
- •§ 1. Основні поняття і задачі математичної статистики. Генеральна сукупність та вибірка
- •§ 2. Розподіл статистичних рядів
- •По даним таблиці 4.2 побудуємо: а) полігон частот
- •§ 4.3 Оцінювання параметрів закону розподілу
- •Сутність ммп полягає в тому, що за якісну оцінку параметра а беруть таке значення аргументу, що приводить функцію l до максимуму. Рівняння (4.14) розв’язують при умові
- •При цьому вибирають таке визначення а, яке зводить функцію l до максимуму. Для спрощення функцію правдоподібності заміняють логарифмом, тоді
- •§ 4.4 Числові характеристики статистичного розподілу
- •Для визначення приблизних значень вимірюваної величини та дисперсії при нерівноточних вимірах, виходячи з того, що ¹ , систему рівнянь (4.19) запишемо у вигляді
- •§ 4.5 Оцінка параметрів розподілу за допомогою надійних інтервалів
- •Надійний інтервал для центра розподілу при невідомому s
- •Надійний інтервал для s
- •Для побудови надійного інтервалу s обчислимо
§ 4.4 Числові характеристики статистичного розподілу
Закон розподілу випадкової величини Х характеризує її з ймовірної точки зору. Між тим при вирішенні багатьох практичних задач достатньо знати тільки окремі її числові характеристики, що відображають найбільш істотні риси розподілу випадкової величини.
Ми уже познайомилися з основними числовими характеристиками випадкових величин: математичним сподіванням, дисперсією, початковими та центральними моментами, асиметрією та ексцесом.
Для статистичного розподілу існують такі ж самі числові характеристики. Справа зводиться до того, щоб по результатам експериментів знайти формули їх обчислень.
Так аналогічно для математичного сподівання випадкової величини Х є середнє арифметичне результатів спостережень випадкової величини біля якого ґрунтуються її можливі значення
,
(4.23)
де хі – значення випадкової величини в кожному і-ому досліді;
n – кількість дослідів.
Величину
називають статистичним
середнім
випадкової величини Х.
Слід зазначити, що при досить великій
кількості дослідів п
статистичне
середнє
або
наближається до математичного сподівання
випадкової величини Х
і може бути прийнятим замість нього,
тобто
= » МХ.
Аналогією дисперсії випадкової величини Х є статистична дисперсія, що обчислюється за формулою
.
(4.24)
В методі моментів обчислюють статистичні початкові та центральні моменти будь-якого порядку за формулами
;
(4.25)
.
(4.26)
Для статистичного ряду розбитого на групи, тобто для статистичної сукупності маємо
;
(4.27)
,
(4.28)
де nі - кількість результатів в і-ій групі;
-
статистичне середнє і-ої
групи;
- загальне статистичне середнє.
Аналіз формул (4.20), (4.21) і (4.22) показує, що середнє арифметичне » МХ, а статистична дисперсія m2 » DX, тобто вони будуть найбільш вірогідними оцінками параметрів закону нормального розподілу.
Слід
зазначити, що при виведенні формул в
ММП передбачали, що результати експерименту
незалежні і проводились в однакових
умовах. Тобто комплекс умов: об’єкт,
суб’єкт, прилад, зовнішнє середовище
і метод вимірювання були незмінними.
Такі виміри називають рівноточними.
При цьому дисперсії окремих вимірів
будуть однаковими, тобто
або
.
Це
дозволяє нам стверджувати, що при
рівноточних вимірах найближчим значенням
вимірюваної величини є середнє арифметичне
(формула 4.20), а значенням дисперсії буде
(формули 4.21 та 4.22).
Проте
на практиці не завжди можна зберегти
незмінність комплексу умов. Тоді кожен
результат експерименту буде дещо
відрізнятися по точності і кожній
випадковій величині
буде відповідати своя дисперсія
, тобто статистичний ряд буде мати вигляд
х1, х2, ... , хп,
.
(4.29)
Такі
виміри, коли дисперсії
¹
,
називають нерівноточними.