![](/user_photo/_userpic.png)
книги из ГПНТБ / Гришин В.К. Статистические методы анализа результатов измерений учеб. пособие
.pdfОднако по. смыслу ее определения кик накоплен ной ве-
роятнооти, функция распределения дли любой случайной величи
ны являетоя неубывающей функцией.
По о кольку
то |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. '•) |
Нетрудно видеть |
такие, |
что |
|
|
|
|
|||
Величина |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
d |
i |
|
|
|
носит название функции |
плотности |
распределения. |
Согласно |
||||||
(1.5) произведение p{y')dy' |
представляет |
вероятность |
|||||||
наблюдения |
олучайной |
величины |
у |
в пределах |
значений |
||||
у'* % * у'+ |
dtf' |
( ° м « |
( 1 . 3 ) ) , |
т . е . |
|
|
|||
|
|
|
|
|
|
|
s |
|
|
|
Р(а |
* у |
« 6) 9 Jp(tf)dq'. |
|
(1.6) |
||||
Очевидно [р(у')^у'я 4- |
а |
|
|
|
|||||
Хотя, "строго |
говоря, функция |
плотности |
распределения |
||||||
может применяться |
лишь для |
характеристики |
случайных |
||||||
величин о непрерывными |
генеральными совокупностями, можно, |
используя |
понятие |
|
S - Функции Дирака, ввести |
функцию |
||||
плотности распределения и при описании дискретных |
контину- |
|||||||
умои,определив |
р(у) |
|
к а к |
|
|
|
|
|
|
|
р(у) |
- |
Zp^Siy-lJ |
|
. |
(1.7) |
|
|
|
|
|
і |
|
|
|
|
где |
/>• |
- вероятность |
наблюдений |
отдельных |
значений |
|||
' |
|
|
- |
Функция Дирака. |
|
Поэтому |
|
|
|
|
Р ^ 4 |
у . ' |
- Е л |
• |
|
( і - 8 ) |
|
1.3. |
Параметры |
распределений |
|
|
|
Среди числовых характеристик олучайных веанчин наиболее
показательными являются математическое ожидание и диоперсня олучайной величины.
Математическое ожидание Му (обозначается также ij )
случайной величины определяется как среднее по генеральной совокупности значение:
м
где, как и ранее, под символами i o e понимаютоя предельные
значения в генеральной оовокупности ( в случае особенности бе рется главное значение интеграла).
Для дискретной величины Му |
определяют как |
|
|
|
|
* V |
ї • Е * л |
. |
. |
|
< 1 Л 0 > |
распространяя суммирование на вое возможные значения |
у |
. |
|||
Дисперсией oD/yJ |
случайной величины навываетоя |
матема |
|||
тическое ожидание (т.е.среднее значение) квадрата |
отклонения |
этой величины от ее математического ожидания:
|
-м(у-Му) |
= (і, - д ) |
• |
|
|
( L I D |
|||
аметиы, что |
математическая |
операция усреднения любом |
функции |
||||||
по нормированному распределению ( т . е . |
при |
jpdy'sl |
) |
||||||
определяется |
как |
|
|
|
|
|
|
|
|
и,соответственно, |
для |
дискретних величин, |
|
|
|
|
|
||
Поэтому |
|
|
1 |
|
|
|
|
|
|
|
|
|
Оо |
|
|
|
|
|
|
или |
|
|
|
|
|
|
|
|
|
|
|
|
I |
|
|
|
|
(1.13) |
|
Для вычислений полезно |
соотношение |
|
|
|
|
|
|||
Величина |
£ |
|
|
называется стандартным |
или |
средним |
|||
квадратичным |
отклонением. |
|
|
|
|
|
|
||
Отметим, |
чти |
tj |
и |
существуют |
не |
для |
всех |
расщ |
|
делений. |
|
|
|
|
|
|
|
|
|
1.4.Рассеяние наблюдаемых значений. Неравенство
Чебышева
Дисперсия «О является очень важной характеристикой олучайной величины. Она описывает рассеяние наблюдаемых значений случайной величины в окрестности ее среднего зна чения (если, конечно, у и 2) существуют). Степень рассеяния, а именно, вероятность наблюдения значений у ' слу-
чайной величины в зависимости от отклонения |
|
ij |
от |
средне |
|||||||||||
го |
значения |
LJ , |
характеризуется |
следующим |
неравенством |
||||||||||
Чебышева: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Для любого распределения с конечными |
значениями |
Ц и |
||||||||||||
|
вероятность |
события |
| |
у | |
ї- |
, |
где |
|
д |
~ |
число, |
||||
большее единицы, |
не |
превосходит |
' А * |
, |
т . е . |
|
|
|
|||||||
|
|
|
|
|
|
|
|
с |
|
|
|
|
|
|
|
|
Для доказательства последнего отметим сначала одно свой- |
||||||||||||||
стио случайной величины, которая может принимать лишь |
неотри |
||||||||||||||
цательные |
значения. |
|
|
|
|
|
|
|
|
|
|
|
|||
|
Пусть |
Z |
- |
такая |
величина, |
тогда |
для |
любого |
положи |
||||||
тельного |
числа |
6 |
справедливо |
неравенство |
|
|
|
|
|||||||
|
|
|
P(Z |
* 6) і |
Z/g . |
|
|
|
|
|
( I . I 5 ) |
||||
|
Действительно, |
согласно |
(1.4) и |
( 1 . 6 ) , |
|
|
|
|
|
||||||
|
|
|
P ( z |
» 6)ш fF(z)Jz |
|
, |
|
|
|
|
|
|
|||
|
|
|
|
|
|
S |
|
|
|
|
|
|
|
|
|
где |
р |
- |
плотность распределения |
Z |
|
. С другой |
сторо |
||||||||
ны, |
при |
Z г |
О |
|
|
|
|
|
|
|
|
|
|
|
|
|
z-fz'pJz'* |
|
|
Jz'pdz* |
|
|
fSpc/z'-$fpJz' |
|
|||||||
|
° |
|
|
|
s |
|
|
|
s |
|
t |
|
|
|
|
(так как в области интегрирования |
Zi&) |
|
, |
откуда |
и |
следу |
|||||||||
ет |
неравенство ( I . I 5 ) . |
|
|
|
|
|
|
|
|
|
|
||||
|
Заметим теперь, |
что |
неравенства |
|
^ | |
» |
Q |
|
и |
||||||
(у-у) |
|
равносильны. |
Следовательно, |
испольвуя |
( I . I 5 ) , |
имеем
что при Q - 6(j и приводит к неравенству Чебшева. Большая простота и универсальность позволяет попользо
вать неравенство Чебышева дли важных теоретических заключе ний, хотя для практических оценок оно окапывается слишком грубым.
1.5. |
Квантили |
|
|
|
Функция распределения |
|
|
|
|
|
Р - |
F(f) |
|
|
указывает |
зависимость вероятности Р |
от значении |
слу |
|
чайной переменной. Обратная |
функция |
|
|
|
|
у * - |
9(9) |
|
( М б ) |
определяет значения переменной, которые соответствуют данным накопленным вероятностям. Ути значения называются квантилями
распределения. |
Квантиль, которая |
соответствует |
накопленной |
|
вероятности Р |
, называется |
Р |
- квантиль» |
и обознача |
ется как ^ |
. |
|
|
|
Для непрерывных и дискретных распределений |
явля |
|||
ется, соответственно,решением уравнений |
|
Р - j V f j / V y |
и Р(^) |
= ГРС |
(І.Г7) |
|
|
|
1.6. Нормальное распределение |
|
|
|
|
|
|
||||||
і! качестве |
примеров непрерывного |
и дискретного |
распреде |
|||||||||
лений рассмотрим |
нормальное |
и |
биномиальное |
распределения. |
||||||||
Функция плотности |
нормального |
или Гауссового |
распределения |
|||||||||
имеет вид; |
|
|
|
|
|
- а) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
( I . I 8 ) |
Это симметричное |
распределение (рис.2) |
со средним |
значением, |
|||||||||
|
|
|
|
|
|
равным |
О и дисперсне? |
|||||
|
|
|
|
|
|
|
оо |
|
|
|
|
|
|
|
|
|
|
|
|
-оо |
|
|
|
|
|
|
|
|
|
|
|
Поэтому |
|
нормалі:юе |
распре |
|||
|
|
|
|
|
|
деление |
обычно |
записывают |
||||
Рис.2. Нормальные распределе |
|
в виде |
( І Л 8 ) , |
заменяя уа"* |
||||||||
|
|
|
|
|
|
|
|
|||||
ния при различных б'. |
|
на б " . Геометрически |
||||||||||
стандартное отклонение |
б |
совпадает |
о расстоянием |
от |
сред |
|||||||
него значения у • |
а |
до точек |
перегиба |
кривой. |
|
|
|
|||||
Для случайной |
величины |
у |
с |
чормальным |
распределением, |
|||||||
вероятности наблюдения |
ее значения в интервалах у |
t б |
, |
у+ 26*, у + 3(> равны сооеветственно:
Pfly - £ | « ЄГ)« 0,683;
2 6 ] . 0,955; ( 1 Л 9 )
P f l ^ - ^l * 3 б ) - 0,997 .
Эти результаты вчметно превосходят предельные нижние
значения, лытекаюдае из неравенства Чебыжевя - следотніе боль-
шей информативности о характере |
распределения ( I . I 8 ) . |
Нормальное распределение играет очень большую роль в |
|
математической статистике (см. |
§ 2 ) . Это неудивительно, иоо |
нормальное распределение описывает случайные величины, кото
рым присущи самые общие закономерности: |
непрерывность |
значе |
||||||||||
ний, равновероятность |
симметричных относительно |
и |
откло- |
|||||||||
нений, большая |
вероятность |
малых |
отклонений |
от |
у |
|
||||||
Очень часто рассматривают нормированное нормальное рас |
||||||||||||
пределение |
для |
величины |
|
|
|
|
|
|
|
|||
|
|
|
|
|
у-а |
|
|
|
|
|
|
|
которое имеет |
ВИД |
|
|
- -Lr- |
|
ц |
г |
|
|
|
||
|
|
|
рМ |
|
Є |
|
|
|
|
|||
Очевидно, |
U =0 |
, |
а |
Х)(и) |
= i |
(параметры |
( 0 , 1 ) ) . |
|
||||
Нормированное распределение хорошо изучено; имеются |
||||||||||||
подробные |
таблицы |
квантилей |
Up |
|
. Квантили ненормирован |
|||||||
ного нормального |
распределения |
находятся |
как |
|
|
|||||||
|
|
УР |
' |
а + |
V P ' |
6 |
• |
|
|
|
(1.22) |
|
1 . 7 . Биномиальное |
распределение |
|
|
|
|
|||||||
Биномиальное |
распределение |
или распределение Бернулли |
описывает дискретные события следующего типа. Допустим, что исследуется частота появления какого-либо случайного события
А при неизменных условиях в |
серии |
П экспериментов |
(испыта |
ния независимы между собой). |
Пусть |
условия таковы, |
что |
н каждом из экспериментов событие либо наблюдается, либо нет. Ясли вероятность обнаружения события в отдельном опыте
р(А) ' р , |
то в серии из П |
экспериментов |
|
следовало |
бы |
||
ожидать |
Пр |
событий. Какова |
вероятность Р |
(N) |
, |
что |
|
событие |
А |
будет обнаружено |
N раз ( / V = |
0 , I , |
, |
Л )? |
Заметим, что такая постановка охватывает чрезвычайно широкий класс экспериментов. Исследуется ли радиоактивный рас
пад, |
наблюдается ли рассеяние частиц в данном интервале |
у г |
лов, |
изучаются ли ядерные реакции и т . д . , во всех этих |
слу |
чаях фактически имеют дело с событиями, которые либо происхо дят, либо не происходят: радиоактивные ядра либо распадаются, либо нет в заданном интервале времени, частицы либо попадут,
либо нет в интересуюпдай нас интервал углов, реакция либо пой дет по данному каналу, либо нет и т . д .
Искомая вероятность описывается биномиальный распределе нием, которое имеет вид:
р (н) = |
Ч!— |
pN(i. р) |
. |
|
N!(n-N)! |
Г |
к } |
Справедливость соотношения (1.23) подтверждается следую
щим образом. Напомним,прежде всего, что если вероятность собы
тия А равна |
р(А)=р, |
то вероятность |
противоположного события |
||||
А ( т . е . отсутствие |
события А) |
равна |
р(к)=1 - р . |
|
|||
Теперь |
обратим |
внимание |
на то |
обстоятельство, |
что инте |
||
ресующий |
нас исход испытании может быть представлен как сово |
||||||
купность |
чередующихся событий |
А и А, в которой события А и А" |
|||||
встречаются |
N |
и |
(/г - N ) |
раз соответственно. |
Вероятность |
||
наблюдения |
такой |
последовательности |
(независимость |
испытаний!) |
ГбС. ПУБЛИЧНАЯ НАУЧ. ' 0 - Т Е Х І І И Ч Е С К А Я Б И Б Л И О Т Е К А СССР
|
|
N |
л-N |
|
|
|
|
|
|
|
|
|
|
|
|
равна р - (1 - р) |
|
. Поскольку |
порядок наблюдения |
событий |
|||||||||||
неважен, искомая вероятность равна сумме вероятностей всех |
|||||||||||||||
таких комбинаций |
со |
всевозможными |
чередованиями |
событий А и Д. |
|||||||||||
Количество возможных благоприятных комбинаций определяется |
|||||||||||||||
чмзлом |
сочетаний |
из |
П. различных |
номеров по |
N |
, |
т . е . рав- |
||||||||
|
пы |
п. I/ |
|
|
|
|
|
|
|
|
|
|
|
|
|
н о |
т і * |
'Nl(n-N)1 |
' |
|
^ т а к |
l t a K |
в |
е Р 0 Я Т Н 0 С Т |
Ь |
каждой |
из кои- |
||||
бинаций |
равна |
р |
• (1-р) |
|
, |
то,умножая последнюю |
величину |
||||||||
на |
Сп |
, приходну |
к (1.23). |
|
|
|
|
|
|
|
|
||||
|
Биномиальное распределение имеет параметры (эти резуль |
||||||||||||||
таты нетрудно |
получить, |
|
используя |
свойство |
бинома |
Ньютона): |
|||||||||
|
|
N « LNC-P-d-p) |
|
|
* по ; |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.24) |
Ш)-Г(н-ЮаС(>ы(1-р)л'н- |
tp(i-p) |
* £ . |
|||||||||||||
|
|
N•0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Биномиальный закон в равной степени описывает |
распреда- |
|||||||||||||
ление событий как в серии последовательных |
испытаний, так и |
||||||||||||||
при одновременном наблюдении над совокупностью |
П |
|
объектов. |
||||||||||||
В последнем случае обычно исоледуется распределение |
событий, |
||||||||||||||
наблюдаемых в тачение заданных промежутков времени. |
|
||||||||||||||
|
Если средняя интенсивность событий при испытании с од |
||||||||||||||
ним объектом |
равна |
А |
, |
а время |
наблюдения |
|
t |
, |
но p = Xt, |
||||||
* |
вероятность |
встретить |
в течение |
этого времени |
исследуемое |
||||||||||
ообыткэ |
N |
раз |
( |
п. |
объектов) |
равна: |
|
|
|
|
|
||||
|
|
РША- |
|
|
|
п/ |
atfa-wr". |
|
|
|
|
(1.25) |
ft' N!(n-N)f
Это соотношение |
часто используется |
для решения обратной |
|||
задачи: исходя из наблюдаемой величины |
Л/ |
оценить среднюю |
|||
интенсивность событий |
А |
. Соответствующие |
оценки |
произво |
|
дятся с помощью табличных значений квантилей |
А/ |
биноми |
|||
ального распределении (см.гл.П). |
|
|
|
||
Если число объектов |
наблюдения очень велико ( П. » I ) , |
то вместо (1.23) целесообразно руководствоваться асимптоти
ческими |
формулами. |
|
|
Распределение редких событий, наблюдаемых в течение вре |
|||
мени t |
, описывается |
соотношением |
Пуассона: |
|
P(N) |
* |
<!•*> |
которое получается Ио (1.25) асимптотическим переходом при
п.—»•«>, но |
при услови", |
что |
т) " |
An |
остается конечной |
|||
величиной. Таким |
образом, |
піраметр |
і) |
характеризует |
среднюю |
|||
интенсивность событии, |
Р |
- |
вероятность наблюдения |
А/ |
||||
событий за |
время |
І- . Очевидно, |
среднее число N * *)t |
|
||||
Разумеется, |
LXO подтверждается |
прямыми |
вычислениями: |
|
Дисі^рсия резул:татов в статистике Пуассона равна
£(N)=]~(N-N)ZP(N)=H |
шй . |
(і . 28) |
Тот же результат можно получить из (1.24) предельным перехо
дом П—- оо.