Лабораторные работы / Ганишев (8 вариант) / Лабораторная работа 6
.docxМОСКОВСКИЙ ЭНЕРГЕТИЧЕСКИЙ ИНСТИТУТ (ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ)
Лабораторная работа №6
«Различение двух простых гипотез гипотез»
по дисциплине «Теория вероятности
и математическая статистика».
Выполнил: .
Студент группы А-13-08
Ганишев Василий
Проверил: .
Тигетов Д.Г.
Задание 1.
На вход канала связи подается сигнал S, который может принимать 2 значения:
S = 0(сигнала нет) и S = a != 0(сигнал есть)
В канале действует аддитивная ошибка ε, нормально распределенная со средним значением Mε = 0 и дисперсией Dε = σ2; результатом является x’ = S + ε. Измерения повторяются n раз. Так что на выходе имеются наблюдения (x1,…,xn) = x, по которым нужно решить, есть ли сигнал (Н1: S = a) или нет (Н0: S = 0). Требуется построить решающее правило δ, имеющее вероятность α0 ошибки первого рода (вероятность ложной тревоги). α = P(принять H1|H0) = α0 при минимальном значении вероятности β ошибки второго рода (вероятности пропуска). Считая ошибки независимыми, с учетом того, есть ли сигнал (H1) или его нет (H0) имеем:
р1(х) = , р0(х) = .
В соответствии с (3), решение о наличии сигнала нужно принять (принять Н1), если х попадает в Г1, где
Г1===.
Итак, если
,
то принимается Н1; в противном случае принимается Н0. Порог h2 определяется из (4):
(h2) = P{пр. Н1 / Н0} = = 0.
если верна Н0, то распределена нормально со средним 0 и дисперсией n2, и потому последнее условие принимает вид:
(h2)= 1 - Ф= 0 ,откуда
h2 = Q(1 - 0),
где Ф(х) - функция нормального N(0, 1) распределения; Q(1 - 0) - квантиль порядка (1 - 0) этого распределения.
Определим вероятность ошибки второго рода для процедуры (5) с порогом (6). Если верна Н1, то распределена нормально со средним na и дисперсией n2, и потому
= P(пр.Н0 /H1)= P { h2 /H1} = Ф = Ф(Q - ).
Положим, а = 0.2, = 1.0 (т.е. ошибка в 5 раз больше сигнала а), n = 500, = 10-2 ; при этом
h2 = 1 2.33 = 52, = Ф(2.33 - 0.2 22.4) = Ф(-2.14) = 1.6 10-2;
как видим, вероятности ошибок невелики: порядка 10-2.
Проиллюстрируем этот пример статистически. Сгенерируем две выборки объема n = 500 в соответствии с гипотезами Н0 и Н1. Для обеих выборок построим гистограммы (в диапазоне от -2.5 до 2.5) и убедимся, что “на глаз” различие не заметно. Определим сумму наблюдений по каждой выборке и применим решающее правило (5) с порогом (6). Убедимся, что в обоих случаях решающее правило дает правильное решение.
Отсутствие сигнала:
Наличие сигнала:
Суммы по выборкам:
В первом случае сумма меньше порога, отсюда следует, что принимается гипотеза об отсутствии сигнала. Во втором случае сумма больше порога, принимается гипотеза о наличии сигнала.
В обоих случаях решающее правило дало правильное решение.
Задача.
Радиоактивные вещества A и B излучают пуассоновские потоки частиц интенсивности λA сек-1 и λB сек-1, λA != λB. В закрытой капсуле находится одно из этих веществ, но неизвестно, какое именно.
-
Определить необходимое время T наблюдения излучения и статистическую процедуру(Неймана – Пирсона) определения вещества в капсуле. Процедура должна иметь заданные вероятности и ошибок первого и второго рода. Смоделировать измерения для двух случаев вещества(A и B), применить к ним процедуру и выяснить, верные ли решения принимаются.
-
Построить последовательную процедуру определения вещества. Определить среднее время наблюдения и функцию мощности, как функцию параметра. Смоделировать процесс наблюдения и принятия решения в двух случаях(по одной реализации). Изобразить его графически.
λA = 0.16
λB = 0.20
= 0.03
= 0.05
Решение.
Построим процедуру различения гипотез при фиксированном объеме выборки:
pA(x) = , рB(x) = .
ГA===
(h2) = P{пр. НA / НB} = = 0
По закону больших чисел:
, зн. (h2) = 1 - = , h2 =
= P{пр. НB / НA } =
, зн. = , h2 =
=
=
=1378
h2= 248,395
В первом случае , следовательно, принимается гипотеза о нахождении в капсуле первого вещества. Во втором случае , следовательно, принимается гипотеза о нахождении в капсуле второго вещества.
Убеждаемся в том, что по построенному правилу принимаются правильные решения.
Построим последовательную процедуру различения гипотез.
Код процедуры последовательного анализа Вальда дан в приложении.
Графики(случай,когда находится первое вещество) даны в приложении
Процедура, моделирующая последовательный критерий даёт ответ на выборке объема 44 , а статической процедуре для этого требуется 248.
Приложение.
RandomAccess;
lambdaa := 0.16;
lambdab := 0.2;
_alpha := 0.03;
_beta := 0.05;
n := 0;
sums := 0;
k:=10;
Function SampleValue(BYREF cumulative, BYVAL length) (построение выборки по закону распределения А, аналогично в другой процедуре по Б)
begin
dim cumulative(length);
probability := Rnd(1);
SampleValue := length;
for i := 1 to length do
begin
if probability < cumulative(i) then
begin
SampleValue := i - 1;
i := length + 1;
end;
end;
end;
epsilon := 0.0001;
Dim cumulative_probability(1);
poisson_probability := exp(-lambdab);
cumulative_probability(1) := poisson_probability;
for i := 1 to 1000 do
begin
ReDim cumulative_probability(i+1);
poisson_probability := poisson_probability*lambdab/i;
cumulative_probability(i+1) := cumulative_probability(i) + poisson_probability;
if 1 - cumulative_probability(i+1) < epsilon then
begin
cumulative_length := i+1;
i := 1000 + 1;
end;
end;
for i:=1 to k do
begin
x := SampleValue(cumulative_probability, cumulative_length);
n := n+1;
data(n,1) := x;
sums := sums + x;
end;
loop:
x := SampleValue(cumulative_probability, cumulative_length);
n := n+1;
data(n,1) := x;
sums := sums + x;
data(n,6) := sums;
right := log(_beta/(1-_alpha)) - n*(lambdab - lambdaa);
right:= right / log(lambdaa/lambdab);
data(n,4) := right;
left := log((1-_beta)/_alpha) - n*(lambdab - lambdaa);
left := (-1) *right / log(lambdaa/lambdab);
data(n,5) := left;
if (sums <= left) then
begin
data(1,2) := 0.16;
goto done;
end;
if (sums >= right) then
begin
data(1,2) := 0.2;
goto done;
end;
goto loop;
done:
data(2,2) := n;
data(1,3) := left;
data(2,3) := right;
data(4,3) := sums;
M := 0.04 + log(0.8)*lambdaa;
data(6,3) := M;
data(7,3) := ( log(_beta/(1-_alpha))*(1- _alpha) + log((1-_beta)/_alpha) *_alpha) / M;
M := 0.04 + log(0.8)*lambdab;
data(8,3) := M;
data(9,3) :=( log(_beta/(1-_alpha))*_beta + log((1-_beta)/_alpha) *(1- _beta)) / M;