
- •Основные цели обработки экспериментальных данных. Активные и пассивные эксперименты.
- •Классификация задач обработки экспериментальных данных
- •Выбор и разработка методов преобразования экспериментальных данных
- •Определение генеральной и выборочной совокупности. Репрезентативная выборка
- •Статистическое распределение выборки
- •Эмпирическая функция распределения.
- •Интервальный или статистический ряд. Гистограмма
- •Полигон. Эмпирическая функция распределения
- •Точечные и интервальные оценки параметров распределения
- •Интервальные оценки параметров распределения
- •Доверительный интервал для оценки математического ожидания нормального распределения при известном среднем квадратическом отклонении.
- •Оценки моментов и квантилей распределения
- •Определение статистических гипотез. Классификация статистических гипотез.
- •Критерии проверки гипотез
- •Алгоритм проверки гипотезы о распределении генеральной совокупности по закону Пуассона.
- •Типовые распределения
- •Постановка задачи аппроксимации закона распределения экспериментальных данных. Аппроксимация на основе типовых распределений
- •Аппроксимация на основе типовых распределений
- •Аппроксимация на основе специальных рядов. Аппроксимация на основе универсальных семейств распределений
- •Аппроксимация на основе универсальных семейств распределений
- •Объединение выборок. Объединение однородных выборок.
- •Объединение выборок. Объединение неоднородных выборок
- •Задачи дисперсионного анализа
- •Проверка однородности совокупности дисперсий
- •Методы линейного и нелинейного программирования
- •Примеры задач Максимальное паросочетание
- •Максимальный поток
- •Транспортная задача
- •Игра с нулевой суммой
- •Градиентные методы.
- •Генетические методы
Аппроксимация на основе специальных рядов. Аппроксимация на основе универсальных семейств распределений
Типовые ряды, известные из математического анализа (ряды Тейлора, Фурье), не подходят для описания функций распределений, так как не обладают свойствами, присущими этому виду функций. Для подобного описания предложены специальные функции, например, основанные на полиномах Чебышева – Эрмита. К числу таких функций относится ряд Грама – Шарлье
(5.1)
где Ф(u) – функция нормального распределения центрированной и нормированной случайной величины u=(х – 1)/ 20,5, Ф(k)(u) – k-я производная от функции нормального распределения.
Вычисление Ф(u) не требует численного интегрирования, так как имеются ее приближения на основе полиномов, а производные представимы элементарными функциями:
Ф(3)(u)=(u2 –1)fн(u),
Ф(4)(u)=(– u3 + 3u)fн(u),
Ф(6)(u)=(– u5 +10u3 –15u)fн(u),
fн(u)= (2 ) – 0,5exp(– u2/2).
(5.2)
Ряд Грама – Шарлье целесообразно использовать для описания распределений, близких к нормальному. В других случаях начинают проявляться серьезные недостатки: ряд может вести себя нерегулярно (увеличение количества членов ряда иногда снижает точность аппроксимации); ошибки аппроксимации возрастают с удалением от центра распределения; сумма конечного числа членов ряда при большой асимметрии распределения приводит к отрицательным значениям функций, особенно на краях распределений. Этот ряд применяют только при весьма умеренном коэффициенте асимметрии, не превышающем 0,7. Следовательно, применение рядов тоже не обеспечивает необходимой общности решения задач аппроксимации.
Пример 5.1. Оценить качество аппроксимации ЭД, табл. 2.4, на основе ряда Грама – Шарлье. Проверку согласованности провести с использованием критерия хи-квадрат при уровне значимости = 0,05.
Решение. В примере 2.3 были вычислены значения оценок моментов: 1 =27,508, 2 = 0,913, 3= 0,132, 4 =1,819.
На основе табл. 2.4 построим табл. 5.3.
Таблица 5.3
I |
1 |
2 |
3 |
4 |
5 |
6 |
n i |
5 |
9 |
10 |
9 |
5 |
6 |
Верхняя граница, xi |
26,37 |
26,95 |
27,53 |
28,11 |
28,69 |
|
F (xi) |
0,127 |
0,303 |
0,517 |
0,721 |
0,877 |
1 |
Fi |
0,127 |
0,176 |
0,214 |
0,204 |
0,156 |
0,123 |
Fi |
5,588 |
7,744 |
9,416 |
9,976 |
6,864 |
5,412 |
(ni – Fi)2/Fi |
0,062 |
0,204 |
0,036 |
0,000 |
0,506 |
0,063 |
В таблице значения функции распределения F(xi) для верхней границы интервала и теоретическое значение оценки вероятности Fi попадания случайной величины в i-й интервал вычислены на основе ряда Грама – Шарлье. Обозначения оценки частоты попадания Fi= Fi*n случайной величины в i-й интервал, вероятности Fi попадания случайной величины в интервал xi – xi–1, взвешенного квадрата отклонения (ni – Fi)2/Fi аналогичны табл. 3.2. Сумма взвешенных квадратов отклонения 2 = 0,872 (критическое значение составляет 7,815).
Выборка имеет слабо выраженную асимметрию. По сравнению с аналогичным значением 2 = 1,318 при аппроксимации ЭД нормальным распределением, ряд Грама – Шарлье дает более "точное" описание данных.