
- •№ 1. Физический эксперимент, как метод научного познания
- •№ 2. Физические величины, их единицы и размерности
- •№ 3. Сущность измерения физических величин. Уравнение измерений
- •№ 4. Измерение как информационный процесс
- •№ 5. Количественное оценивание физических величин с использованием эмпирических шкал
- •№ 6. Классификация измерений
- •№ 7. Сущность понятий «принцип», «метод», «алгоритм» и «методика» измерений
- •№ 8. Методы измерений: непосредственной оценки и сравнения с мерой
- •№ 9. Погрешности измерений и их классификация
- •№ 10. Средства измерений и их классификация
- •№ 11. Метрологические характеристики средств измерения
- •№ 12. Неметрологические характеристики си
- •№ 15. Нормальный закон распределения непрерывной случайной величины (дифференциальная и интегральная функции)
- •№ 16. Числовые характеристики случайных величин
- •№ 17. Выборочный метод в математической статистике
- •№ 18. Понятие и свойства статистических оценок. Оценки математического ожидания и среднеквадратического отклонения
- •№ 19. Интервальные и точечные оценки параметров распределения
- •№ 20. Основные понятия и алгоритм статистической проверки гипотез на основе статистических критериев
- •№ 21. Проверка гипотезы о законе распределения с использованием критерия Пирсона
- •№ 22. Проверка гипотез с использованием непараметрических критериев
- •№ 23. Суть аппроксимации экспериментальных данных. Методы установления вида однофакторных зависимостей
- •1. Определяют вид зависимости (форму линии регрессии).
- •№ 24. Метод наименьших квадратов
- •№ 25. Линейная регрессия и корреляция
- •№ 26. Постановка измерительной задачи
- •№ 27. Обеспечение необходимых условий для измерений
- •№ 28. Выбор метода измерений
- •№ 29. Выбор, опробование и калибровка средств измерений
- •№ 30. Выбор числа измерений
- •№ 31. Разработка методики выполнения измерений
- •№ 32. Предварительная обработка результатов измерения
- •1. Обнаружение грубых погрешностей.
- •№ 33. Грубые погрешности и промахи. Методы их выявления
- •№ 34. Сглаживание экспериментальных данных
- •№ 35. Обработка результатов прямых многократных измерений с нормальным распределением данных
- •№ 36. Обработка результатов косвенных измерений
- •№ 37. Формы представления результатов эксперимента, направленного на установление значения конкурентного параметра измеряемой физической величины
- •№ 40. Основные понятия вероятностной теории погрешности: случайная величина, генеральная совокупность, выборка и их характеристики
- •№ 41. Ряды распределения: гистограмма, полигон, кумулятивная функция. Порядок построения, значение, применение
- •№ 45. Интерполяция, аппроксимация и экстраполяция экспериментальных данных
- •№ 49. Прямые, косвенные, совместные и совокупные измерения. Определения, характеристика и особенности этих видов измерения.
№ 21. Проверка гипотезы о законе распределения с использованием критерия Пирсона
Пусть имеется выборка достаточно
большого объема (n
50).
Разделим всю область, куда попадают
выборочные значения на конечное число
интервалов, в каждый из которых должно
попасть несколько выборочных значений.
Если в некоторых интервалах таких
значений окажется мало (< 5), то эти
интервалы объединяют с соседними.
mi – число элементов выборки, попавших в i-й интервал.
Pi – вероятность попадания случайно величины x в i-й интервал в случае справедливости приписываемого ей закона распределения.
Величина хи-квадрат является случайной, так как при разных выборках они принимает разные значения. Ясно, что чем меньше отличаются друг от друга mi и nPi, тем меньше хи-квадрат. Следовательно, этот критерий в известной степени характеризует степень близости фактического и предполагаемого распределения.
Можно показать, что, если проверяемая
гипотеза верна, то при
распределение критерия стремится к
распределению хи-квадрат с k
– 1 степенями свободы независимо от
предполагаемого распределения случайной
величины x. Именно поэтому
этот критерий и получил наименование
хи-квадрат.
Так как малые значения хи-квадрат соответствуют хорошему совпадению предполагаемого и фактического распределений, выберем правостороннюю критическую область из условия:
- вероятность ошибки первого рода.
Если хи-квадрат попадает в критическую область, то выдвинутая гипотеза отвергается.
Если в доверительную, то данные не противоречат гипотезе.
Вероятность попадания случайной величины
в интервал
при нормальном законе распределения
вычисляют с использованием интеграла
вероятностей Ф по формуле:
№ 22. Проверка гипотез с использованием непараметрических критериев
Подход не требует знания законов и параметров распределения, используют непараметрические критерии, которые выявляют путем выявления упорядоченности численных значений, полученных в результате наблюдений и установления между ними соответствий вид > или <.
Использование непараметрических критериев рассмотрим на примере критерия Вилкоксона применительно к задаче проверки гипотезы о принадлежности двух выборок к одной генеральной совокупности.
Пусть имеются две выборки элементы каждой из которых расположены по возрастанию.
1. Объединяют все элементы двух выборок
в упорядоченную последовательность
объемом
.
2. Определим число инверсий U в выражении.
Инверсия – каждая пара значений
для которых,
иначе говоря число инверсий равно сумме
чисел всех
стоящий впереди каждого
.
3. Будем считать, что число инверсий
подчиняется нормальному закону со
средним
и дисперсией
.
4. Если гипотеза верна, то U
полученное экспериментально (по выборке)
не должно сильно отличаться от
.
Если
,
то гипотезу отвергают.
5. Критическое значение числа инверсий
при малых значениях m и n
(< 14) для заданного уровня значимости
табулированно.
Для больших значений m и n:
– квантиль (0,1)-нормального распределения
порядка
.
В практике экспериментальных ислледований часто возникает задача проверки гипотезы о том, что расположение элементов двух видов (0 и 1) носит случайный характер, т.е. является стохастически независимым. Просто решить эту задачу с помощью метода серий.
20 образцов горных пород, пренадлежащих к одной генеральной совокупности, были разделены на две равные группы. Одну подвергли механическому воздействию, а другую нет.
1 — 5,22 5,3 5,4 5,32 5,1 5,2 5,34 5,6 5,5 5,27
2 — 5,7 5,41 5,28 5,38 5,15 5,8 5,42 5,65 5,31 5,14
5,1(0) 5,14(1) 5,15(1) 5,2(0) 5,22(0) 5,27(0) 5,28(1) 5,29(0) 5,3(0) 5,31(1) 5,32(0) 5,38(1) 5,4(0) 5,41(1) 5,42(1) 5,5(0) 5,6(0) 5,65(1) 5,7(1) 5,8(1)
Элементы 0 и 1 в скобках рядом с числовыми значениями последовательности означают принадлежность соответственно к 1 и 2 группам. Выпишем их:
01100010010101100111 (*)
Серия – подряд идущие элементы одного типа. Здесь серий 12.
То есть 0 – первая серия, 11 – вторая и так далее.
Можно показать, что, если число элементов в последовательности (*) достаточно велико (n>10), то распределение числа серий близко к нормальному с характеристиками:
С вероятность 99,7% теоретическое число серий должно укладываться в интервал:
Для нашего примера при n=20 условие имеет вид:
Так как
укладывается в границы
,
то можно сделать вывод о случайности
расположения элементов в последовательности
(*). Иначе говоря, последовательность
измеренных значений признака носит
случайный характер, и, следовательно,
произведенное механическое воздействие
не привело к значимым изменениям
измеряемого признака.
Метод серий может быть использован также для проверки случайности последовательности изменения выборочных значений измеряемого признака. При этом определяют среднюю. Элементы, значения которых меньше средней, обозначают нулем, а элементы больше средней – единицей.