
- •§ 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
§ 4.5 Оцінка параметрів розподілу за допомогою надійних інтервалів
В § 4.4 розглянули точковий спосіб визначення точкових оцінок. Проте більш досконалим є спосіб надійних інтервалів. Справа полягає в тому, що точкова оцінка без вказаної ступені точності і надійності мало що визначає, тому що отримані величини оцінок становлять лиш часткові значення деяких випадкових величин.
Щоб мати досить точну і надійну оцінку а* параметра а треба дотриматись умови
Р(|a* - a| < x ) = P (-x < |a* - a| < x ) = P (a* - x < a < a* + x ) = 1 – б, (4.52)
де б досить мала величина.
Співвідношення (4.52) показує ймовірність того, що невідомий параметр а буде знаходитись в межах інтервалу ( а* - x, а* + x), дорівнює 1 – б = Р. Такий інтервал і називають надійним інтервалом.
Треба зазначити, що чим менше буде x, тим точніше буде оцінка а* параметра а.
Графічно надійний інтервал для параметра а можна показати на рис.4.5.
Рис.4.5
Припустимо, що параметром а буде математичне сподівання випадкової величини Х.
Емпіричне
середнє арифметичне значення
випадкової величини Х:
(х1,
х2,
..., хп)
визначається
за формулою (4.23) і є випадковою величиною,
якщо її обчислювати по різним серіям
вимірів (по вибірках) при проведенні
дослідів. Таким чином із серійних
середніх арифметичних
також формується статистичний ряд.
Причому всі вони з деяким рівнем
ймовірності р
=
b
будуть належати інтервалу
а* - x < a = MX < a* + x . (4.53)
Визначимо математичне сподівання та дисперсію випадкової величини , або параметра а. Відповідно за формулою (3.48) маємо
=
(4.54)
Це означає, що математичне сподівання випадкової величини Х залежить від числа п вимірів і дорівнює математичному очікуванню МХ = а випадкової величини Х.
Дисперсія середнього арифметичного відповідно за формулою (3.59) буде
=
,
або
.
(4.55)
Із формули (4.55) маємо висновок, що дисперсія математичного сподівання (емпіричного середнього арифметичного) залежить від параметра s та числа вимірів п.
Величину
називають стандартом математичного
сподівання середнього арифметичного
.
(4.56)
Якщо дисперсію m2 обчислюють по статистичному ряду чи статистичній сукупності (формули 4.22 і 4.28), то емпіричне значення стандарту середнього арифметичного називають середнім квадратичним відхиленням арифметичної середини, або
.
(4.57)
Довірительний інтервал для центра розподілення при відомому s
Припустимо, що ми маємо нормально розподілену випадкову величину Х з відомими параметрами а1 = МХ і а2 = s2. Для оцінки параметра а1 = МХ = а використаємо характеристику , яка теж розподілена нормально. Очевидно по багатьом вибіркам величини будуть дещо відхилятися від величини а = МХ. Закон розподілу величини можна визначити через функцію Лапласа (§2.4). Тоді нормовані відхилення середніх арифметичних вибірок від параметра а = МХ визначимо за формулою (2.46) і отримаємо
.
(4.58)
Розв’яжемо рівняння (4.53) відносно а і отримаємо надійний інтервал для математичного сподівання або параметра а
.
(4.59)
В
порівнянні з формулою (4.53) видно, що
формула (4.59) і буде шуканим інтервалом,
де знаходиться середнє арифметичне,
причому
x
= |t
|.
Так як величина t
підкоряється нормованому нормальному
закону розподілу і згідно функції
Лапласа
,
(4.60)
то її находять зворотним інтерполюванням із таблиць Лапласа (додаток 1).