè÷åñêîé êîâàðèàöèîííîé ìàòðèöû V (β̂)
[46, 52]:
1. Îöåíêà ÷àñòî èñïîëüçóåìàÿ âìåñòå ñ ìåòîäîì scoring, ò. ê.
ýòîò ÷èñëåííûé ìåòîä íà êàæäîé èòåðàöèè âû÷èñëÿåò èí-
ôîðìàöèîííóþ ìàòðèöó:
2 −1
∂ ln L
V̂1 (β̂) = −E . (3.2.17)
∂ β̂∂ β̂ T
2. Îöåíêà, ÷àùå âñåãî èñïîëüçóåìàÿ âìåñòå ñ ÷èñëåííûì ìå-
òîäîì Íüþòîíà:
n
!−1
X ∂ 2 ln Li
V̂2 (β̂) = − . (3.2.18)
T
i=1 ∂ β̂∂ β̂
3. Îöåíêà
n
!−1
X
V̂3 (β̂) = gi2 xi xTi , (3.2.19)
i=1
ãäå gi = yi − Λ(βxi ) äëÿ ëîãèò ìîäåëè (ñì. (3.2.12)), è

gi = qi ϕ(βxi )/Φ(qi βxi ), qi = 2yi − 1 (ñì. (3.2.14)) äëÿ ïðîáèò
ìîäåëè.
Â íåêîòîðûõ ñëó÷àÿõ âîçìîæåí àëüòåðíàòèâíûé ïîäõîä ê
îöåíèâàíèþ íåèçâåñòíûõ ïàðàìåòðîâ. Ðàññìîòðèì åãî íà ïðèìå-
ðå ëîãèò ìîäåëè. Ïðåäïîëîæèì, ÷òî äëÿ êàæäîãî íàáîðà ôàê-
òîðîâ xi = (xi1 , . . . , xik )T ïðîâåäåíî íåñêîëüêî íàáëþäåíèé, èëè
100
âñå íàáëþäåíèÿ ñãðóïïèðîâàíû òàêèì îáðàçîì, ÷òî âíóòðè êàæ-
äîé ãðóïïû çíà÷åíèÿ ôàêòîðîâ ìåíÿþòñÿ ìàëî. Òîãäà ìîæíî
çàìåíèòü ðàçëè÷íûå íàáîðû ôàêòîðîâ âíóòðè êàæäîé ãðóïïû
íåêîòîðûìè ñðåäíèìè çíà÷åíèÿìè è, ñîîòâåòñòâåííî, âñå íàáëþ-
äåíèÿ âíóòðè ãðóïïû ðàññìàòðèâàòü êàê íàáëþäåíèÿ, ñîîòâåò-
ñòâóþùèå âûáðàííûì ñðåäíèì çíà÷åíèÿì ôàêòîðîâ. Â îáîèõ
ñëó÷àÿõ ïîÿâëÿåòñÿ âîçìîæíîñòü îöåíèòü ýìïèðè÷åñêóþ âåðî-
ÿòíîñòü ïîÿâëåíèÿ åäèíè÷íîãî çíà÷åíèÿ äëÿ ñîîòâåòñòâóþùå-
ãî íàáîðà ôàêòîðîâ ïóñòü ýòî áóäåò îöåíêà p̂i , ïîëó÷àåìàÿ
êàê îòíîñèòåëüíàÿ ÷àñòîòà (äîëÿ) íàáëþäåíèé, ðàâíûõ åäèíèöå.
Òîãäà ìîæíî ïðèìåíèòü òàê íàçûâàåìîå ëîãèò-ïðåîáðàçîâàíèå
zi = ln(p̂i /(1 − p̂i )), ïîñëå êîòîðîãî, ó÷èòûâàÿ ìîäåëü (3.2.1) ñ
ëîãèñòè÷åñêîé ôóíêöèåé ðàñïðåäåëåíèÿ (3.2.5), ïîëó÷àåì íîâóþ
ìîäåëü íàáëþäåíèé:
zi = β T xi + ζi , (3.2.20)
ãäå îòíîñèòåëüíî ñëó÷àéíîé êîìïîíåíòû ζi ñäåëàåì òðàäèöèîí-
íûå ïðåäïîëîæåíèÿ î âçàèìíîé íåçàâèñèìîñòè íàáëþäåíèé.
Ìîäåëü (3.2.20) ìîæíî àíàëèçèðîâàòü êàê ìîäåëü íàáëþäå-
íèé ìíîæåñòâåííîé ðåãðåññèè, è äëÿ îöåíèâàíèÿ êîýôôèöèåí-
òîâ ìîäåëè ïðèìåíèòü ìåòîä íàèìåíüøèõ êâàäðàòîâ. Òðóäíîñòè
ïðèìåíåíèÿ ìåòîäà íàèìåíüøèõ êâàäðàòîâ ê ìîäåëè (3.2.20) ñâÿ-
çàíû ñ òåì, ÷òî äèñïåðñèè íàáëþäåíèé íå ïîñòîÿííû, è âûðàæå-
íèÿ äëÿ äèñïåðñèé ñëó÷àéíûõ êîìïîíåíò íîñÿò ïðèáëèæåííûé
õàðàêòåð. Àíàëîãè÷íûé ïîäõîä âîçìîæåí è äëÿ ñëó÷àÿ ïðîáèò
ìîäåëè, ãäå âìåñòî ëîãèò-ïðåîáðàçîâàíèÿ ïðèìåíÿþò îáðàòíóþ
ôóíêöèþ ê ôóíêöèè ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëåíèÿ.
Âîçíèêàþùèå ïðîáëåìû àíàëîãè÷íû âûøå ðàññìîòðåííûì.
Ñðàâíèâàÿ äâà ïîäõîäà ê îöåíêå íåèçâåñòíûõ ïàðàìåòðîâ
ìîäåëè (3.2.1), ìîæíî ñîãëàñèòüñÿ ñ òåì, ÷òî ìåòîä ìàêñèìàëü-
íîãî ïðàâäîïîäîáèÿ âûãëÿäèò ïðåäïî÷òèòåëüíåå. Êàêèì áû ñïî-
ñîáîì íè îöåíèâàëèñü ïàðàìåòðû ìîäåëè (3.2.1), î êà÷åñòâå ïî-
ñòðîåííîé ìîäåëè ìîæíî ñóäèòü ïî åå ñïîñîáíîñòè ïðàâèëüíî
ïðîãíîçèðîâàòü èìåþùèåñÿ íàáëþäåíèÿ. Ïîäñòàâëÿÿ â ìîäåëü
îöåíêó β̂ è çíà÷åíèÿ ôàêòîðîâ xi , íàõîäèì îöåíêó âåðîÿòíîñòè
ïîÿâëåíèÿ åäèíèöû: P̂{yi = 1} = F (β̂ T x). Åñëè íàáëþäåíèå îêà-
çàëîñü ðàâíûì åäèíèöå, òî äëÿ ïðàâèëüíîãî ïðîãíîçà íàéäåííàÿ
âåðîÿòíîñòü äîëæíà ïðèíèìàòü çíà÷åíèå, áîëüøåå 0.5. Ïåðåáè-
ðàÿ èìåþùèåñÿ íàáëþäåíèÿ è îïðåäåëÿÿ ñîîòâåòñòâèå íàáëþäå-
íèÿ âû÷èñëåííîé âåðîÿòíîñòè, ìîæíî îöåíèòü êà÷åñòâî ïîñòðî-
åííîé ìîäåëè.
101
3.2.5. Ïðîâåðêà ãèïîòåç î çíà÷èìîñòè ïàðàìåòðîâ ëîãèò
è ïðîáèò ìîäåëåé áèíàðíîãî âûáîðà
Äëÿ ëîãèò è ïðîáèò ìîäåëåé ïðîâåðêà ãèïîòåç î íàëè÷èè îãðàíè-
÷åíèé íà êîýôôèöèåíòû, â ÷àñòíîñòè, ãèïîòåç î çíà÷èìîñòè îä-
íîãî èëè ãðóïïû êîýôôèöèåíòîâ, ìîæåò ïðîâîäèòüñÿ ñ ïîìîùüþ
ëþáîãî èç òðåõ êðèòåðèåâ Âàëüäà, îòíîøåíèÿ ïðàâäîïîäîáèÿ,
ìíîæèòåëåé Ëàãðàíæà [45, 46].
Ðàññìîòðèì íóëåâóþ ãèïîòåçó â âèäå ñèñòåìû óðàâíåíèé:
H0 : Qβ = r, (3.2.21)
ãäå β = (β0 , β1 , . . . , βk ) , Q ìàòðèöà êîíñòàíò, r âåêòîð êîí-
T
ñòàíò, êîòîðûå ôîðìèðóþòñÿ îïðåäåëåííûì îáðàçîì â çàâèñè-

ìîñòè îò òîãî, êàêóþ ãèïîòåçó íåîáõîäèìî ïðîâåðèòü. Íàïðè-
ìåð, ðàññìîòðèì ïðîáèò ìîäåëü P{y = 1} = Φ(β0 + β1 x1 + β2 x2 ).
Äëÿ ïðîâåðêè íóëåâîé ãèïîòåçû H0 : β1 = 0 ñèñòåìà óðàâíåíèé
(3.2.21) ïðèìåò ñëåäóþùèé âèä:
 
β0
0 1 0  β1  = 0 .
β2
Äëÿ ïðîâåðêè ãèïîòåçû β1 = β2 = 0 ñèñòåìà óðàâíåíèé (3.2.21)
ïðèìåò ñëåäóþùèé âèä:
 
β
0 1 0  0

0
β1 = .
0 0 1 0
β2
Ñíà÷àëà ðàññìîòðèì ñëó÷àé, êîãäà ÷èñëî ñòðîê ìàòðèöû
Q, âåëè÷èíà q = 1, ðàâíî åäèíèöå. Ïóñòü â ñòðîêå âñå ýëåìåí-
òû, êðîìå îäíîãî ðàâíîãî åäèíèöå, ðàâíû íóëþ. Â ýòîì ñëó÷àå
èññëåäîâàòåëþ òðåáóåòñÿ ïðîâåðèòü ãèïîòåçó î çíà÷åíèè îäíîãî
ïàðàìåòðà ìîäåëè, ò. å. ãèïîòåçó H0 : βi = β ∗ , ãäå β ∗ íåêîòîðîå
÷èñëî (÷àñòî ðàâíîå 0). Òàê êàê ñðåäíåêâàäðàòè÷íîå îòêëîíåíèå
îöåíêè β̂i ïàðàìåòðà βi íåèçâåñòíî, òî äëÿ íåãî ìîæåò áûòü íàé-
äåíà ÷èñëåííàÿ îöåíêà.
Áóäåì ïðåäïîëàãàòü, ÷òî îöåíêè íåèçâåñòíûõ ïàðàìåòðîâ
àñèìïòîòè÷åñêè íîðìàëüíû. Â êà÷åñòâå ñòàòèñòèêè êðèòåðèÿ
ðàññìîòðèì ôóíêöèþ:
β̂i − β ∗
z= , (3.2.22)
σ̂(β̂i )
102
êîòîðàÿ â ñëó÷àå ñïðàâåäëèâîñòè ãèïîòåçû H0 àñèìïòîòè÷åñêè
ïîä÷èíÿåòñÿ ñòàíäàðòíîìó íîðìàëüíîìó ðàñïðåäåëåíèþ, åñëè
îöåíêè ïàðàìåòðîâ â ìîäåëè ïðîèçâîäÿòñÿ ìåòîäîì ìàêñèìàëü-
íîãî ïðàâäîïîäîáèÿ [52].
Àëãîðèòì êðèòåðèÿ
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : βi = β ∗ . Ñôîðìóëèðóåì
àëüòåðíàòèâíóþ ãèïîòåçó: H1 : βi 6= β ∗ .
2. Çàäàåì óðîâåíü çíà÷èìîñòè α.
3. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè z ïî ôîðìóëå (3.2.22).
4. Íàõîäèì êðèòè÷åñêóþ îáëàñòü ýòî îáúåäèíåíèå èíòåðâà-
ëîâ (−∞; −u1− α2 ) ∪ (u1− α2 ; ∞), ãäå u1− α2 êâàíòèëü ñòàí-
äàðòíîãî íîðìàëüíîãî ðàñïðåäåëåíèÿ óðîâíÿ 1 − α2 .
5. Åñëè çíà÷åíèå ñòàòèñòèêè (3.2.22) ïîïàäåò â êðèòè÷åñêóþ
îáëàñòü, òî ãèïîòåçà H0 îòâåðãàåòñÿ, â ïðîòèâíîì ñëó÷àå
íåò îñíîâàíèé åå îòâåðãíóòü ïðè óðîâíå çíà÷èìîñòè α.
Çàìå÷àíèå 3.2.1. Â íåêîòîðûõ ïðèêëàäíûõ ñòàòèñòè÷åñêèõ ïà-

êåòàõ â êà÷åñòâå àñèìïòîòè÷åñêîãî ðàñïðåäåëåíèÿ ñòàòèñòèêè
(3.2.22) èñïîëüçóåòñÿ ðàñïðåäåëåíèå Ñòüþäåíòà ñ ÷èñëîì ñòåïå-
íåé ñâîáîäû ðàâíûì n − k . Êðîìå òîãî, ñëåäóåò îòìåòèòü, ÷òî
êðèòåðèé íîñèò àñèìïòîòè÷åñêèé õàðàêòåð, èñòèííûé óðîâåíü
çíà÷èìîñòè áëèçîê ê α, íî, âîîáùå ãîâîðÿ, íå ðàâåí åìó.
Äàëåå ðàññìîòðèì îñíîâíûå êðèòåðèè, èñïîëüçóåìûå äëÿ
ïðîâåðêè çíà÷èìîñòè êîýôôèöèåíòîâ áèíàðíîé ðåãðåññèè äëÿ
ñëó÷àÿ, êîãäà q > 1.
3.2.6. Êðèòåðèé Âàëüäà

Âûäâèíåì íóëåâóþ ãèïîòåçó H0 : Qβ = r ïðè àëüòåðíàòèâíîé
ãèïîòåçå H1 : Qβ 6= r.
Ïóñòü ìû íàøëè îöåíêó ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ β̂
äëÿ íåèçâåñòíîãî ïàðàìåòðà β è ñîñòîÿòåëüíóþ îöåíêó V̂ (β̂)
äëÿ àñèìïòîòè÷åñêîé êîâàðèàöèîííîé ìàòðèöû V (β̂). Ñòàòèñòè-
êà êðèòåðèÿ Âàëüäà âûãëÿäèò ñëåäóþùèì îáðàçîì:
W = (Qβ̂ − r)T (QV̂ (β̂)QT )−1 (Qβ̂ − r). (3.2.23)
Ïðè ñïðàâåäëèâîñòè íóëåâîé ãèïîòåçû ñòàòèñòèêà (3.2.23) àñèìï-
òîòè÷åñêè ïîä÷èíÿåòñÿ ðàñïðåäåëåíèþ χ2 ñ ÷èñëîì ñòåïåíåé ñâî-
áîäû, ðàâíûì êîëè÷åñòâó òåñòèðóåìûõ ïàðàìåòðîâ, ò. å. ðàâíûì
q [45].
103
Ïðèìåð 3.2.1. Äëÿ ïðîáèò ìîäåëè P{y = 1} = Φ(β 0 + β1 x 1 +
+β2 x2 ) ïðîâåðèì ãèïîòåçó H0 : β1 = β ∗ ïðè àëüòåðíàòèâíîé ãè-
ïîòåçå H1 : β1 6= β ∗ ïðè çàäàííîì óðîâíå çíà÷èìîñòè α. Íàéäåì
âûðàæåíèå äëÿ W èç (3.2.23) äëÿ ýòîãî ñëó÷àÿ. Âûðàæåíèå Qβ̂−r
ïðèìåò ñëåäóþùèé âèä:
 
β̂0
0 1 0 β̂1  − β ∗ = β̂1 − β ∗ .
β̂2
Âûðàæåíèå (QV̂ (β̂)QT )−1 â ñòàòèñòèêå (3.2.23) áóäåò ñëåäóþ-

ùèì:
  −1
0
 0 1 0 V̂ (β̂) 1 = 1 .

0 V̂ (β̂1 )
Ïîëó÷àåì âûðàæåíèå äëÿ ñòàòèñòèêè (3.2.23):
!2
(β̂1 − β ∗ )2 β̂1 − β ∗
W = = , (3.2.24)
V̂ (β̂1 ) σ̂(β̂1 )
ãäå β̂1 îöåíêà ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ, àñèìïòîòè÷å-

ñêè íîðìàëüíàÿ è ñèëüíî ñîñòîÿòåëüíàÿ, σ̂(β̂1 ) ñîñòîÿòåëü-
íàÿ îöåíêà ñðåäíåêâàäðàòè÷åñêîãî îòêëîíåíèÿ β̂1 . Î ñïîñîáàõ
íàõîæäåíèÿ β̂1 è σ̂(β̂1 ) ãîâîðèëîñü ðàíåå. Ñòàòèñòèêà (3.2.24)
àñèìïòîòè÷åñêè ïîä÷èíÿåòñÿ χ2 -ðàñïðåäåëåíèþ ñ îäíîé ñòåïå-
íüþ ñâîáîäû â ñëó÷àå ñïðàâåäëèâîñòè ãèïîòåçû H0 . Íåòðóäíî
çàìåòèòü, ÷òî ñòàòèñòèêà W êâàäðàò çíà÷åíèÿ ñòàòèñòèêè z â
(3.2.22). Â ðàññìàòðèâàåìîì ñëó÷àå ãèïîòåçó H0 ñëåäóåò îòâåðã-
íóòü ïðè óðîâíå çíà÷èìîñòè ïðèáëèæåííî ðàâíîì α â ñëó÷àå,
êîãäà W ∈ (χ21−α,1 ; ∞), ãäå χ21−α,1 êâàíòèëü óðîâíÿ 1 − α ðàñ-
ïðåäåëåíèÿ χ2 ñ îäíîé ñòåïåíüþ ñâîáîäû.
Ïðèìåð 3.2.2. Äëÿ ïðîáèò ìîäåëè P{y = 1} = Φ(β 0 + β 1 x1 +
+β2 x2 ) ïðîâåðèì ãèïîòåçó H0 : β1 = β2 = 0 ïðè àëüòåðíàòèâíîé
ãèïîòåçå H1 , êîòîðàÿ ãîâîðèò î òîì, ÷òî õîòÿ áû îäèí èç ïàðà-
ìåòðîâ (β1 , β2 ) îòëè÷åí îò íóëÿ, ïðè óðîâíå çíà÷èìîñòè ïðèáëè-
æåííî ðàâíîì α. Ãèïîòåçà H0 ìîæåò áûòü çàïèñàíà â ñëåäóþùåì
âèäå:  
β
0 1 0  0

0
β1 = ,
0 0 1 0
β2
104
ãäå ìàòðèöà Qβ̂ − r è (QV̂ (β̂)QT )−1 ïðèîáðåòàþò âèä:
Qβ̂ − r = (β̂1 , β̂2 )T ,

  −1
0 0
0 1 0
(QV̂ (β̂)QT )−1 = V̂ (β̂) 1 0 .
0 0 1
0 1
Ïðåäïîëîæèâ, ÷òî îöåíêè β̂1 , β̂2 íå êîððåëèðóþò (â îáùåì ñëó÷àå
ýòî íåâåðíî), ïîëó÷àåì ðàâåíñòâà:
−1
σ̂ 2 (β̂1 ) 1/σ̂ 2 (β̂1 )

0 0
(QV̂ (β̂)QT )−1 = 2 =
0 σ̂ (β̂2 ) 0 1/σ̂ 2 (β̂2 ).
Òîãäà ñòàòèñòèêà Âàëüäà (3.2.23) ïðèìåò âèä:

2
!2
X β̂i
W = = zβ̂2 + zβ̂2 .
i=1 σ̂( β̂ i ) 1 2
Çäåñü òàêæå ñòàòèñòèêà Âàëüäà ðàâíà ñóììå êâàäðàòîâ ñòàòè-

ñòèê z , âû÷èñëåííûõ äëÿ òåñòèðóåìûõ ïàðàìåòðîâ. Â ñëó÷àå,
êîãäà îöåíêè ïàðàìåòðîâ êîððåëèðóþò (÷òî ÷àùå âñåãî âñòðå-
÷àåòñÿ â ðåàëüíûõ çàäà÷àõ), îêîí÷àòåëüíûé âèä ñòàòèñòèêè W
èìååò áîëåå ñëîæíûé âèä.
Àëãîðèòì êðèòåðèÿ Âàëüäà
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : Qβ = r. Ñôîðìóëèðóåì
àëüòåðíàòèâíóþ ãèïîòåçó H1 : Qβ 6= r.
3. Íàõîäèì îöåíêó β̂ äëÿ íåèçâåñòíîãî ïàðàìåòðà β è îöåíêó
V̂ (β̂) äëÿ àñèìïòîòè÷åñêîé êîâàðèàöèîííîé ìàòðèöû.
4. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè W ïî ôîðìóëå (3.2.23).
5. Íàõîäèì êðèòè÷åñêóþ îáëàñòü èíòåðâàë (χ21−α,q ; ∞), ãäå
χ21−α,q êâàíòèëü óðîâíÿ 1 − α ðàñïðåäåëåíèÿ χ2 ñ q ñòå-
ïåíÿìè ñâîáîäû.
6. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè W ïîïàäåò â êðèòè-
÷åñêóþ îáëàñòü, òî íóëåâàÿ ãèïîòåçà H0 îòâåðãàåòñÿ, â ïðî-
òèâíîì ñëó÷àå íåò îñíîâàíèé åå îòâåðãíóòü ïðè óðîâíå çíà-
÷èìîñòè ïðèáëèæåííî ðàâíîì α.
Êðèòåðèé Âàëüäà íîñèò àñèìïòîòè÷åñêèé õàðàêòåð, è, ïîýòîìó,
óðîâåíü çíà÷èìîñòè êðèòåðèÿ äîëæåí áûòü áëèçîê ê α ïðè áîëü-
øèõ îáúåìàõ íàáëþäåíèé.
105
3.2.7. Êðèòåðèé îòíîøåíèÿ ïðàâäîïîäîáèÿ
×àñòî äëÿ ïðîâåðêè àäåêâàòíîñòè ïðîáèò è ëîãèò ìîäåëåé áèíàð-
íûõ ðåãðåññèé èñïîëüçóþò êðèòåðèè, îñíîâàííûå íà ñðàâíåíèè
çíà÷åíèé ôóíêöèè ïðàâäîïîäîáèÿ â ñëó÷àå, êîãäà ìàêñèìèçàöèÿ
ïðîâîäèòñÿ ïî âñåì íåèçâåñòíûì ïàðàìåòðàì, è ïðè óñëîâèè, ÷òî
Qβ = r.
Ïóñòü ln L1 ìàêñèìàëüíîå çíà÷åíèå ëîãàðèôìè÷åñêîé
ôóíêöèè ïðàâäîïîäîáèÿ (3.2.9) ïðè óñëîâèè, ÷òî ìàêñèìèçàöèÿ
ïðîèçâîäèòñÿ ïî ïàðàìåòðó β áåç îãðàíè÷åíèé íà ýòîò ïàðà-
ìåòð; ln L0 ìàêñèìàëüíîå çíà÷åíèå ëîãàðèôìè÷åñêîé ôóíêöèè
ïðàâäîïîäîáèÿ (3.2.9) ïðè óñëîâèè, ÷òî Qβ = r. Î÷åâèäíî, ÷òî
ln L1 > ln L0 . ×åì áîëüøå ðàçíîñòü ìåæäó çíà÷åíèÿìè ôóíêöèé,
òåì áîëåå îïðàâäàíî èñïîëüçîâàíèå ðåãðåññèîííîé ïðîáèò èëè
ëîãèò ìîäåëè. Ñòàòèñòèêà îòíîøåíèÿ ïðàâäîïîäîáèÿ (likelihood
ratio) âûãëÿäèò ñëåäóþùèì îáðàçîì:
LR = 2(ln L1 − ln L0 ), (3.2.25)
êîòîðàÿ ïðè ñïðàâåäëèâîñòè íóëåâîé ãèïîòåçû àñèìïòîòè÷åñêè

ïîä÷èíÿåòñÿ ðàñïðåäåëåíèþ χ2 ñ ÷èñëîì ñòåïåíåé ñâîáîäû, ðàâ-
íûì q [45, 46].
Àëãîðèòì êðèòåðèÿ ïðàâäîïîäîáèÿ
1. Âûäâèãàåì íóëåâóþ ãèïîòåçó H0 : Qβ = r. Ñôîðìóëèðóåì
àëüòåðíàòèâíóþ ãèïîòåçó H1 : Qβ 6= r.
2. Çàäàåì óðîâåíü çíà÷èìîñòè α.
3. Íàõîäèì çíà÷åíèå ôóíêöèè ïðàâäîïîäîáèÿ ln L1 â òî÷êå
β̂ , êîòîðàÿ ÿâëÿåòñÿ îöåíêîé ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ
äëÿ íåèçâåñòíîãî ïàðàìåòðà β â çàäà÷å áåç îãðàíè÷åíèé è
ln L0 .
4. Âû÷èñëÿåì çíà÷åíèå ñòàòèñòèêè ïî ôîðìóëå (3.2.25).
5. Íàõîäèì êðèòè÷åñêóþ îáëàñòü èíòåðâàë (χ21−α,q ; ∞), ãäå
χ21−α,q êâàíòèëü óðîâíÿ 1 − α ðàñïðåäåëåíèÿ χ2 ñ q ñòå-
ïåíÿìè ñâîáîäû, ãäå q ÷èñëî ñòðîê ìàòðèöû Q.
6. Åñëè ÷èñëåííîå çíà÷åíèå ñòàòèñòèêè (3.2.25) ïîïàäåò â êðè-
çíà÷èìîñòè ïðèáëèæåííî ðàâíîì α.
Êðèòåðèé îòíîøåíèÿ ïðàâäîïîäîáèÿ íîñèò àñèìïòîòè÷åñêèé õà-
ðàêòåð, óðîâåíü çíà÷èìîñòè êðèòåðèÿ äîëæåí áûòü áëèçîê ê α
ïðè áîëüøèõ n.
106
Ïîäðîáíîå îïèñàíèå êðèòåðèÿ ìíîæèòåëåé Ëàãðàíæà äëÿ
ïðîâåðêè ãèïîòåçû H0 : Qβ = r ìîæíî íàéòè â [45, 46, 52].
3.2.8. Êðèòåðèè àäåêâàòíîñòè ìîäåëåé

áèíàðíîé ðåãðåññèè
Â íàñòîÿùåå âðåìÿ ïðåäëîæåíî áîëüøîå êîëè÷åñòâî ìåð àäåê-
âàòíîñòè äëÿ ìîäåëåé áèíàðíîé ðåãðåññèè [46, 52, 54], ïðèâåäåì
íåêîòîðûå èç íèõ.
Ñóììà êâàäðàòîâ îñòàòêîâ SSR âû÷èñëÿåòñÿ ïî ôîðìóëå
n
X
SSR = (yi − F̂i )2 , (3.2.26)
i=1
ãäå F̂i = F (β̂ T xi ). Çíà÷åíèå SSR ÿâëÿåòñÿ ÷àñòî èñïîëüçóåìîé

ìåðîé, ïîñêîëüêó îíà èñïîëüçóåòñÿ äëÿ âû÷èñëåíèÿ êîýôôèöè-
åíòà äåòåðìèíàöèè R2 â ìîäåëÿõ ëèíåéíîé ðåãðåññèè. Òåì íå
ìåíåå, èñïîëüçîâàíèå ýòîé ìåðû íå ìîæåò áûòü ìàòåìàòè÷åñêè
ñòðîãî îáîñíîâàíî, ïîñêîëüêó ìîäåëè áèíàðíîé ðåãðåññèè íå óäî-
âëåòâîðÿþò óñëîâèþ ðàâåíñòâà äèñïåðñèé [37]. B. Efron ïðåäëî-
æèë àíàëîã R2 ñëåäóþùåãî âèäà [43]:
n
(yi − F̂i )2
P
i=1
2
REf =1− Pn , (3.2.27)
(yi − ȳ)2
i=1
n
ãäå ȳ = 1
yi .
P
n
i=1
Âçâåøåííàÿ ñóììà êâàäðàòîâ W SSR äëÿ ìîäåëåé áèíàð-
íîé ðåãðåññèè ìîæåò áûòü âû÷èñëåíà ïî ôîðìóëå
n
X (yi − F̂i )2
W SSR = . (3.2.28)
i=1 F̂i (1 − F̂i )
Êàê óòâåðæäàåòñÿ â ðàáîòå [37], êðèòåðèé (3.2.28) áîëåå ïðåäïî-

÷òèòåëåí, ÷åì êðèòåðèé (3.2.26).
107
Êâàäðàòè÷íûé êîýôôèöèåíò êîððåëÿöèè SCC âû÷èñëÿåòñÿ
ïî ôîðìóëå
n 2
P
(yi − ȳ)F̂i
i=1
SCC = P n n
P , (3.2.29)
(yi − ȳ)2 (F̂i − F̄ )2
i=1 i=1
Pn
ãäå F̄ = i=1 F̂i /n. Â ñëó÷àå ëèíåéíîé ðåãðåññèè êîýôôèöèåí-
òû (3.2.27) è (3.2.29) ñîâïàäàþò, íî ýòî íå ÿâëÿåòñÿ âåðíûì äëÿ
ñëó÷àÿ áèíàðíîé ðåãðåññèè.
Ñóùåñòâóåò åùå îäíà ìåðà àäåêâàòíîñòè ìîäåëåé áèíàðíîé
ðåãðåññèè [39, 50]:
n
1 X
2
RBL = yi F̂i + (1 − yi )(1 − F̂i ) , (3.2.30)
n i=1
êîòîðàÿ ïðåäñòàâëÿåò ñîáîé ñðåäíþþ âåðîÿòíîñòü ïðàâèëüíîãî

ïðåäñêàçàíèÿ â ñîîòâåòñòâèè ñ ïîëó÷åííûì ïðàâèëîì.
Ñóùåñòâóþò ìåðû àäåêâàòíîñòè ìîäåëåé áèíàðíîé ðåãðåñ-
ñèè, îñíîâàííûå íà ñðàâíåíèè çíà÷åíèé ôóíêöèè ïðàâäîïîäîáèÿ
ïðè ðàçëè÷íûõ îãðàíè÷åíèÿõ. Íàïðèìåð, D. MacFadden ïðåäëî-
æèë èíäåêñ îòíîøåíèÿ ïðàâäîïîäîáèÿ ñëåäóþùåãî âèäà [53]:
ln L(β̂)
LRI = 1 − , (3.2.31)
ln L0
ãäå ln L0 ìàêñèìàëüíîå çíà÷åíèå ëîãàðèôìè÷åñêîé ôóíêöèè

ïðàâäîïîäîáèÿ ïðè β1 = · · · = βk = 0.
Ñ ïðàêòè÷åñêîé òî÷êè çðåíèÿ ïîëåçíî ñîñòàâèòü òàáëèöó
2 × 2 èñòèííûõ è ëîæíûõ ïðîãíîçîâ ïî ñëåäóþùåìó ïðàâèëó:
(
1, åñëè F̂ > F ? ,
ŷ = (3.2.32)
0, â ïðîòèâíîì ñëó÷àå.
Îáû÷íî F ? âûáèðàþò ðàâíûì 0.5, ÷òî îçíà÷àåò, ÷òî ìû ïðîãíî-

çèðóåì 1 â ñëó÷àå, êîãäà ìîäåëü ¾ãîâîðèò¿, ÷òî 1 áîëåå âåðîÿòíà,
÷åì 0.
Íàïðèìåð, â òàáëèöå 3.4 êîëè÷åñòâî âåðíûõ ïðîãíîçîâ ðàâ-
íî 271+58 = 329, ò. å. ìîäåëü, êîòîðîé ñîîòâåòñòâóåò òàáëèöà 3.4,
êîððåêòíî ïðîãíîçèðóåò 91% äàííûõ.
108
Òàáë. 3.4. Ðåçóëüòàòû ïðîãíîçèðîâàíèÿ
ŷi = 1 ŷi = 0 Êîë-âî
yi = 1 271 14 285
yi = 0 17 58 75
288 72 360
Çàìå÷àíèå 3.2.2. Ðàçëè÷íûå ñêàëÿðíûå ìåðû àäåêâàòíîñòè

ìîäåëåé áèíàðíîé ðåãðåññèè äàþò ðàçëè÷íûå ðåçóëüòàòû [37].
Îöåíêà ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ, íà êîòîðîé îñíîâàíû âñå
âûøå ïåðå÷èñëåííûå ñêàëÿðíûå ìåðû àäåêâàòíîñòè äëÿ ìîäå-
ëåé áèíàðíîé ðåãðåññèè, íå âûáèðàåòñÿ èç óñëîâèÿ ìàêñèìèçàöèè
êðèòåðèÿ àäåêâàòíîñòè, â îòëè÷èå îò êëàññè÷åñêîé ìîäåëè ëè-
íåéíîé ðåãðåññèè (êîýôôèöèåíòû ðåãðåññèè, íàéäåííûå ìåòîäîì
íàèìåíüøèõ êâàäðàòîâ, ìàêñèìèçèðóþò êîýôôèöèåíò äåòåðìè-
íàöèè R2 ). Â ñëó÷àå áèíàðíîé ðåãðåññèè îöåíêà ìàêñèìàëüíî-
ãî ïðàâäîïîäîáèÿ β̂ ìàêñèìèçèðóåò ñîâìåñòíóþ ïëîòíîñòü ðàñ-
ïðåäåëåíèÿ íàáëþäàåìûõ ñëó÷àéíûõ âåëè÷èí. Âîçíèêàåò âîïðîñ
äëÿ èññëåäîâàòåëÿ: âûáðàòü ëó÷øóþ îöåíêó ïàðàìåòðîâ ïðè âîç-
ìîæíî íèçêîì óðîâíå äîñòîâåðíîãî ïðîãíîçà èëè ïîëó÷èòü íàè-
ëó÷øóþ îöåíêó ïàðàìåòðîâ, ìàêñèìèçèðóþùóþ âûáðàííóþ ñêà-
ëÿðíóþ ìåðó àäåêâàòíîñòè ìîäåëè, êîòîðàÿ ÷àùå âñåãî íå áóäåò
ÿâëÿòüñÿ îöåíêîé ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ?
3.2.9. Áèíàðíàÿ ðåãðåññèÿ â R

Ðàññìîòðèì ïðèìåð ïðèìåíåíèÿ ëîãèñòè÷åñêîé ðåãðåññèè â àíà-
ëèçå äàííûõ [http://www.ats.ucla.edu/stat/r/dae/logit.htm]. Èìå-
åòñÿ ìàññèâ äàííûõ, ïðè÷åì êàæäîå íàáëþäåíèå ñîäåðæèò çíà÷å-
íèÿ ÷åòûðåõ ïåðåìåííûõ. Ñðåäè íèõ òðè íåçàâèñèìûå ïåðåìåí-
íûå: îöåíêà àáèòóðèåíòà íà ýêçàìåíå (gre), ñðåäíèé áàëë àáè-
òóðèåíòà (gpa), ïðåñòèæ øêîëû, â êîòîðîé îáó÷àëñÿ àáèòóðèåíò
(rank) è îäíà çàâèñèìàÿ ïåðåìåííàÿ: ðåçóëüòàò ïðèåìà â óíèâåð-
ñèòåò (ïðèíÿò èëè íå ïðèíÿò). Ðåçóëüòàò ïðèåìà (admit) áè-
íàðíàÿ ïåðåìåííàÿ, ïðèíèìàþùàÿ çíà÷åíèå 1, åñëè àáèòóðèåíò
ïðèíÿò â óíèâåðñèòåò, è 0 â ïðîòèâíîì ñëó÷àå. Ïåðåìåííûå gre è
gpa íåïðåðûâíûå, à ïåðåìåííàÿ rank ïðèíèìàåò öåëûå çíà÷åíèÿ
îò 1 (ñàìàÿ ïðåñòèæíàÿ øêîëà) äî 4 (íàèìåíåå ïðåñòèæíàÿ).
Ñ÷èòàåì äàííûå ñ ñàéòà è âûâåäåì ïåðâûå 6 ñòðîê ìàññèâà
äàííûõ mydata íà ýêðàí:
109
mydata <- read.csv("http://www.ats.ucla.edu/stat/data/
binary.csv")
head(mydata)
Ïîëó÷àåì âûâîä:
admit gre gpa rank

1 0 380 3.61 3
2 1 660 3.67 3
3 1 800 4.00 1
4 1 640 3.19 4
5 0 520 2.93 4
6 1 760 3.00 2
Äëÿ ïîëó÷åíèÿ îïèñàòåëüíîé ñòàòèñòèêè èìåþùèõñÿ äàí-

íûõ ìîæíî èñïîëüçîâàòü ôóíêöèþ summary, äëÿ ðàñ÷åòà
ñðåäíåêâàäðàòè÷åñêîãî îòêëîíåíèÿ èñïîëüçóåì ôóíêöèþ sd:
summary(mydata)
admit gre gpa rank

Min. :0.0000 Min. :220.0 Min. :2.260 Min. :1.000
1st Qu.:0.0000 1st Qu.:520.0 1st Qu.:3.130 1st Qu.:2.000
Median :0.0000 Median :580.0 Median :3.395 Median :2.000
Mean :0.3175 Mean :587.7 Mean :3.390 Mean :2.485
3rd Qu.:1.0000 3rd Qu.:660.0 3rd Qu.:3.670 3rd Qu.:3.000
Max. :1.0000 Max. :800.0 Max. :4.000 Max. :4.000
Âûâîäèì ñðåäíåêâàäðàòè÷åñêîå îòêëîíåíèå:
sapply(mydata, sd)
admit gre gpa rank

0.4660867 115.5165364 0.3805668 0.9444602
Äëÿ ïîñòðîåíèÿ ëîãèò è ïðîáèò ìîäåëåé áèíàðíîé ðåãðåññèè

áóäåì èñïîëüçîâàòü ôóíêöèþ glm. Ñíà÷àëà ìû êîíâåðòèðóåì
ðàíã, èñïîëüçóÿ ôóíêöèÿ factor, ÷òîáû îí ñòàë êàòåãîðèàëüíîé
ïåðåìåííîé. Ïðèñâîèì èìÿ ëîãèò ìîäåëè áèíàðíîé ðåãðåñ-
ñèè mylogit è âîñïîëüçóåìñÿ ôóíêöèåé glm. Îñíîâíûìè
àðãóìåíòàìè ýòîé ôóíêöèè ÿâëÿþòñÿ ôîðìóëà admit ∼ gre +
110
gpa + rank, èìÿ ìàññèâà äàííûõ data = mydata, à òàêæå òèï
ðåãðåññèè family = binomial("logit"):
mydata$rank <- factor(mydata$rank)

mylogit <- glm(admit ∼ gre + gpa + rank, data = mydata, family
= binomial("logit"))
Äëÿ âûâîäà ðåçóëüòàòîâ èñïîëüçóåì ôóíêöèþ summary:
summary(mylogit)
Â ðåçóëüòàòå ðàáîòû ôóíêöèè summary(mylogit) ìû ïîëó-

÷àåì ñëåäóþùèå ðåçóëüòàòû:
Call:
glm(formula = admit ∼ gre + gpa + rank, family =
binomial("logit"), data = mydata)
Deviance Residuals:
-1.6268 -0.8662 -0.6388 1.1490 2.0790
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -3.989979 1.139951 -3.500 0.000465 ***
gre 0.002264 0.001094 2.070 0.038465 *
gpa 0.804038 0.331819 2.423 0.015388 *
rank[T.2] -0.675443 0.316490 -2.134 0.032829 *
rank[T.3] -1.340204 0.345306 -3.881 0.000104 ***
rank[T.4] -1.551464 0.417832 -3.713 0.000205 ***
- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' '
1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 499.98 on 399 degrees of freedom

Residual deviance: 458.52 on 394 degrees of freedom
AIC: 470.52
Number of Fisher Scoring iterations: 4.
Îöåíêè êîýôôèöèåíòîâ ëîãèñòè÷åñêîé ðåãðåññèè ïðåäñòàâ-

ëåíû â òàáëèöå, ãäå òàêæå ìîæíî íàéòè èõ ñòàíäàðòíûå îøèáêè,
çíà÷åíèÿ ñòàòèñòèêè Âàëüäà (ïðè ïðîâåðêå çíà÷èìîñòè ñîîòâåò-
ñòâóþùåãî êîýôôèöèåíòà) è çíà÷åíèÿ p-value. Ïðè óðîâíå çíà-
÷èìîñòè 0.05 âñå êîýôôèöèåíòû ðåãðåññèè ÿâëÿþòñÿ çíà÷èìûìè.
Äëÿ ïîñòðîåíèÿ äîâåðèòåëüíûõ èíòåðâàëîâ ñ óðîâíåì äî-
âåðèÿ 0.95 äëÿ êîýôôèöèåíòîâ ëîãèñòè÷åñêîé ðåãðåññèè ìîæíî
èñïîëüçîâàòü ôóíêöèþ confint:
111
confint(mylogit)
2.5 % 97.5 %
(Intercept) -6.271620 -1.79255
gre 0.000138 0.00444
gpa 0.160296 1.46414
rank2 -1.300889 -0.05675
rank3 -2.027671 -0.67037
rank4 -2.400027 -0.75354
Çàìåòèì, ÷òî ïðè ïîñòðîåíèè äîâåðèòåëüíûõ èíòåðâàëîâ

èñïîëüçóþòñÿ îöåíêè, ïîëó÷åííûå ìåòîäîì ìàêñèìàëüíîãî ïðàâ-
äîïîäîáèÿ.
Äëÿ ëîãèò ìîäåëè ñòàòèñòèêà êðèòåðèÿ îòíîøåíèÿ ïðàâ-
äîïîäîáèÿ ðàâíà Null deviance Residual deviance ðàâíà
499.98−458.52 = 41.46. Â ñëó÷àå ñïðàâåäëèâîñòè íóëåâîé ãèïîòå-
çû î íåçíà÷èìîñòè ìîäåëè ëîãèñòè÷åñêîé ðåãðåññèè ñòàòèñòèêà
êðèòåðèÿ ïîä÷èíÿåòñÿ ðàñïðåäåëåíèþ χ2 ñ 399−394 = 5 ñòåïåíÿ-
ìè ñâîáîäû. Êðèòè÷åñêàÿ îáëàñòü ïðè óðîâíå çíà÷èìîñòè 0.95
èíòåðâàë (11.0705, ∞). Ñòàòèñòèêà êðèòåðèÿ ïîïàäàåò â êðèòè-
÷åñêóþ îáëàñòü, ñëåäîâàòåëüíî, ñëåäóåò îòâåðãíóòü ãèïîòåçó î
ñòàòèñòè÷åñêîé íåçíà÷èìîñòè ïîñòðîåííîãî óðàâíåíèÿ ëîãèñòè-
÷åñêîé ðåãðåññèè.
Çíà÷åíèå AIC òàêæå ìîæåò áûòü èñïîëüçîâàíî â êà÷åñòâå
ìåðû àäåêâàòíîñòè ìîäåëè. ×åì ìåíüøå ýòî çíà÷åíèå, òåì ëó÷-
øå.
Ïðèìåíèì êðèòåðèé Âàëüäà äëÿ ïðîâåðêè çíà÷èìîñòè
óðàâíåíèÿ ëîãèò ìîäåëè â öåëîì, èñïîëüçóÿ ôóíêöèþ wald.test
èç ïàêåòà aod:
install.packages("aod")
library(aod)
wald.test(b = coef(mylogit), Sigma = vcov(mylogit), Terms =
1:6)
Ðåçóëüòàò ðàáîòû ôóíêöèè wald.test:
Wald test:

Chi-squared test:
X2 = 73.4, df = 6, P(> X2) = 8.2e-14
112
Çíà÷åíèå ñòàòèñòèêè Âàëüäà ðàâíî 73.4. Ïî êðèòåðèþ Âàëüäà
ïîñòðîåííîå óðàâíåíèå ëîãèñòè÷åñêîé ðåãðåññèè çíà÷èìî â
öåëîì, ïîñêîëüêó çíà÷åíèå p-value=8.2e-14, ÷òî çíà÷èòåëüíî
ìåíüøå óðîâíÿ çíà÷èìîñòè 0.05. Çàìåòèì, ÷òî â êà÷åñòâå
ïàðàìåòðà b ìû áåðåì îöåíêè êîýôôèöèåíòîâ ëîãèñòè÷åñêîé
ðåãðåññèè, ïîëó÷åííûå â õîäå ïîñòðîåíèÿ ëîãèñòè÷åñêîé ðåãðåñ-
ñèè coef(mylogit), à â êà÷åñòâå êîâàðèàöèîííîé ìàòðèöû åå
îöåíêó vcov(mylogit). Â êà÷åñòâå ïàðàìåòðà Terms âûáèðàþòñÿ
îáúÿñíÿþùèå ïåðåìåííûå ìîäåëè, â äàííîì ñëó÷àå ýòî
ïåðåìåííûå 16, ò. å. âñå âîçìîæíûå îáúÿñíÿþùèå ïåðåìåííûå
ìîäåëè (âêëþ÷àÿ âîçìîæíûå çíà÷åíèÿ ðàíãîâ). Äëÿ ïîñòðîåíèÿ
ãðàôèêà çàâèñèìîñòåé ìåæäó ïåðåìåííîé admit è gre, à òàêæå
ìåæäó admit è gpa èñïîëüçóåì ôóíêöèþ plot:
plot(mydata$admit,mydata$gre)
plot(mydata$admit,mydata$gpa)
Â ðåçóëüòàòå ïðèìåíåíèÿ ýòîé ôóíêöèè âûâîäÿòñÿ ãðàôè-

êè (ðèñ. 3.33.4).
Ðèñ. 3.3. Ãðàôè÷åñêîå ïðåäñòàâëåíèå äàííûõ äëÿ ïðèìåðà
ðàçäåëà 3.2.9.
113
Àíàëîãè÷íûì îáðàçîì ìîæíî ïîñòðîèòü ìîäåëü ïðîáèò-
ðåãðåññèè.
myprobit <- glm(admit gre + gpa + rank, data = mydata, family

= binomial("probit"))
Äëÿ âûâîäà ðåçóëüòàòîâ èñïîëüçóåì ôóíêöèþ summary:
summary(myprobit)
Call:
glm(formula = admit ∼ gre + gpa + rank, family =
binomial("probit"), data = mydata)
Deviance Residuals:
-1.6163 -0.8710 -0.6389 1.1560 2.1035
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.386836 0.673946 -3.542 0.000398 ***
gre 0.001376 0.000650 2.116 0.034329 *
gpa 0.477730 0.197197 2.423 0.015410 *
rank[T.2] -0.415399 0.194977 -2.131 0.033130 *
rank[T.3] -0.812138 0.208358 -3.898 9.71e-05 ***
rank[T.4] -0.935899 0.245272 -3.816 0.000136 ***
-
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 499.98 on 399 degrees of freedom

Residual deviance: 458.41 on 394 degrees of freedom
AIC: 470.41
Number of Fisher Scoring iterations: 4
Èç ðåçóëüòàòîâ âûâîäà ìîæíî ãîâîðèòü î ñòàòèñòè÷åñêîé

çíà÷èìîñòè âñåõ êîýôôèöèåíòîâ ïðîáèò ìîäåëè. Äëÿ ïðîáèò
ìîäåëè ñòàòèñòèêà êðèòåðèÿ îòíîøåíèÿ ïðàâäîïîäîáèÿ ðàâíà
41.57. Â ñëó÷àå ñïðàâåäëèâîñòè íóëåâîé ãèïîòåçû ñòàòèñòèêà
êðèòåðèÿ ïîä÷èíÿåòñÿ ðàñïðåäåëåíèþ χ2 ñ 5 ñòåïåíÿìè ñâîáîäû.
Êðèòè÷åñêàÿ îáëàñòü èíòåðâàë (11.0705, ∞) ïðè óðîâíå
çíà÷èìîñòè 0.95. Ñòàòèñòèêà êðèòåðèÿ ïîïàäàåò â êðèòè÷åñêóþ
îáëàñòü, ñëåäîâàòåëüíî, ñëåäóåò îòâåðãíóòü ãèïîòåçó î ñòàòèñòè-
÷åñêîé íåçíà÷èìîñòè ïîñòðîåííîãî óðàâíåíèÿ ïðîáèò-ðåãðåññèè.
Çíà÷åíèå AIC äëÿ ïðîáèò ìîäåëè ìåíüøå, ÷åì äëÿ ëîãèò ìîäåëè,
ïîýòîìó ìîæíî ñäåëàòü âûâîä, ÷òî ïðîáèò ìîäåëü áèíàðíîé
114
Ðèñ. 3.4. Ãðàôè÷åñêîå ïðåäñòàâëåíèå äàííûõ äëÿ ïðèìåðà
ðàçäåëà 3.2.9.
ðåãðåññèè áîëåå àäåêâàòíà, ÷åì ëîãèò ìîäåëü, õîòÿ ðàçíîñòü â

çíà÷åíèÿõ AIC âñå-òàêè íåçíà÷èòåëüíà.
Ïîñòðîèì äîâåðèòåëüíûå èíòåðâàëû ñ óðîâíåì äîâåðèÿ
0.95 äëÿ ïàðàìåòðîâ ìîäåëè:
confint(myprobit)
2.5 % 97.5 %
(Intercept) -3.7201050682 -1.076327713
gre 0.0001104101 0.002655157
gpa 0.0960654793 0.862610221
rank[T.2] -0.7992113929 -0.032995019
rank[T.3] -1.2230955861 -0.405008112
rank[T.4] -1.4234218227 -0.459538829
Ïðîâåðèì çíà÷èìîñòü ïðîáèò ìîäåëè áèíàðíîé ðåãðåññèè â

öåëîì, èñïîëüçóÿ ôóíêöèþ wald.test:
115
library(aod)
wald.test(b = coef(myprobit), Sigma = vcov(myprobit), Terms =
1:6)
Ðåçóëüòàò ðàáîòû ôóíêöèè wald.test:
Wald test:

Chi-squared test:
X2 = 83.6, df = 6, P(> X2) = 6.7e-16
Çíà÷åíèå ñòàòèñòèêè Âàëüäà ðàâíî 83.6. Ïî êðèòåðèþ Âàëü-

äà ïîñòðîåííîå óðàâíåíèå ïðîáèò ìîäåëè áèíàðíîé ðåãðåññèè
çíà÷èìî â öåëîì, ïîñêîëüêó çíà÷åíèå p-value = 6.7e-16 çíà÷è-
òåëüíî ìåíüøå óðîâíÿ çíà÷èìîñòè 0.05.
3.3. Êâàíòèëüíàÿ ðåãðåññèÿ
3.3.1. Óðàâíåíèå êâàíòèëüíîé ðåãðåññèè

Ðàññìîòðèì ëèíåéíóþ ìîäåëü çàâèñèìîñòè çíà÷åíèÿ ïîêàçàòåëÿ
y è îáúÿñíÿþùèõ ïåðåìåííûõ x = (x1 , . . . , xk )T :
yi = β0 + β1 xi1 + . . . + βk xik + εi , i = 1, . . . , n, (3.3.1)
ãäå β = (β0 , β1 , . . . , βk )T íåèçâåñòíûå ïàðàìåòðû, xij çíà-

÷åíèå j -ãî îáúÿñíÿþùåãî ôàêòîðà â i-îì íàáëþäåíèè (j =
= 1, . . . , k; i = 1, . . . , n), εi íåíàáëþäàåìàÿ ñëó÷àéíàÿ êîìïî-
íåíòà. Ñ÷èòàÿ èçâåñòíûìè çíà÷åíèÿ yi ïðè íàáîðå îáúÿñíÿþùèõ
ïåðåìåííûõ (xi1 , . . . , xik ) è ââîäÿ îáîçíà÷åíèÿ Y = (y1 , . . . , yn )T ,
ε = (ε1 , . . . , εn )T è
 
1 x11 . . . x1k
X =  ... ... ... ... ,
1 xn1 . . . xnk
ìîäåëü (3.3.1) ìîæíî ïåðåïèñàòü â ìàòðè÷íîì âèäå: Y = Xβ + ε.
Ñôîðìóëèðóåì çàäà÷ó íàõîæäåíèÿ îöåíîê β̂ íåèçâåñòíûõ ïàðà-
ìåòðîâ β ìåòîäîì îòëè÷íûì îò êëàññè÷åñêîãî ìåòîäà íàèìåíü-
øèõ êâàäðàòîâ. Åñëè îöåíêè, ïîëó÷åííûå ìåòîäîì íàèìåíüøèõ
êâàäðàòîâ, âûáèðàþòñÿ ìèíèìèçèðóÿ êâàäðàò äëèíû îòêëîíå-
íèÿ Y − Xβ , òî çäåñü ïðèìåíÿåòñÿ ìåòîä íàèìåíüøèõ ìîäóëåé.1
1 Least absolute deviations (LAD).
116
Çàôèêñèðóåì ïàðàìåòð τ ∈ (0, 1) è ðàññìîòðèì íàáîð β êàê
ôóíêöèþ ýòîãî ïàðàìåòðà: β(τ ). Äëÿ çàäàííîãî τ íàáîð β̂(τ ),
ÿâëÿþùèéñÿ ðåøåíèåì ñëåäóþùåé îïòèìèçàöèîííîé çàäà÷è:
 
 X X
min  τ |yi − (Xβ)i | + (1 − τ ) |yi − (Xβ)i | , (3.3.2)

β(τ )
i: i:
yi ≥(Xβ)i yi <(Xβ)i
áóäåì íàçûâàòü îöåíêàìè íåèçâåñòíûõ ïàðàìåòðîâ β(τ ), ïîëó-

÷åííûìè ìåòîäîì íàèìåíüøèõ ìîäóëåé (çäåñü (Xβ)i ýëåìåíò
âåêòîðà Xβ ñ íîìåðîì i). Ýòó çàäà÷ó ìîæíî çàïèñàòü ñ èñïîëü-
çîâàíèåì ôóíêöèè ïîòåðü âèäà

ρτ (z) = τ I{z≥0} + (1 − τ )I{z<0} · |z|,
ãäå I èíäèêàòîðíàÿ ôóíêöèÿ, ñëåäóþùèì îáðàçîì:

n
X
min ρτ (yi − (Xβ)i ) .
β(τ )
i=1
Îïòèìèçàöèîííóþ çàäà÷ó (3.3.2) ìîæíî ïðèâåñòè ê çàäà÷å

ëèíåéíîãî ïðîãðàììèðîâàíèÿ ïóòåì ââåäåíèÿ äîïîëíèòåëüíûõ
−
íåîòðèöàòåëüíûõ ïåðåìåííûõ s+ i , si , ãäå si = max{0; yi −(Xβ)i },
+
−
si = max{0; (Xβ)i − yi }, i = 1, . . . , n. Òîãäà çàäà÷ó (3.3.2) ìîæ-
íî ïåðåïèñàòü â âèäå çàäà÷è ëèíåéíîãî ïðîãðàììèðîâàíèÿ ñ n
îãðàíè÷åíèÿìè è k + 1 + 2n ïåðåìåííûìè:
1
min τ T s+ + (1 − τ ) T s−
β(τ )

1 (3.3.3)
y = Xβ(τ ) + s+ − s− ,

(3.3.4)
β(τ ) ∈ Rk+1 , s+ , s− ∈ Rn+ ,
ãäå s+ = (s+ + T − −
1 , . . . , sn ) , s = (s1 , . . . , sn ) ,
− T
1
= (1, . . . , 1)T ∈ Rn .
Ðåøåíèå óêàçàííîé çàäà÷è ìîæåò áûòü íàéäåíî, íàïðèìåð,
ïðè ïîìîùè ñèìïëåêñ-ìåòîäà [12]. Äâîéñòâåííàÿ çàäà÷à äëÿ çà-
äà÷è (3.3.3)(3.3.4) çàïèñûâàåòñÿ â ñëåäóþùåì âèäå:
max y T w (3.3.5)
w
T
X w = 0,
1
(τ − 1) ≤ w ≤ τ , 1 (3.3.6)
117
ãäå w = (w1 , . . . , wn )T íàáîð äâîéñòâåííûõ ïåðåìåííûõ.
Íåòðóäíî óáåäèòüñÿ â òîì, ÷òî îáå çàäà÷è (3.3.3)(3.3.4) è (3.3.5)
(3.3.6) èìåþò äîïóñòèìûå ðåøåíèÿ, à ñëåäîâàòåëüíî, â ñèëó òåî-
ðåìû äâîéñòâåííîñòè èç òåîðèè ëèíåéíîãî ïðîãðàììèðîâàíèÿ,
èìåþò è îïòèìàëüíûå ðåøåíèÿ. Òàêèì îáðàçîì, ìû âñåãäà ìî-
æåì ãàðàíòèðîâàòü ñóùåñòâîâàíèå íàáîðà β̂(τ ). Ñòîèò îòìåòèòü,
÷òî èíîãäà óäîáíåå ðåøàòü äâîéñòâåííóþ çàäà÷ó. Â ýòîì ñëó-
÷àå, çíàÿ îïòèìàëüíîå ðåøåíèå äâîéñòâåííîé çàäà÷è, îïòèìàëü-
íîå ðåøåíèå èñõîäíîé çàäà÷è (3.3.3)(3.3.4) ìîæåò áûòü íàéäåíî
ñ èñïîëüçîâàíèåì òåîðåì ðàâíîâåñèÿ.
Ïîñëå íàõîæäåíèÿ êîýôôèöèåíòîâ β̂(τ ) ìîæíî ðàññìîòðåòü
ôóíêöèþ ŷ(x, τ ) = β̂0 (τ ) + β̂1 (τ )x1 + . . . + β̂k (τ )xk , êîòîðóþ íàçû-
âàþò ëèíåéíîé êâàíòèëüíîé ðåãðåññèåé. Â ÷àñòíîñòè, ôóíêöèÿ
ŷ(x, 12 ) = β̂0 ( 12 ) + β̂1 ( 12 )x1 + . . . + β̂k ( 12 )xk íàçûâàåòñÿ ëèíåéíîé
ìåäèàííîé ðåãðåññèåé.
Êâàíòèëüíàÿ ðåãðåññèÿ îáëàäàåò ðÿäîì ïðåèìóùåñòâ ïî
ñðàâíåíèþ ñ òðàäèöèîííîé ìíîæåñòâåííîé ðåãðåññèåé ïî ìåòî-
äó íàèìåíüøèõ êâàäðàòîâ. Íàäî èìåòü â âèäó, ÷òî ìåòîä íàè-
ìåíüøèõ êâàäðàòîâ î÷åíü ÷óâñòâèòåëåí ê íàðóøåíèþ îñíîâíûõ
ïðåäïîëîæåíèé ðåãðåññèîííîãî àíàëèçà, ñôîðìóëèðîâàííûõ âû-
øå â ðàçäåëå 3.1.1.. Îñîáåííî âàæíî âûïîëíåíèå òðåáîâàíèÿ îäè-
íàêîâîé ðàñïðåäåëåííîñòè ñëó÷àéíûõ êîìïîíåíò, â ÷àñòíîñòè
îäèíàêîâîñòè äèñïåðñèé. Íàðóøåíèå ýòîãî óñëîâèÿ ñèëüíî ñêà-
çûâàåòñÿ íà êà÷åñòâå îöåíîê ìåòîäà íàèìåíüøèõ êâàäðàòîâ. Òåì
áîëåå ñèëüíî âëèÿþò òàê íàçûâàåìûå ¾àíîìàëüíûå¿ íàáëþäå-
íèÿ, äðóãèìè ñëîâàìè ¾âûáðîñû¿. Îäèíî÷íûé âûáðîñ ìîæåò
äî íåóçíàâàåìîñòè èñêàçèòü ìíîæåñòâåííóþ ðåãðåññèþ ïî ìåòî-
äó íàèìåíüøèõ êâàäðàòîâ. Êâàíòèëüíàÿ ðåãðåññèÿ â ýòîì ñìûñ-
ëå îáëàäàåò íåñîìíåííûìè ïðåèìóùåñòâàìè, îíà çíà÷èòåëüíî
óñòîé÷èâåå ïî îòíîøåíèþ ê ¾àíîìàëüíûì¿ íàáëþäåíèÿì. Îäè-
íî÷íûå ¾âûáðîñû¿ â íàáëþäåíèÿõ íå ìîãóò ñóùåñòâåííî ïîâëè-
ÿòü íà êâàíòèëüíóþ ðåãðåññèþ. Â ìíîãî÷èñëåííûõ ìàøèííûõ
ýêñïåðèìåíòàõ êâàíòèëüíàÿ ðåãðåññèÿ îêàçàëàñü çàìåòíî íàäåæ-
íåå ïî ñðàâíåíèþ ñ ðåãðåññèåé ïî ìåòîäó íàèìåíüøèõ êâàäðàòîâ.
Â ðåàëüíûõ äàííûõ ïî÷òè âñåãäà èçìåðåíèÿ íå ÿâëÿþòñÿ ðàâíî-
òî÷íûìè, à çà÷àñòóþ èìåþòñÿ îäèíî÷íûå ¾âûáðîñû¿. Â ñâÿçè ñ
ýòèì ïðèìåíåíèå êâàíòèëüíîé ðåãðåññèè ïðåäñòàâëÿåòñÿ î÷åíü
ïîëåçíûì.
Öåëåñîîáðàçíî îäíîâðåìåííî ïðèìåíÿòü îáà ìåòîäà. Åñëè
ïîñòðîåííûå çàâèñèìîñòè îêàçûâàþòñÿ áëèçêèìè, òî èõ íàäåæ-
118
íîñòü è çíà÷èìîñòü âîçðàñòàþò. Åñëè æå èìåþòñÿ ñóùåñòâåííûå
ðàçëè÷èÿ, òî ýòî ãîâîðèò î íåîáõîäèìîñòè äîïîëíèòåëüíîãî àíà-
ëèçà äîñòîâåðíîñòè ñàìèõ íàáëþäåíèé.
3.3.2. Êâàíòèëüíàÿ ðåãðåññèÿ â Excel

Äëÿ îïðåäåëåíèÿ êîýôôèöèåíòîâ ëèíåéíîé êâàíòèëüíîé ðå-
ãðåññèè ñ èñïîëüçîâàíèåì ñðåäñòâ Excel ìîæíî èñïîëüçîâàòü
íàäñòðîéêó Ïîèñê ðåøåíèÿ, ðàáî÷åå îêíî êîòîðîé ïðåäñòàâëå-
íî íà ðèñ. 3.5. Íàïðèìåð, äëÿ ðåøåíèÿ îïòèìèçàöèîííîé çàäà÷è
(3.3.3)(3.3.4), íóæíî:
• â ïîëå Îïòèìèçèðîâàòü öåëåâóþ ôóíêöèþ çàïèñàòü âûðàæå-
íèå öåëåâîé ôóíêöèè (3.3.3), ññûëàÿñü íà ïåðåìåííûå, àä-
ðåñà ÿ÷ååê êîòîðûõ äîëæíû áûòü óêàçàíû â ïîëå Èçìåíÿÿ
ÿ÷åéêè ïåðåìåííûõ;
• âûáðàòü Ìèíèìóì;
• â ïîëå Â ñîîòâåòñòâèè ñ îãðàíè÷åíèÿìè äîáàâèòü îãðà-
íè÷åíèÿ (3.3.4), íàæàâ íà Äîáàâèòü (â òîì ÷èñëå äîáà-
âèòü îãðàíè÷åíèÿ è íà çíàê ïåðåìåííûõ). Ïîñêîëüêó íà
÷àñòü ïåðåìåííûõ çàäà÷è íå íàêëàäûâàåòñÿ óñëîâèå íåîò-
ðèöàòåëüíîñòè, òî íåîáõîäèìî ñíÿòü ¾ôëàæîê¿ Ñäåëàòü
ïåðåìåííûå áåç îãðàíè÷åíèé íåîòðèöàòåëüíûìè;
• âûáðàòü èç âûïàäàþùåãî ñïèñêà Ïîèñê ðåøåíèÿ ëèíåéíûõ
çàäà÷ ñèìïëåêñ-ìåòîäîì ïðè âûáîðå ìåòîäà ðåøåíèÿ.
3.3.3. Êâàíòèëüíàÿ ðåãðåññèÿ â R

Äëÿ ïîñòðîåíèÿ óðàâíåíèÿ êâàíòèëüíîé ðåãðåññèè èñïîëüçóåì
ïàêåò quantreg, ïðåäâàðèòåëüíî óñòàíîâèâ åãî:
install.packages("quantreg")
Ìàññèâ engel [44] èç ïàêåòà quantreg îïèñûâàåò âçàèìî-

ñâÿçü ìåæäó ðàñõîäàìè íà ïèòàíèå è ñåìåéíûì äîõîäîì. Áóäåì
èñïîëüçîâàòü ýòîò ìàññèâ äàííûõ äëÿ ïîñòðîåíèÿ êâàíòèëüíîé
ðåãðåññèè.
library(quantreg)
data(engel)
119
Ðèñ. 3.5. Îêíî íàäñòðîéêè Ïîèñê ðåøåíèÿ
Âîñïîëüçóåìñÿ ôóíêöèåé rq, â êà÷åñòâå ïåðâîãî àðãóìåíòà

çàäàåì óðàâíåíèå foodexp ∼ income (foodexp çàâèñèìàÿ
ïåðåìåííàÿ, ðàñõîäû íà ïèòàíèå; income íåçàâèñèìàÿ ïåðå-
ìåííàÿ, ñåìåéíûé äîõîä). Àðãóìåíò tau ïàðàìåòð τ ∈ (0, 1),
data íàçâàíèå ìàññèâà äàííûõ. Äëÿ âûâîäà êîýôôèöèåíòîâ
óðàâíåíèÿ êâàíòèëüíîé ðåãðåññèè èñïîëüçóåì ôóíêöèþ summary:
myqreg <- rq(foodexp income, tau = .5, data = engel)

summary(myqreg)
Ðåçóëüòàò ðàáîòû ôóíêöèè rq:
Call: rq(formula = foodexp income, tau = 0.7, data = engel)
tau: [1] 0.7
Coefficients:
coefficients lower bd upper bd
(Intercept) 79.28362 32.73534 102.35297
income 0.60885 0.56734 0.67405
120
Â òàáëèöå ñîäåðæàòñÿ îöåíêè êîýôôèöèåíòîâ óðàâíåíèÿ
êâàíòèëüíîé ðåãðåññèè, à òàêæå ãðàíèöû äîâåðèòåëüíûõ
èíòåðâàëîâ äëÿ êîýôôèöèåíòîâ óðàâíåíèÿ.
Äëÿ âèçóàëèçàöèè ðåçóëüòàòîâ èñïîëüçóåì ôóíêöèþ plot,
ïðåäâàðèòåëüíî ïîñòðîèì óðàâíåíèÿ êâàíòèëüíîé ðåãðåññèè
äëÿ çíà÷åíèé τ îò 0.1 äî 0.9 ñ øàãîì 0.1:
myqreg <- rq(foodexp ∼ income, tau = 1:9/10, data = engel)

plot(summary(myqreg))
Â ðåçóëüòàòå ðàáîòû ôóíêöèè plot âûâîäÿòñÿ ãðàôèêè,

ïðåäñòàâëåííûå íà ðèñ. 3.6.
Ðèñ. 3.6. Ãðàôèê êâàíòèëüíîé ðåãðåññèè äëÿ ðàçëè÷íûõ τ
3.4. Ðèäæ-ðåãðåññèÿ
3.4.1. Ïðîáëåìà ìóëüòèêîëëèíåàðíîñòè

Îáðàòèìñÿ ê ñèòóàöèè, êîãäà íàðóøàþòñÿ ïðåäïîëîæåíèÿ ìåòî-
äà íàèìåíüøèõ êâàäðàòîâ, èñïîëüçóåìîãî äëÿ íàõîæäåíèÿ îöå-
íîê êîýôôèöèåíòîâ ëèíåéíîé ðåãðåññèè (ðàçäåë 3.1.1.). Ïðè èñ-
121
ïîëüçîâàíèè ìåòîäà íàèìåíüøèõ êâàäðàòîâ äåëàåòñÿ ïðåäïîëî-
æåíèå, ÷òî îïðåäåëèòåëü |X T X| =6 0, ãäå X ìàòðèöà íàáëþäà-
åìûõ îáúÿñíÿþùèõ ïåðåìåííûõ. Ýòî ïðåäïîëîæåíèå îçíà÷àåò,
÷òî ñòîëáöû ìàòðèöû X ëèíåéíî íåçàâèñèìû.
Â ñëó÷àå, êîãäà |X T X| = 0, ãîâîðÿò î ïðîáëåìå ìóëüòèêîë-
ëèíåàðíîñòè, è ïðèìåíåíèå ìåòîäà íàèìåíüøèõ êâàäðàòîâ ñòà-
íîâèòñÿ íåâîçìîæíûì. Äëÿ óñòðàíåíèÿ ýòîé ïðîáëåìû ìîæíî
âûðàçèòü îäíó îáúÿñíÿþùóþ ïåðåìåííóþ ÷åðåç îñòàëüíûå è èñ-
êëþ÷èòü åå èç ðàññìîòðåíèÿ, ÷òî êîíå÷íî æå ïðèâåäåò ê èçìåíå-
íèþ ñïåöèôèêàöèè ìîäåëè. Òàêîå ïðåîáðàçîâàíèå äîëæíî áûòü
îáúÿñíåíî ñ òî÷êè çðåíèÿ ïðåäìåòíîé îáëàñòè, äëÿ êîòîðîé ñòðî-
èòñÿ óðàâíåíèå ëèíåéíîé ðåãðåññèè. Òàêæå èñêëþ÷åíèå íåêîòî-
ðîé ïåðåìåííîé èç óðàâíåíèÿ áóäåò èñêàæàòü ïîñëåäóþùèé ÷èñ-
ëåííûé àíàëèç âëèÿíèÿ îáúÿñíÿþùèõ ïåðåìåííûõ íà èçó÷àåìóþ
ïåðåìåííóþ, ò. å. êîýôôèöèåíò ïåðåä îáúÿñíÿþùåé ïåðåìåííîé
â ïîñòðîåííîì óðàâíåíèè ëèíåéíîé ðåãðåññèè óæå íå áóäåò ïî-
êàçûâàòü âëèÿíèå ýòîé ïåðåìåííîé íà çàâèñèìóþ ïåðåìåííóþ, à
áóäåò òàêæå ÷àñòè÷íî ó÷èòûâàòü âëèÿíèå èñêëþ÷åííîé ïåðåìåí-
íîé íà çàâèñèìóþ ïåðåìåííóþ.
Òàêæå âîçìîæíà ñèòóàöèÿ, êîãäà îïðåäåëèòåëü ìàòðèöû
X T X îòëè÷åí îò íóëÿ, íî î÷åíü áëèçîê ê íåìó, ò. å. ñòîëáöû
ìàòðèöû X ¾ïî÷òè ëèíåéíî çàâèñèìû¿. Òîãäà ìåòîä íàèìåíü-
øèõ êâàäðàòîâ ôîðìàëüíî ìîæåò áûòü ïðèìåíåí, íî ïðè îáðà-
ùåíèè ìàòðèöû X T X , ÷òî íà ïðàêòèêå ÷àùå âñåãî äåëàåòñÿ ñ
èñïîëüçîâàíèåì ïðîãðàììíûõ ñðåäñòâ, íåðåäêî ïðèâîäèò ê áîëü-
øèì ïîãðåøíîñòÿì, à â ðåçóëüòàòå, è ê èñêàæåíèþ îöåíîê ìåòîäà
íàèìåíüøèõ êâàäðàòîâ â óðàâíåíèè ëèíåéíîé ðåãðåññèè.
Äëÿ ðåøåíèÿ ïðîáëåìû ìóëüòèêîëëèíåàðíîñòè ïðåäëàãà-
þòñÿ ðàçëè÷íûå ìåòîäû. Â ñëåäóþùåì ðàçäåëå ìû ðàññìîòðèì
ìîäåëü ðèäæ (èëè ãðåáíåâîé) ðåãðåññèè, ïîçâîëÿþùåé îáîéòè
ïðîáëåìó ìóëüòèêîëëèíåàðíîñòè.
3.4.2. Îöåíêè ìåòîäà ðèäæ-ðåãðåññèè

Ðàññìîòðèì ëèíåéíóþ ìîäåëü çàâèñèìîñòè çíà÷åíèÿ ïîêàçàòåëÿ
y è îáúÿñíÿþùèõ ïåðåìåííûõ x = (x1 , . . . , xk )T :
yi = β0 + β1 xi1 + . . . + βk xik + εi , i = 1, . . . , n, (3.4.1)
ãäå β = (β0 , β1 , . . . , βk )T íåèçâåñòíûå ïàðàìåòðû, xij çíà-

÷åíèå j -ãî îáúÿñíÿþùåãî ôàêòîðà â i-îì íàáëþäåíèè (j =
122
= 1, . . . , k; i = 1, . . . , n), εi íåíàáëþäàåìàÿ ñëó÷àéíàÿ êîìïî-
íåíòà. Óðàâíåíèå (3.4.1) ìîæåò áûòü çàïèñàíî â âåêòîðíîì âèäå:
Y = Xβ + ε, ãäå Y = (y1 , . . . , yn )T , ε = (ε1 , . . . , εn )T è
 
1 x11 . . . x1k
X =  ... ... ... ... .
1 xn1 . . . xnk
Íàéäåì îöåíêè ïàðàìåòðîâ β êàê ðåøåíèå çàäà÷è ìèíèìè-

çàöèè [48, 49]:
 
Xn k
X
min  (yi − (Xβ)i )2 + λ βj2  , (3.4.2)
β
i=1 j=0
çäåñü λ > 0 çàäàííûé ïàðàìåòð.

Ðåøåíèå çàäà÷è (3.4.2) èëè îöåíêè ìåòîäà ðèäæ-ðåãðåññèè
èìåþò âèä:
β̂ridge = (X T X + λIk+1 )−1 X T Y, (3.4.3)
ãäå Ik+1 åäèíè÷íàÿ ìàòðèöà ðàçìåðíîñòè (k + 1) × (k + 1). Îáî-
çíà÷èì îöåíêè ìåòîäà íàèìåíüøèõ êâàäðàòîâ äëÿ òåõ æå äàííûõ
÷åðåç β̂LSE . Ñïðàâåäëèâû óòâåðæäåíèÿ [49]:
1. Ïðè λ → 0 èìååò ìåñòî ñõîäèìîñòü β̂ridge → β̂LSE .
2. Ïðè λ → ∞ èìååò ìåñòî ñõîäèìîñòü β̂ridge → 0.
Äëÿ ëþáîé ìàòðèöû X ñóùåñòâóåò ìàòðèöà (X T X +λIk+1 )−1 ïðè
λ > 0, ñëåäîâàòåëüíî, âñåãäà ñóùåñòâóåò åäèíñòâåííîå ðåøåíèå
β̂ridge . Îöåíêè ìåòîäà ðèäæ-ðåãðåññèè β̂ridge ÿâëÿþòñÿ ñìåùåí-
íûìè îöåíêàìè ïàðàìåòðà β , ïðè÷åì êîâàðèàöèîííàÿ ìàòðèöà
ðàâíà
V (β̂ridge ) = σ 2 W X T XW,
ãäå W = (X T X + λIk+1 )−1 , è ñìåùåíèå ðàâíî
Bias(β̂ridge ) = −λW β.
Òåîðåìà 3.4.1. Ñóùåñòâóåò λ > 0 òàêîå, ÷òî V (β̂ridge ) <

< V (β̂LSE ).
3.4.3. Ðèäæ-ðåãðåññèÿ â R
Â ïàêåòå R äëÿ ïîñòðîåíèÿ ðèäæ-ðåãðåññèè ðåàëèçîâàíà
ôóíêöèÿ lm.ridge, êîòîðàÿ âêëþ÷åíà â áèáëèîòåêó MASS.
123
Ïðîäåìîíñòðèðóåì åå ðàáîòó íà ñìîäåëèðîâàííûõ äàííûõ.
Ïóñòü èìåþòñÿ äâå îáúÿñíÿþùèå íåçàâèñèìûå ïåðåìåííûå x1
è x2, çàâèñèìàÿ ïåðåìåííàÿ y. Ïóñòü íàáëþäåíèÿ ïåðåìåííîé
x1 ïðåäñòàâëÿþò íàáîð èç 30 ðåàëèçàöèé ñòàíäàðòíî íîðìàëüíî
ðàñïðåäåëåííîé ñëó÷àéíîé âåëè÷èíû, à íàáëþäåíèÿ x2 íàáîð
èç 30 ðåàëèçàöèé íîðìàëüíî ðàñïðåäåëåííîé ñëó÷àéíîé âåëè÷è-
íû ñ ìàòåìàòè÷åñêèì îæèäàíèåì ñîîòâåòñòâóþùåé ðåàëèçàöèè
x1 è ñðåäíåêâàäðàòè÷åñêèì îòêëîíåíèåì 0.03. Íàáëþäåíèÿ
ïåðåìåííîé y íàáîð èç 30 íåçàâèñèìûõ ðåàëèçàöèé íîðìàëüíî
ðàñïðåäåëåííîé ñëó÷àéíîé âåëè÷èíû ñ ìàòåìàòè÷åñêèì îæè-
äàíèåì 1+x1+x2 è ñðåäíåêâàäðàòè÷åñêèì îòêëîíåíèåì 1. Äëÿ
ìîäåëèðîâàíèÿ ýòèõ âûáîðîê â R èñïîëüçóåì êîä:
x1 <- rnorm(30)
x2 <- rnorm(30,mean=x1,sd=.03)
y <- rnorm(30,mean=1+x1+x2)
Äëÿ âû÷èñëåíèÿ êîýôôèöèåíòîâ ìîäåëè ðèäæ-ðåãðåññèè

èñïîëüçóåì ôóíêöèþ lm.ridge, îñíîâíûìè àðãóìåíòàìè êî-
òîðîé ÿâëÿþòñÿ óðàâíåíèå ðåãðåññèè y ∼ x1 + x2 è çíà÷åíèå
ïàðàìåòðà λ. Ìû ïîñòðîèì óðàâíåíèÿ ðèäæ-ðåãðåññèè äëÿ
λ = 2. Òàêæå âûâåäåì êîýôôèöèåíòû óðàâíåíèÿ ëèíåéíîé
ðåãðåññèè, íàéäåííûå ìåòîäîì íàèìåíüøèõ êâàäðàòîâ. Èñïîëü-
çóåì ñëåäóþùèå ôóíêöèè:
library(MASS)
lm.ridge(y ∼ x1+x2,lambda=2)
lm(y ∼ x1+x2)$coef
Ðåçóëüòàò ñðàâíåíèÿ êîýôôèöèåíòîâ ðèäæ-ðåãðåññèè è ëè-

íåéíîé ðåãðåññèè ïðåäñòàâëåí â ñâîäíîé òàáëèöå:
> lm.ridge(y ∼ x1+x2,lambda=2)

x1 x2
1.0298541 0.9626579 0.8653311
> lm(y x1+x2)$coef
(Intercept) x1 x2
1.291811 14.763597 -12.865680
Ìîæíî çàìåòèòü, ÷òî êîýôôèöèåíòû äâóõ ðåãðåññèé çàìåò-

íî îòëè÷àþòñÿ.
Ïîñòðîèì óðàâíåíèÿ ðèäæ-ðåãðåññèè äëÿ λ îò 0.1 äî 20
ñ øàãîì 0.1 è âûâåäåì ãðàôèê êîýôôèöèåíòîâ ðåãðåññèè êàê
ôóíêöèé ïàðàìåòðà λ:
124
fit <- lm.ridge(y ∼ x1+x2,lambda=seq(0.1,20,by=0.1))
plot(fit)
Ãðàôèêè êîýôôèöèåíòîâ ðèäæ-ðåãðåññèè ïðåäñòàâëåíû íà

ðèñ. 3.7, ãäå íåïðåðûâíàÿ ëèíèÿ ãðàôèê êîýôôèöèåíòà ïðè
x1, à ïóíêòèðíàÿ ëèíèÿ ãðàôèê êîýôôèöèåíòà ïðè x2.
Ðèñ. 3.7. Êîýôôèöèåíòû ðèäæ-ðåãðåññèè êàê ôóíêöèè λ
125
Ïðèëîæåíèÿ
Ïðèëîæåíèå 1
Ðàâíîìåðíî ðàñïðåäåëåííûå ñëó÷àéíûå ÷èñëà
1 2 5 1 2 9 4 0 1 2 8 1 3 2 6 0 9 0 5 7 1 7 0 2 6 6 7 8 8 8
5 1 2 2 5 7 9 5 6 0 3 5 2 8 4 4 7 0 9 5 7 8 7 5 1 3 1 3 1 2
2 5 1 6 4 4 8 5 2 0 2 3 3 3 3 5 2 3 8 7 7 2 3 7 0 2 7 6 4 1
4 5 6 2 1 7 5 1 3 2 1 7 3 2 4 0 6 3 4 3 4 7 1 9 6 2 5 6 7 3
4 0 7 2 6 1 2 6 2 8 8 4 5 9 6 1 8 1 4 4 4 2 5 3 4 2 6 2 8 1
7 4 6 2 6 9 5 9 1 5 5 8 5 9 1 8 4 5 6 6 1 5 8 3 3 6 8 5 8 3
3 8 6 0 8 7 9 4 0 1 6 1 7 5 2 6 7 8 7 8 8 9 0 2 9 4 4 5 5 3
9 7 6 2 7 0 5 9 6 3 6 1 5 0 3 8 4 3 7 4 3 1 2 1 6 8 7 1 2 9
4 0 5 9 5 1 0 5 7 3 9 8 6 2 4 4 6 7 8 5 8 7 3 1 7 8 1 2 9 8
3 6 6 5 0 5 2 8 5 4 8 4 4 3 0 6 2 8 0 4 1 9 7 8 3 4 8 6 6 7
3 1 4 8 5 6 1 7 3 4 8 7 8 7 4 7 9 5 2 3 7 1 8 5 8 1 0 1 8 5
1 6 5 6 1 1 8 5 7 1 7 9 1 7 9 5 3 5 4 6 7 4 7 4 3 8 6 5 6 1
0 5 2 7 1 4 0 8 7 1 0 5 7 1 2 9 5 6 4 8 8 2 1 5 8 6 3 5 6 1
6 3 5 2 6 5 3 1 6 9 8 7 5 7 5 4 2 7 6 7 9 4 9 7 4 3 6 6 4 4
3 2 3 3 7 6 1 4 7 6 2 3 4 2 2 6 2 8 9 6 0 5 8 1 1 1 1 4 2 7
4 1 8 1 1 7 4 6 6 8 7 8 8 9 6 8 6 5 5 3 8 6 1 6 4 8 3 4 5 1
4 4 6 8 0 5 6 7 0 7 5 1 8 6 1 6 8 4 3 4 4 7 6 7 4 2 6 3 7 8
8 4 6 2 3 6 4 9 0 7 6 3 5 7 6 1 2 5 4 9 6 0 2 9 9 8 1 7 3 3
3 5 1 7 9 2 2 0 0 3 6 9 6 7 5 5 1 1 3 5 4 5 8 4 4 4 7 9 2 3
6 7 6 3 1 8 6 5 5 7 3 2 2 8 2 8 6 5 9 0 6 3 4 5 8 9 1 4 2 4
2 9 9 2 4 2 6 6 4 5 2 4 9 4 6 5 4 1 5 0 5 2 5 7 3 3 9 2 0 8
2 7 7 9 1 8 7 1 5 4 1 4 6 9 6 3 8 9 9 3 6 1 9 2 5 7 2 5 7 0
1 0 8 7 0 3 5 1 2 7 5 3 6 6 4 4 8 8 6 4 8 7 2 2 8 2 1 6 4 8
6 5 8 2 7 8 8 7 6 7 8 5 1 1 3 1 3 1 9 3 5 8 4 5 3 1 6 6 3 0
7 4 8 4 7 1 6 4 6 5 3 4 8 6 6 7 2 2 2 8 7 2 5 3 8 5 6 8 5 0
7 3 3 3 8 2 1 7 7 4 1 1 1 1 2 3 5 7 3 6 2 4 7 7 8 8 1 2 5 6
3 1 8 0 1 1 8 3 4 3 6 2 8 4 3 5 3 7 6 2 2 3 7 4 4 3 3 2 7 4
9 2 1 3 6 0 1 3 6 1 1 8 4 9 4 7 6 2 3 1 8 6 0 8 6 5 4 8 1 8
126
Ðàñïðåäåëåíèå Ïóàññîíà ñ ïàðàìåòðîì α
αk −α
P{ξ = k} = e
k!
α 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
k
0 0.9048 0.8187 0.7408 0.6703 0.6065 0.5488 0.4966 0.4493 0.4066 0.3679
1 0.0905 0.1637 0.2222 0.2681 0.3033 0.3293 0.3476 0.3595 0.3659 0.3679
2 0.0045 0.0164 0.0333 0.0536 0.0758 0.0988 0.1217 0.1438 0.1647 0.1839
3 0.0002 0.0011 0.0033 0.0072 0.0126 0.0198 0.0284 0.0383 0.0494 0.0613
4 0.0000 0.0001 0.0003 0.0007 0.0016 0.0030 0.0050 0.0077 0.0111 0.0153
5 0.0000 0.0000 0.0000 0.0001 0.0002 0.0004 0.0007 0.0012 0.0020 0.0031
6 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0002 0.0003 0.0005
7 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001
α 2 3 4 5 6 7 8 9 10 11
k
0 0.1353 0.0498 0.0183 0.0067 0.0025 0.0009 0.0003 0.0001 0.0000 0.0000
1 0.2707 0.1494 0.0733 0.0337 0.0149 0.0064 0.0027 0.0011 0.0005 0.0002
2 0.2707 0.2240 0.1465 0.0842 0.0446 0.0223 0.0107 0.0050 0.0023 0.0010
3 0.1804 0.2240 0.1954 0.1404 0.0892 0.0521 0.0286 0.0150 0.0076 0.0037
4 0.0902 0.1680 0.1954 0.1755 0.1339 0.0912 0.0573 0.0337 0.0189 0.0102
5 0.0361 0.1008 0.1563 0.1755 0.1606 0.1277 0.0916 0.0607 0.0378 0.0224
6 0.0120 0.0504 0.1042 0.1462 0.1606 0.1490 0.1221 0.0911 0.0631 0.0411
7 0.0034 0.0216 0.0595 0.1044 0.1377 0.1490 0.1396 0.1171 0.0901 0.0646
8 0.0009 0.0081 0.0298 0.0653 0.1033 0.1304 0.1396 0.1318 0.1126 0.0888
9 0.0002 0.0027 0.0132 0.0363 0.0688 0.1014 0.1241 0.1318 0.1251 0.1085
10 0.0000 0.0008 0.0053 0.0181 0.0413 0.0710 0.0993 0.1186 0.1251 0.1194
11 0.0000 0.0002 0.0019 0.0082 0.0225 0.0452 0.0722 0.0970 0.1137 0.1194
12 0.0000 0.0001 0.0006 0.0034 0.0113 0.0263 0.0481 0.0728 0.0948 0.1094
13 0.0000 0.0000 0.0002 0.0013 0.0052 0.0142 0.0296 0.0504 0.0729 0.0926
14 0.0000 0.0000 0.0001 0.0005 0.0022 0.0071 0.0169 0.0324 0.0521 0.0728
15 0.0000 0.0000 0.0000 0.0002 0.0009 0.0033 0.0090 0.0194 0.0347 0.0534
16 0.0000 0.0000 0.0000 0.0000 0.0003 0.0014 0.0045 0.0109 0.0217 0.0367
17 0.0000 0.0000 0.0000 0.0000 0.0001 0.0006 0.0021 0.0058 0.0128 0.0237
18 0.0000 0.0000 0.0000 0.0000 0.0000 0.0002 0.0009 0.0029 0.0071 0.0145
19 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0004 0.0014 0.0037 0.0084
20 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0002 0.0006 0.0019 0.0046
21 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0003 0.0009 0.0024
22 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0004 0.0012
23 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0002 0.0006
24 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0003
25 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001
127
Òàáëèöà çíà÷åíèé ôóíêöèè áèíîìèàëüíîãî ðàñïðåäåëåíèÿ
ñ ïàðàìåòðîì p â ñåðèè èç n èñïûòàíèé
X
B(x; n, p) = Cny py (1 − p)n−y ,
06y6x
B(x; n, 1 − p) = 1 − B(n − 1 − x; n, p)
p 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50
n x
5 0 0.774 0.590 0.444 0.328 0.237 0.168 0.116 0.078 0.050 0.031
1 0.977 0.919 0.835 0.737 0.633 0.528 0.428 0.337 0.256 0.188
2 0.999 0.991 0.973 0.942 0.896 0.837 0.765 0.683 0.593 0.500
3 1.000 1.000 0.998 0.993 0.984 0.969 0.946 0.913 0.869 0.813
4 1.000 1.000 1.000 1.000 0.999 0.998 0.995 0.990 0.982 0.969
5 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
10 0 0.599 0.349 0.197 0.107 0.056 0.028 0.013 0.006 0.003 0.001
1 0.914 0.736 0.544 0.376 0.244 0.149 0.086 0.046 0.023 0.011
2 0.988 0.930 0.820 0.678 0.526 0.383 0.262 0.167 0.100 0.055
3 0.999 0.987 0.950 0.879 0.776 0.650 0.514 0.382 0.266 0.172
4 1.000 0.998 0.990 0.967 0.922 0.850 0.751 0.633 0.504 0.377
5 1.000 1.000 0.999 0.994 0.980 0.953 0.905 0.834 0.738 0.623
6 1.000 1.000 1.000 0.999 0.996 0.989 0.974 0.945 0.898 0.828
7 1.000 1.000 1.000 1.000 1.000 0.998 0.995 0.988 0.973 0.945
8 1.000 1.000 1.000 1.000 1.000 1.000 0.999 0.998 0.995 0.989
9 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.999
10 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
15 0 0.463 0.206 0.087 0.035 0.013 0.005 0.002 0.000 0.000 0.000
1 0.829 0.549 0.319 0.167 0.080 0.035 0.014 0.005 0.002 0.000
2 0.964 0.816 0.604 0.398 0.236 0.127 0.062 0.027 0.011 0.004
3 0.995 0.944 0.823 0.648 0.461 0.297 0.173 0.091 0.042 0.018
4 0.999 0.987 0.938 0.836 0.686 0.515 0.352 0.217 0.120 0.059
5 1.000 0.998 0.983 0.939 0.852 0.722 0.564 0.403 0.261 0.151
6 1.000 1.000 0.996 0.982 0.943 0.869 0.755 0.610 0.452 0.304
7 1.000 1.000 0.999 0.996 0.983 0.950 0.887 0.787 0.654 0.500
8 1.000 1.000 1.000 0.999 0.996 0.985 0.958 0.905 0.818 0.696
9 1.000 1.000 1.000 1.000 0.999 0.996 0.988 0.966 0.923 0.849
10 1.000 1.000 1.000 1.000 1.000 0.999 0.997 0.991 0.975 0.941
11 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.998 0.994 0.982
12 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.999 0.996
13 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
14 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
15 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
128
p 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40 0.45 0.50
n x
20 0 0.358 0.122 0.039 0.012 0.003 0.001 0.000 0.000 0.000 0.000
1 0.736 0.392 0.176 0.069 0.024 0.008 0.002 0.001 0.000 0.000
2 0.925 0.677 0.405 0.206 0.091 0.035 0.012 0.004 0.001 0.000
3 0.984 0.867 0.648 0.411 0.225 0.107 0.044 0.016 0.005 0.001
4 0.997 0.957 0.830 0.630 0.415 0.238 0.118 0.051 0.019 0.006
5 1.000 0.989 0.933 0.804 0.617 0.416 0.245 0.126 0.055 0.021
6 1.000 0.998 0.978 0.913 0.786 0.608 0.417 0.250 0.130 0.058
7 1.000 1.000 0.994 0.968 0.898 0.772 0.601 0.416 0.252 0.132
8 1.000 1.000 0.999 0.990 0.959 0.887 0.762 0.596 0.414 0.252
9 1.000 1.000 1.000 0.997 0.986 0.952 0.878 0.755 0.591 0.412
10 1.000 1.000 1.000 0.999 0.996 0.983 0.947 0.872 0.751 0.588
11 1.000 1.000 1.000 1.000 0.999 0.995 0.980 0.943 0.869 0.748
12 1.000 1.000 1.000 1.000 1.000 0.999 0.994 0.979 0.942 0.868
13 1.000 1.000 1.000 1.000 1.000 1.000 0.998 0.994 0.979 0.942
14 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.998 0.994 0.979
15 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.998 0.994
16 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.999
17 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
18 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
19 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
20 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
25 0 0.277 0.072 0.017 0.004 0.001 0.000 0.000 0.000 0.000 0.000
1 0.642 0.271 0.093 0.027 0.007 0.002 0.000 0.000 0.000 0.000
2 0.873 0.537 0.254 0.098 0.032 0.009 0.002 0.000 0.000 0.000
3 0.966 0.764 0.471 0.234 0.096 0.033 0.010 0.002 0.000 0.000
4 0.993 0.902 0.682 0.421 0.214 0.090 0.032 0.009 0.002 0.000
5 0.999 0.967 0.838 0.617 0.378 0.193 0.083 0.029 0.009 0.002
6 1.000 0.991 0.930 0.780 0.561 0.341 0.173 0.074 0.026 0.007
7 1.000 0.998 0.975 0.891 0.727 0.512 0.306 0.154 0.064 0.022
8 1.000 1.000 0.992 0.953 0.851 0.677 0.467 0.274 0.134 0.054
9 1.000 1.000 0.998 0.983 0.929 0.811 0.630 0.425 0.242 0.115
10 1.000 1.000 1.000 0.994 0.970 0.902 0.771 0.586 0.384 0.212
11 1.000 1.000 1.000 0.998 0.989 0.956 0.875 0.732 0.543 0.345
12 1.000 1.000 1.000 1.000 0.997 0.983 0.940 0.846 0.694 0.500
13 1.000 1.000 1.000 1.000 0.999 0.994 0.975 0.922 0.817 0.655
14 1.000 1.000 1.000 1.000 1.000 0.998 0.991 0.966 0.904 0.788
15 1.000 1.000 1.000 1.000 1.000 1.000 0.997 0.987 0.956 0.885
16 1.000 1.000 1.000 1.000 1.000 1.000 0.999 0.996 0.983 0.946
17 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.999 0.994 0.978
18 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.998 0.993
19 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.998
20 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
21 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
22 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
23 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
24 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
25 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
129
Òàáëèöà çíà÷åíèé ôóíêöèè ñòàíäàðòíîãî
Zx
1 y2
F (x) = √ e− 2 dy
2π
−∞
x 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7703 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
130
Òàáëèöà çíà÷åíèé ôóíêöèè ðàñïðåäåëåíèÿ
Êîëìîãîðîâà
∞
2
x2
X
K(x) = 1 + 2 (−1)m e−2m
m=1
x 0 1 2 3 4 5 6 7 8 9
0.2 0.000000 000000 000000 000000 000000 000000 000000 000000 000001 000004
0.3 0.000009 000021 000046 000091 000171 000303 000511 000826 001285 001929
0.4 0.002808 003972 005476 007377 009730 012589 016005 020022 024682 030017
0.5 0.036055 042814 050306 058534 067497 077183 087577 098656 110394 122760
0.6 0.135718 149229 163255 177752 192677 207987 223637 239582 255780 272188
0.7 0.288765 305471 322265 339114 355981 372833 389640 406372 423002 439505
0.8 0.455858 472039 488028 503809 519365 534682 549745 564545 579071 593315
0.9 0.607269 620928 634285 647337 660081 672515 684836 696445 707941 719126
1.0 0.730000 740566 750825 760781 770436 779794 788860 797637 806130 814343
1.1 0.822282 829951 837356 844502 851395 858040 864443 870610 876546 882258
1.2 0.887750 893030 898102 903973 907648 912134 916435 920557 924506 928288
1.3 0.931908 935371 938682 941847 944871 947758 950514 953144 955651 958041
1.4 0.960318 962487 964551 966515 968383 970159 971846 973448 974969 976413
1.5 0.977782 979080 980310 981475 982579 983623 984610 985544 986427 987261
1.6 0.988048 988791 989492 990154 990777 991364 991917 992438 992928 993389
1.7 0.993823 994230 994612 994972 995309 995625 995922 996200 996460 996704
1.8 0.996932 997146 997346 997533 997707 997870 998023 998165 998297 998421
1.9 0.998536 998644 998744 998837 998924 999004 999079 999149 999213 999273
2.0 0.999329 999381 999429 999473 999514 999553 999588 999620 999651 999679
2.1 0.999705 999728 999750 999771 999790 999807 999823 999837 999851 999863
2.2 0.999874 999886 999895 999904 999912 999920 999927 999933 999939 999944
2.3 0.999949 999954 999958 999961 999965 999968 999971 999974 999976 999978
2.4 0.999980 999982 999984 999985 999987 999988 999989 999990 999991 999992
131
Òàáëèöà êâàíòèëåé χ 2
óðîâíÿ α χ2 -ðàñïðåäåëåíèÿ
c n ñòåïåíÿìè ñâîáîäû
α,n
χ2α,n
Z
1 n x
n x 2 −1 e− 2 dx = α
2 2 Γ( n2 )
0
α 0.001 0.005 0.010 0.025 0.050 0.10 0.125 0.200 0.250 0.333 0.500
n
1 0.000 0.000 0.000 0.001 0.004 0.016 0.025 0.064 0.102 0.186 0.455
2 0.002 0.010 0.020 0.051 0.103 0.211 0.267 0.446 0.575 0.811 1.386
3 0.024 0.072 0.115 0.216 0.352 0.584 0.692 1.005 1.213 1.568 2.366
4 0.091 0.207 0.297 0.484 0.711 1.064 1.219 1.649 1.923 2.378 3.357
5 0.210 0.412 0.554 0.831 1.145 1.610 1.808 2.343 2.675 3.216 4.351
6 0.381 0.676 0.872 1.237 1.635 2.204 2.441 3.070 3.455 4.074 5.348
7 0.598 0.989 1.239 1.690 2.167 2.833 3.106 3.822 4.255 4.945 6.346
8 0.857 1.344 1.646 2.180 2.733 3.490 3.797 4.594 5.071 5.826 7.344
9 1.152 1.735 2.088 2.700 3.325 4.168 4.507 5.380 5.899 6.716 8.343
10 1.479 2.156 2.558 3.247 3.940 4.865 5.234 6.179 6.737 7.612 9.342
11 1.834 2.603 3.053 3.816 4.575 5.578 5.975 6.989 7.584 8.514 10.341
12 2.214 3.074 3.571 4.404 5.226 6.304 6.729 7.807 8.438 9.420 11.340
13 2.617 3.565 4.107 5.009 5.892 7.042 7.493 8.634 9.299 10.331 12.340
14 3.041 4.075 4.660 5.629 6.571 7.790 8.266 9.467 10.165 11.245 13.339
15 3.483 4.601 5.229 6.262 7.261 8.547 9.048 10.307 11.037 12.163 14.339
16 3.942 5.142 5.812 6.908 7.962 9.312 9.837 11.152 11.912 13.083 15.338
17 4.416 5.697 6.408 7.564 8.672 10.085 10.633 12.002 12.792 14.006 16.338
18 4.905 6.265 7.015 8.231 9.390 10.865 11.435 12.857 13.675 14.931 17.338
19 5.407 6.844 7.633 8.907 10.117 11.651 12.242 13.716 14.562 15.859 18.338
20 5.921 7.434 8.260 9.591 10.851 12.443 13.055 14.578 15.452 16.788 19.337
21 6.447 8.034 8.897 10.283 11.591 13.240 13.873 15.445 16.344 17.720 20.337
22 6.983 8.643 9.542 10.982 12.338 14.041 14.695 16.314 17.240 18.653 21.337
23 7.529 9.260 10.196 11.689 13.091 14.848 15.521 17.187 18.137 19.587 22.337
24 8.085 9.886 10.856 12.401 13.848 15.659 16.351 18.062 19.037 20.523 23.337
25 8.649 10.520 11.524 13.120 14.611 16.473 17.184 18.940 19.939 21.461 24.337
26 9.222 11.160 12.198 13.844 15.379 17.292 18.021 19.820 20.843 22.399 25.336
27 9.803 11.808 12.879 14.573 16.151 18.114 18.861 20.703 21.749 23.339 26.336
28 10.391 12.461 13.565 15.308 16.928 18.939 19.704 21.588 22.657 24.280 27.336
29 10.986 13.121 14.256 16.047 17.708 19.768 20.550 22.475 23.567 25.222 28.336
30 11.588 13.787 14.953 16.791 18.493 20.599 21.399 23.364 24.478 26.165 29.336
35 14.688 17.192 18.509 20.569 22.465 24.797 25.678 27.836 29.054 30.894 34.336
40 17.916 20.707 22.164 24.433 26.509 29.051 30.008 32.345 33.660 35.643 39.335
45 21.251 24.311 25.901 28.366 30.612 33.350 34.379 36.884 38.291 40.407 44.335
50 24.674 27.991 29.707 32.357 34.764 37.689 38.785 41.449 42.942 45.184 49.335
55 28.173 31.735 33.570 36.398 38.958 42.060 43.220 46.036 47.610 49.972 54.335
60 31.738 35.534 37.485 40.482 43.188 46.459 47.680 50.641 52.294 54.770 59.335
132
α 0.600 0.667 0.750 0.800 0.875 0.900 0.950 0.975 0.990 0.995 0.999
n
1 0.708 0.936 1.323 1.642 2.354 2.706 3.841 5.024 6.635 7.879 10.828
2 1.833 2.197 2.773 3.219 4.159 4.605 5.991 7.378 9.210 10.597 13.816
3 2.946 3.405 4.108 4.642 5.739 6.251 7.815 9.348 11.345 12.838 16.266
4 4.045 4.579 5.385 5.989 7.214 7.779 9.488 11.143 13.277 14.860 18.467
5 5.132 5.730 6.626 7.289 8.625 9.236 11.070 12.833 15.086 16.750 20.515
6 6.211 6.867 7.841 8.558 9.992 10.645 12.592 14.449 16.812 18.548 22.458
7 7.283 7.992 9.037 9.803 11.326 12.017 14.067 16.013 18.475 20.278 24.322
8 8.351 9.107 10.219 11.030 12.636 13.362 15.507 17.535 20.090 21.955 26.125
9 9.414 10.215 11.389 12.242 13.926 14.684 16.919 19.023 21.666 23.589 27.877
10 10.473 11.317 12.549 13.442 15.198 15.987 18.307 20.483 23.209 25.188 29.588
11 11.530 12.414 13.701 14.631 16.457 17.275 19.675 21.920 24.725 26.757 31.264
12 12.584 13.506 14.845 15.812 17.703 18.549 21.026 23.337 26.217 28.300 32.910
13 13.636 14.595 15.984 16.985 18.939 19.812 22.362 24.736 27.688 29.819 34.528
14 14.685 15.680 17.117 18.151 20.166 21.064 23.685 26.119 29.141 31.319 36.123
15 15.733 16.761 18.245 19.311 21.384 22.307 24.996 27.488 30.578 32.801 37.697
16 16.780 17.840 19.369 20.465 22.595 23.542 26.296 28.845 32.000 34.267 39.252
17 17.824 18.917 20.489 21.615 23.799 24.769 27.587 30.191 33.409 35.718 40.790
18 18.868 19.991 21.605 22.760 24.997 25.989 28.869 31.526 34.805 37.156 42.312
19 19.910 21.063 22.718 23.900 26.189 27.204 30.144 32.852 36.191 38.582 43.820
20 20.951 22.133 23.828 25.038 27.376 28.412 31.410 34.170 37.566 39.997 45.315
21 21.991 23.201 24.935 26.171 28.559 29.615 32.671 35.479 38.932 41.401 46.797
22 23.031 24.268 26.039 27.301 29.737 30.813 33.924 36.781 40.289 42.796 48.268
23 24.069 25.333 27.141 28.429 30.911 32.007 35.172 38.076 41.638 44.181 49.728
24 25.106 26.397 28.241 29.553 32.081 33.196 36.415 39.364 42.980 45.559 51.179
25 26.143 27.459 29.339 30.675 33.247 34.382 37.652 40.646 44.314 46.928 52.620
26 27.179 28.520 30.435 31.795 34.410 35.563 38.885 41.923 45.642 48.290 54.052
27 28.214 29.580 31.528 32.912 35.570 36.741 40.113 43.195 46.963 49.645 55.476
28 29.249 30.639 32.620 34.027 36.727 37.916 41.337 44.461 48.278 50.993 56.892
29 30.283 31.697 33.711 35.139 37.881 39.087 42.557 45.722 49.588 52.336 58.301
30 31.316 32.754 34.800 36.250 39.033 40.256 43.773 46.979 50.892 53.672 59.703
35 36.475 38.024 40.223 41.778 44.753 46.059 49.802 53.203 57.342 60.275 66.619
40 41.622 43.275 45.616 47.269 50.424 51.805 55.758 59.342 63.691 66.766 73.402
45 46.761 48.510 50.985 52.729 56.052 57.505 61.656 65.410 69.957 73.166 80.077
50 51.892 53.733 56.334 58.164 61.647 63.167 67.505 71.420 76.154 79.490 86.661
55 57.016 58.945 61.665 63.577 67.211 68.796 73.311 77.380 82.292 85.749 93.168
60 62.135 64.147 66.981 68.972 72.751 74.397 79.082 83.298 88.379 91.952 99.607
133
Òàáëèöà êâàíòèëåé t óðîâíÿ α
ðàñïðåäåëåíèÿ Ñòüþäåíòà c n ñòåïåíÿìè ñâîáîäû
α,n
tZα,n
Γ( n+1 ) dx
√ 2 n n+1 =α
nπΓ( 2 ) x2 2
−∞ 1+ n
α 0.600 0.667 0.750 0.800 0.875 0.900 0.950 0.975 0.990 0.995 0.999
n
1 0.325 0.577 1.000 1.376 2.414 3.078 6.314 12.706 31.821 63.657 318.31
2 0.289 0.500 0.816 1.061 1.604 1.886 2.920 4.303 6.965 9.925 22.327
3 0.277 0.476 0.765 0.978 1.423 1.638 2.353 3.182 4.541 5.841 10.215
4 0.271 0.464 0.741 0.941 1.344 1.533 2.132 2.776 3.747 4.604 7.173
5 0.267 0.457 0.727 0.920 1.301 1.476 2.015 2.571 3.365 4.032 5.893
6 0.265 0.453 0.718 0.906 1.273 1.440 1.943 2.447 3.143 3.707 5.208
7 0.263 0.449 0.711 0.896 1.254 1.415 1.895 2.365 2.998 3.499 4.785
8 0.262 0.447 0.706 0.889 1.240 1.397 1.860 2.306 2.896 3.355 4.501
9 0.261 0.445 0.703 0.883 1.230 1.383 1.833 2.262 2.821 3.250 4.297
10 0.260 0.444 0.700 0.879 1.221 1.372 1.812 2.228 2.764 3.169 4.144
11 0.260 0.443 0.697 0.876 1.214 1.363 1.796 2.201 2.718 3.106 4.025
12 0.259 0.442 0.695 0.873 1.209 1.356 1.782 2.179 2.681 3.055 3.930
13 0.259 0.441 0.694 0.870 1.204 1.350 1.771 2.160 2.650 3.012 3.852
14 0.258 0.440 0.692 0.868 1.200 1.345 1.761 2.145 2.624 2.977 3.787
15 0.258 0.439 0.691 0.866 1.197 1.341 1.753 2.131 2.602 2.947 3.733
16 0.258 0.439 0.690 0.865 1.194 1.337 1.746 2.120 2.583 2.921 3.686
17 0.257 0.438 0.689 0.863 1.191 1.333 1.740 2.110 2.567 2.898 3.646
18 0.257 0.438 0.688 0.862 1.189 1.330 1.734 2.101 2.552 2.878 3.610
19 0.257 0.438 0.688 0.861 1.187 1.328 1.729 2.093 2.539 2.861 3.579
20 0.257 0.437 0.687 0.860 1.185 1.325 1.725 2.086 2.528 2.845 3.552
21 0.257 0.437 0.686 0.859 1.183 1.323 1.721 2.080 2.518 2.831 3.527
22 0.256 0.437 0.686 0.858 1.182 1.321 1.717 2.074 2.508 2.819 3.505
23 0.256 0.436 0.685 0.858 1.180 1.319 1.714 2.069 2.500 2.807 3.485
24 0.256 0.436 0.685 0.857 1.179 1.318 1.711 2.064 2.492 2.797 3.467
25 0.256 0.436 0.684 0.856 1.178 1.316 1.708 2.060 2.485 2.787 3.450
26 0.256 0.436 0.684 0.856 1.177 1.315 1.706 2.056 2.479 2.779 3.435
27 0.256 0.435 0.684 0.855 1.176 1.314 1.703 2.052 2.473 2.771 3.421
28 0.256 0.435 0.683 0.855 1.175 1.313 1.701 2.048 2.467 2.763 3.408
29 0.256 0.435 0.683 0.854 1.174 1.311 1.699 2.045 2.462 2.756 3.396
30 0.256 0.435 0.683 0.854 1.173 1.310 1.697 2.042 2.457 2.750 3.385
35 0.255 0.434 0.682 0.852 1.170 1.306 1.690 2.030 2.438 2.724 3.340
40 0.255 0.434 0.681 0.851 1.167 1.303 1.684 2.021 2.423 2.704 3.307
45 0.255 0.434 0.680 0.850 1.165 1.301 1.679 2.014 2.412 2.690 3.281
50 0.255 0.433 0.679 0.849 1.164 1.299 1.676 2.009 2.403 2.678 3.261
55 0.255 0.433 0.679 0.848 1.163 1.297 1.673 2.004 2.396 2.668 3.245
60 0.254 0.433 0.679 0.848 1.162 1.296 1.671 2.000 2.390 2.660 3.232
∞ 0.253 0.431 0.674 0.842 1.150 1.282 1.645 1.960 2.326 2.576 3.090
134
Òàáëèöà êâàíòèëåé F óðîâíÿ α
ðàñïðåäåëåíèÿ Ôèøåðà c n è m ñòåïåíÿìè ñâîáîäû
α,n,m
Fα,n,m
q
Z (nx)n mm
(nx+m)n+m 1
dx = α, Fα,n,m ≡
xB n2 , m

2
F1−α,m,n
0
m\n 2 3 4 5 6 7 8 10 12 15 20 30 50 ∞
α
1 0.500 1.50 1.71 1.82 1.89 1.94 1.98 2.00 2.04 2.07 2.09 2.12 2.15 2.17 2.20
0.600 2.63 2.93 3.09 3.20 3.27 3.32 3.36 3.41 3.45 3.48 3.52 3.56 3.59 3.64
0.667 4.00 4.42 4.64 4.78 4.88 4.95 5.00 5.08 5.13 5.18 5.24 5.29 5.33 5.39
0.750 7.50 8.20 8.58 8.82 8.98 9.10 9.19 9.32 9.41 9.50 9.58 9.67 9.74 9.85
0.800 12.0 13.1 13.6 14.0 14.3 14.4 14.6 14.8 14.9 15.0 15.2 15.3 15.4 15.6
2 0.500 1.00 1.13 1.21 1.25 1.28 1.30 1.32 1.35 1.36 1.38 1.39 1.41 1.42 1.44
0.600 1.50 1.64 1.72 1.76 1.80 1.82 1.84 1.86 1.88 1.89 1.91 1.92 1.94 1.96
0.667 2.00 2.15 2.22 2.27 2.30 2.33 2.34 2.37 2.38 2.40 2.42 2.43 2.45 2.47
0.750 3.00 3.15 3.23 3.28 3.31 3.34 3.35 3.38 3.39 3.41 3.43 3.44 3.46 3.48
0.800 4.00 4.16 4.24 4.28 4.32 4.34 4.36 4.38 4.40 4.42 4.43 4.45 4.47 4.48
3 0.500 0.88 1.00 1.06 1.10 1.13 1.15 1.16 1.18 1.20 1.21 1.23 1.24 1.25 1.27
0.600 1.26 1.37 1.43 1.47 1.49 1.51 1.52 1.54 1.55 1.56 1.57 1.58 1.59 1.60
0.667 1.62 1.72 1.77 1.80 1.82 1.83 1.84 1.86 1.87 1.88 1.89 1.90 1.90 1.91
0.750 2.28 2.36 2.39 2.41 2.42 2.43 2.44 2.44 2.45 2.46 2.46 2.47 2.47 2.47
0.800 2.89 2.94 2.96 2.97 2.97 2.97 2.98 2.98 2.98 2.98 2.98 2.98 2.98 2.98
4 0.500 0.83 0.94 1.00 1.04 1.06 1.08 1.09 1.11 1.13 1.14 1.15 1.16 1.18 1.19
0.600 1.16 1.26 1.31 1.34 1.36 1.37 1.38 1.40 1.41 1.42 1.43 1.43 1.44 1.45
0.667 1.46 1.55 1.58 1.61 1.62 1.63 1.64 1.65 1.65 1.66 1.67 1.67 1.68 1.68
0.750 2.00 2.05 2.06 2.07 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08 2.08
0.800 2.47 2.48 2.48 2.48 2.47 2.47 2.47 2.46 2.46 2.45 2.44 2.44 2.43 2.43
5 0.500 0.80 0.91 0.96 1.00 1.02 1.04 1.05 1.07 1.09 1.10 1.11 1.12 1.13 1.15
0.600 1.11 1.20 1.24 1.27 1.29 1.30 1.31 1.32 1.33 1.34 1.34 1.35 1.36 1.37
0.667 1.38 1.45 1.48 1.50 1.51 1.52 1.53 1.53 1.54 1.54 1.54 1.55 1.55 1.55
0.750 1.85 1.88 1.89 1.89 1.89 1.89 1.89 1.89 1.89 1.89 1.88 1.88 1.88 1.87
0.800 2.26 2.25 2.24 2.23 2.22 2.21 2.20 2.19 2.18 2.18 2.17 2.16 2.15 2.13
6 0.500 0.78 0.89 0.94 0.98 1.00 1.02 1.03 1.05 1.06 1.07 1.08 1.10 1.11 1.12
0.600 1.07 1.16 1.20 1.22 1.24 1.25 1.26 1.27 1.28 1.29 1.29 1.30 1.31 1.31
0.667 1.33 1.39 1.42 1.44 1.44 1.45 1.45 1.46 1.46 1.47 1.47 1.47 1.47 1.47
0.750 1.76 1.78 1.79 1.79 1.78 1.78 1.78 1.77 1.77 1.76 1.76 1.75 1.75 1.74
0.800 2.13 2.11 2.09 2.08 2.06 2.05 2.04 2.03 2.02 2.01 2.00 1.98 1.97 1.95
7 0.500 0.77 0.87 0.93 0.96 0.98 1.00 1.01 1.03 1.04 1.05 1.07 1.08 1.09 1.10
0.600 1.05 1.13 1.17 1.19 1.21 1.22 1.23 1.24 1.24 1.25 1.26 1.26 1.27 1.27
0.667 1.29 1.35 1.38 1.39 1.40 1.40 1.41 1.41 1.41 1.41 1.41 1.42 1.42 1.42
0.750 1.70 1.72 1.72 1.71 1.71 1.70 1.70 1.69 1.68 1.68 1.67 1.66 1.66 1.65
0.800 2.04 2.02 1.99 1.97 1.96 1.94 1.93 1.92 1.91 1.89 1.88 1.86 1.85 1.83
8 0.500 0.76 0.86 0.91 0.95 0.97 0.99 1.00 1.02 1.03 1.04 1.05 1.07 1.07 1.09
0.600 1.03 1.11 1.15 1.17 1.19 1.20 1.20 1.21 1.22 1.22 1.23 1.24 1.24 1.25
0.667 1.26 1.32 1.35 1.36 1.36 1.37 1.37 1.37 1.37 1.38 1.38 1.38 1.37 1.37
0.750 1.66 1.67 1.66 1.66 1.65 1.64 1.64 1.63 1.62 1.62 1.61 1.60 1.59 1.58
0.800 1.98 1.95 1.92 1.90 1.88 1.87 1.86 1.84 1.83 1.81 1.80 1.78 1.76 1.74
135
m\n 2 3 4 5 6 7 8 10 12 15 20 30 50 ∞
α
9 0.500 0.75 0.85 0.91 0.94 0.96 0.98 0.99 1.01 1.02 1.03 1.04 1.05 1.06 1.08
0.600 1.02 1.10 1.13 1.15 1.17 1.18 1.18 1.19 1.20 1.21 1.21 1.22 1.22 1.22
0.667 1.24 1.30 1.32 1.33 1.34 1.34 1.34 1.34 1.35 1.35 1.35 1.34 1.34 1.34
0.750 1.62 1.63 1.63 1.62 1.61 1.60 1.60 1.59 1.58 1.57 1.56 1.55 1.54 1.53
0.800 1.93 1.90 1.87 1.85 1.83 1.81 1.80 1.78 1.76 1.75 1.73 1.71 1.70 1.67
10 0.500 0.74 0.85 0.90 0.93 0.95 0.97 0.98 1.00 1.01 1.02 1.03 1.05 1.06 1.07
0.600 1.01 1.08 1.12 1.14 1.15 1.16 1.17 1.18 1.18 1.19 1.19 1.20 1.20 1.21
0.667 1.23 1.28 1.30 1.31 1.32 1.32 1.32 1.32 1.32 1.32 1.32 1.32 1.32 1.31
0.750 1.60 1.60 1.59 1.59 1.58 1.57 1.56 1.55 1.54 1.53 1.52 1.51 1.50 1.48
0.800 1.90 1.86 1.83 1.80 1.78 1.77 1.75 1.73 1.72 1.70 1.68 1.66 1.65 1.62
11 0.500 0.74 0.84 0.89 0.93 0.95 0.96 0.98 0.99 1.01 1.02 1.03 1.04 1.05 1.06
0.600 1.00 1.07 1.11 1.13 1.14 1.15 1.16 1.17 1.17 1.18 1.18 1.18 1.19 1.19
0.667 1.22 1.27 1.29 1.30 1.30 1.30 1.30 1.30 1.30 1.30 1.30 1.30 1.30 1.29
0.750 1.58 1.58 1.57 1.56 1.55 1.54 1.53 1.52 1.51 1.50 1.49 1.48 1.47 1.45
0.800 1.87 1.83 1.80 1.77 1.75 1.73 1.72 1.69 1.68 1.66 1.64 1.62 1.60 1.57
12 0.500 0.73 0.84 0.89 0.92 0.94 0.96 0.97 0.99 1.00 1.01 1.02 1.03 1.04 1.06
0.600 0.99 1.07 1.10 1.12 1.13 1.14 1.15 1.16 1.16 1.17 1.17 1.17 1.18 1.18
0.667 1.21 1.26 1.27 1.28 1.29 1.29 1.29 1.29 1.29 1.29 1.29 1.28 1.28 1.27
0.750 1.56 1.56 1.55 1.54 1.53 1.52 1.51 1.50 1.49 1.48 1.47 1.45 1.44 1.42
0.800 1.85 1.80 1.77 1.74 1.72 1.70 1.69 1.66 1.65 1.63 1.61 1.59 1.57 1.54
13 0.500 0.73 0.83 0.88 0.92 0.94 0.96 0.97 0.98 1.00 1.01 1.02 1.03 1.04 1.05
0.600 0.98 1.06 1.09 1.11 1.13 1.13 1.14 1.15 1.15 1.16 1.16 1.16 1.17 1.17
0.667 1.20 1.25 1.26 1.27 1.28 1.28 1.28 1.28 1.28 1.28 1.27 1.27 1.27 1.26
0.750 1.55 1.55 1.53 1.52 1.51 1.50 1.49 1.48 1.47 1.46 1.45 1.43 1.42 1.40
0.800 1.83 1.78 1.75 1.72 1.69 1.68 1.66 1.64 1.62 1.60 1.58 1.56 1.54 1.51
14 0.500 0.73 0.83 0.88 0.91 0.94 0.95 0.96 0.98 0.99 1.00 1.01 1.03 1.04 1.05
0.600 0.98 1.05 1.09 1.11 1.12 1.13 1.13 1.14 1.14 1.15 1.15 1.16 1.16 1.16
0.667 1.19 1.24 1.26 1.26 1.27 1.27 1.27 1.27 1.27 1.26 1.26 1.26 1.25 1.24
0.750 1.53 1.53 1.52 1.51 1.50 1.49 1.48 1.46 1.45 1.44 1.43 1.41 1.40 1.38
0.800 1.81 1.76 1.73 1.70 1.67 1.65 1.64 1.62 1.60 1.58 1.56 1.53 1.51 1.48
15 0.500 0.73 0.83 0.88 0.91 0.93 0.95 0.96 0.98 0.99 1.00 1.01 1.02 1.03 1.05
0.600 0.97 1.05 1.08 1.10 1.11 1.12 1.13 1.13 1.14 1.14 1.15 1.15 1.15 1.15
0.667 1.18 1.23 1.25 1.25 1.26 1.26 1.26 1.26 1.26 1.25 1.25 1.25 1.24 1.23
0.750 1.52 1.52 1.51 1.49 1.48 1.47 1.46 1.45 1.44 1.43 1.41 1.40 1.38 1.36
0.800 1.80 1.75 1.71 1.68 1.66 1.64 1.62 1.60 1.58 1.56 1.54 1.51 1.49 1.46
16 0.500 0.72 0.82 0.88 0.91 0.93 0.95 0.96 0.97 0.99 1.00 1.01 1.02 1.03 1.04
0.600 0.97 1.04 1.08 1.10 1.11 1.12 1.12 1.13 1.13 1.14 1.14 1.14 1.14 1.14
0.667 1.18 1.22 1.24 1.25 1.25 1.25 1.25 1.25 1.25 1.25 1.24 1.24 1.23 1.22
0.750 1.51 1.51 1.50 1.48 1.47 1.46 1.45 1.44 1.43 1.41 1.40 1.38 1.37 1.34
0.800 1.78 1.74 1.70 1.67 1.64 1.62 1.61 1.58 1.56 1.54 1.52 1.49 1.47 1.43
17 0.500 0.72 0.82 0.87 0.91 0.93 0.94 0.96 0.97 0.98 0.99 1.01 1.02 1.03 1.04
0.600 0.97 1.04 1.07 1.09 1.10 1.11 1.12 1.12 1.13 1.13 1.13 1.14 1.14 1.14
0.667 1.17 1.22 1.23 1.24 1.24 1.24 1.24 1.24 1.24 1.24 1.23 1.23 1.22 1.21
0.750 1.51 1.50 1.49 1.47 1.46 1.45 1.44 1.43 1.41 1.40 1.39 1.37 1.36 1.33
0.800 1.77 1.72 1.68 1.65 1.63 1.61 1.59 1.57 1.55 1.53 1.50 1.48 1.46 1.42
136
m\n 2 3 4 5 6 7 8 10 12 15 20 30 50 ∞
α
18 0.500 0.72 0.82 0.87 0.90 0.93 0.94 0.95 0.97 0.98 0.99 1.00 1.02 1.02 1.04
0.600 0.96 1.04 1.07 1.09 1.10 1.11 1.11 1.12 1.12 1.13 1.13 1.13 1.13 1.13
0.667 1.17 1.21 1.23 1.24 1.24 1.24 1.24 1.24 1.23 1.23 1.23 1.22 1.22 1.21
0.750 1.50 1.49 1.48 1.46 1.45 1.44 1.43 1.42 1.40 1.39 1.38 1.36 1.34 1.32
0.800 1.76 1.71 1.67 1.64 1.62 1.60 1.58 1.55 1.53 1.51 1.49 1.46 1.44 1.40
19 0.500 0.72 0.82 0.87 0.90 0.92 0.94 0.95 0.97 0.98 0.99 1.00 1.01 1.02 1.04
0.600 0.96 1.03 1.07 1.09 1.10 1.10 1.11 1.12 1.12 1.12 1.13 1.13 1.13 1.13
0.667 1.16 1.21 1.22 1.23 1.23 1.23 1.23 1.23 1.23 1.23 1.22 1.22 1.21 1.20
0.750 1.49 1.49 1.47 1.46 1.44 1.43 1.42 1.41 1.40 1.38 1.37 1.35 1.33 1.30
0.800 1.75 1.70 1.66 1.63 1.61 1.58 1.57 1.54 1.52 1.50 1.48 1.45 1.43 1.39
20 0.500 0.72 0.82 0.87 0.90 0.92 0.94 0.95 0.97 0.98 0.99 1.00 1.01 1.02 1.03
0.600 0.96 1.03 1.06 1.08 1.09 1.10 1.11 1.11 1.12 1.12 1.12 1.12 1.12 1.12
0.667 1.16 1.21 1.22 1.23 1.23 1.23 1.23 1.23 1.22 1.22 1.22 1.21 1.20 1.19
0.750 1.49 1.48 1.47 1.45 1.44 1.43 1.42 1.40 1.39 1.37 1.36 1.34 1.32 1.29
0.800 1.75 1.70 1.65 1.62 1.60 1.58 1.56 1.53 1.51 1.49 1.47 1.44 1.41 1.37
21 0.500 0.72 0.81 0.87 0.90 0.92 0.94 0.95 0.96 0.98 0.99 1.00 1.01 1.02 1.03
0.600 0.96 1.03 1.06 1.08 1.09 1.10 1.10 1.11 1.11 1.12 1.12 1.12 1.12 1.12
0.667 1.16 1.20 1.22 1.22 1.22 1.22 1.22 1.22 1.22 1.22 1.21 1.20 1.20 1.19
0.750 1.48 1.48 1.46 1.44 1.43 1.42 1.41 1.39 1.38 1.37 1.35 1.33 1.32 1.28
0.800 1.74 1.69 1.65 1.61 1.59 1.57 1.55 1.52 1.50 1.48 1.46 1.43 1.40 1.36
22 0.500 0.72 0.81 0.87 0.90 0.92 0.93 0.95 0.96 0.97 0.99 1.00 1.01 1.02 1.03
0.600 0.96 1.03 1.06 1.08 1.09 1.10 1.10 1.11 1.11 1.11 1.12 1.12 1.12 1.12
0.667 1.16 1.20 1.21 1.22 1.22 1.22 1.22 1.22 1.21 1.21 1.21 1.20 1.19 1.18
0.750 1.48 1.47 1.45 1.44 1.42 1.41 1.40 1.39 1.37 1.36 1.34 1.32 1.31 1.28
0.800 1.73 1.68 1.64 1.61 1.58 1.56 1.54 1.51 1.49 1.47 1.45 1.42 1.39 1.35
23 0.500 0.71 0.81 0.86 0.90 0.92 0.93 0.95 0.96 0.97 0.98 1.00 1.01 1.02 1.03
0.600 0.95 1.02 1.06 1.07 1.09 1.09 1.10 1.10 1.11 1.11 1.11 1.11 1.11 1.11
0.667 1.15 1.20 1.21 1.22 1.22 1.22 1.22 1.21 1.21 1.21 1.20 1.19 1.19 1.17
0.750 1.47 1.47 1.45 1.43 1.42 1.41 1.40 1.38 1.37 1.35 1.34 1.32 1.30 1.27
0.800 1.73 1.68 1.63 1.60 1.57 1.55 1.53 1.51 1.49 1.46 1.44 1.41 1.38 1.34
24 0.500 0.71 0.81 0.86 0.90 0.92 0.93 0.94 0.96 0.97 0.98 0.99 1.01 1.01 1.03
0.600 0.95 1.02 1.06 1.07 1.08 1.09 1.10 1.10 1.10 1.11 1.11 1.11 1.11 1.11
0.667 1.15 1.19 1.21 1.21 1.21 1.21 1.21 1.21 1.21 1.20 1.20 1.19 1.18 1.17
0.750 1.47 1.46 1.44 1.43 1.41 1.40 1.39 1.38 1.36 1.35 1.33 1.31 1.29 1.26
0.800 1.72 1.67 1.63 1.59 1.57 1.55 1.53 1.50 1.48 1.46 1.43 1.40 1.38 1.33
25 0.500 0.71 0.81 0.86 0.89 0.92 0.93 0.94 0.96 0.97 0.98 0.99 1.00 1.01 1.03
0.600 0.95 1.02 1.05 1.07 1.08 1.09 1.09 1.10 1.10 1.11 1.11 1.11 1.11 1.11
0.667 1.15 1.19 1.21 1.21 1.21 1.21 1.21 1.21 1.20 1.20 1.19 1.19 1.18 1.16
0.750 1.47 1.46 1.44 1.42 1.41 1.40 1.39 1.37 1.36 1.34 1.33 1.31 1.29 1.25
0.800 1.72 1.66 1.62 1.59 1.56 1.54 1.52 1.49 1.47 1.45 1.42 1.39 1.37 1.32
26 0.500 0.71 0.81 0.86 0.89 0.91 0.93 0.94 0.96 0.97 0.98 0.99 1.00 1.01 1.03
0.600 0.95 1.02 1.05 1.07 1.08 1.09 1.09 1.10 1.10 1.10 1.10 1.11 1.11 1.10
0.667 1.15 1.19 1.20 1.21 1.21 1.21 1.21 1.20 1.20 1.20 1.19 1.18 1.18 1.16
0.750 1.46 1.45 1.44 1.42 1.41 1.39 1.38 1.37 1.35 1.34 1.32 1.30 1.28 1.25
0.800 1.71 1.66 1.62 1.58 1.56 1.53 1.52 1.49 1.47 1.44 1.42 1.39 1.36 1.31
137
m\n 2 3 4 5 6 7 8 10 12 15 20 30 50 ∞
α
27 0.500 0.71 0.81 0.86 0.89 0.91 0.93 0.94 0.96 0.97 0.98 0.99 1.00 1.01 1.03
0.600 0.95 1.02 1.05 1.07 1.08 1.08 1.09 1.10 1.10 1.10 1.10 1.10 1.10 1.10
0.667 1.14 1.19 1.20 1.21 1.21 1.21 1.20 1.20 1.20 1.19 1.19 1.18 1.17 1.16
0.750 1.46 1.45 1.43 1.42 1.40 1.39 1.38 1.36 1.35 1.33 1.32 1.30 1.28 1.24
0.800 1.71 1.66 1.61 1.58 1.55 1.53 1.51 1.48 1.46 1.44 1.41 1.38 1.35 1.30
28 0.500 0.71 0.81 0.86 0.89 0.91 0.93 0.94 0.96 0.97 0.98 0.99 1.00 1.01 1.02
0.600 0.95 1.02 1.05 1.07 1.08 1.08 1.09 1.09 1.10 1.10 1.10 1.10 1.10 1.10
0.667 1.14 1.18 1.20 1.20 1.20 1.20 1.20 1.20 1.20 1.19 1.19 1.18 1.17 1.15
0.750 1.46 1.45 1.43 1.41 1.40 1.39 1.38 1.36 1.34 1.33 1.31 1.29 1.27 1.24
0.800 1.71 1.65 1.61 1.57 1.55 1.52 1.51 1.48 1.46 1.43 1.41 1.37 1.35 1.30
29 0.500 0.71 0.81 0.86 0.89 0.91 0.93 0.94 0.96 0.97 0.98 0.99 1.00 1.01 1.02
0.600 0.95 1.02 1.05 1.06 1.08 1.08 1.09 1.09 1.10 1.10 1.10 1.10 1.10 1.10
0.667 1.14 1.18 1.20 1.20 1.20 1.20 1.20 1.20 1.19 1.19 1.18 1.17 1.17 1.15
0.750 1.45 1.45 1.43 1.41 1.40 1.38 1.37 1.35 1.34 1.32 1.31 1.29 1.27 1.23
0.800 1.70 1.65 1.60 1.57 1.54 1.52 1.50 1.47 1.45 1.43 1.40 1.37 1.34 1.29
30 0.500 0.71 0.8l 0.86 0.89 0.91 0.93 0.94 0.96 0.97 0.98 0.99 1.00 1.01 1.02
0.600 0.94 1.01 1.05 1.06 1.07 1.08 1.08 1.09 1.09 1.10 1.10 1.10 1.10 1.09
0.667 1.14 1.18 1.19 1.20 1.20 1.20 1.20 1.19 1.19 1.19 1.18 1.17 1.16 1.15
0.750 1.45 1.44 1.42 1.41 1.39 1.38 1.37 1.35 1.34 1.32 1.30 1.28 1.26 1.23
0.800 1.70 1.64 1.60 1.57 1.54 1.52 1.50 1.47 1.45 1.42 1.39 1.36 1.34 1.28
60 0.500 0.70 0.80 0.85 0.88 0.90 0.92 0.93 0.94 0.96 0.97 0.98 0.99 1.00 1.01
0.600 0.93 1.00 1.03 1.04 1.05 1.06 1.06 1.07 1.07 1.07 1.07 1.07 1.07 1.06
0.667 1.12 1.16 1.17 1.17 1.17 1.17 1.17 1.16 1.16 1.15 1.14 1.13 1.12 1.10
0.750 1.42 1.41 1.38 1.37 1.35 1.33 1.32 1.30 1.29 1.27 1.25 1.22 1.20 1.15
0.800 1.65 1.59 1.55 1.51 1.48 1.46 1.44 1.41 1.38 1.35 1.32 1.29 1.25 1.18
80 0.500 0.70 0.80 0.85 0.88 0.90 0.91 0.93 0.94 0.95 0.96 0.97 0.99 1.00 1.01
0.600 0.93 0.99 1.02 1.04 1.05 1.06 1.06 1.06 1.07 1.07 1.07 1.06 1.06 1.05
0.667 1.11 1.15 1.16 1.17 1.17 1.16 1.16 1.16 1.15 1.14 1.13 1.12 1.11 1.08
0.750 1.41 1.40 1.38 1.36 1.34 1.32 1.31 1.29 1.27 1.26 1.23 1.21 1.18 1.12
0.800 1.64 1.58 1.53 1.50 1.47 1.44 1.42 1.39 1.37 1.34 1.31 1.27 1.23 1.16
100 0.500 0.70 0.79 0.84 0.88 0.90 0.91 0.92 0.94 0.95 0.96 0.97 0.98 0.99 1.01
0.600 0.92 0.99 1.02 1.04 1.05 1.05 1.06 1.06 1.06 1.06 1.06 1.06 1.06 1.04
0.667 1.11 1.15 1.16 1.16 1.16 1.16 1.16 1.15 1.15 1.14 1.13 1.12 1.10 1.07
0.750 1.41 1.39 1.37 1.35 1.33 1.32 1.30 1.28 1.27 1.25 1.23 1.20 1.17 1.11
0.800 1.64 1.58 1.53 1.49 1.46 1.43 1.41 1.38 1.36 1.33 1.30 1.26 1.22 1.14
120 0.500 0.70 0.79 0.84 0.88 0.90 0.91 0.92 0.94 0.95 0.96 0.97 0.98 0.99 1.01
0.600 0.92 0.99 1.02 1.04 1.04 1.05 1.05 1.06 1.06 1.06 1.06 1.06 1.05 1.04
0.667 1.11 1.15 1.16 1.16 1.16 1.16 1.15 1.15 1.14 1.13 1.13 1.11 1.10 1.06
0.750 1.40 1.39 1.37 1.35 1.33 1.31 1.30 1.28 1.26 1.24 1.22 1.19 1.16 1.10
0.800 1.63 1.57 1.52 1.48 1.45 1.43 1.41 1.37 1.35 1.32 1.29 1.25 1.21 1.12
∞ 0.500 0.69 0.79 0.84 0.87 0.89 0.91 0.92 0.93 0.95 0.96 0.97 0.98 0.99 1.00
0.600 0.92 0.98 1.01 1.03 1.04 1.04 1.04 1.05 1.05 1.05 1.05 1.04 1.04 1.00
0.667 1.10 1.13 1.14 1.15 1.14 1.14 1.14 1.13 1.13 1.12 1.11 1.09 1.07 1.00
0.750 1.39 1.37 1.35 1.33 1.31 1.29 1.28 1.25 1.24 1.22 1.19 1.16 1.13 1.00
0.800 1.61 1.55 1.50 1.46 1.43 1.40 1.38 1.34 1.32 1.29 1.25 1.21 1.16 1.00
138
m\n 2 3 4 5 6 7 8 10 12 15 20 30 50 ∞
α
1 0.900 49.5 53.6 55.8 57.2 58.2 59.1 59.7 60.5 61.0 61.5 62.0 62.6 63.0 63.3
0.950 199. 216. 225. 230. 234. 237. 239. 242. 244. 246. 248. 250. 252. 254.
0.975 800. 864. 900. 922. 937. 948. 957. 969. 977. 985. 993.
0.990
0.999
2 0.900 9.00 9.16 9.24 9.29 9.33 9.35 9.37 9.39 9.41 9.43 9.44 9.46 9.47 9.49
0.950 19.0 19.2 19.2 19.3 19.3 19.4 19.4 19.4 19.4 19.4 19.4 19.5 19.5 19.5
0.975 39.0 39.2 39.2 39.3 39.3 39.4 39.4 39.4 39.4 39.4 39.4 39.5 39.5 39.5
0.990 99.0 99.2 99.2 99.3 99.3 99.4 100. 100. 100. 100. 100. 100. 100. 99.5
0.999 999. 999.
3 0.900 5.46 5.39 5.34 5.31 5.28 5.27 5.25 5.23 5.22 5.20 5.18 5.17 5.15 5.13
0.950 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.79 8.74 8.70 8.66 8.62 8.58 8.53
0.975 16.0 15.4 15.1 14.9 14.7 14.6 14.5 14.4 14.3 14.3 14.2 14.1 14.0 13.9
0.990 30.8 29.5 28.7 28.2 27.9 27.7 27.5 27.2 27.1 26.9 26.7 26.5 26.4 26.1
0.999 149. 141. 137. 135. 133. 132. 131. 129. 128. 127. 126. 125. 125. 123.
4 0.900 4.32 4.19 4.11 4.05 4.01 3.98 3.95 3.92 3.90 3.87 3.84 3.82 3.79 3.76
0.950 6.94 6.59 6.39 6.26 6.16 6.09 6.04 5.96 5.91 5.86 5.80 5.75 5.70 5.63
0.975 10.6 9.98 9.60 9.36 9.20 9.07 8.98 8.84 8.75 8.66 8.56 8.46 8.38 8.26
0.990 18.0 16.7 16.0 15.5 15.2 15.0 14.8 14.5 14.4 14.2 14.0 13.8 13.7 13.5
0.999 61.2 56.2 53.4 51.7 50.5 49.7 49.0 48.0 47.4 46.8 46.1 45.4 44.9 44.1
5 0.900 3.78 3.62 3.52 3.45 3.40 3.37 3.34 3.30 3.27 3.24 3.21 3.17 3.15 3.10
0.950 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.74 4.68 4.62 4.56 4.50 4.44 4.36
0.975 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.62 6.52 6.43 6.33 6.23 6.14 6.02
0.990 13.3 12.1 11.4 11.0 10.7 10.5 10.3 10.1 9.89 9.72 9.55 9.38 9.24 9.02
0.999 37.1 33.2 31.1 29.8 28.8 28.2 27.6 26.9 26.4 25.9 25.4 24.9 24.4 23.8
6 0.900 3.46 3.29 3.18 3.11 3.05 3.01 2.98 2.94 2.90 2.87 2.84 2.80 2.77 2.72
0.950 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.06 4.00 3.94 3.87 3.81 3.75 3.67
0.975 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.46 5.37 5.27 5.17 5.07 4.98 4.85
0.990 10.9 9.78 9.15 8.75 8.47 8.26 8.10 7.87 7.72 7.56 7.40 7.23 7.09 6.88
0.999 27.0 23.7 21.9 20.8 20.0 19.5 19.0 18.4 18.0 17.6 17.1 16.7 16.3 15.7
7 0.900 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.70 2.67 2.63 2.59 2.56 2.52 2.47
0.950 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.64 3.57 3.51 3.44 3.38 3.32 3.23
0.975 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.76 4.67 4.57 4.47 4.36 4.28 4.14
0.990 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.62 6.47 6.31 6.16 5.99 5.86 5.65
0.999 21.7 18.8 17.2 16.2 15.5 15.0 14.6 14.1 13.7 13.3 12.9 12.5 12.2 11.7
8 0.900 3.11 2.92 2.81 2.73 2.67 2.62 2.59 2.54 2.50 2.46 2.42 2.38 2.35 2.29
0.950 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.35 3.28 3.22 3.15 3.08 3.02 2.93
0.975 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.29 4.20 4.10 4.00 3.89 3.81 3.67
0.990 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.81 5.67 5.52 5.36 5.20 5.07 4.86
0.999 18.5 15.8 14.4 13.5 12.9 12.4 12.0 11.5 11.2 10.8 10.5 10.1 9.80 9.33
139
m\n 2 3 4 5 6 7 8 10 12 15 20 30 50 ∞
α
9 0.900 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.42 2.38 2.34 2.30 2.25 2.22 2.16
0.950 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.14 3.07 3.01 2.94 2.86 2.80 2.71
0.975 5.71 5.08 4.72 4.48 4.32 4.20 4.10 3.96 3.87 3.77 3.67 3.56 3.47 3.33
0.990 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.26 5.11 4.96 4.81 4.65 4.52 4.31
0.999 16.4 13.9 12.6 11.7 11.1 10.7 10.4 9.89 9.57 9.24 8.90 8.55 8.26 7.81
10 0.900 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.32 2.28 2.24 2.20 2.16 2.12 2.06
0.950 4.10 3.71 3.48 3.33 3.22 3.14 3.07 2.98 2.91 2.84 2.77 2.70 2.64 2.54
0.975 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.72 3.62 3.52 3.42 3.31 3.22 3.08
0.990 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.85 4.71 4.56 4.41 4.25 4.11 3.91
0.999 14.9 12.6 11.3 10.5 9.93 9.52 9.20 8.75 8.45 8.13 7.80 7.47 7.19 6.76
11 0.900 2.86 2.66 2.54 2.45 2.39 2.34 2.30 2.25 2.21 2.17 2.12 2.08 2.04 1.97
0.950 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.85 2.79 2.72 2.65 2.57 2.51 2.40
0.975 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.53 3.43 3.33 3.23 3.12 3.03 2.88
0.990 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.54 4.40 4.25 4.10 3.94 3.81 3.60
0.999 13.8 11.6 10.3 9.58 9.05 8.66 8.35 7.92 7.63 7.32 7.01 6.68 6.42 6.00
12 0.900 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.19 2.15 2.10 2.06 2.01 1.97 1.90
0.950 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.75 2.69 2.62 2.54 2.47 2.40 2.30
0.975 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.37 3.28 3.18 3.07 2.96 2.87 2.72
0.990 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.30 4.16 4.01 3.86 3.70 3.57 3.36
0.999 13.0 10.8 9.63 8.89 8.38 8.00 7.71 7.29 7.00 6.71 6.40 6.09 5.83 5.42
13 0.900 2.76 2.56 2.43 2.35 2.28 2.23 2.20 2.14 2.10 2.05 2.01 1.96 1.92 1.85
0.950 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.67 2.60 2.53 2.46 2.38 2.31 2.21
0.975 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.25 3.15 3.05 2.95 2.84 2.74 2.60
0.990 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.10 3.96 3.82 3.66 3.51 3.37 3.17
0.999 12.3 10.2 9.07 8.35 7.86 7.49 7.21 6.80 6.52 6.23 5.93 5.63 5.37 4.97
14 0.900 2.73 2.52 2.39 2.31 2.24 2.19 2.15 2.10 2.05 2.01 1.96 1.91 1.87 1.80
0.950 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.60 2.53 2.46 2.39 2.31 2.24 2.13
0.975 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.15 3.05 2.95 2.84 2.73 2.64 2.49
0.990 6.51 5.56 5.04 4.69 4.46 4.28 4.14 3.94 3.80 3.66 3.51 3.35 3.22 3.00
0.999 11.8 9.73 8.62 7.92 7.44 7.08 6.80 6.40 6.13 5.85 5.56 5.25 5.00 4.60
15 0.900 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.06 2.02 1.97 1.92 1.87 1.83 1.76
0.950 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.54 2.48 2.40 2.33 2.25 2.18 2.07
0.975 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.06 2.96 2.86 2.76 2.64 2.55 2.40
0.990 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.80 3.67 3.52 3.37 3.21 3.08 2.87
0.999 11.3 9.34 8.25 7.57 7.09 6.74 6.47 6.08 5.81 5.53 5.25 4.95 4.70 4.31
16 0.900 2.67 2.46 2.33 2.24 2.18 2.13 2.09 2.03 1.99 1.94 1.89 1.84 1.79 1.72
0.950 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.49 2.42 2.35 2.28 2.19 2.12 2.01
0.975 4.69 4.08 3.73 3.50 3.34 3.22 3.12 2.99 2.89 2.79 2.68 2.57 2.47 2.32
0.990 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.69 3.55 3.41 3.26 3.10 2.97 2.75
0.999 11.0 9.01 7.94 7.27 6.80 6.46 6.19 5.81 5.55 5.27 4.99 4.70 4.45 4.06
17 0.900 2.64 2.44 2.31 2.22 2.15 2.10 2.06 2.00 1.96 1.91 1.86 1.81 1.76 1.69
0.950 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.45 2.38 2.31 2.23 2.15 2.08 1.96
0.975 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.92 2.82 2.72 2.62 2.50 2.41 2.25
0.990 6.11 5.18 4.67 4.34 4.10 3.93 3.79 3.59 3.46 3.31 3.16 3.00 2.87 2.65
0.999 10.7 8.73 7.68 7.02 6.56 6.22 5.96 5.58 5.32 5.05 4.77 4.48 4.24 3.85
140
m\n 2 3 4 5 6 7 8 10 12 15 20 30 50 ∞
α
18 0.900 2.62 2.42 2.29 2.20 2.13 2.08 2.04 1.98 1.93 1.89 1.84 1.78 1.74 1.66
0.950 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.41 2.34 2.27 2.19 2.11 2.04 1.92
0.975 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.87 2.77 2.67 2.56 2.44 2.35 2.19
0.990 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.51 3.37 3.23 3.08 2.92 2.78 2.57
0.999 10.4 8.49 7.46 6.81 6.35 6.02 5.76 5.39 5.13 4.87 4.59 4.30 4.06 3.67
19 0.900 2.61 2.40 2.27 2.18 2.11 2.06 2.02 1.96 1.91 1.86 1.81 1.76 1.71 1.63
0.950 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.38 2.31 2.23 2.16 2.07 2.00 1.88
0.975 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.82 2.72 2.62 2.51 2.39 2.30 2.13
0.990 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.43 3.30 3.15 3.00 2.84 2.71 2.49
0.999 10.2 8.28 7.27 6.62 6.18 5.85 5.59 5.22 4.97 4.70 4.43 4.14 3.90 3.51
20 0.900 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.94 1.89 1.84 1.79 1.74 1.69 1.61
0.950 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.35 2.28 2.20 2.12 2.04 1.97 1.84
0.975 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.77 2.68 2.57 2.46 2.35 2.25 2.09
0.990 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.37 3.23 3.09 2.94 2.78 2.64 2.42
0.999 9.95 8.10 7.10 6.46 6.02 5.69 5.44 5.08 4.82 4.56 4.29 4.00 3.76 3.38
21 0.900 2.57 2.36 2.23 2.14 2.08 2.02 1.98 1.92 1.87 1.83 1.78 1.72 1.67 1.59
0.950 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.32 2.25 2.18 2.10 2.01 1.94 1.81
0.975 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.73 2.64 2.53 2.42 2.31 2.21 2.04
0.990 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.31 3.17 3.03 2.88 2.72 2.58 2.36
0.999 9.77 7.94 6.95 6.32 5.88 5.56 5.31 4.95 4.70 4.44 4.17 3.88 3.64 3.26
22 0.900 2.56 2.35 2.22 2.13 2.06 2.01 1.97 1.90 1.86 1.81 1.76 1.70 1.65 1.57
0.950 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.30 2.23 2.15 2.07 1.98 1.91 1.78
0.975 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.70 2.60 2.50 2.39 2.27 2.17 2.00
0.990 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.26 3.12 2.98 2.83 2.67 2.53 2.31
0.999 9.61 7.80 6.81 6.19 5.76 5.44 5.19 4.83 4.58 4.33 4.06 3.78 3.54 3.15
23 0.900 2.55 2.34 2.21 2.11 2.05 1.99 1.95 1.89 1.84 1.80 1.74 1.69 1.64 1.55
0.950 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.27 2.20 2.13 2.05 1.96 1.88 1.76
0.975 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.67 2.57 2.47 2.36 2.24 2.14 1.97
0.990 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.21 3.07 2.93 2.78 2.62 2.48 2.26
0.999 9.47 7.67 6.70 6.08 5.65 5.33 5.09 4.73 4.48 4.23 3.96 3.68 3.44 3.05
24 0.900 2.54 2.33 2.19 2.10 2.04 1.98 1.94 1.88 1.83 1.78 1.73 1.67 1.62 1.53
0.950 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.25 2.18 2.11 2.03 1.94 1.86 1.73
0.975 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.64 2.54 2.44 2.33 2.21 2.11 1.94
0.990 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.17 3.03 2.89 2.74 2.58 2.44 2.21
0.999 9.34 7.55 6.59 5.98 5.55 5.23 4.99 4.64 4.39 4.14 3.87 3.59 3.36 2.97
25 0.900 2.53 2.32 2.18 2.09 2.02 1.97 1.93 1.87 1.82 1.77 1.72 1.66 1.61 1.52
0.950 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.24 2.16 2.09 2.01 1.92 1.84 1.71
0.975 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.61 2.51 2.41 2.30 2.18 2.08 1.91
0.990 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.13 2.99 2.85 2.70 2.54 2.40 2.17
0.999 9.22 7.45 6.49 5.89 5.46 5.15 4.91 4.56 4.31 4.06 3.79 3.52 3.28 2.89
26 0.900 2.52 2.31 2.17 2.08 2.01 1.96 1.92 1.86 1.81 1.76 1.71 1.65 1.59 1.50
0.950 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.22 2.15 2.07 1.99 1.90 1.82 1.69
0.975 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.59 2.49 2.39 2.28 2.16 2.05 1.88
0.990 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.09 2.96 2.81 2.66 2.50 2.36 2.13
0.999 9.12 7.36 6.41 5.80 5.38 5.07 4.83 4.48 4.24 3.99 3.72 3.44 3.21 2.82
141
m\n 2 3 4 5 6 7 8 10 12 15 20 30 50 ∞
α
27 0.900 2.51 2.30 2.17 2.07 2.00 1.95 1.91 1.85 1.80 1.75 1.70 1.64 1.58 1.49
0.950 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.20 2.13 2.06 1.97 1.88 1.81 1.67
0.975 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.57 2.47 2.36 2.25 2.13 2.03 1.85
0.990 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.06 2.93 2.78 2.63 2.47 2.33 2.10
0.999 9.02 7.27 6.33 5.73 5.31 5.00 4.76 4.41 4.17 3.92 3.66 3.38 3.14 2.75
28 0.900 2.50 2.29 2.16 2.06 2.00 1.94 1.90 1.84 1.79 1.74 1.69 1.63 1.57 1.48
0.950 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.19 2.12 2.04 1.96 1.87 1.79 1.65
0.975 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.55 2.45 2.34 2.23 2.11 2.01 1.83
0.990 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.03 2.90 2.75 2.60 2.44 2.30 2.06
0.999 8.93 7.19 6.25 5.66 5.24 4.93 4.69 4.35 4.11 3.86 3.60 3.32 3.09 2.69
29 0.900 2.50 2.28 2.15 2.06 1.99 1.93 1.89 1.83 1.78 1.73 1.68 1.62 1.56 1.47
0.950 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.18 2.10 2.03 1.94 1.85 1.77 1.64
0.975 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.53 2.43 2.32 2.21 2.09 1.99 1.81
0.990 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.00 2.87 2.73 2.57 2.41 2.27 2.03
0.999 8.85 7.12 6.19 5.59 5.18 4.87 4.64 4.29 4.05 3.80 3.54 3.27 3.03 2.64
30 0.900 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.82 1.77 1.72 1.67 1.61 1.55 1.46
0.950 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.16 2.09 2.01 1.93 1.84 1.76 1.62
0.975 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.51 2.41 2.31 2.20 2.07 1.97 1.79
0.990 5.39 4.51 4.02 3.70 3.47 3.30 3.17 2.98 2.84 2.70 2.55 2.39 2.25 2.01
0.999 8.77 7.05 6.12 5.53 5.12 4.82 4.58 4.24 4.00 3.75 3.49 3.22 2.98 2.59
60 0.900 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.71 1.66 1.60 1.54 1.48 1.41 1.29
0.950 3.15 2.76 2.53 2.37 2.25 2.17 2.10 1.99 1.92 1.84 1.75 1.65 1.56 1.39
0.975 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.27 2.17 2.06 1.94 1.82 1.70 1.48
0.990 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.63 2.50 2.35 2.20 2.03 1.88 1.60
0.999 7.77 6.17 5.31 4.76 4.37 4.09 3.86 3.54 3.32 3.08 2.83 2.55 2.32 1.89
80 0.900 2.37 2.15 2.02 1.92 1.85 1.79 1.75 1.68 1.63 1.57 1.51 1.44 1.38 1.24
0.950 3.11 2.72 2.49 2.33 2.21 2.13 2.06 1.95 1.88 1.79 1.70 1.60 1.51 1.32
0.975 3.86 3.28 2.95 2.73 2.57 2.45 2.35 2.21 2.11 2.00 1.88 1.75 1.63 1.40
0.990 4.88 4.04 3.56 3.26 3.04 2.87 2.74 2.55 2.42 2.27 2.12 1.94 1.79 1.49
0.999 7.54 5.97 5.12 4.58 4.20 3.92 3.70 3.39 3.16 2.93 2.68 2.41 2.16 1.72
100 0.900 2.36 2.14 2.00 1.91 1.83 1.78 1.73 1.66 1.61 1.56 1.49 1.42 1.35 1.21
0.950 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.93 1.85 1.77 1.68 1.57 1.48 1.28
0.975 3.83 3.25 2.92 2.70 2.54 2.42 2.32 2.18 2.08 1.97 1.85 1.71 1.59 1.35
0.990 4.82 3.98 3.51 3.21 2.99 2.82 2.69 2.50 2.37 2.22 2.07 1.89 1.74 1.43
0.999 7.41 5.86 5.02 4.48 4.11 3.83 3.61 3.30 3.07 2.84 2.59 2.32 2.08 1.62
120 0.900 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.65 1.60 1.54 1.48 1.41 1.34 1.19
0.950 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.91 1.83 1.75 1.66 1.55 1.46 1.25
0.975 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.16 2.05 1.94 1.82 1.69 1.56 1.31
0.990 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.47 2.34 2.19 2.03 1.86 1.70 1.38
0.999 7.32 5.78 4.95 4.42 4.04 3.77 3.55 3.24 3.02 2.78 2.53 2.26 2.02 1.54
∞ 0.900 2.30 2.08 1.94 1.85 1.77 1.72 1.67 1.60 1.55 1.49 1.42 1.34 1.26 1.00
0.950 3.00 2.60 2.37 2.21 2.10 2.01 1.94 1.83 1.75 1.67 1.57 1.46 1.35 1.00
0.975 3.69 3.12 2.79 2.57 2.41 2.29 2.19 2.05 1.94 1.83 1.71 1.57 1.43 1.00
0.990 4.61 3.78 3.32 3.02 2.80 2.64 2.51 2.32 2.18 2.04 1.88 1.70 1.52 1.00
0.999 6.91 5.42 4.62 4.10 3.74 3.47 3.27 2.96 2.74 2.51 2.27 1.99 1.73 1.00
142
Òàáëèöà êâàíòèëåé ñòàòèñòèêè
Âèëêîêñîíà
m n 0.005 0.010 0.025 0.050 0.100 0.200 m(n + m + 1)
4 4 . . 10 11 13 14 36
4 5 . 10 11 12 14 15 40
4 6 10 11 12 13 15 17 44
4 7 10 11 13 14 16 18 48
4 8 11 12 14 15 17 20 52
4 9 11 13 14 16 19 21 56
4 10 12 13 15 17 20 23 60
4 11 12 14 16 18 21 24 64
4 12 13 15 17 19 22 26 68
5 5 15 16 17 19 20 22 55
5 6 16 17 18 20 22 24 60
5 7 16 18 20 21 23 26 65
5 8 17 19 21 23 25 28 70
5 9 18 20 22 24 27 30 75
5 10 19 21 23 26 28 32 80
5 11 20 22 24 27 30 34 85
5 12 21 23 26 28 32 36 90
6 6 23 24 26 28 30 33 78
6 7 24 25 27 29 32 35 84
6 8 25 27 29 31 34 37 90
6 9 26 28 31 33 36 40 96
6 10 27 29 32 35 38 42 102
6 11 28 30 34 37 40 44 108
6 12 30 32 35 38 42 47 114
7 7 32 34 36 39 41 45 105
7 8 34 35 38 41 44 48 112
7 9 35 37 40 43 46 50 119
7 10 37 39 42 45 49 53 126
7 11 38 40 44 47 51 56 133
7 12 40 42 46 49 54 59 140
8 8 43 45 49 51 55 59 136
8 9 45 47 51 54 58 62 144
8 10 47 49 53 56 60 65 152
8 11 49 51 55 59 63 69 160
8 12 51 53 58 62 66 72 168
9 9 56 59 62 66 70 75 171
9 10 58 61 65 69 73 78 180
9 11 61 63 68 72 76 82 189
9 12 63 66 71 75 80 86 198
10 10 71 74 78 82 87 93 210
10 11 73 77 81 86 91 97 220
10 12 76 79 84 89 94 101 230
11 11 87 91 96 100 106 112 253
11 12 90 94 99 104 110 117 264
12 12 105 109 115 120 127 134 300
143
Ëèòåðàòóðà
1. Àéâàçÿí Ñ. À., Ìõèòàðÿí Â. Ñ. Ïðèêëàäíàÿ ñòàòèñòèêà è

îñíîâû ýêîíîìåòðèêè. Ì.: ÞÍÈÒÈ, 1998.
2. Áîëüøåâ Ë. Í., Ñìèðíîâ Í. Â. Òàáëèöû ìàòåìàòè÷åñêîé
ñòàòèñòèêè. Ì.: Íàóêà, 1983.
3. Áîðîâêîâ À. À. Ìàòåìàòè÷åñêàÿ ñòàòèñòèêà. Ì.: Íàóêà,
1984.
4. Áîðîäèí À. Í. Ýëåìåíòàðíûé êóðñ òåîðèè âåðîÿòíîñòåé è
ìàòåìàòè÷åñêîé ñòàòèñòèêè. ÑÏá.: Ëàíü, 2011.
5. Áî÷àðîâ Ï. Ï., Ïå÷èíêèí À. Â. Òåîðèÿ âåðîÿòíîñòåé. Ìàòå-
ìàòè÷åñêàÿ ñòàòèñòèêà. Ì.: Ãàðäàðèêà, 1998.
6. Áóðå Â. Ì., Åâñååâ Å. À. Îñíîâû ýêîíîìåòðèêè. ÑÏá.:
ÑÏáÃÓ, 2004.
7. Áóðå Â. Ì., Ïàðèëèíà Å. Ì. Òåîðèÿ âåðîÿòíîñòåé è ìàòå-
ìàòè÷åñêàÿ ñòàòèñòèêà. ÑÏá.: Ëàíü, 2013.
8. Áóðå Â. Ì., Ïàðèëèíà Å. Ì., Ñåäàêîâ À. À., Øåâêî-
ïëÿñ Å. Â. Ïðèêëàäíàÿ ñòàòèñòèêà â R, STATISTICA è
Excel. Îïèñàòåëüíàÿ ñòàòèñòèêà. Îöåíèâàíèå ïàðàìåòðîâ.
Ñòàòèñòè÷åñêèå êðèòåðèè. ÑÏá.: ÑÏáÃÓ, 2011.
9. Âàí äåð Âàðäåí Á. Ë. Ìàòåìàòè÷åñêàÿ ñòàòèñòèêà. Ì.:
ÈË, 1960.
10. Âàëëàíäåð Ñ. Ñ. Ëåêöèè ïî ñòàòèñòèêå è ýêîíîìåòðèêå.
ÑÏá.: Èçä. Åâðîïåéñêîãî óíèâåðñèòåòà â ÑÏá., 2005.
11. Âóêîëîâ Ý. À. Îñíîâû ñòàòèñòè÷åñêîãî àíàëèçà. Ì.: ÔÎ-
ÐÓÌ, 2008.
144
12. Ãåéë Ä. Òåîðèÿ ëèíåéíûõ ýêîíîìè÷åñêèõ ìîäåëåé. Ì.:
ÈË, 1963.
13. Åìåëüÿíîâ Ã. Â., Ñêèòîâè÷ Â. Ï. Çàäà÷íèê ïî òåîðèè âåðî-

ÿòíîñòåé è ìàòåìàòè÷åñêîé ñòàòèñòèêå. 2-å èçä., ñòåð.
ÑÏá.: Ëàíü, 2007.
14. Åðìàêîâ Ñ. Ì. Ìåòîä Ìîíòå-Êàðëî è ñìåæíûå âîïðîñû.

Ì.: Íàóêà, 1975.
15. Åðìàêîâ Ñ. Ì., Æèãëÿâñêèé À. À. Ìàòåìàòè÷åñêàÿ òåîðèÿ

îïòèìàëüíîãî ýêñïåðèìåíòà. Ì.: Íàóêà, 1987.
16. Åðìàêîâ Ñ. Ì., Ìèõàéëîâ Ã. À. Êóðñ ñòàòèñòè÷åñêîãî ìîäå-

ëèðîâàíèÿ. Ì.: Íàóêà, 1976.
17. Çàðóáèí B. C., Êðèùåíêî À. Ï. Ìàòåìàòè÷åñêàÿ ñòàòèñòè-

êà. Ì.: ÌÃÒÓ èì. Í. Ý. Áàóìàíà, 2001.
18. Èáðàãèìîâ È. À., Õàñüìèíñêèé Ð. Ç. Àñèìïòîòè÷åñêàÿ òåî-

ðèÿ îöåíèâàíèÿ. Ì.: Íàóêà, 1979.
19. Èâ÷åíêî Ã. È., Ìåäâåäåâ Þ. È. Ìàòåìàòè÷åñêàÿ ñòàòèñòè-

êà. Ì.: Âûñøàÿ øêîëà, 1984.
20. Êåíäàëë Ì., Ñòüþàðò À. Ñòàòèñòè÷åñêèå âûâîäû è ñâÿçè.

Ì.: Íàóêà, 1973.
21. Êîëìîãîðîâ À. Í., Ôîìèí Ñ. Â. Ýëåìåíòû òåîðèè ôóíêöèé

è ôóíêöèîíàëüíîãî àíàëèçà. 4-å èçä. Ì.: Íàóêà, 1976.
22. Êðàìåð Ã. Ìàòåìàòè÷åñêèå ìåòîäû ñòàòèñòèêè. Ì.: Ìèð,

1976.
23. Ìàãíóñ ß. Ð., Êàòûøåâ Ï. Ê., Ïåðåñåöêèé À. À. Ýêîíîìåò-

ðèêà. Íà÷àëüíûé êóðñ. Ì.: Äåëî, 2004.
24. Ìàðòûíîâ Á. Â., Àëåêñååâà Í. Ï., Àíàíüåâñêàÿ (Ãðà÷å-

âà) Ï. Â. Ïðîãíîñòè÷åñêèå ôàêòîðû ó áîëüíûõ ñ ãëèîìàìè:
ñèìïòîìíî-ñèíäðîìàëüíûé àíàëèç. Âåñòíèê Ðîñ. Âîåí.-ìåä.
àêàä. 2010. Ò. 1, N 29. Ñ. 714.
25. Ìóäðîâ Â. È., Êóøêî Â. Ë. Ìåòîä íàèìåíüøèõ ìîäóëåé.

Ì.: Çíàíèå, 1971.
145
26. Íåâçîðîâ Â. Á. Ðåêîðäû. Ìàòåìàòè÷åñêàÿ òåîðèÿ. Ì.: ÔÀ-
ÇÈÑ Ñòîõàñòèêà, 2000.
27. Íèêèòèí ß. Þ. Àñèìïòîòè÷åñêàÿ ýôôåêòèâíîñòü íåïàðà-

ìåòðè÷åñêèõ êðèòåðèåâ. Ì.: ÔÈÇÌÀÒËÈÒ, 1995.
28. Íîñêî Â. Ï. Ýêîíîìåòðèêà Ì.: ¾Äåëî¿ ÐÀÍÕèÃÑ, 2011.
29. Ðàî Ñ. Ð. Ëèíåéíûå ñòàòèñòè÷åñêèå ìåòîäû è èõ ïðèìåíå-

íèå. Ì.: Íàóêà, 1968.
30. Ñåâàñòüÿíîâ Á. À. Êóðñ òåîðèè âåðîÿòíîñòåé è ìàòåìàòè÷å-

ñêîé ñòàòèñòèêè. Ì.: Íàóêà, 1982.
31. Òþðèí Þ. Í., Ìàêàðîâ À. À. Ñòàòèñòè÷åñêèé àíàëèç îïûò-

íûõ äàííûõ íà êîìïüþòåðå. Ïîä ðåä. Â.Ý. Ôèãóðíîâà.
Ì.: ÈÍÔÐÀ-Ì, 1998.
32. Õîëëåíäåð Ì., Âóëô Ä. Íåïðàìåòðè÷åñêèå ìåòîäû ñòàòè-

ñòèêè. Ì.: Ôèíàíñû è ñòàòèñòèêà, 1983.
33. ßêóøåâ Â. Ï., Áóðå Â. Ì. Ïîäõîäû ê îáíàðóæåíèþ ñòàòè-

ñòè÷åñêèõ çàâèñèìîñòåé. ÑÏá.: ÑÏáÃÓ, 2003.
34. ßêóøåâ Â. Ï., Áóðå Â. Ì., ßêóøåâ Â. Â. Ïîñòðîåíèå è àíà-

ëèç ýìïèðè÷åñêèõ çàâèñèìîñòåé. ÑÏá.: ÑÏáÃÓ, 2005.
35. ßêóøåâ Â. Ï., Áóðå Â. Ì. Ñòàòèñòè÷åñêèé àíàëèç îïûò-

íûõ äàííûõ. Íåïàðàìåòðè÷åñêèå êðèòåðèè. ÑÏá.: ÀÔÈ
ÐÀÑÕÍ, 2001.
36. ßêóøåâ Â. Ï., Áóðå Â. Ì., Ïàðèëèíà Å. Ì. Áèíàðíàÿ ðå-

ãðåññèÿ è åå ïðèìåíåíèå â àãðîôèçèêå. ÑÏá.: ÀÔÈ ÐÀÑÕÍ,
2015.
37. Amemiya T. Qualitive Response Models: A Survey, Journal of

Economic Literature, 1981, Vol. XIX, pp. 14831536.
38. Amemiya T. Advanced Econometrics, Cambridge: Harvard

University Press, 1985.
39. Ben-Akiva M., Lerman S. Cambridge Massachusetts: Discrete

choice analysis, The MIT Press, 1985.
146
40. Berndt E., Hall B., Hall R., Hausman J. Estimation and
Inference in Nonlinear Structural Models. Annals of Economic
and Social Measurement, 1974, Vol. 3, pp. 653665.
41. Davidson R., MacKinnon J. G. Estimation and Inference in

Econometrics, Oxford: Oxford University Press, 1993.
42. Davino C., Furno M., Vistocco D. Quantile regression: theory

and applications, John Wiley & Sons, Ltd, 2014.
43. Efron B. Regression and ANOVA with Zero-One Data:

Measures of Residual Variation. Journal of American Statistical
Association, 1978, Vol. 73, pp. 113121.
44. Engel E. Die produktions- und konsumptionsverh altnisse des

k
onigreichs sachsen. Zeitschrift des Statistischen Bureaus des
Koniglich Sachsischen Ministeriums des Innern, 8:154, 1857.
45. Engle R. F. Wald, Likelihood Ratio, and Lagrange Multiplier

Tests in Econometrics. In Intriligator, M. D.; and Griliches, Z.
Handbook of Econometrics. II. Elsevier, 1983, pp. 796801.
46. Greene W. H. Econometric Analysis, 5th edition, New Jearsey:

Pearson Education, 2003.
47. Greenwood P. E., Nikulin M. S. A Guide to Chi-Squared

Testing. New York: John Wiley & Sons, Inc., 1996.
48. Hoerl R. W. Ridge Analysis 25 Years Later. The American

Statistician, 1985, Vol. 39, No. 3, pp. 186192.
49. Hoerl A. E., Kennard R. W. Ridge Regression: Biased

Estimation for Nonorthogonal Problems. Technometrics, 1970,
Vol. 12, No. 1, pp. 5567.
50. Kay R., Little S. Assessing the Fit of the Logistic Model: A
Case Study of Children with Haemolytic Uraemic Syndrome.
Applied Statistics, 1986, Vol. 35, pp. 1630.
51. Koenker R., Bassett G. Jr. Regression quantiles. Econometrica,

1978, Vol. 46, No. 1, pp. 3350.
52. Long J. S. Regression models for categorial and limited

dependent variables, Thousand Oaks: Sage Publ., 1997.
147
53. MacFadden D. The Measurement of Urban Travel Demand.
Journal of Public Economics, 1978, Vol. 3, pp. 303328.
54. Maddala G. S. Introduction to Econometrics, 2nd ed.,

Macmillan, 1992.
55. Rao C. Information and Accuracy Attainable in Estimation of

Statistical Parameters. Bulletin of the Calcutta Mathematical
Society, 1945, Vol. 37, pp. 8191.
148
Владимир Мансурович БУРЕ,
Елена Михайловна ПАРИЛИНА,
Артем Александрович СЕДАКОВ
МЕТОДЫ ПРИКЛАДНОЙ СТАТИСТИКИ
в R и Excel
Учебное пособие
Редакция
физико математической литературы
Ответственный редактор Н. В. Черезова
Выпускающие Е. П. Королькова, О. В. Шилкова
ЛР № 065466 от 21.10.97
Гигиенический сертификат 78.01.10.953.П.1028
от 14.04.2016 г., выдан ЦГСЭН в СПб
Издательство «ЛАНЬ»
lan@lanbook.ru; www.lanbook.com
196105, Санкт Петербург, пр. Юрия Гагарина, д.1, лит. А.
Тел./факс: (812) 336 25 09, 412 92 72.
Бесплатный звонок по России: 8 800 700 40 71
Подписано в печать 27.06.16.

Бумага офсетная. Гарнитура Школьная. Формат 84×108 1/32.
Печать офсетная. Усл. п. л. 7,98. Тираж 200 экз.
Заказ № 164 16.

Отпечатано в полном соответствии
с качеством предоставленного оригинал макета
в ПАО «Т8 Издательские Технологии».
109316, г. Москва, Волгоградский пр., д. 42, к. 5.

Методы прикладной статистики в R и Excel (Буре В.М., Парилина Е.М., Седаков А.А.)

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Методы прикладной статистики в R и Excel (Буре В.М., Парилина Е.М., Седаков А.А.)

Загружено:

Авторское право:

Доступные форматы

В. М.

Буре В. М., Парилина Е. М., Седаков А. А.

Охраняется законом РФ об авторском праве.

© Издательство «Лань», 2016

Íàñòîÿùåå ïîñîáèå ñîäåðæèò èçëîæåíèå êàê îñíîâíûõ ñòàòèñòè-

 1.1. Îïèñàòåëüíàÿ ñòàòèñòèêà

Âûáîðêîé X[n] = {x1 , . . . , xn } îáúåìà n áóäåì íàçûâàòü ñîâîêóï-

y(1) ... y(i) ... y(m)

[z1 , z2 ) ... [zi , zi+1 ) ... [zk , zk+1 ]

Îïðåäåëåíèå 1.1.2. Åñëè âñå x(i) , i = 1, . . . , n ðàçëè÷íû, òî

íàçûâàåòñÿ ýìïèðè÷åñêîé ôóíêöèåé ðàñïðåäåëåíèÿ.

Ðàññìîòðèì íåêîòîðûå âûáîðî÷íûå õàðàêòåðèñòèêè.

Îïðåäåëåíèå 1.1.3. Âûáîðî÷íûì ìîìåíòîì ïîðÿäêà r íàçûâà-

è íàçûâàåòñÿ âûáîðî÷íûì ñðåäíèì.

Îïðåäåëåíèå 1.1.4. Âûáîðî÷íûì öåíòðàëüíûì ìîìåíòîì ïî-

Âûáîðî÷íûé öåíòðàëüíûé ìîìåíò ïîðÿäêà 2, îáîçíà÷àåìûé ÷å-

è íàçûâàåòñÿ âûáîðî÷íîé äèñïåðñèåé, à ÷èñëî s  âûáîðî÷íûì

Âûáîðî÷íàÿ êâàíòèëü xp ïîðÿäêà p îïðåäåëÿåòñÿ êàê ýëå-

 1.2. Îñíîâíûå çàêîíû ðàñïðåäåëåíèÿ

Â ýòîì ïàðàãðàôå ïðèâåäåì îñíîâíûå âèäû ðàñïðåäåëåíèé ñëó-

1. Íîðìàëüíîå ðàñïðåäåëåíèå c ïàðàìåòðàìè (a, σ 2 )

2. Ðàâíîìåðíîå ðàñïðåäåëåíèå íà îòðåçêå

 0, x∈/ [a, b].

3. Ýêñïîíåíöèàëüíîå ðàñïðåäåëåíèå ñïàðàìåòðîì λ > 0

4. Ðàñïðåäåëåíèå Ïóàññîíà ñ ïàðàìåòðîì α > 0

5. Pàñïðåäåëåíèå Áåðíóëëè ñ âåðîÿòíîñòüþ óñïåõà p

6. Áèíîìèàëüíîå ðàñïðåäåëåíèå ñ âåðîÿòíîñòüþ óñïåõà p (ñå-

Ïóñòü ñëó÷àéíàÿ âåëè÷èíà ξ èìååò ôóíêöèþ ðàñïðåäåëå-

 1.3. Òî÷å÷íûå îöåíêè

Ïóñòü X[n] = {x1 , . . . , xn }  âûáîðêà îáúåìà n, ýëåìåíòû êî-

Îïðåäåëåíèå 1.3.4. Ñòàòèñòèêà θ̂(X [n] ) íàçûâàåòñÿ ýôôåêòèâ-

Îïðåäåëåíèå 1.3.5. Ñòàòèñòèêà θ̂(X [n] ) íàçûâàåòñÿ àñèìïòî-

m(θ) = Eg(ξ) = (Eg1 (ξ), . . . , Eg` (ξ)),

m(θ) = t, t = (t1 , . . . , t` ), m(θ) = (m1 (θ), . . . , m` (θ))

îäíîçíà÷íî ðàçðåøèìî îòíîñèòåëüíî θ â îáëàñòè t ∈ m(Θ).

Îöåíêîé ïî ìåòîäó ìîìåíòîâ íàçûâàåòñÿ ñòàòèñòèêà

θ̂(X[n] ) = m−1 (ḡ(X[n] )).

×àñòî â êà÷åñòâå ôóíêöèè gk (x) áåðóò ôóíêöèè âèäà xk . Îò-

ïðèðàâíÿâ òåîðåòè÷åñêèé ìîìåíò ïîðÿäêà 1 (ìàòåìàòè÷åñêîå

ïðèðàâíÿâ òåîðåòè÷åñêèé ìîìåíò ïîðÿäêà 1 (ìàòåìàòè÷åñêîå

Ïðèìåð 1.3.1. Ïîñòðîèì îöåíêè â, b̂ ìåòîäîì ìîìåíòîâ ïàðà-

Îöåíêè ïàðàìåòðîâ íåêîòîðûõ ðàñïðåäåëåíèé, ïîëó÷åííûå

Òèï ðàñïðåäåëåíèÿ Ïàðàìåòðû Îöåíêè ìåòîäîì

1.3.2. Ìåòîä ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ

θ̂(X[n] ) = arg max L(x1 , . . . , xn ; θ)

èëè ýêâèâàëåíòíîé çàäà÷è

θ̂(X[n] ) = arg max ln L(x1 , . . . , xn ; θ).

Ïðèìåð 1.3.2. Ïîñòðîèì îöåíêó ìàêñèìàëüíîãî ïðàâäîïîäî-

Ïðèìåð 1.3.3. Ïî âûáîðêå X [n]= {x1 , . . . , xn } ïîñòðîèì îöåíêó

Çàïèøåì ôóíêöèþ ïðàâäîïîäîáèÿ êàê ôóíêöèþ ïàðàìåòðîâ

Ôóíêöèÿ L(x1 , . . . , xn ; a, b) ïðèíèìàåò ìàêñèìàëüíîå çíà÷åíèå

Îöåíêè ïàðàìåòðîâ íåêîòîðûõ ðàñïðåäåëåíèé, ïîëó÷åí-

Òèï ðàñïðåäåëåíèÿ Ïàðàìåòðû Îöåíêè ìàêñèìàëüíîãî

 1.4. Èíòåðâàëüíûå îöåíêè

1.4.1. Òî÷íûå äîâåðèòåëüíûå èíòåðâàëû

Òåîðåìà 1.4.1. [7] Ïóñòü âûáîðêà X [n] = {x1 , . . . , xn } ïîëó÷åíà

Èñïîëüçóÿ òåîðåìó 1.4.1, ìîæíî çàêëþ÷èòü, ÷òî

Ýòîò èíòåðâàë ìîæíî çàïèñàòü ñëåäóþùèì îáðàçîì:

ãäå χ2ε ,n , χ21− ε ,n  êâàíòèëè χ2 -ðàñïðåäåëåíèÿ ñ n ñòåïåíÿìè

Òî÷íûì äîâåðèòåëüíûì èíòåðâàëîì ñ óðîâíåì äîâåðèÿ 1−ε äëÿ

èëè, ÷òî òî æå ñàìîå, èíòåðâàë

ãäå χ2ε ,n−1 , χ21− ε ,n−1  êâàíòèëè χ2 -ðàñïðåäåëåíèÿ ñ n − 1 ñòå-

Òåîðåìà 1.4.2. [17] Ïóñòü âûáîðêà X [n] = {x1 , . . . , xn } ïîëó÷åíà

1.4.2. Àñèìïòîòè÷åñêèå äîâåðèòåëüíûå èíòåðâàëû

1.1. Îïèñàòåëüíàÿ ñòàòèñòèêà

è íàçûâàåòñÿ âûáîðî÷íîé äèñïåðñèåé, à ÷èñëî s âûáîðî÷íûì

1.2. Îñíîâíûå çàêîíû ðàñïðåäåëåíèÿ

3. Ýêñïîíåíöèàëüíîå ðàñïðåäåëåíèå ñïàðàìåòðîì λ > 0

1.3. Òî÷å÷íûå îöåíêè

Ïóñòü X[n] = {x1 , . . . , xn } âûáîðêà îáúåìà n, ýëåìåíòû êî-

1.4. Èíòåðâàëüíûå îöåíêè

ãäå χ2ε ,n , χ21− ε ,n êâàíòèëè χ2 -ðàñïðåäåëåíèÿ ñ n ñòåïåíÿìè

ãäå χ2ε ,n−1 , χ21− ε ,n−1 êâàíòèëè χ2 -ðàñïðåäåëåíèÿ ñ n − 1 ñòå-

ãäå u1− 2ε êâàíòèëü ñòàíäàðòíîãî íîðìàëüíîãî ðàñïðåäåëåíèÿ

1.5. Ñòàòèñòè÷åñêîå îöåíèâàíèå â ïàêåòàõ

Ðåçóëüòàò ðàáîòû ôóíêöèè (ðèñ. 1.41.5):

• rpois(n,lambda) ðàñïðåäåëåíèå Ïóàññîíà ñ ïàðàìåòðîì

2.1. Îáùàÿ ñõåìà ïðîâåðêè ñòàòèñòè÷åñêèõ

2.2. Êðèòåðèè ñîãëàñèÿ äëÿ ïðîñòûõ

Îäèí èç òèïîâ ñòàòèñòè÷åñêèõ ãèïîòåç ãèïîòåçû ñîãëàñèÿ. Ìå-

5. Íàõîäèì êðèòè÷åñêóþ îáëàñòü èíòåðâàë (d1−α ; ∞).

×èñëî P = 15.44 çíà÷åíèå ñòàòèñòèêè γχ2 (X[n] ). Åñëè

Çäåñü D çíà÷åíèå ñòàòèñòèêè êðèòåðèÿ. Ãèïîòåçó î òîì, ÷òî âû-

2.3. Êðèòåðèè îäíîðîäíîñòè

2.3.1. Êðèòåðèé îäíîðîäíîñòè ÊîëìîãîðîâàÑìèðíîâà