- •Функция распределения принимает вид
- •Обычно используется обозначение
- •Вероятность того, что случайная величина не попадет на этот интервал
- •Плотность распределения
- •Функция распределения принимает вид
- •Обычно используется обозначение
- •Вероятность того, что случайная величина не попадет на этот интервал
- •Плотность распределения отклонений
Плотность распределения отклонений
Найдем вероятности попадания в разряды по формуле
Получим
;
Умножив эти вероятности на количество выстрелов n=500, получим теоретические частоты попадания в каждый из интервалов. Сопоставим теоретические и статистические частоты
i |
-4,-3 |
-3,-2 |
-2,-1 |
-1,0 |
0,1 |
1,2 |
2,3 |
3,4 |
mi |
6 |
25 |
72 |
133 |
120 |
88 |
46 |
10 |
pin |
7,2 |
26,4 |
71,4 |
121.9 |
130,2 |
91,45 |
38,8 |
12,65 |
Число степеней свободы = 8 – 3 = 5. По таблице находим:
для 2=3,00 р=0,7;
для 2=4,35 р=0,5;
Интерполяцией находим
.
Эта вероятность малой не является, поэтому гипотезу о том, что разброс результатов подчиняется нормальному закону, можно считать правдоподобной.
15. В ряде случаев необходимо оценить доверительный интервал генеральной дисперсии Dx или х2 (теоретической величины) по выборочной дисперсии. Доказано, что если результаты измерения случайной величины Х (x1, , xn) распределены по нормальному закону, то сумма
имеет распределение 2 с =n-1 степенями свободы.
Сделаем некоторые преобразования.
.
Отсюда искомая величина
.
В таблицах распределения 2 для ряда уровней значимости и числа степеней свободы приводятся критические значения параметра 2кр. Эти значения показывают, что случайная величина U, распределенная по закону 2, с вероятностью будет больше табличного значения 2кр.
Предположим, что было произведено 10 измерений. Число степеней свободы =10-1=9. Из таблицы находим, что для =0,95 2кр=3,325; для =0,05 2кр=16,92. Таким образом, с вероятностью 95% величина U>3,325; c вероятностью 5% U>16,92. Отсюда с вероятностью 90% величина U находится в интервале 3,325<U<16,92. Поэтому с вероятностью 90%
.
При измерении одних и тех же величин различными способами или в различные периоды времени результаты, как правило, несколько отличаются друг от друга. Если исходить из того, что каждый результат может быть отягощен некоторой ошибкой, абсолютная величина и знак которой неизвестны, то при сопоставлении результатов возникает неопределенность в оценке: соответствует ли наблюдаемое между ними различие различию между измеряемыми параметрами или же мы наблюдаем две реализации одной случайной величины, а видимое различие связано только со случайными колебаниями неконтролируемых параметров. Эта неопределенность проясняется при решении двух взаимосвязанных вопросов: значимо ли различается воспроизводимость результатов (другими словами, равноточны ли измерения) в разных сериях опытов и значимо ли различаются средние значения результатов в сериях?
Вопрос о равноточности двух серий измерений решается путем сопоставления дисперсий результатов измерений в этих сериях. Мерой оценки статистически значимого различия дисперсий является критерий Фишера
, (8.7)
где - наибольшая дисперсия,.
Рассчитанное по этой формуле значение критерия сравнивают с критическим , величина которого для разных уровней значимости и степеней свободы 1=n1-1 и 2=n2-1 приводятся в соответствующих таблицах. Здесь n1 и n2 - количество параллельных измерений в сериях опытов соответственно с результатами, имеющими наибольшую и наименьшую дисперсии.
При F>Fкр c доверительной вероятностью =1- можно считать, что дисперсии в первой и второй сериях опытов статистически неодинаковы, воспроизводимость опытов во второй серии выше (в этой серии разброс данных относительно среднего значимо меньше). При F<Fкр данные измерений не дают основания считать, что разброс значений во второй серии меньше, чем в первой.
Если дисперсии двух серий опытов не отличаются значимо друг от друга, то определить, есть ли статистически значимая разница в результатах серий, можно с помощью t-распределения Стьюдента. Для этого вычисляют среднее взвешенное двух дисперсий
(8.8)
и параметр
. (8.9)
Далее по соответствующей таблице для числа степеней свободы =n1+n2-2 и уровня значимости определяют критическое значение tкр. Если t<tкр, то принимают, что иявляются оценками одного математического ожидания, т.е. предполагается, что наблюдаемое различие между этими величинами статистически незначимо. Приt>tкр с вероятностью ошибки считают, что величины истатистически неодинаковы.
В тех случаях, когда средние значения исследуемой величины Х статистически неразличимы, можно объединить обе серии опытов, рассматривая n1+n2 результатов как данные одной серии. Суммарное среднее арифметическое будет равно
, (8.10)
суммарная дисперсия
. (8.11)
Частным случаем является сравнение среднего арифметического с некоторой постоянной величиной. Такая задача встречается, например, когда некоторую величину, вычисленную теоретически или заданную нормативными характеристиками, необходимо проверить экспериментально. В этом случае имеется только одно среднее и одна дисперсия.
Для сравнения полученного результата с заданной величиной а вычисляют параметр
. (8.12)
Далее по таблице для принятого уровня значимости и числа степеней свободы =n-1 определяют значение критерия tкр. При t > tкр с вероятностью ошибки можно считать, что экспериментальные данные не соответствуют нормативным или теоретическим величинам. В противном случае принимается, что наблюдаемое в опытах различие между средним значением и величиной а статистически несущественно.
При неравноточных измерениях, когда F > Fкр, при n1=n2=n проверку однородности результатов в двух сериях опытов можно осуществить лишь приближенно. В этом случае вычисляют параметр
. (8.13)
Для выбора критического значения tкр число степеней свободы рассчитывают по формуле
, (8.14)
где
. (8.15)
При t > tкр результаты признаются статистически различимыми, в противном случае считается, что различие между ними незначимо.
Для оценки однородности дисперсий k серий опытов с числом степенней свободы 1, 2, …, k применяется критерий Бартлета:
, (8.16)
где средневзвешенная дисперсия определяется выражением
, (8.17)
суммарное число степеней свободы
, (8.18)
а параметр С рассчитывается по формуле:
. (8.19)
Величина В распределена как 2 с k-1 степенями свободы. Значение 2 определяется из соответствующей таблицы по уровню значимости и числу степеней свободы =k-1.
Если найденное значение критерия В > 2, то нельзя считать, что измерения равноточны во всех точках. При В < 2 измерения признаются равноточными.
Если число степеней свободы для всех выборок одинаково, то есть если в каждой точке проведено одинаковое количество измерений, то для сравнения дисперсий используется более точный критерий Кохрена:
. (8.20)
Здесь - максимальное значение дисперсии из дисперсий всех серий опытов. Для сравнения с вычисленным значениемGмах по соответствующей таблице для уровня значимости , числа степеней свободы =n-1 и количества серий опытов k находится значение Gкр. Если Gмах > Gкр, то с вероятностью ошибки принимается, что дисперсия значимо отличается от среднего значения остальных дисперсий. ПриGмах < Gкр можно считать, что все дисперсии однородны, разброс результатов во всех точках относительно средних значений имеет один порядок, измерения во всех точках равноточны.
РАСПРЕДЕЛЕНИЕ СТЬЮДЕНТА :Распределение Стьюдента широко используется для решения многих практических задач. В первую очередь с помощью его определяется доверительный интервал случайной величины. Допустим, что были проведены n независимых измерений случайной величины Х, в результате чего получены значения х1, х2, ...,хi, хn. По этим данным, используя формулы (3.17) и (3.21) рассчитываются среднее арифметическое и выборочное среднее квадратичное отклонение. Затем по числу степеней свободы=n-1 и выбранному значению уровня значимости =1- по таблице распределения Стьюдента определяется параметр t. Так как отклонение истинного значения (математического ожидания) случайной величины mx от среднего арифметического может быть как положительным, так и отрицательным, то в этом случае необходимо пользоваться двухсторонним критерием. Если в таблице указан односторонний критерий, то значение параметраt надо взять из таблицы для уровня значимости .
Обозначая ожидаемую величину ошибки как , из (8.2) получим
, (8.3)
откуда найдем интервал, внутри которого с доверительной вероятностью находится истинное значение случайной величины:
. (8.4)
Для относительной характеристики погрешности определения истинного значения mx вычисляют коэффициент вариации:
. (8.5)
Распределение Стьюдента можно использовать для отсева промахов при обработке результатов экспериментов. Грубые промахи могут появиться вследствие ошибок экспериментатора, выхода из строя измерительной аппаратуры, нарушения режима установки и т.д. Признаком ошибок такого рода является несоответствие наблюдаемых значений с физической сущностью исследуемого процесса (несоответствие полученных характеристик агрегатному состоянию вещества, нарушение законов сохранения массы, энергии, количества движения и т.д.) или значительное отклонение данных от их среднего значения. При усреднении экспериментальных данных грубые промахи могут существенно исказить конечный результат, поэтому они должны быть исключены из совокупности обрабатываемых значений. С другой стороны, если будем отбрасывать значения, которые в действительности имели место и заметно отличаются от среднего только в силу случайных колебаний, то также внесем погрешность в расчет окончательного значения.
.
Для отбраковки грубых промахов t-распределение преобразуется в r-распределение. Параметром этого распределения является величина
. (8.6)
Если с заданной степенью доверительной вероятности =1- величина ri попадает в доверительный интервал, то нет основания считать величину xi грубым промахом и ее следует оставить в ряду результатов. В противном случае с вероятностью b можно признать, что величина xi попала в этот ряд из-за грубой ошибки и ее следует исключить. Вероятность ошибки исключения равна .