книги из ГПНТБ / Гришин В.К. Статистические методы анализа результатов измерений учеб. пособие
.pdf- ги -
При малых значениях |
S) |
распределение |
Пуассона |
асиммет |
|
рично относительно N = ^ |
|
(см.рис.3). При |
^ » |
I |
распре |
деление становится практически непрерывным и совпадает с нор
мальным распределением со средним значением и дисперсией,рав
ными /V |
(см . рис . 4): |
(N-N) |
.2 |
|
|
|
|
|
|
|
|
|
P(N)— |
т = = е |
2 R |
' |
CI.29) |
События, подчиняющиеся статистике Пуассона, обладают
вачным свойством: сумма пуассоновских процессов - также пуао-
соновокий процесс |
ио |
средним |
и дисперсией, |
равными |
соответст |
|||
венно |
сумме средних и дисперсий |
каждого из |
процессов. |
|||||
|
|
|
I |
к Д А Ч И |
|
|
||
|
1. |
Показать, |
что |
если |
С |
-постоянная величина, то: |
||
|
|
Q) С = С ; |
|
|
Ш £>(с) - О ; |
|
||
где |
у |
- л»)бая |
случайная |
величина. |
|
|
||
|
Указание: Постоянную можно |
рассматривать как |
дискретную |
случайную величину, которая принимает только одно "начение о
вероятность: , |
равной единице, |
|
|
|
2. Распределение молекул |
газа |
по |
скоростям опиоываетоя |
|
соотношением |
Максвелла: |
|
m У* |
|
|
p(V) » Const |
Є |
І к |
Т V 2 . |
Найти среднюю и |
наивероятвэйшую скорости частиц. В чем причи |
|
на их различия? |
|
|
3. Вероятность отражения вратарем пенальти |
р =1/4. |
Елачит ли э ю , что из ч-х мячей вратарь |
обязательно |
отразит |
||||||||||||||
один? |
Какова |
вероятность того, |
что он на самом |
деле |
возьмет |
|||||||||||
хотя |
бы один |
мяч? |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ч-. Вероятность выхода |
из строя одного мотора равна |
|
р . |
||||||||||||
При каких значениях |
р |
|
двухмоторный |
самолет |
следует |
пред |
||||||||||
почесть четырехмоторному- (полет продолжается, если |
работает |
|||||||||||||||
не менее |
половины |
моторов)? |
|
|
|
|
|
|
|
|
|
|
||||
|
5. Счетчии регистрирует в среднем |
2 ч/сек . |
С какой |
веро |
||||||||||||
ятностью |
он будет |
молчать в течение |
I сек, 2 сек, 3 сек? |
|
||||||||||||
|
Решение. Ближайший |
отсчет |
произойдет между |
моментами |
t |
|||||||||||
и І + dt |
, |
если |
в |
течение |
времени |
t |
не |
будет |
1.И одного |
|||||||
отсчета, |
а затем |
в течение |
di |
произойдет |
один отсчет. |
|||||||||||
Вергятность |
обоих |
(независимых) |
событий |
равна |
е |
и |
idt , |
|||||||||
а вероятность первого отсчета в интервале £t, |
|
t + dt] |
|
^ |
||||||||||||
равна |
|
|
|
|
|
. Искомая |
вероятность р(1) = )е |
|
|
|||||||
|
Подставляя |
' |
=2 и |
Ь =1,2,3, |
получим |
значения: |
|
|||||||||
p(I)=0,27I; j9(2)=0,037; JB(3)=0,007. Используя полученное |
со |
|||||||||||||||
отношение, оценим среднее аначение длительности интервала |
|
|||||||||||||||
'молчания": |
i. = |
ftpdt |
• 1/у |
. Дисперсия |
интервалов:. |
|
|
|||||||||
<D(t}m |
V)* |
» Очевидно, |
разброс интервалов |
может быть |
о^ень |
|||||||||||
большим. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
предельная теорема |
|
|
|
2 . 1 . Функции случайных величин |
|
|
|
Используя понятие с."учайной переменной, |
введенной |
|
|
в § I , мы можем описать сколь угодно сложные множества |
слу |
||
чайных событий, рассматривая последние как системы |
или |
ансамб |
|
ли случайных величин,в той или иной степени |
взаимосвязанных |
||
между собой. |
|
|
|
Такие системы случайных величин у ( , у г |
, у а |
( |
П - |
число произвольное) будем рассматривать как функции случай |
|||
ных переменных, функпи случайны.: п е р е м е н н ы х ф ^ , . . . |
- |
по своей сути новые случайные величины, имеющие свои распре-
ДЄЛЄІ.ЛЯ.
Рассмотрим ряд аэорем и определений, поясняющих некото рые свойства функций случайных величин.
ІСредне, суммы случайных величин равно сумме средних этих величин:
( І У І ) " |
( 2 . D |
іі-
Для |
доказательства |
(2.1) |
|
достаточно убедиться |
в |
справед |
|||||
ливости |
утверждения HF |
+ |
- |
yt |
+ LJ2 |
. ймееы |
|
|
|||
где p f ^ / ' J / j J |
~ вероятность |
того, |
что |
случайные |
величины |
||||||
у, и уг |
принимают определенные |
значения |
у^ |
и |
|
||||||
Но поскольку функции У/эс/уа' |
|
|
и |
fp^yl |
определяют |
||||||
распределения |
величин |
Ц |
|
и |
и |
, |
то дальнейшее |
доказа |
іельство очевидно.
Среднее произведения независимых случайных величин
равно произведению юс средних значений:
( Пи.) = П ( й ) |
(2.2) |
|||
L |
3 «• |
I |
О1- |
|
Справедливость |
(2.2) |
следует |
из того факта, |
что дня не |
зависима величин вероятность совместного наблюдения значений
{/г'Уі''*' |
Р 8 3 " 8 |
произведению вероятностей |
появления каждого |
|
из значений |
у[ |
, т . е . pty . ', ^ , . . .) = |
Пр(^) . |
I |
Дисперсия суммы независимых случайных величин |
ц |
I |
||
I |
равна сумме их дисперсий: |
II |
Доказательство (2.3) оковывается на тон обстоятельстве,
что для независимых величин среднее значение произведения отклонений от средних равно нулю, т . е . .
В общем случае для произвольных случайных переменных эта ве
личина отлична от нуля. Введем величину
которая называется ковариацией гля смешанным |
вторым |
|
||||||
моментэм переменных |
^. |
и |
^ |
, |
Нормированная ковариация |
|||
|
|
О = J l i £ - |
, |
|
(2.5) |
|||
где |
) |
- |
среднее |
квадратичное |
отклонение |
рас |
||
пределения у. |
, |
называется |
коэффициентом |
корреляции |
слу- |
чайных |
ІЗЛИЧИН |
^ |
|
и |
. Коэффициент корреляции указы |
||||||||
вает меру связности случайных величин. Значение коэффициента |
|||||||||||||
корреляции лежит в пределах-/ і р * / |
|
|
|
|
|
||||||||
действительно, |
вычисляя |
дисперсию |
функции |
|
|
|
|||||||
имеем |
|
|
|
|
|
|
|
|
|
|
|
|
|
Отсюда, |
поскольку |
дисперсия |
i/эбсЧ |
величины - |
неотрицательное |
||||||||
число, |
следуют |
пределы изменения |
|
рік |
|
|
|
|
|
||||
Для |
независимых |
величин |
|
|
коэффициент |
корреляции |
|||||||
=0. |
Напротив, |
значения |
pLK |
= + I указывают |
на |
строгую |
|||||||
функциональную |
связь |
между ^ . |
и |
^ |
(при |
|
|
= + I |
ли |
||||
бо # ) ( и _ Ь 0 |
, либо |
2)(liJ~0 |
|
, т . е . |
U _ |
=0 |
или |
U + |
=0, |
||||
и |
и |
^ к |
оказываются |
связанными |
линейным |
соотношением). |
|||||||
Однако . коэффициент корреляции как показатель |
зависимо |
||||||||||||
сти страдает серьезными недостатками. Так, из |
равенства |
|
|||||||||||
O-t ( f =0 еще не следует независимость величин |
|
|
и |
. |
|||||||||
Скорее |
коэффициент |
корреляции указывает, насколько |
связь |
меж |
ду величинами близка к линейной. Он одинаково отмечовт и большую долю стохастичности и силу нелинейности этой связи.
Используя |
определение |
коэффициента корреляции, |
можно |
получить следующие соотношения: |
|
||
Среднее |
произведения |
двух олучайнні: величин |
^ . |
)JK |
1 3 3 3 1 , 0 |
|
|
'2.6)
- 'db -
Дисперсии суммы случайных •зллчин у ^ ^ . , . . . равна
2.2. |
Приближенный анализ функции |
случайных |
величин |
|||
В ряде случаев, |
когда |
речь идет |
о получении |
предвари |
||
тельных оценок, можно ограничиться IIJ |
нилндишиш |
анализов |
||||
функции случайных переменных, Тогда |
количественные |
характе |
||||
ристики распределения этоіі функции (напомни;.:, что 1,уакции |
||||||
случайной |
величины |
есть |
новая случайная величина) |
по задан |
ном параметрам исходных і.сременпігх іг,:<ог'лтс,і следующим обра зом.
Пусть |
Ф = Ф ( у „ • • •, ijj, |
где у,,.. |
.,ул- |
|
ньз-иисішие |
|||
случайные |
величины. Разложим |
Ф |
и окрестности точки |
|||||
Ф - Ф ( ^ * Е ^ - ^ Ц |
|
|
|
(2.8) |
||||
Обычно, в пределах достаточно узкой области, кожно ог |
||||||||
раничиться |
линейным разложением |
Ф ^ ) |
п 0 |
у - |
Отсюда |
|
||
т . е . среднее значение искомой функции приблизительно |
совпа |
|||||||
дает со значением этой функции при средних |
значениях |
аргу |
||||||
ментов. |
|
|
|
|
|
|
|
|
Дисперсия распредел |
нип |
Ф |
= Ф ( ^ ) |
равна |
|
|||
Ъ{ср)=(Я>-ф)2 |
эг |
|
|
|
V |
, |
<2 - 1 0 > |
где |
б". |
- дисперсии распределений случайных величин |
. |
ііапример, для п.ункцш: |
Ф = ^ У ^ л |
имеем |
Если |
- стохастически |
не независимы, то |
(2.9) |
остается |
в силе, |
а дисперсия jDf^P) |
приблизительно |
имеет |
значение: |
2.3. Преобразование распределений |
|
||||||||
Укаием теперь |
спосос'ы |
вычисления |
распределений функций |
||||||
случайных |
величин. |
|
|
|
|
|
|
|
|
Пусть |
ij |
- |
случайная |
величина |
с |
известной плотностью |
|||
распределения |
р(у) |
, |
а |
Ф |
= Ф(<^) |
- |
однозначнаг функция. |
||
Если |
Ф * Ф ^ |
|
- |
неубывающая функция, то неравенства |
иФ * ^(уі) всегда выполняются одновременно, так
что |
|
Р ( # « ^ Ь Р С Ф < Я > ) , или |
F f ^ ) = 9 ^ ) |
, |
где |
F |
|
a |
S |
- функции распределения |
величин |
^ |
и |
Ф |
(см. |
раздел 1.2). Или |
|
|
|
|
|
||
|
|
* < * > - • п ' % . , т |
• |
|
|
|
Следовательно, плотность распределения функции ф
Если, например, Ф » IJ |
, ю ( ^ ^ 0) |
? ( Ф ) . - ^ . / > f e - y ( « W ) ; Ф * 0 .
Поскольку Р(у < ^p)s Р(ф< Фґ^рО. ' м киинтили функция случайной величины совладают с щ. абризовшшимп кмнтил.яыи
аргумента, т . е . ^ |
х Ф ( ^ р ) |
•. |
|
|
|
|
||||
|
Для |
монотонно |
.уО'пішккце.! уункциа Р{у < y f ) = Р(Ф |
> Фіу,)} |
||||||
или |
|
|
|
5 ( 9 ) |
= і ' |
Fly) |
|
|
|
|
|
|
|
|
|
|
|
||||
Отсюда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
WW |
|
|
|
|
рассмотрим т е п е р ь Функции нескольких случайных |
а р г у м е н |
||||||||
тов. |
Очевидно, |
дли получения |
плотности р;іспродйленаи |
такой |
||||||
функции |
Ф = Ф(у,і • * •> ул ) ну>.:но |
ваять |
интеграл |
(просуммиро |
||||||
вать) по всем |
значения!', не, емснных, |
при которкх |
расомитриііае- |
|||||||
мая |
функция |
Ф |
имеет |
фиксированное |
з н а ч е н и е : |
|
где |
$ |
- дельта-функция Дирака, р(<^', . . . ) |
- |
вероят |
|||||
ность |
одновременного |
наблюдения |
значений |
. . - |
случай |
||||
ных аргументов. Для независимых |
велччин |
эта вероятность с о в |
|||||||
падает с произведением плотностей вероятностей каждой на |
|||||||||
величин |
в этих |
точках: |
|
|
|
|
|
||
|
|
|
|
р . . |
П р ( ^ ) . |
|
|
||
При вычислении |
интегралов |
следует п о л ь з о в а т ь с я |
соотно |
||||||
шением |
S(Ziy)= |
j - ^ " ^ ' ^ ' ( ^ . l l |
|
» г Де суммирование |
ведется |
||||
по всем к-рням уравнения |
Z ( y p = 0 |
. Например, |
для сум |
||||||
мы ДВУХ |
НеЗаВИСИМЫХ |
ПеремеННЫХ |
|
Ф г ^ + ^ , |
ГДЄ-оо< у <оо |
||||
из (2.13) следует, что плотность |
р а с п р е д е л и л |
Ф |
опреде |
||||||
ляется |
соотношением: |
|
|
|
|
|
|
оо
(2.14)
Асимптотика композиции большого числа распре делении. Центральная предельная теорема
Реальные физические явления могут иметь сложные распре делении. Однако они обладают весьма ваышм асимптотическим свойством, облегчающим обработку результатов их измерений.
Дело в том, что совместное действие большого числа не зависимых причин с (інтенсивностями разброса одного порядка приводит к нормальному распределению для величин, возникаю щих под влиянием таких воздейстрчй. Этот вывод следует из центральной предельной теоремы (А.МДлпунов), согласно которо;і распределение суммы сикых случайных перегенных со средниии у.
Не останавливаясь на доказательстве этой теореми, з а метим лишь, что при большом количестве случайных причин фак тически реализуются условия возникновения нор щьнргр рас пределения (см.раздел 1.6).
В связи со сказанным стаиовитоя понятны», почему нор мальное и дру.ие основанные на нем распределения играют осо бую роль в ыатематичеокой от.атистике.