Презентация Критерий согласия. Практический пример применения критерия согласия. Закон Менделя онлайн

Содержание слайда: СРС: Критерий согласия. Практический пример применения критерия согласия. Закон Менделя. Выполнил: Есентаев Н.А. 217гр.омф Проверила: к.м.н. горемыкина м.в.

Содержание слайда: План: Введение; Закон распределения; Критерии согласия: Пирсона; Колмогорова; Романовского; Практическое применение критерия согласия; Заключение; Список литературы.

Содержание слайда: Введение: Статистический критерий — строгое математическое правило, по которому принимается или отвергается та или иная статистическая гипотеза с известным уровнем значимости. Построение критерия представляет собой выбор подходящей функции от результатов наблюдений (ряда эмпирически полученных значений признака), которая служит для выявления меры расхождения между эмпирическими значениями и гипотетическими. Теоретическая модель в этом случае описывает закон распределения. Теоретическое распределение – это то распределение вероятностей, которое управляет случайным выбором[1].

Содержание слайда: Закон распределения Самая известная статистическо-вероятностная модель – это закон нормального распределения. Нормальный закон, как и другие теоретические распределения, не является фиксированным уравнением зависимости одной переменной от другой. Фиксируется только характер этой зависимости. Важное значение нормального распределения во многих областях науки вытекает из центральной предельной теоремы теории вероятностей. Если результат наблюдения является суммой многих случайных слабо взаимозависимых величин, каждая из которых вносит малый вклад относительно общей суммы, то при увеличении числа слагаемых распределение центрированного и нормированного результата стремится к нормальному. Этот закон теории вероятностей имеет следствием широкое распространение нормального распределения, что и стало одной из причин его наименования[2].

Содержание слайда: Говоря о теоретическом законе распределения, которому гипотетически должны бы следовать элементы данной выборки, надо различать простые и сложные гипотезы об этом законе: Говоря о теоретическом законе распределения, которому гипотетически должны бы следовать элементы данной выборки, надо различать простые и сложные гипотезы об этом законе: простая гипотеза - прямо указывает некий определенный закон вероятностей (распределение вероятностей), по которому возникли выборочные значения; сложная гипотеза - указывает на единственное распределение, а какое-то их множество (например, параметрическое семейство)[3].

Содержание слайда: Критерий согласия Критерием согласия называют критерий, который позволяет установить, является ли расхождение эмпирического и теоретического распределений случайным или значимым, т. е. согласуются ли данные наблюдений с выдвинутой статистической гипотезой или не согласуются. Распределение генеральной совокупности, которое она имеет в силу выдвинутой гипотезы, называют теоретическим. Возникает необходимость установить критерий (правило), которое позволяло бы судить, является ли расхождение между эмпирическим и теоретическим распределениями случайным или значимым. Если расхождение окажется случайным, то считают, что данные наблюдений (выборки) согласуются с выдвинутой гипотезой о законе распределения генеральной совокупности и, следовательно, гипотезу принимают; если же расхождение окажется значимым, то данные наблюдений не согласуются с гипотезой и ее отвергают[4].

Содержание слайда: Обычно эмпирические и теоретические частоты различаются в силу того, что: Обычно эмпирические и теоретические частоты различаются в силу того, что: расхождение случайно и связано с ограниченным количеством наблюдений; расхождение неслучайно и объясняется тем, что статистическая гипотеза о том, что генеральная совокупность распределена нормально — ошибочна[4].

Содержание слайда: Таким образом, критерии согласия позволяют отвергнуть или подтвердить правильность выдвинутой при выравнивании ряда гипотезы о характере распределения в эмпирическом ряду. Эмпирические частоты получают в результате наблюдения. Теоретические частоты рассчитывают по формулам[4]. Таким образом, критерии согласия позволяют отвергнуть или подтвердить правильность выдвинутой при выравнивании ряда гипотезы о характере распределения в эмпирическом ряду. Эмпирические частоты получают в результате наблюдения. Теоретические частоты рассчитывают по формулам[4]. Для закона нормального распределения их можно найти следующим образом:

Содержание слайда: Критерий согласия Пирсона Критерий согласия Пирсона, или критерий согласия (Хи-квадрат) — наиболее часто употребляемый критерий для проверки гипотезы о принадлежности наблюдаемой выборки X1. X2, ..., Xn объёмом n некоторому теоретическому закону распределения F(x,θ). Свойства критерия были впервые исследованы Карлом Пирсоном в 1900 году[5].

Содержание слайда: Критерий согласия Пирсона Х2 – один из основных, который можно представить как сумму отношений квадратов расхождений между теоретическими (fT) и эмпирическими (f) частотами к теоретическим частотам: Критерий согласия Пирсона Х2 – один из основных, который можно представить как сумму отношений квадратов расхождений между теоретическими (fT) и эмпирическими (f) частотами к теоретическим частотам:

Содержание слайда: При проверке сложных гипотез, если параметры закона F(x,θ) по этой же выборке оцениваются в результате минимизации статистики X2n или по сгруппированной выборке методом максимального правдоподобия, то статистика X2n при справедливости проверяемой гипотезы подчиняется X2r -распределению с r = k-m-1 степенями свободы, где m — количество оцененных по выборке параметров. При проверке сложных гипотез, если параметры закона F(x,θ) по этой же выборке оцениваются в результате минимизации статистики X2n или по сгруппированной выборке методом максимального правдоподобия, то статистика X2n при справедливости проверяемой гипотезы подчиняется X2r -распределению с r = k-m-1 степенями свободы, где m — количество оцененных по выборке параметров. Если параметры оцениваются по исходной негруппированной выборке, то распределение статистики не будет являться X2k-m-1 -распределением. Более того, распределения статистики при справедливости гипотезы H0 будут зависеть от способа группирования, то есть от того, как область определения разбивается на интервалы. При оценивании методом максимального правдоподобия параметров по негруппированной выборке можно воспользоваться модифицированными критериями типа [6].

Содержание слайда: Критерий согласия Колмогорова Критерий согласия Колмогорова предназначен для проверки гипотезы о принадлежности выборки некоторому закону распределения, то есть проверки того, что эмпирическое распределение соответствует предполагаемой модели[7]. Пусть эмпирическая функция распределения (ЭФР) Fn случайной величины ξ, построенная по выборке X = (X1, ..., Xn) (Xi X), имеет вид: Статистика критерия для эмпирической функции распределения Fn(x) определяется следующим образом:

Содержание слайда: Критерий Романовского с основан на использовании критерия Пирсона, т.е. уже найденных значений, и числа степеней свободы df: Критерий Романовского с основан на использовании критерия Пирсона, т.е. уже найденных значений, и числа степеней свободы df: Он удобен при отсутствии таблиц для. Если с<3, то расхождения распределений случайны, если же с>3, то не случайны и теоретическое распределение не может служить моделью для изучаемого эмпирического распределения[7].

Содержание слайда: ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ КРИТЕРИЯ СОГЛАСИЯ Все рассмотренные до сих пор критерии принято относить к группе так называемых параметрических критериев. Применение этих критериев требует знания типа распределения наблюдаемых случайных величин (нормальное, биномиальное, пуассоновское, двумерное нормальное или какое-либо иное) и проверяемая гипотеза касается параметров данных распределений. Прежде чем применять параметрические методы, необходимо убедиться в том, что мы действительно имеем дело с распределением требуемого типа. Предположение о виде распределения случайной величины – это статистическая гипотеза, которую можно проверить с помощью экспериментальных данных. Критерии, позволяющие решать такого рода задачи, называются критериями согласия – согласия выборочных данных некоторому наперед заданному теоретическому распределению. При проверке гипотезы о нормальности распределения с неизвестными средним и дисперсией критерий Колмогорова-Смирнова является более мощным, чем критерий [8].

Содержание слайда: При проведении данных исследований, в которых реализован ряд критериев проверки согласия эмпирического распределения с теоретической моделью: Пирсона, отношения правдоподобия, Колмогорова, Смирнова и Мизеса, Никулина. Здесь и ниже, когда мы употребляем словосочетание “хорошее согласие”, то подразумеваем, что по всем критериям достигнутый уровень значимости, определяемый соотношением: При проведении данных исследований, в которых реализован ряд критериев проверки согласия эмпирического распределения с теоретической моделью: Пирсона, отношения правдоподобия, Колмогорова, Смирнова и Мизеса, Никулина. Здесь и ниже, когда мы употребляем словосочетание “хорошее согласие”, то подразумеваем, что по всем критериям достигнутый уровень значимости, определяемый соотношением: где - значение статистики критерия, вычисленное по наблюдаемой выборке, - плотность предельного распределения статистики соответствующего критерия при справедливости гипотезы, был очень высок:

Содержание слайда: Зная предельные распределения и Зная предельные распределения и статистики , для любого заданного уровня значимости можно оценить мощность соответствующего критерия, рассматривая её как функцию от числа интервалов при заданном объеме выборки . Было проведено исследование мощности критериев Пирсона и Никулина как функции от и аналитически и методами статистического моделирования. Причем результаты аналитических вычислений оказались полностью подтвержденными оценками мощности, полученными на основании моделирования[8].

Содержание слайда: Пример. В некоторых классических экспериментах с селекцией гороха Мендель наблюдал частоты различных видов семян, получаемых при скрещивании растений с круглыми желтыми семенами и растений с морщинистыми зелеными семенами. Они приводятся ниже вместе с теоретическими вероятностями, вычисленными в соответствии с теорией наследственности Менделя. Пример. В некоторых классических экспериментах с селекцией гороха Мендель наблюдал частоты различных видов семян, получаемых при скрещивании растений с круглыми желтыми семенами и растений с морщинистыми зелеными семенами. Они приводятся ниже вместе с теоретическими вероятностями, вычисленными в соответствии с теорией наследственности Менделя. В этом случае теоретическое распределение дискретно и известно полностью. Для проверки согласия экспериментальных данных теоретическому распределению используем критерий для простой гипотезы. Значение статистики, вычисленное по выборке равно: что меньше 5%-ного критического значения: Следовательно, теория наследственности Менделя не противоречит полученным экспериментальным данным[8].

Содержание слайда: Наряду с количественными статистическими критериями для определения типа распределения по выборочным данным используются графические методы. Наряду с количественными статистическими критериями для определения типа распределения по выборочным данным используются графические методы. Простейший способ – построение по имеющейся выборке гистограммы относительных частот и на том же графике и в том же масштабе, кривой плотности нормального распределения с выборочным средним и выборочной дисперсией в качестве параметров. Значительные отклонения от нормальности (сильная асимметрия, бимодальность) легко обнаруживаются на графике[8].

Содержание слайда: Заключение:

Содержание слайда: Список литературы: Рекомендации по стандартизации. Прикладная статистика: Правила проверки согласия опытного распределения с теоретическим. Часть II: Непараметрические критерии. — М.: Госстандарт РФ, 2002.; Вентцель Е. С. Теория вероятностей. — 10-е изд., стер.. — М.: Academia, 2005. Ширяев, А. Н. Вероятность. — М.: Наука, 1980. Кендалл М., Стьюарт А. Статистические выводы и связи. — М.: Наука, 1973. ‘’Pearson, Karl’’ (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine Series 5 50 (302): 157—175. Лемешко Б. Ю., Постовалов С. Н. О зависимости предельных распределений статистик X² Пирсона и отношения правдоподобия от способа группирования данных // Заводская лаборатория. 1998. Т. 64. — № 5. — С. 56-63. Критерий Колмогорова на сайте Новосибирского государственного университета. Рекомендации по стандартизации. Прикладная статистика. Правила проверки согласия опытного распределения с теоретическим. Часть I. — М.: Изд-во стандартов. 2002. — 87 с.