
книги из ГПНТБ / Рыжов, П. А. Математическая статистика в горном деле учеб. пособие
.pdfского отклонения,, которая и гасіітся поправкой Шегіпарда.
При статистической обработке признаков, относящих ся пли к недрам, или к производственным и физическим процессам горного производства, численность вариацион ного ряда выражается обычно десятками или сотнями единиц, следовательно, в поправке Шеппарда нет на добности.
m,
SO |
18 |
|
|
|
|
|
|
70 |
|
|
|
|
|
|
|
50 |
4/ |
|
|
|
|
|
|
|
|
|
|
|
|
||
JO |
|
28 |
|
|
|
|
|
W |
|
10 |
|
|
|
||
|
|
L-ГП о. |
|
|
|||
|
|
|
|
|
|||
|
10 |
20 |
30 |
40 |
50 |
Х,десм |
|
|
|
|
a) |
|
|
|
|
100 |
|
|
|
|
|
|
|
60 |
|
72 |
|
|
|
||
|
|
|
|
|
|||
|
- |
|
|
|
|
|
|
60 |
|
47 |
54 |
|
|
|
|
|
|
UO |
|
|
|
||
40 |
- |
|
|
|
|
||
|
|
|
|
|
|||
20 |
- |
|
|
11 |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
4 |
|
|
|
0 |
1 |
|
|
—1 |
• |
, |
|
W |
20 |
30 |
40 |
50 Х,см/смену |
|||
|
fi)
Рис. 7
Зная центральные моменты третьего и четвертого по рядка, вычисляют асимметрию вариационного ряда и его
— 40 —
эксцесс:
о |
598,8 _ |
598,8 |
||
А |
||||
6,63 ~~ 283,8 |
||||
|
||||
о |
3 - 20687,5 |
|
||
Е |
- 3 = 11,1 — 3 = 8,1. |
|||
О* |
1867,8 |
|
||
Значения |
асимметрии |
и |
эксцесса свидетельствуют |
о том, что исследуемый вариационный ряд с положитель ной (правой) асимметрией и с островершинным в окре стности моды характером.
По данным табл. 11 строят гистограмму распределе ния частот вариационного ряда (рис. 7, а).
Аналогично составляют таблицу распределения час тот по производительности проходчика штреков (вычис ления не приводятся) и строят гистограмму распределе ния (рис. 7, б)-.
§ 6. ТОЧНОСТЬ ЧИСЛОВЫХ ХАРАКТЕРИСТИК "ВАРИАЦИОННОГО РЯДА
При статистическом анализе процессов горного произ водства и физических процессов, наблюдаемых в недрах,
имеют дело с так называемыми выборочными |
данными. |
|
Из обследуемой генеральной |
статистической совокупно |
|
сти объемом N единиц производят случайную |
выборку |
|
численностью в п единиц. |
|
|
Выборка будет случайной |
всегда, если обеспечивает |
ся равновозможность для каждого члена генеральной со вокупности быть выбранным в выборочную совокупность. Например, при изучении прочностных характеристик гор ных пород на образцах размером ѵ см3 мы из генераль ной численности образцов V/v=N, (V—весь объем ис следуемого массива пород) выбираем только п образцов.
При исследовании содержания компонента в залежи берут п проб (каждая весом q кг) из общего возможного числа проб Q/q = N (Q — общий запас залежи).
Числовые характеристики признака вариационного ряда выборки служат в качестве приближенных значе ний соответствующих характеристик генеральной статис тической совокупности.
— 41 -
Вследствие стохастического характера процесса вы борки любая характеристика вариационного ряда по вьь борке будет случайной величиной.
На основании закона больших чисел при достаточно большом объеме выборки (п) характеристики, вычислен ные по выборке, стремятся по вероятности к соответст вующим значениям характеристик генеральной совокуп ности.
Разница в значениях характеристик выборочной и ге неральной совокупности составит ошибки выборки:
Л) — Р = |
8р, |
Д'о — X = |
гх, |
О"о — О = |
Бет- |
Эти ошибки являются случайными величинами, поэто му необходимо в каждом конкретном случае указывать не только размер ошибки, но и надежность или гарантию
того, что этот р_азмер не_будет |
превышен. |
|
Значения X — е х и Х + ех |
называют |
доверительными |
границами для величины X. |
|
|
Величина ех при данной гарантии характеризует точ ность выборки. Чем она меньше, тем точнее определяется X с данной степенью надежности.
Надежность В ошибки выборки е и объем выборки п при известном значении частости /п/п связаны между со
бой выражением |
|
|
|
|
В\ |
е ^ Я « |
he |
) = Ф(/) . |
(1.21) |
w i |
а |
|
1 |
|
Правая часть выражения (1.21) есть функция Ла |
||||
пласа |
|
|
|
|
|
1 + і |
— |
|
|
ф |
( ' ) = - у 2 ^ І |
е~ |
z d t - |
(1-22) |
Функция Ф(і) табулирована, соответствующие табли цы значений этой функции приводятся во всех курсах тео рии вероятностей и математической статистики.
В соответствии с выражением (1.22) определены зна чения надежности В для некоторых значений коэффи циента t (табл. 12).
—42 —
|
|
Т а б л и ц а 12 |
t |
Значонця надежности В, % |
Вероятность Р |
0,68 |
50 |
0,504 |
1,00 |
68 |
0,683 |
1,16 |
75 |
0,754 |
1,50 |
87 |
0,866 |
1,65 |
90 |
0,901 |
2,00 |
95 |
0,955 |
2,50 |
' 99 |
0,988 |
3,00 |
99,7 |
0,997 |
4,00 |
99,994 |
0,99994 |
Средняя ошибка отдельного определения значения признака в выборке характеризуется стандартом призна ка, который определяется при достаточно большом объе ме выборки я по формуле
|
|
1 |
|
|
ог2 = |
2ті(Хі — Х)2. |
(1.23) |
|
|
п — 1 |
J |
Для малых выборок выборочные дисперсии для раз |
|||
личных выборок группируются около величины |
|
||
п— 1 |
1 |
|
„ |
о2 = |
а2 — •— а2 , |
a не около генеральной дисперсии o*t |
пп
Следовательно, при использовании приближенного ра
венства |
о 2 ~ 0 о 2 |
имеет место |
систематическая погреш- |
|
|
|
|
1 |
2 |
ность выборочной дисперсии, |
равная —оо, которая для |
|||
|
|
|
п |
|
малых |
выборок |
приведет к существенному занижению |
величины Go2-
Учитывая, что при достаточно большом п распределе
ние средней выборочной |
(X) подчиняется |
нормальному |
закону, ошибку средней арифметической признака X по |
||
выборке определяем по формуле |
|
|
|
t-Ox |
|
ех |
= ——. |
. (1.24) |
Из этой же формулы определяем необходимый объем выборки п, при котором будет определено значение X с
заданной |
ошибкой ех й с заданной |
надежностью ІЗ: |
|
||||
|
п |
= |
— |
( 1 |
. 2 |
5 |
) |
|
|
|
л: |
|
|
|
|
Пример 1.9. В примере 1.4 (табл. 3) |
по данным |
опре |
|||||
делений прочности породы на сжатие |
на 40 |
образцах |
|||||
(кубиках) |
были вычислены: |
|
|
|
« |
|
|
|
X = 52,8 кГ/см2 |
и |
о2 = |
6,4 |
кГ/см2. |
|
|
Найдем средиеквадратическую ошибку определения прочности на сжатие отдельного (каждого) образца:
а = -fifi = У6Д~« 2,5 кГ/см2.
Ошибка среднего арифметического (Х = 52,8)
t-a |
2-2,5 |
5 |
|
|
ex — -— = —,— = |
« |
± 0,8 кГ см2. |
|
|
V« |
V40 |
6,33 |
' |
|
Следовательно, с надежностью 95%, согласно табл. 12 |
||||
(при 1 = 2), величина Л'= 52,8 кГ/см2 |
определена |
с ошиб |
||
кой (еж) ±0,8 кГ/см2. |
Надежность |
95% означает, что в |
||
среднем из ста случаев только 5 случаев дадут |
ошибку, |
|||
большую чем ±0,8 |
кГ/см2. |
|
|
|
Отсюда доверительные границы таковы: 52,8—0,8 и 52,8 + 0,8 (при 5 = Ф ( 0 =95,5%).
По приведенным данным определим величину надеж
ности В, с которой может быть |
гарантирована предель |
ная погрешность выборки е ж = 1 |
кГ/см2. |
Вычислим t: |
|
^ ^ = 1 У 4 0 = 6 ! 3 3 _ =
а2,5 2,5
Подставляя это значение в функцию Лапласа, полу чаем
В = Ф (/) = Ф (2,53) = 98,9%.
Определим при тех же условиях, каким должен быть объем выборки п, при котором та же предельная ошибка
Е х = \ |
кГ/см2 будет |
гарантирована |
с надежностью В = |
||
= 99,7% и с надежностью 5 = 95,5%. |
|
||||
Из |
равенства Б = Ф ( і ) = 9 9 , 7 |
находим: ^ = 3. |
|||
Из выражения для t |
получаем |
|
|||
|
t = |
, |
откуда |
п = |
—-—, |
|
а |
|
|
|
& X |
—44 —
Подставляя соответствующие величины) находим: при ^ = 3
З2 п' — —-6,4 а ; 58 образцов;
при і = 2
22 п" — —-6,4 « 26 образцов.
Определим при тех же условиях, каким должен быть объем выборки а, при котором предельная ошибка 1.х=0,5 кГ/см2 будет гарантирована с надежностью В = = 90% (* =1,65):
п — |
1,652-6,4 |
|
; |
а ; 69 образцов. |
|
|
0,52 |
|
Пример 1.10. В примере 1.8 были вычислены:
среднее значение скорости проведения откаточных
штреков из 166 |
наблюдении |
(166 |
штреко-месяцев) |
||||||
|
|
|
X = |
139 |
м/мес; |
|
|
|
|
о = ]/а2 = У43 = |
± 6,6 дес. м |
или |
± |
66 м/мес; |
|||||
ошибка |
среднего |
арифметического |
|
|
|
||||
Ix = |
t-a |
2-66 |
132 |
і |
п |
п |
, |
||
—rri.= - = г = |
|
« |
± |
10,2 |
м/мес. |
||||
|
Уп |
уібб |
12,9. |
|
|
|
|
||
Следовательно, с надежностью 95,5% (^=2) величи |
|||||||||
на Х= 139 м/мес |
определена с ошибкой 8*= ± 10,2 м/мес. |
Отсюда при Ф(/) =0,954 доверительные границы таковы: 139—10,2 и 139+10,2.
Определим при тех же условиях, каким должен быть
объем |
наблюдений п, при котором та же |
предельная |
|||
ошибка ( е ж = ± 1 0 |
м/мес) |
будет |
определена |
с надежно |
|
стью в 90% (вероятность 0,90). |
|
|
|||
Из |
равенства |
Ф(і)=0,90 находим: г!=1,65. Тогда |
|||
|
л = — = |
( 1 , 6 5 ) 2 |
6 б2 = |
|
|
|
" |
е2 |
102 |
' ' |
|
X |
|
|
2,7-43,56 |
118 штрѳко-месяцев. |
|
100 |
||
|
Оценка точности функции по измеренным значениям
ееаргументов. Пусть математическая связь между неза-
—45 —
висймьши переменными признаками хи х2, ...( хп и величиной У, от них зависящей, выражается уравнением
Y = f(xl,Xb...,xm). |
(1.26) |
В теории ошибок для оценки точности функции, зна чения аргументов (признаков) которых получены в ре зультате непосредственных измерений (определений), пользуются формулой
|
|
(1.27; |
Для функции вида |
|
|
Y = хгх2-х3... |
хп |
(1.28) |
относительная ошибка по формуле (1.27) будет выра жаться уравнением
Для линейной функции |
вида |
|
|||
Z = |
kLXi ± k2x2 |
+ ... + knxn |
( 1.30) |
||
абсолютную ошибку определяют так: |
|
||||
2 |
2 2 |
, |
2 2 |
, 2 2 |
ftnen, |
6 і = |
Ai E l |
+ |
Ä2 82 + ... + |
||
где k\, k2, kn-—постоянные |
|
числа. |
|
||
Для функции |
|
U = |
kx |
|
|
|
|
|
абсолютную ошибку определяют так:
Ей — k " &Х'
Пример 1.11. По статистическим данным проходки многих штреков на шахтах комбината найдена следую щая статистическая связь между скоростью проведения штреков V, их сечением (вчерне) 5, количеством проход чиков в проходческой бригаде N, мощностью угольного пласта m, глубиной шпуров / и их количеством k и за тратами по заработной плате С на каждый погонный метр штрека:
С = 0,06Ü + 1,755 + 0,2Л? + 2,9/ + 21 + 0,4k + 1,0.
Ошибка в определении величины С выразится так:
4 = 0,062е?, + 1,72ef + 0 , 2 ^ + |
2,9h)+22£?+0,4*4 |
где' &i — ошибки в определении аргументов v, S, N, j , I, k. Пример 1.12. Запас металла в выемочном участке вы
ражается формулой
где Р — запас металла в выемочном участке в г; F — площадь залежи в выемочном участке в м2; Z_—средняя мощность залежи в выемочном участке в м; j —среднее значение объемного веса руды в выемочном участке; С — среднее содержание металла в руде из выемочного уча стка в %• По формуле (1.27) можно определить относительную
ошибку в определении запаса-металла:
где'е, — ошибки в определении значений параметров запаса.
§ 7. ДОВЕРИТЕЛЬНЫЕ ИНТЕРВАЛЫ ДЛЯ МАЛЫХ ВЫБОРОК
Приведенные выше доверительные интервалы для средних, вычисляемых по данным случайной выборки, правомерны, когда численность выборки не менее 30. В этом случае распределение средних, полученных из по следовательных случайных выборок, близко к симмет ричному независимо от характера (симметричного или асимметричного) распределения 'Признака в генеральной совокупности, из которой произведены последовательные случайные выборки.
При малом объеме выборки (менее 30 наблюдений) распределение выборочных средних будет отличаться от симметричного и тем больше, чем меньше численность выборки (табл. 13) *.
* М. Э з е к и э л и К. А. |
Ф о к с . Методы анализа корреляции |
и регрессий. М., «Статистика», |
1966. |
|
|
|
|
|
Т а б л и ц а 13 |
|
|
Вероятность |
( Р ) для выборки |
из п |
наблюдений |
Доверительный • |
|
|
|
|
|
интервал |
5 |
10 |
1G |
20 |
30 и более |
|
Х±ал |
0,637 |
0,657 |
0,667 |
0,670 |
0,683 |
|
0,898 |
0,923 |
0,936 |
0,940 |
0,954 |
|
0,970 |
0,985 |
0,991 ' |
0,993 |
0,997 |
|
0,990 |
0,997 |
0,999 |
0,999 |
0,99995 |
Если выборка большая (число наблюдений более 30) и истинная средняя лежит в интервале Х±а, то, вероятно, мы будем правы в 68 из 100 случаев. Если сделать то же предположение при объеме выборки из 5 наблюдений, то мы будем правы в среднем только 64 раза из 100.
Предположив, что истинная средняя лежит в интерва ле Л'±3ст, мы, вероятно, будем неправы при численности выборки в 10 единиц в 15 случаях из тысячи, а при вы борке в 5 единиц — в 30 случаях из тысячи. Если же чис ленность выборки большая (более 30), то наше утвержде ние о том, что истинное значение средней будет в интер
вале Х±3а, |
ошибочно только в трех случаях |
из тысячи |
и т. д. |
|
|
Данные, |
приведенные в табл. 11, относятся |
ко време |
ни, когда выработки были уже пройдены.
Изменить что-либо в прошлом мы ничего не можем, а вот будущее подвластно нашему воздействию. При пла нировании программы проходки откаточных штреков можно предсказать скорость проходки, если штреки бу дут проходиться в аналогичных горногеологических усло виях, при той же механизации и организации работ, что и штреки, пройденные в прошлые месяцы. Анализ про исшедшего за ряд последовательных месяцев в прошлом может помочь лучше оценить будущее.
Для того, чтобы планировать прошлые тенденции в будущее, мы должны понять причины этих тенденций, выяснить, будут ли эти причины продолжать действовать. Эти задачи не являются предметом статистики и должны решаться непосредственно горными технологами. Если горный технолог не обобщит обширную горнотехнологи ческую информацию со статистическими данными и со здравым смыслом, то анализ прошлых событий мало по может в суждении о будущем.
Г л а в а 2
ОСНОВНЫЕ ПОЛОЖЕНИЯ ТЕОРИИ ВЕРОЯТНОСТЕЙ И ИХ ПРИЛОЖЕНИЕ В ГОРНОМ ДЕЛЕ
§ 1. ОСНОВНЫЕ ПОНЯТИЯ
Событие. Событием называют факт, который в ре зультате опыта может произойти или не произойти.
Примеры событий:
1) обнаружение шурфами, проходимыми через 10 м один от другого в разведочной линии, заложенной пер пендикулярно простиранию, вертикальной залежи гори зонтальной мощностью 12 м (рис. 8);
2)обнаружение той же залежи вертикальными сква жинами (или шурфами), проходимыми через 30 м одна от другой в той же разведочной линии;
3)появление герба при одном подбрасывании мо
неты;
4)появление герба дважды при двукратном подбра сывании монеты.
Одни из перечисленных событий обладают большей степенью возможности произойти в результате опыта, другие — меньшей. Очевидно, что событие «1» более воз можно, чем событие «2», событие «3» также более воз можно, чем событие «4».
Вероятность события. Для количественного сравнения степени возможности появления события с каждым из них связывают определенное число, которое тем больше, чем более возможно событие. Такое число называют ве роятностью события. Вероятность события есть числен ная мера степени объективной возможности этого собы-
— 49 —