Министерство образования Российской Федерации
Московский Государственный Университет Печати
Факультет полиграфической технологии
Дисциплина: Математика
Курсовая работа по теме:
“Статистические методы обработки
экспериментальных данных”
Выполнила: студентка Синева Е.Д.
курс 2
группа ДТуп 2-1
форма обучения очная
Номер зачетной книжки ДД 008
Вариант № 21
Допущено к защите
Дата защиты
Результат защиты
Подпись преподавателя
Москва – 2010 год
Вариант №21
Исходные данные.
Интервалы |
1,5; 3,5 |
3,5; 5,5 |
5,5; 7,5 |
7,5; 9,5 |
9,5; 11,5 |
11,5; 13,5 |
13,5; 15,5 |
15,5; 17,5 |
17,5; 19,5 |
19,5; 21,5 |
21,5; 23,5 |
Частоты, |
4 |
7 |
16 |
23 |
25 |
30 |
24 |
21 |
18 |
8 |
4 |
Построение интервального и точечного статистических распределений результатов наблюдений. Построение полигона и гистограммы относительных частот.
- порядковый номер;
- интервал разбиения;
- середина интервала;
- частота;
- относительная частота;
- плотность относительной частоты;
Объем выборки: ;
Длина интервала разбиения (шаг):
| |||||||
1 |
1,5;3,5 |
2,5 |
4 |
0,02 |
0,01 |
| |
2 |
3,5;5,5 |
4,5 |
7 |
0,04 |
0,02 |
| |
3 |
5,5;7,5 |
6,5 |
16 |
0,09 |
0,04 |
| |
4 |
7,5;9,5 |
8,5 |
23 |
0,13 |
0,06 |
| |
5 |
9,5;11,5 |
10,5 |
25 |
0,14 |
0,07 |
| |
6 |
11,5;13,5 |
12,5 |
30 |
0,17 |
0,08 |
| |
7 |
13,5;15,5 |
14,5 |
24 |
0,13 |
0,07 |
| |
8 |
15,5;17,5 |
16,5 |
21 |
0,12 |
0,06 |
| |
9 |
17,5;19,5 |
18,5 |
18 |
0,1 |
0,05 |
| |
10 |
19,5;21,5 |
20,5 |
8 |
0,04 |
0,02 |
| |
11 |
21,5;23,5 |
22,5 |
4 |
0,02 |
0,01 |
| |
|
|
Σ |
180 |
1 |
|
|
n==180,
wi= ;
контроль: =1
Длина интервала
разбиения (шаг):
h= 2
Hi=
Статистическим распределением называется соответствие между результатами наблюдений (измерений) и их частотами и относительными частотами. Интервальное распределение – это наборы троек (Ii ; ni ; wi) для всех номеров i, а точечное – наборы троек (xi ; ni ; wi). Таким образом, в таблице имеются оба – и интервальное, и точечное - статистическое распределения.
Далее, строим полигон и гистограмму относительных частот.
Полигон относительных частот – ломаная, отрезки которой последовательно (в порядке возрастания xi) соединяют точки (xi ; wi). Гистограмма относительных частот – фигура, которая строится следующим образом: на каждом интервале Ii, как на основании, строится прямоугольник, площадь которого равна относительной частоте wi; отсюда следует, что высота этого прямоугольника равна Hi = wi/h – плотности относительной частоты. Полигон и гистограмма являются формами графического изображения статистического распределения.
Нахождение точечных оценок математического ожидания и дисперсии.
В качестве точечных оценок числовых характеристик изучаемой случайной величины используются:
для математического ожидания
= (выборочная средняя),
для дисперсии
s2 = (исправленная выборочная),
где n – объём выборки, ni – частота значения xi .
Таким образом, в статистических расчетах используют приближенные равенства
MX , DX s2 .
Нахождение точечных оценок математического ожидания и дисперсии по данным варианта осуществим с помощью расчетной таблицы.
1 |
2,5 |
4 |
10 |
404,46 |
2 |
4,5 |
7 |
31,5 |
454,24 |
3 |
6,5 |
16 |
104 |
586,72 |
4 |
8,5 |
23 |
195,5 |
378,29 |
5 |
10,5 |
25 |
262,5 |
105,63 |
6 |
12,5 |
30 |
375 |
0,09 |
7 |
14,5 |
24 |
348 |
90,74 |
8 |
16,5 |
21 |
346,5 |
326,73 |
9 |
18,5 |
18 |
333 |
636,06 |
10 |
20,5 |
8 |
164 |
504,91 |
11 |
22,5 |
4 |
90 |
395,57 |
|
Σ |
180 |
2260 |
3883,44 |
12,56
В статистических расчетах используют приближенные неравенства:
Выдвижение гипотезы о распределении случайной величины.
При выдвижении гипотезы (предположения) о законе распределения изучаемой случайной величины мы опираемся лишь на внешний вид статистического распределения. Т.е. будем руководствоваться тем, что профиль графика плотности теоретического распределения должен соответствовать профилю гистограммы: если середины верхних сторон прямоугольников, образующих гистограмму, соединить плавной кривой, то эта линия представляет в первом приближении график плотности распределения вероятностей.
Итак, изобразим график и выпишем формулу плотности нормального (или гауссовского) распределения с параметрами а и , - а + ,
Вариант 21 – нормальное (или гауссовское распределение).
Построение графика теоретической плотности распределения.
Чтобы выписать плотность теоретического (предполагаемого) распределения, нужно определить значения параметров и а и подставить их в соответствующую формулу. Все параметры тесно связаны с числовыми характеристиками случайной величины, т.е.
MX = а ,
DX =
Поскольку значения математического ожидания и дисперсии неизвестны, то их заменяют соответствующими точечными оценками, т.е. используют (уже упомянутые ранее) приближенные равенства MX , DX s2 , что позволяет найти значения параметров распределения.
По исходным данным была выдвинута гипотеза о нормальном распределении изучаемой случайной величины. Найдем параметры этого распределения:
_
x = а, 12,56=а, а=12,56,
s2=21,7= σ2 σ=4,6
Следовательно, плотность предполагаемого распределения задается формулой
F(x)= [1/(7.54*√2π)]*e^[-(x-12.56)^2/2*(4,6)^2)]=0.053*e^(21,7/((x-12,56)^2))
Теперь необходимо вычислить значения f(xi) плотности f (x) при x=xi (в серединах интервалов) Для этого воспользуемся следующей схемой:
| |||
2,5 |
-2,16 |
0,039 |
0,008 |
4,5 |
-1,73 |
0,089 |
0,019 |
6,5 |
-1,3 |
0,171 |
0,037 |
8,5 |
-0,87 |
0,273 |
0,059 |
10,5 |
-0,44 |
0,362 |
0,078 |
12,5 |
-0,01 |
0,399 |
0,086 |
14,5 |
0,42 |
0,366 |
0,079 |
16,5 |
0,85 |
0,279 |
0,06 |
18,5 |
1,28 |
0,177 |
0,038 |
20,5 |
1,71 |
0,093 |
0,02 |
22,5 |
2,14 |
0,041 |
0,009 |
Далее, на одном чертеже строим гистограмму и график теоретической плотности распределения: гистограмма была построена ранее, а для получения графика плотности наносим точки с координатами (xi ; f(xi))и соединяем их плавной кривой.
Проверка гипотезы о распределение с помощью критерия согласия Пирсона.
Ранее была выдвинута гипотеза о законе распределения рассматриваемой случайной величины. Сопоставление статистического распределения (гистограмма) и предполагаемого теоретического (графика плотности) показывает наличие некоторых расхождений между ними. Поэтому возникает естественный вопрос: чем объясняются эти несовпадения? Ответить на него можно двояко:
Указанные расхождения несущественны и вызваны ограниченным количеством наблюдений и случайными факторами – случайностью результата единичного наблюдения, способа группировки данных и т.п. В этом случае выдвинутая гипотеза о распределении считается правдоподобной и принимается как не противоречащая опытным данным.
Указанные расхождения являются существенными (неслучайными) и связаны с тем, что действительное распределение случайной величины отличается от предполагаемого. В этом случае выдвинутая гипотеза о распределении отвергается как плохо согласующаяся данными наблюдений.
Для выбора первого или второго варианта ответа и служат так называемые критерии согласия. Словари толкуют слово критерий (от греч. kriterion – средство для суждения) как признак, на основании которого производится оценка, определение и классификация чего-либо.
Существуют различные критерии согласия: К. Пирсона, А.Н. Колмогорова, Н.В. Смирнова, В.И. Романовского и другие. Мы рассмотрим лишь один из них – критерий Пирсона, называемый также критерием 2 («хи - квадрат»). (К. Пирсон (1857 - 1936) – английский математик, биолог, философ – позитивист.)
Критерий Пирсона выгодно отличается от остальных, во – первых, применимостью к любым (дискретным, непрерывным) распределениям и, во – вторых, простотой вычислительного алгоритма.
Правило проверки статистических гипотез с помощью критерия Пирсона будет объяснено на примерах.