![](/user_photo/_userpic.png)
книги из ГПНТБ / Гришин В.К. Статистические методы анализа результатов измерений учеб. пособие
.pdfб*(0) |
— |
* |
ПИП, |
если |
| * * | |
« |
± |
t 0 |
|
. |
(27.10) |
|||||||
Действительно, соотношения(27.10), как показывают |
вик |
|||||||||||||||||
ладки, |
эквивалентны |
обычному |
условию |
минимума (27.8). |
|
|
||||||||||||
гіа рис. |
17 |
расположение |
точек |
X f |
, |
X |
, |
. . . |
не |
от |
||||||||
вечает |
условию |
минимума |
б"(0) |
; последний |
достигается |
|
||||||||||||
для течек |
X |
, . . . |
|
. Н а |
|
рис. |
18 |
|
приведены |
примеры |
|
|||||||
нахождения |
наивыгоднейшего |
расположения точек дли постоянной, |
||||||||||||||||
линейной и |
параболической |
регрессии |
в случае, |
когда |
функ |
|||||||||||||
ция трудности |
измерения обращается |
в бесконечность |
в |
двух |
|
|||||||||||||
точках |
|
X =0 |
и |
X =1. |
|
|
|
|
|
|
|
|
|
|
|
|
||
Если |
экстраполяция |
производится |
в |
интервал |
|
|
X < X |
, |
то поиок'оптимального расположения точек наблюдений происхо
дит по |
той |
же схеме: парабола ( ( |
П - |
I ) - ов степени) |
впи |
||||||
сывается |
в |
коридор |
± |
\\.[X)J/Т |
таким образом, |
чтобы |
|||||
ближайшие |
к |
X |
точки касания |
лежали |
на |
|
|
|
|||
затем |
поочередно на |
т fl(X)/l/T. |
Поскольку |
1,'ункция |
|
h(x) |
|||||
известна лишь приближенно, значения X , , |
X t . |
. п е р в о н а ч а л ь |
|||||||||
но можно |
определить, |
вписывая |
параболы с |
помощью |
шаблонов |
||||||
или проото от руки, а затем, накопив дополнительную инфор |
|||||||||||
мации, |
положение точек наблюдении |
можно |
уточнить. |
|
|
||||||
§ |
28. |
Последовательное |
планирование |
|
|
|
|||||
Сбор предварительной информации,поиск оптимального пла |
|||||||||||
на проведения эксперимента, |
корректирование |
действий, |
связан- |
- ІбІ -
Рис. 18.
нов с |
уточнением статистических данных или с изменением ус |
ловий |
опыта и т . д . - все это можно рассматривать как отдель |
ные этапы последовательного планирования, идеальным воплоще нием которого является непрерывное планирование. Собственно, только непрерывное планирование, при котором в каждый момент
выбирается наилучший план действий, и позволяет |
составить |
||
оптимальный план |
проведения |
всего эксперимента. |
|
В конечном |
счете, такое |
планирование сводится к постоян |
ному сосредоточению центра внимания на тех точках измерения,
которые дают наибольшую скорость накопления информации об
исследуемом явлении. Последнее особенно важно в эксперимен
тах о обилием альтернативных решений, когда сначала необходи
мо "просмотреть" несколько рабочих гипотез и вибрать наибо
лее достоверные версии.
Последовательное планирование позволяет значительно
сократить общий объем усилий и затрат и резко повысить эф
фективность |
исследований. |
В качестве |
подтверждения |
последних |
|||||
слов рассмотрим пример с проверкой гипотез о генеральном |
|||||||||
среднем. |
|
|
|
|
|
|
|
|
|
|
Допустим, |
мы хотим сделать |
выбор |
между |
гипотезами |
||||
7 * |
и |
7 |
* Чі |
' |
Г Д в *?І > |
?о |
* Й 1 а с с |
и ч 0 С к и е |
крите |
рии статистического сравнения этих гипотез, упомянутые выше (глава Ш), были основаны на предположении, что число испыта ний не зависит от наблюдаемых результатов. В этом случае, используя эти критерии, мы могли указать число испытаний, при котором критерии становятся настолько чувствительными,
чтобы различить гипотезы. Однако число наблюдений можно сок ратить, если в процессе испытаний непрерывно сравнивать ре-
зультаты наблюдении. |
Испытания продолжаются до тех пор, |
по |
||||||
ка наблюдения |
не |
попадут |
в одну |
из областей |
принятия |
ги |
||
потез (либо |
з |
^ |
, |
либо ft |
= |
) . |
|
|
Очевидно, |
такой |
последовательный |
анализ,на каждом шагу |
|||||
учитывающий уже |
накопленную информацию, может |
оказаться |
зна |
чительно аффективнее по сравнению с классическими методами, фиксирующими число наблюдений заранее. Действительно, при
последовательном анализе в среднем происходит двойное сокра
щение числа испытаний.
Дли пояснения принципов, положенных в основу этого ана
лиза, рассмотрим критерий отношения вероятностей, предложен ный Ьнльдок. ь этом критерии находнтоя отношения вероятностей
р^(ґі) |
и р (п.) |
, |
равные |
вероятностям наблюдения значе |
||||
ний |
j/t > |
• • •» у л |
П Р И |
9 с ?i |
И ? |
~ 9о ' |
С00'!ъв'г(Явен~ |
|
но ( |
П |
- . 1 , 2 , . . . . ) . |
Так как |
испытания |
независимы, |
то |
п.
Пока отношения pjn^pjnl |
вычисляемые для |
каждого |
It, |
заметным образом не отличаются от единицы, т |
. е . пока |
|
Р<(л) «
следует лродолкать испытания. Но как только окажется, что
L — ~ £ ft или |
^ Л , |
(28.3) |
р0(Ш |
pjtx) |
|
наблюдения |
заканчиваются и отдается предпочтение |
гипотезе |
|||||||||
|
Числа |
А и В выбираются так, |
чтобы |
вероятность |
отверг |
||||||
нуть |
гипотезу |
£ |
, если |
она верна, |
не превосходила |
||||||
Є |
и вероятность |
отвергнуть |
гипотезу |
Г? 5* ipf |
, |
если вер |
|||||
на последняя, |
не превосходила |
р |
, т . е . функция |
мощности |
|||||||
7С(уо)~ |
Є |
|
и 7С(у)**і-р |
|
. Это |
осуществляется,когда |
|||||
|
|
А |
« |
|
|
|
|
Р |
|
|
(2а.ч) |
|
|
|
|
|
1 - |
е |
|
||||
|
|
|
|
|
|
|
|
|
Если наблюдаемая случайна» величина имеет нормальное распределение с известной дисперсией о , то соотношение (28.2) нетрудно преобразовать к виду
(28.S) Испытания продолжаются до тех пор, пока накопленная
сумма У_ LJL не выйдет за одну из границ, указанных в (28.5) рис. 19.
П
Пример. Рассмотрим, используя критерий последовательного анализа, вопрос об оценке интенсивности пуассоновского пото ка.
Для различения |
гипотез |
о том, что интенсивность |
потока |
|||
V = У0 |
или ^ « ^ |
> |
^ |
, |
испытания продолжаются до |
тег пор, |
ПОКР не |
нарушится |
неравенство |
|
где |
І. - |
время наолюдения, |
а |
N |
- число фиксируемых |
||||
событий. В среднем, |
если |
V |
* |
tf0 |
, |
время испытания |
оказыва |
||
ется |
равным |
( 1 - V0 |
- AV |
« |
V, |
; |
|
1.1 |
А * )*; |
/ V ~ V > 0 £ |
) : |
|
|
|
|
|
|
|
При |
Є |
* jB |
*0,05 время испытания |
t |
2,43 |
В то |
же |
время |
. классический критерий |
(см. |
§ 13) г,ает оценку |
ДОПОЛНЕНИЕ
ОПРЕДЕЛЕНИЕ ИНТЕНСИВНОСТИ ИСТОЧНИКА
|
Пусть |
мы располагаем |
следующий |
данными. В течение |
вре |
||
мени |
І1 |
наблюдается события, вызванные совместным дейст |
|||||
вием источника и фона; всего зарегистрировано |
A/f событий. |
||||||
Кроме того |
известно, что |
при наблюдении фона |
в течение |
tt |
|||
отмечено |
N2 |
событий. Оценим интенсивность |
источника. |
2 |
|||
|
|||||||
|
Оценками измеренных |
интенсивностей являются |
|
||||
|
|
~ |
/V, |
~ |
N |
|
|
Поэтому оценкой (несмещенной) интенсивности источника V оказывается величина
|
V |
= 5, - |
\J . |
(Д.2) |
При A/<? |
Л/ » і |
величина |
( V - V |
) раоиределена нор |
мально о |
дисперсией |
|
|
|
б - —j + |
—J ' |
(Д.З) |
*. |
К |
|
Следовательно, мы определяем интенсивность источника
как
где |
^І-Є/ |
~ к в а н т и л ь |
нормированного нормального распре |
||||
деления; например, |
^о$Т5~ |
* » ^ * |
|
|
|||
Времена |
наблюдений |
t f |
и t |
целесообразно |
вы |
||
бирать |
так, |
чтобы |
|
|
|
|
|
|
|
t :: ^ = /Т : /¥г . |
(Д.5) |
||||
Тогда |
полуширина доверительного |
интервала |
оказывается |
равной |
а относительная ошибка
е- |
+ |
і |
і |
|
|
|
$ |
= |
•====- = ~7=r ~= |
|
— • |
(Д.7) |
|
Пример. |
С помощью специальной схемы удалооь |
понизять |
||||
уровень |
фона |
в |
раз. Но при этом |
эффективность регистра |
||
ции излучения источника уменьшилась • |
р |
раз . Выгодно |
||||
ли применение |
такой |
охены? |
|
|
|
|
Уточним, прежде всего, что такая схема может попользо |
||||||
ваться лишь в экспериментах, где требуется |
знание |
не абсолют |
ных, а относительных значений интеноивноотей (например, при ~~ исследовании коэффициента поглощения излучения в вещеотве я
Ї . Д . ) .
Если интенсивности источника |
я фоне равны V |
я V ^ , |
соответственно, то относительная |
омибка |
|
8 « |
(Д.э) |
/Тг |
p* |
Сравнивая (Д.7) а (Д.8), мы кожен заключить, что приме нение указанной схемы измерения целесообразно, с зли
|
Так, |
при |
р |
= |
1/3, |
Cj, |
= 1/20 последнее |
неравенст |
||||
во |
наблюдается, если |
|
\ъ £ |
0,8. |
|
|
|
|
|
|||
|
Если |
N |
» |
I , |
а |
/V, |
- |
невелико, |
но V |
» |
\). |
, |
ю |
пожученные |
1 |
|
|
2 |
|
|
1 |
* * |
|||
соотношения остаются |
в силе, поокольку |
относи |
||||||||||
тельно больная неточность в определении малого компонента |
|
|||||||||||
слабо влияет |
на погреюнооть |
оценки конечного |
результата. |
|
||||||||
|
їаким образом, |
в случае "богатой отатистикн" |
воегда |
мож |
но подобрать такие условия наблюдения, при соблюдении кото рых интенсивность источнике определяется о больной точностью.
Значительно меньшей надежностью обладают оценки интен сивности в обратном случае, когда наблюдаемые числа событий
Л/, |
и |
Л/g |
|
невелики. Это в общем |
оледует уже из (Д.4) и |
|
( Д . О , хотя |
нужно иметь в виду, что оценка (Д.6) |
доверитель |
||||
ного |
интервала |
при бедной отатиотике |
оказывается |
заниженной |
||
(ом. |
§ |
I I і |
§ |
17). |
|
|
Л И Т Е Р А Т У Р А
Ван дер Верден, Математическая статистика, ИЛ, М., I960.
А.Хальд, 'Математическая статистика с техническими приложениями, ИЛ., М., 1956.
Г.Крамер, Математические методы отатистики, ИЛ, М., 1948.
Н.П.Клепиков, С.Н.Соколов, Анализ и планирование экспериментов методом максимума правдоподобия, "Наука", Москва, 1964.
И.В.Дунин-Барковский, Н.В.Смирнов, Теория вероят ностей и математическая статистика в технике ^общая часть), Гоотехиздат, К., 1955.
Я.Б.Шор, Статистические методы анализа и контроля надежности, "Советское радио", М., 1962.
Я.Янко, Математико-статистичеокие таблицы, Госотатиздат, М,, 1961.
Л.Н.Болыпев, Н.В.Сш.рчов, Таблчцы математической статистики, "Наука", М., 1965,