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

книги из ГПНТБ / Гришин В.К. Статистические методы анализа результатов измерений учеб. пособие

.pdf
Скачиваний:
27
Добавлен:
23.10.2023
Размер:
4.93 Mб
Скачать

б*(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

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 >

* 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

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)

г

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,

Соседние файлы в папке книги из ГПНТБ