- •1.1. Основные теоретические сведения.
- •1.2. Непосредственный подсчет вероятностей (классическое определение вероятности, математическая вероятность).
- •1.3. Теоретико-множественный подход к определению вероятности события (геометрическая вероятность, аксиоматический подход).
- •1.4. Частота или статистическая вероятность события
- •Свойства частот.
- •1.5. Задачи для самостоятельного решения
- •Метод гиперплоскостей для построения выпуклой области.
- •Блоки 3, 4
- •2.3. Пример расчета попадания точки в заданную область.
- •2.4. Порядок выполнения лабораторной работы.
- •3.1. Ряд распределения случайной величины X
- •3.2. Многоугольник распределения случайной величины X
- •3.3. Функция распределения случайной величины X
- •3.4. Математическое ожидание случайной величины X
- •3.4. Моменты случайной величины X
- •3.5. Системы случайных величин
- •3.5.1. Матрица распределения
- •3.5.2. Функция распределения
- •3.5.3. Моменты системы случайных величин
- •3.6. Задачи для самостоятельного решения.
- •4.1. Биномиальное распределение
- •4.2. Геометрическое распределение
- •4.3. Гипергеометрическое распределение
- •4.4. Распределение Пуассона
- •Распределение Пуассона . Таблица 4.3.
- •4.4. Задачи для практических занятий и самостоятельной работы
- •5.1. Равномерное распределение
- •5.2. Показательное (экспоненциальное) распределение
- •5. 3 . Нормальное распределение (закон Гаусса)
- •Функция распределения
- •Значения плотности стандартного нормального распределения . Таблица 5.2.
- •Значения функции Лапласа . Таблица 5.3
- •5.4. Распределение Эрланга
- •5.5. Распределение (распределение хи-квадрат, закон Пирсона)
- •5.8. Задачи для практических занятий и самостоятельной работы
- •Представление многомерных данных. Таблица 6.1
- •6.2.5. Обращение мм
- •6.2. Задания для самостоятельной работы.
- •7.1. Основные сведения.
- •7.2. Критерий согласия законов распределения а.Н. Колмогорова
- •7.3. Оперативно-статистический контроль качества продукции (одномерный случай).
- •7.4. Задания для самостоятельной работы
- •8.1. Многомерное нормальное распределение
- •8.1.1. Основные сведения из теории
- •8.5.2. Задачи для практических занятий и самостоятельной работы
- •Нормально распределенные случайные числа
- •8.3. Методические рекомендации к теоретическому разделу 1.
- •8.4. Задачи для практических занятий и самостоятельной работы
- •9.1. Метод выделения результата аи
- •9.2. Определение достоверности уравнения множественной линейной регрессии по критерию Фишера, коэффициенту множественной корреляции.
- •10.4. Задания для самостоятельной работы.
- •Тема №11. Экстраполяционный метод прогнозирования (одномерный случай). Прогнозирование состояния.
- •11.1. Метод аппроксимации
- •11.2. Мнемоническое правило вывода решения
- •12.1. Задача о разбиении множества элементов.
- •12. 2. Графовое представление связей между объектами
- •12.3. Построение кратчайшего остовного дерева. Алгоритм Прима в табличной форме.
- •12.4. Задачи для самостоятельной работы
- •Тема №13. Основные характеристики случайных функций.
- •13.1. Основные сведения из теории
- •13.1.1. Закон распределения случайной функции
- •13.1.2. Математическое ожидание, дисперсия и корреляционная функция случайной функции
- •13.1.3. Взаимная корреляционная функция
- •13.2. Стационарные случайные процессы
- •13.2.1. Основные сведения из теории
- •13.2.2. Стационарная случайная функция с дискретным спектром частот
- •13.2.3. Эргодические случайные процессы
- •13.2.4. Определение корреляционной функции из экспериментальных данных
- •13.3. Задачи для практических занятий и самостоятельной работы
- •Тема №14. Анализ временных рядов и прогнозирование
- •14.1. Введение в теорию
- •14.2. Тренд
- •14.2.1. Распознавание типа тренда
- •14.2.2. Оценка параметров тренда
- •14.3. Сезонные колебания
- •14.4. Прогнозирование
- •14.5. Задания для самостоятельной работы.
- •Литература (основная)
- •Дополнительная:
- •Содержание
7.3. Оперативно-статистический контроль качества продукции (одномерный случай).
Открыть программу «Оперативно-статистический контроль», в которой проверяется девять гипотез, описанных в пп. 7.1.1 - 7.1.9.
Опишем работу первого варианта. Пусть математическое ожидание проверяемого параметра в партии изделий равно 10, а дисперсия равна 1. Эти значения вводятся при соответствующем запросе в программе. Необходимо просмотреть значения параметров с номерами от 0 до 499 (т.е. генеральная совокупность составляет 500 объектов). Выбираем любые номера объекта и получаем значение математического ожидания. Например:
Номер объекта |
6 |
47 |
89 |
112 |
54 |
456 |
159 |
92 |
482 |
74 |
Значение mx |
10,839 |
9,592 |
7,740 |
9,017 |
10,166 |
13,486 |
9,871 |
10,318 |
9,414 |
9,858 |
Записать таблицу в тетрадь. Затем на экране появится следующая таблица:
Интервал |
F’(U) |
F(U)среднее |
|F’(U) – F(U)| |
-2,293; -1,737 |
0,025 |
0,030 |
|
-1,737; -1,181 |
0,126 |
0,098 |
|
-1,181; -0,625 |
0,223 |
0,225 |
|
-0,625; -0,069 |
0,295 |
0,364 |
|
-0,069; 0,487 |
0,435 |
0,419 |
|
0,487; 1,043 |
0,413 |
0,343 |
|
1,043; 1,599 |
0,190 |
0,200 |
|
1,599; 2,155 |
0,065 |
0,082 |
|
2,155; 2,711 |
0,025 |
0,024 |
|
Где
Заполнить таблицу в тетради. Построить гистограммы теоретического и практического распределений.
Открыть приложение MS Excel.
В диапазоне (A1:I9) записать вспомогательную матрицу А(9х9).
В десятой строке записана длина интервала (вычислить самостоятельно).
В массиве (А12:А21) записаныэкспериментальные значения параметра А, взятые из таблицы. В диапазоне (В12:В21), отражающем вероятность (видно, что сумма значений близка к 1), применена формула Ai*0,556. В диапазоне (С12:С21) записана формула умножения матрицы А на столбец В.
В столбцах E, F и G,
отражающих теоретические данные,
проделаны те же операции, что и для
экспериментальных. В столбце Н
просчитана абсолютная разность между
и
Ft и найдено ее
максимальное значение (ячейка Н21).
Рис. 7.4. Проверка статистической
гипотезы о математическом ожидании
контролируемого параметра.
В ячейке Н23 (формула Н21*0,556) находится то экспериментальное значение, на основании которого можно сделать вывод о принятии или не принятии нулевой гипотезы. Критическое значение статистики найдем из таблицы Колмогорова. В нашем случае при ошибке 0,05 оно равно 0,52, т.е. U<Uкр. Это говорит о пригодности партии готовой продукции.
В том, что экспериментальный закон практически полностью совпадает с теоретическим, можно убедиться, построив в одной системе координат их графики (столбцы C и G).
Рис.7.5. Графики интегральных функций распределения теоретических и экспериментальных данных.
