Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Методическое пособие 590

.pdf
Скачиваний:
5
Добавлен:
30.04.2022
Размер:
2.62 Mб
Скачать

где pi*

mi

– частота i-го события, которое проявилось m раз. Предлагается

 

 

n

i

 

 

гипотеза, согласно которой можно построить теоретический ряд распределения

 

x1

x

2

 

x

 

x

n

X : =

 

 

 

i

 

 

 

p1

p2

 

pi

 

pn

 

 

 

 

 

 

 

 

 

где pi – теоретическая величина вероятности появления возможного значения

xi .

Для проверки правдоподобия гипотезы необходимо определить величину расхождения между pi* и pi . В качестве меры расхождения берётся сумма квадратов разности pi* pi и тогда можно записать

r

pi* pi

2

 

R ci

(2.1)

i 1

где ci n – коэффициент, введённый Пирсоном для исключения зависимости pi

величины расхождения от закона распределения случайной величины X и

числа опытов ni . Расхождение R Пирсон обозначил 2 и формула (2.1) примет вид

 

r

 

 

 

 

2

 

n

pi* pi

2 .

(2.2)

 

 

i 1 pi

 

 

 

 

Принимая во внимание статистическую вероятность

p*

mi

, формула

 

 

 

 

 

 

i n

(2.2) получит окончательное выражение для определения экспериментального значения критерия Пирсона

 

r

m

p

n 2

 

2

 

i

i

 

.

(2.3)

 

pin

 

 

i 1

 

 

 

 

Для определения теоретического значения критерия Пирсона воспользуемся табл. 2.1, в которой представлены значения 2 в зависимости от

30

числа степеней свободы k и уровня значимости . Число степеней свободы

определяется соотношением

 

k r s,

 

 

 

 

 

 

 

 

 

 

(2.4)

где s

 

 

 

 

 

 

 

 

 

 

 

r

– количество независимых условий,

таких как

pi* 1 сумма частот

 

 

 

 

 

 

 

 

 

 

 

 

i 1

равна

r

p*

m*

m

 

 

статистическое

среднее равнялось

единице;

x

 

 

i 1

i i

x

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

теоретическому среднему;

r

 

m*

2

p* D* D

 

статистическая дисперсия

 

i

x

 

 

 

i 1

x

 

i

x

 

 

 

 

 

 

 

 

 

 

 

 

 

 

равнялась теоретической дисперсии.

 

 

 

 

 

 

 

 

Проверка правдоподобия

 

гипотезы о

принадлежности статистических

данных к теоретическому виду вероятностного закона проверяется по следующему условию:

 

Если

2* T2 ,k , то гипотеза о принадлежности опытных данных к

рассматриваемому теоретическому вероятностному закону не отвергается.

 

Если

2* T2

,k – гипотеза

о принадлежности опытных данных к

рассматриваемому теоретическому вероятностному закону отвергается.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Таблица 2.1

 

Табличные значения распределения T2

,k в зависимости от уровня

 

 

 

 

 

значимости и числа степеней свободы k

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

k

 

Уровень значимости

 

 

k

 

 

Уровень значимости

 

 

0,01

 

0,05

 

0,10

 

0,20

 

 

0,01

 

0,05

0,10

 

0,20

 

1

6,3

 

3,8

 

2,7

 

1,6

 

16

 

32,0

 

26,2

23,5

 

20,4

 

2

9,2

 

5,9

 

4,0

 

3,2

 

17

 

33,4

 

27,5

24,7

 

21,6

 

3

11,3

 

7,8

 

6,2

 

4,6

 

18

 

34,8

 

28,8

25,9

 

22,7

 

4

13,2

 

9,4

 

7,7

 

5,9

 

19

 

36,1

 

30,1

27,2

 

23,9

 

5

15,0

 

11,0

 

9,2

 

7,2

 

20

 

37,5

 

31,4

28,4

 

25,0

 

6

16,8

 

12,5

 

10,6

 

8,5

 

21

 

38,9

 

32,6

29,6

 

26,1

 

7

18,4

 

14,0

 

12,0

 

9,8

 

22

 

40,2

 

33,9

30,8

 

27,3

 

8

20,0

 

15,5

 

13,3

 

11,0

 

23

 

41,6

 

35,1

32,0

 

28,4

 

9

21,6

 

16,9

 

14,6

 

12,2

 

24

 

42,9

 

36,4

33,1

 

29,5

 

10

23,2

 

18,3

 

15,9

 

13,4

 

25

 

44,3

 

37,6

34,3

 

30,6

 

11

24,7

 

19,6

 

17,2

 

14,6

 

26

 

45,6

 

38,8

35,5

 

31,7

 

12

26,2

 

21,0

 

18,5

 

15,8

 

27

 

46,9

 

40,1

36,7

 

32,9

 

 

 

 

 

 

 

 

 

 

31

 

 

 

 

 

 

 

 

Окончание табл. 2.1

k

 

Уровень значимости

 

k

 

Уровень значимости

 

0,01

 

0,05

0,10

 

0,20

0,01

 

0,05

0,10

 

0,20

13

27,6

 

22,3

19,8

 

16,9

28

48,2

 

41,3

37,9

 

34,0

14

29,1

 

23,6

21,0

 

18,1

29

49,5

 

42,5

39,8

 

35,1

15

30,5

 

24,9

22,3

 

19,3

30

50,8

 

43,7

40,2

 

36,2

Пример выбора и определения соответствия выбранной функции

плотности распределения статистическим данным

Задание. Определить по виду полигона относительных частот функцию плотности распределения наиболее соответствующую данной статистике. Проверить с помощью критерия Пирсона соответствие выбранной функции распределения статистическим данным. Полигон относительных частот определить из практического задания № 1.

Решение

Заполним табл. 2.2 следующим образом. Значения для колонок 2, 3, 4 берутся из табл. 1.3. Колонка 5 заполняется на основании формулы

p*

mi

.

 

 

 

 

 

 

 

 

(2.5)

 

 

 

 

 

 

 

 

 

 

 

i

n

 

 

 

 

 

 

 

Таблица 2.2

 

 

 

 

 

 

 

 

 

 

 

Исходные данные для проверки правдоподобия выбранной гипотезы

№ интервала

 

i

mi

ui

pi*

fi*

pi*ui

pi*ui2

pi

f ui

 

1

 

 

 

2

3

4

5

6

7

8

9

10

 

1

 

 

 

50

6

-3

0,06

0,06

-0,18

0,54

0,074

0,074

 

2

 

 

 

150

26

-2

0,26

0,26

-0,52

1,04

0,176

0,176

 

3

 

 

 

250

25

-1

0,25

0,25

-0,25

0,25

0,265

0,265

 

4

 

 

 

350

22

0

0,22

0,22

0

0

0,254

0,254

 

5

 

 

 

450

11

1

0,11

0,11

0,11

0,11

0,154

0,154

 

6

 

 

 

550

7

2

0,07

0,07

0,14

0,28

0,059

0,059

 

7

 

 

 

650

2

3

0,02

0,02

0,06

0,18

0,014

0,014

 

8

 

 

 

750

1

4

0,01

0,01

0,04

0,16

0,002

0,002

 

 

 

 

 

 

 

 

 

 

-0,6

2,56

 

 

 

32

Колонка 6 заполняется с помощью формулы

 

f

* p*h*,

(2.6)

i

i

 

где h* 1 – шаг для безразмерной варианты ui .

Колонки 7 и 8 заполняются согласно формулам этой таблицы.

Колонки 9 и 10 являются теоретическими данными, определёнными

выбранной гипотезой. В данном случае в качестве гипотезы принимается нормальный закон распределения

fi

 

 

1

 

 

u

i

m

x

2

 

 

 

 

 

 

exp

 

 

 

,

(2.7)

 

 

 

 

 

 

2 2

 

 

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

где mx и – параметры нормального закона распределения случайной величины. Однако особенностью этого закона является то факт, что mx

представляет собой математическое ожидание для данного закона и статистическое математическое ожидание стремиться к теоретическому

r

 

ui pi* mx* mx ,

(2.8)

i1

астатистическое среднеквадратическое отклонение стремится к математическому среднеквадратическому отклонению

r

 

m* 2

 

 

 

 

 

p*

D* .

(2.9)

u

i

i 1

x

i

x

 

 

 

 

 

 

 

Для рассматриваемой статистики имеем параметры

 

mx 0.6; 1.483.

(2.10)

С учетом параметров (2.10) формула (2.7) примет вид

 

 

 

1

 

 

 

u

i

0.6 2

 

f ui

 

 

 

 

 

exp

 

 

.

 

 

 

 

 

 

2

 

 

 

 

 

 

1.483 2

 

 

 

21.483

 

p

 

f ui

.

 

 

 

 

 

 

 

 

 

 

 

 

 

i

 

 

h*

 

 

 

 

 

 

(2.11)

(2.12)

Используя значения колонок 4, 6 табл. 2.2 и формулу (2.11), построим полигон относительных частот дискретного интервального вариационного ряда

33

и функцию плотности нормального закона распределения случайной величины

(рис. 2.1).

Рис. 2.1. Полигон относительных частот дискретного интервального вариационного ряда и функция плотности нормального закона распределения случайной величины

Осталось проверить правдоподобие выбранной гипотезы. В формулу (2.3)

подставим значения из колонок 3 и 9 табл. 2.2 для вычисления критерия 2

Пирсона.

 

r

m

p n 2

 

 

 

 

 

 

 

2*

i

i

 

 

 

 

 

 

 

 

 

i 1

 

pin

 

 

 

 

 

 

 

 

2*=

6 0.074 100 2

 

 

22 0.254 100 2

 

 

1 0.002

100 2

9.11.

0.074 100

0.254 100

0.002

100

 

 

 

 

 

 

Для определения теоретического значения T2 воспользуемся табл. 2.1. В

нашем случае при уровне значимости 0.05 и числе степеней свободы k r s 8 3 5 критерий Пирсона будет T2 11.

34

Следовательно, выполняется условие 2* 9.11 T2 11 , и гипотеза о

принадлежности опытных данных к рассматриваемому теоретическому вероятностному закону не отвергается.

Оформление отчета

Отчет составляется по установленной форме и должен содержать следующие пункты:

цель работы;

краткую теоретическую часть с расчётными формулами;

условие задания;

решение с пояснениями и формулами, написанными в буквенном и численном виде;

вывод.

35

Практическая работа № 3

ОПРЕДЕЛЕНИЕ КАЧЕСТВА ПАРТИИ ИЗДЕЛИЙ ПО МЕТОДУ

ОДНОКРАТНОЙ ВЫБОРКИ

Цель работы – изучить методику определения качества большого количества однотипных изделий, составляющих партию. Приобрести навыки организации процесса выборки и вычисления вероятностей при разлучных её объёмах.

Краткие теоретические положения

Вопрос качества партии изделий всегда требует проверки. Но не всегда есть возможность проверить в партии каждое изделие. Эта невозможность связана либо, с большим объёмом партии, либо, с большой стоимостью метрологических контрольно-измерительных операций, либо, измерительные операции требуют разрушения изделия, и в этом случае невозможно провести стопроцентный контроль.

При проверке качества партии изделий предполагается принятие гипотезы о том, что качество партии изделий не ниже установленного уровня. При этом конечным результатом проверки является принятие одного из двух решений: принять партию изделий, считая качество изделий удовлетворительным, или забраковать проверяемую партию изделий как некачественную. При этом возможны два вида ошибок:

– ошибка I-го рода определяет вероятность того, что хорошая партия бракуется, поставщик в этом случае рискует не реализовать партию изделий;

– ошибка II-го рода определяет вероятность того, что плохая партия принимается, рискует в этом случае заказчик приобрести не качественную партию изделий.

36

Одним из методов проверки качества является метод однократной выборки, достоинство которого заключается в том, что он легко планируется и

осуществляется.

Метод однократной выборки заключается в том, что из контролируемой

партии объема N изделий берется одна

случайная выборка объема n

экземпляров. Определяются числа D0 и D1 – минимальное и максимальное

количество некачественных изделий во всей партии. При этом

 

D0 D1.

 

(3.1)

Если число дефектных изделий D D0

в партии объемом N ,

то партия

считается высоконадежной. Если число дефектных изделий D D1

в партии

объемом N ,

то партия считается дефектной.

Если число дефектных изделий

D0 D D1

в партии объемом N , то партия считается неплохой и ее можно

принять исходя из следующих данных:

N – количество изделий в контролируемой партии; n – количество изделий в выборке;

d – количество бракованных изделий в выборке;

D0 – минимально допустимое число дефектных изделий в контролируемой партии;

D1 – максимально допустимое число дефектных изделий в контролируемой партии;

– риск поставщика;

– риск заказчика.

Определяются для оценки качества изделий в контролируемой партии нормативные значения:

A0 – приемочное число;

A1 – браковочное число.

Нормативные значения A0 и A1 могут быть определены из следующих соотношений:

37

 

 

 

A0

Cd

Cn d

 

 

 

 

 

 

 

 

/ 1

D0

N D0

mz ;

 

 

 

(3.2)

 

 

n

 

 

 

 

 

 

d 0

 

CN

 

 

 

 

 

 

 

 

 

A1 1Cd Cn d

 

 

 

 

 

 

 

 

/

D1

N D1

,

 

 

 

 

 

 

(3.3)

 

 

n

 

 

 

 

 

 

 

 

d 0

CN

 

 

 

 

 

 

 

 

 

где

 

– риск поставщика, близкий к заданному

;

 

 

– риск поставщика,

близкий к заданному ;

 

n

N!

 

 

CN

 

.

 

 

n! N n !

 

 

В

общем

случае

 

/

и / из-за дискретности значений,

получаемых по формулам (3.2) и (3.3), в которых определяется вероятность

появления дискретной случайной величины, распределенной по

гипергеометрическому закону. Поэтому должны выполняться следующие условия:

1.2

(3.4)

.

1.2

 

Практическое использование формул (3.2) и (3.3) ограничено значениями выборки и N 100. При N 100 вычисление сочетаний в формулах (3.2) и (3.3)

весьма затруднительно. Для приближенного вычисления n! в случае очень

n n

больших чисел n можно воспользоваться формулой Стирлинга n! 2 n.

e

При 100 N 500,

q

 

 

D0

 

0.1

и q

D1

0.1 вместо формул (3.2) и

 

 

 

 

 

 

 

N

 

 

 

 

 

 

 

 

 

 

 

 

0

 

N

1

 

(3.3) удобнее воспользоваться несколько упрощенными формулами:

 

/

 

A0

d

 

 

n d

 

 

 

 

n D0 d

 

 

 

 

1 CD

 

 

 

 

 

1

 

 

 

 

 

;

 

(3.5)

 

 

 

 

 

 

 

 

 

 

 

 

d 0

0

 

 

N

 

 

 

 

N

 

 

 

 

/

A1 1

d

 

 

n d

 

 

 

n D1 d

 

 

 

 

 

 

CD

f

 

 

 

 

1

 

 

 

 

 

.

 

(3.6)

 

 

 

 

 

 

 

 

 

 

 

d 0

1

 

N

 

 

N

 

 

 

Когда объем

 

партии

изделий

N 500

и n 0.1 N , целесообразно

использовать биномиальный закон распределения, в соответствии с которым

38

A0

 

 

 

;

(3.7)

/ 1 Cd qd 1 q n d

d 0

n

0

0

 

 

 

 

 

 

 

A1 1

qd

1 q

n d .

 

(3.8)

/ Cd

 

n

1

1

 

 

d 0

 

 

 

 

 

Если выполняются условия

 

n 0.1 N;

q0

0.1;

q1 0.1;,

(3.9)

тогда воспользовавшись распределением Пуассона, получим

 

/

 

 

ad

e

a

 

 

0

 

0 ;

 

 

 

 

 

 

 

d A0 1 d!

 

 

 

 

 

/

 

 

 

ad

 

a

 

 

1

 

1

e

1 ,

 

 

 

 

 

 

d A1 d!

 

 

где a0 q0

n;

a1

q1

n.

Объём партии

 

изделий N

воспользоваться для определения даны в табл. 3.1.

(3.10)

(3.11)

определяет вид формул, которыми нужно

A0 и A1. Рекомендации по выбору формул

Таблица 3.1

 

Рекомендации по выбору формул для определения A0

и A1

 

 

 

 

 

 

 

 

 

 

 

 

Исходные данные

 

 

 

 

–Nобъем изготовленнойпартии

объем–n выборки

q

определяющее изготовленнуюпартию изделий, качественнуюкак

q

определяющее изготовленнуюпартию

как,изделийдефектную

производителяриск–α

риск–β заказчика

Номерарекомендуемых формул

 

 

,значение

 

,значение

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

<100

<N

 

0…1

 

0…1

 

0…1

0…1

(3.2); (3.3)

<500

<N

 

<0.1

 

<0.1

 

0…1

0…1

(3.5); (3.6)

>500

<0.1N

 

0…1

 

0…1

 

0…1

0…1

(3.7); (3.8)

>500

>50

 

<0.1

 

<0.1

 

<0.1

<0.1

(3.10); (3.11)

После определения приемочного A0 и браковочного A1 чисел выполняют процедуру изъятия случайным образом изделий и общей партии и проводят

39