(1 .14)
(1 .15)
где xcpj — абсцисса середины j-го интервала.
В работе [8] показано, что в качестве критической целесообразно выбирать правостороннюю критическую область. Для выделения значений критической границы u можно использовать таблицу x2 (хи-квадрат)-распределения (табл. 11 приложения), входами в которую являются уровень значимости и число степеней свободы k.
Проверка гипотезы методом К. Пирсона производится в следующем порядке.
1. |
Результаты испытаний представляют в виде таблицы |
|
|
|
|
|
|
|
|
|
I = [xj, xj+1] |
x1, x2 |
|
x2, x |
… |
xj, xj+1 |
… |
|
xm-1, xm |
nj |
|
n1 |
|
n2 |
… |
nj |
… |
|
nm |
2. |
Находят оценки |
параметров |
теоретического |
закона |
распределения по результатам испытаний (формулы (1 .14), (1 .15)).
. Определяют вероятности Pj попадания случайной величины X в соответствии с теоретическим законом распределения в j-й интервал.
4.Рассчитывают значение показателя согласованности u по формуле (1 .12).
5.По формуле (1 .1 ) определяют число степеней свободы k для входа в таблицу x2-распределения.
6.Назначают уровень значимости и по таблицам x2-рас-
пределения находят значение критической границы u . Входами в таблицу служат уровень значимости и число степеней свободы k.
451
7. Проверяется условие u < u . Если оно выполняется, то расхождение между экспериментальным (статистическим) и теоретическим законами распределения несущественно (гипотеза H0 принимается). В противном случае гипотеза H0 бракуется.
Достоинством метода К. Пирсона является то, что его можно применять и в том случае, когда известен только вид теоретического распределения, но не известны параметры распределения.
В этом случае параметры распределения заменяются их оценками, полученными по результатам испытаний, а число степеней свободы x2-распределения ПС уменьшается на число заменяемых параметров.
К недостаткам метода К. Пирсона относят следующее:
метод применим при большом объеме выборки (n $ 100), так как распределение ПС описывается x2-распределением только при достаточно большом n;
достоверность выводов существенно зависит от способа разбиения выборки на интервалы. Число интервалов должно быть не менее 10, а количество попаданий исследуемой переменной X в любой из интервалов — не менее 5. Если это условие не выполняется, то интервалы объединяют.
Пример 13.1. Радиоактивное вещество наблюдалось в 1 00 испытаниях, при каждом из которых регистрировалось число частиц, попавших в счетчик за один и тот же промежуток времени.
Результаты испытаний представлены в табл.1 . .
Таблица 13.3
j |
0 |
1 |
2 |
|
4 |
5 |
6 |
7 |
8 |
9 |
10 |
nj |
1 |
102 |
191 |
258 |
266 |
205 |
1 6 |
68 |
22 |
1 |
8 |
Установить закон распределения числа частиц, выделяющихся при радиоактивном распаде за данный промежуток времени.
Решение
Исходя из сущности рассматриваемого явления, предполагаем, что распределение числа частиц подчиняется закону Пуассона, и проверяем выдвинутую гипотезу с помощью соответствующего ПС.
1. По формуле (1 .14) при xcpj = j находим значение параметра распределения Пуассона, соответствующее полученным результатам:
* = , 85.
2. По формуле (1 .1 ) определяем число степеней свободы ПС k, приняв m = 11 и s = 1
k = 11 2 1 2 1 = 9.
. Принимаем уровень значимости ПС = 0,10 вероятностей x2-распределения, и по табл. 1 приложения находим соответствующее критическое значение u = 14,7.
4. Рассчитываем по формуле (1 .12) значение ПС u*, соответствующее результатам испытаний. При этом случайные величины Nj заменяем числами nj, а вероятности Pj( *) определяем с помощью таблицы вероятностей (см. приложение табл. 6) распределения Пуассона при m = * и k = j = 0, 1, 2, …, 10 (см.
табл. 1 .4).
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 13.4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j |
n |
j |
P |
(a*) |
nP |
(a*) |
n |
j |
2 nP |
(a*) |
[n |
j |
2 nP |
j |
(a*)]2 |
|
|
|
j |
|
j |
|
|
j |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
1 |
0,02 |
29,9 |
|
|
1,1 |
|
|
|
1,2 |
|
0,0 |
1 |
102 |
0,084 |
109,2 |
|
|
-7,2 |
|
|
|
51,8 |
|
0,5 |
2 |
191 |
0,158 |
205,4 |
|
|
-14,4 |
|
|
207,4 |
1,0 |
|
258 |
0,200 |
260,0 |
|
|
-2,0 |
|
|
|
4,0 |
|
0,0 |
4 |
266 |
0,19 |
250,9 |
|
|
15,1 |
|
|
|
228,0 |
0,9 |
5 |
205 |
0,148 |
192,4 |
|
|
12,6 |
|
|
|
158,8 |
0,8 |
6 |
1 6 |
0,096 |
124,8 |
|
|
11,2 |
|
|
|
125,4 |
1,0 |
7 |
68 |
0,054 |
70,2 |
|
|
-2,2 |
|
|
|
4,8 |
|
0,1 |
8 |
22 |
0,027 |
5,1 |
|
|
-1 ,1 |
|
|
171,6 |
4,9 |
Окончание табл. 13.4
j |
n |
j |
P |
(a*) |
nP |
(a*) |
n |
2 nP |
(a*) |
[n |
2 nP |
(a*)]2 |
|
|
|
j |
|
j |
|
j |
j |
|
j |
j |
|
|
|
|
|
|
|
|
|
|
|
|
|
9 |
1 |
0,012 |
15,6 |
|
-2,6 |
|
|
6,8 |
|
0,4 |
10 |
8 |
0,005 |
6,5 |
|
1,5 |
|
|
2,2 |
|
0, |
S |
1 00 |
1,0 |
— |
|
— |
|
|
— |
|
u = 9,9 |
5. Сопоставляя значения u = 9,9 и u = 14,7, приходим к выводу о том, что результаты испытаний не противоречат выдвинутой нами гипотезе о виде закона распределения.
13.3.Методыпроверкигипотезопараметрахзаконов распределения
13.3.1.Проверкагипотезоравенствематематическихожиданий
Предположим, что имеются две нормально распределенные случайные переменные X и Y, математические ожидания которых неизвестны. Над этими переменными производят соответственно n1 и n2 наблюдений, т. е. получают случайные вы-
борки , . По этим выборкам находят оценки математических ожиданий
(1 .16)
Требуется по полученным оценкам проверить гипотезу о равенстве математических ожиданий mx и my.
Такая задача ставится потому, что, как правило, оценки математических ожиданий оказываются различными. Это обусловлено тем, что отличны и оценки и математические ожидания, либо математические ожидания одинаковы, а различие оценок вызвано случайными причинами.
Если окажется, что нулевая гипотеза справедлива, т. е. mx и my одинаковы, то различие в оценках и будет за счет
действия случайных причин. В противном случае это различие обусловлено отличием математических ожиданий.
При проверке гипотез о равенстве математических ожиданий следует различать два случая: в первом — точность результатов измерений известна (известны стандартные отклонения sx и sy), во втором — точность неизвестна.
точностьрезультатовизмеренийизвестна
При проверке нулевой гипотезы в этом случае в качестве показателя согласованности принимают случайную величину
(1 .17)
Показатель согласованности (1 .17) распределен по нормальному закону с математическим ожиданием, равным нулю, при условии, что справедлива нулевая гипотеза и дисперсия равна единице, т. е. u [ N(0,1).
Критическая область строится в зависимости от вида альтернативной гипотезы, которая может быть сформулирована тремя способами:
H1: mx my; H1: mx > my; H1: mx < my.
Рассмотрим методику проверки гипотезы H0 для первого способа, как наиболее часто встречающегося при решении практических задач
H0: mx = my; H1: mx my.
В этом случае строят двустороннюю критическую область так, чтобы вероятность попадания в нее значений ПС при предположении о справедливости H0 была равна принятому уровню значимости /2 (рис. 1 .5).
Наибольшая мощность критерия обеспечивается в том случае, когда левая и правая границы критической области выбраны так, что вероятность попадания ПС в каждый из двух интервалов критической области равна /2, т. е.
f(u)
Рис. 13.5
Вероятность попадания ПС в критическую область можно определить с использованием табличной функции Лапласа
P(|u| <ua) = 1 2 T(ua) = a |
(13.18) |
или табличной функции нормального закона распределения
P(|u| <ua) = 1 2 FT(ua) = 1 2 a/2.
Откуда находим
(13.19)
или
Из таблицы функции Лапласа или функции нормального закона распределения по аргументу (1 2 a) или (1 2 a/2) выбираем значение ua.
Таким образом, проверка гипотезы о равенстве математических ожиданий для рассматриваемого случая производится
вследующем порядке:
1.В соответствии с формулами (13.16) по результатам ис-
пытаний находят оценки математических ожиданий , .
априорная информация о том, что математическое ожидание случайной переменной X больше или меньше математического ожидания случайной переменной Y. Сущность проверки нулевой гипотезы аналогична вышеописанной, но в этих случаях строят правостороннюю и левостороннюю критические области соответственно.
Определение границы u покажем на примере определения границы правосторонней критической области
Перепишем выражение (1 .5) в виде
Поскольку FT(`) = 1 и mu = 0, su = 1, то
Следовательно, FT(u ) = 1 2 2
и
Граница критической области u определяется по таблице функции Лапласа, входом в которую является величина (1 22 ).
Аналогично определяется граница левосторонней критической области.
Описанный метод проверки гипотез можно применять, если случайные переменные X и Y распределены по нормальному закону и характеристики точности результатов измерений известны. При нарушении одного из этих предположений метод не применим.
Однако если объем выборок большой (n $ 0), то распределение оценок математических ожиданий и приближенно можно считать нормальным. Следовательно, и показатель согласованности, в качестве которого принимают случайную величину
будет иметь нормальное распределение. Проверку гипотезы можно проводить по описанной выше методике, но к полученным выводам следует относиться с осторожностью.
точностьрезультатовизмеренийнеизвестна
Решать задачу проверки гипотезы, в случае если число измерений будет менее 0 (n < 0), описанным выше методом нельзя, так как распределение ПС
будет отлично от нормального.
Задачу проверки гипотезы о равенстве математических ожиданий можно решить лишь при наличии дополнительной информации о соотношении дисперсий
В частном случае дисперсии случайных величин X и Y и могут быть равны ( = 1).
Если соотношение дисперсий известно, то в качестве ПС принимают случайную величину
(1 .21)
Данный показатель согласованности имеет распределение Стьюдента с числом степеней свободы
Аналогично, как и при проверке гипотезы о равенстве математических ожиданий при известной точности результатов измерений, критическая область строится в зависимости от вида альтернативной гипотезы. Например,
при H0: mx = my, H1: mx my
строят двустороннюю критическую область. Поскольку кривая плотности распределения Стьюдента симметрична относительно нуля, то критическая область является симметричной. Границы критической области ±u могут быть определены либо с помощью таблицы распределения Стьюдента (табл. 8 приложения), в которой представлены значения вероятности
где f (u) — плотность распределения Стьюдента,
либо с помощью таблицы функции распределения Стьюдента (табл. 12 приложения).
Порядок проверки гипотезы такой же, как и при проверке гипотезы в случае, если точность результатов измерений известна.
13.3.2.Проверкагипотезоравенстведисперсий
Задачи проверки гипотез о равенстве дисперсий приходится решать при сравнении точности приборов, методов измерений, погрешности показаний измерительных устройств и т. д.
Подобные задачи формулируются следующим образом. Предположим, имеются две нормально распределенные случайные величины X и Y, математические ожидания и дисперсии которых неизвестны.
При наблюдении за этими переменными получены случайные выборки (X1, X2, …, Xn,) и (Y1, Y2, …, Yn) соответственно.
При обработке результатов наблюдений найдены оценки дисперсий