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

книги из ГПНТБ / Рыжов, П. А. Математическая статистика в горном деле учеб. пособие

.pdf
Скачиваний:
25
Добавлен:
19.10.2023
Размер:
7.54 Mб
Скачать

ского 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.

 

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 = хгх23...

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 —

Соседние файлы в папке книги из ГПНТБ