- •ВИЩА МАТЕМАТИКА ДЛЯ ЕКОНОМІСТІВ
- •Видання містить короткі теоретичні відомості та формули, типові приклади задач і методику їх розв’язання, завдання для самостійної роботи, а також контрольні питання до кожної теми.
- •Призначене для студентів економічних спеціальностей вищих навчальних закладів.
- •ВСТУП
- •Питання для самоконтролю
- •Вправи
- •1.1.2. Елементи комбінаторики
- •Таблиця 1.1
- •Розв’язування комбінаторних задач
- •Питання для самоконтролю
- •Вправи
- •Питання для самоконтролю
- •Вправи
- •Питання для самоконтролю
- •Вправи
- •1.4. ФОРМУЛА ПОВНОЇ ЙМОВІРНОСТІ. ФОРМУЛА БАЙЄСА
- •Питання для самоконтролю
- •Вправи
- •1.5. ПОСЛІДОВНІ НЕЗАЛЕЖНІ ВИПРОБУВАННЯ
- •1.5.1. Формула Бернуллі
- •1.5.2. Формула Пуассона
- •1.5.3. Локальна теорема Муавра-Лапласа
- •1.5.4. Інтегральна теорема Муавра-Лапласа
- •Питання для самоконтролю
- •Вправи
- •2.1.1. Дискретні випадкові величини. Функція розподілу. Основні закони розподілу
- •Питання для самоконтролю
- •Вправи
- •2.2. ЧИСЛОВІ ХАРАКТЕРИСТИКИ ВИПАДКОВИХ ВЕЛИЧИН
- •Таблиця 2.1
- •Числові характеристики деяких розподілів
- •Питання для самоконтролю
- •Вправи
- •Питання для самоконтролю
- •Вправи
- •2.4.1. Лема Чебишова
- •2.4.2. Теорема Чебишова
- •2.4.3. Теорема Бернуллі
- •Питання для самоконтролю
- •Вправи
- •2.5. ДВОВИМІРНА ВИПАДКОВА ВЕЛИЧИНА
- •Таблиця 2.2
- •Таблиця 2.3
- •Таблиця 2.4
- •Питання для самоконтролю
- •Вправи
- •Таблиця 2.5
- •Числові характеристики двовимірної випадкової величини
- •Продовж. табл. 2.5
- •Питання для самоконтролю
- •Вправи
- •2.5.6. Умовні числові характеристики двовимірної випадкової величини. Регресія
- •Питання для самоконтролю
- •Вправи
- •3.1. ПРЕДМЕТ ТА ОСНОВНІ ЗАВДАННЯ МАТЕМАТИЧНОЇ СТАТИСТИКИ
- •Питання для самоконтролю
- •3.3. СТАТИСТИЧНИЙ РОЗПОДІЛ ВИБІРКИ
- •Таблиця 3.1
- •Таблиця 3.2
- •Таблиця 3.3
- •Таблиця 3.4
- •Таблиця 3.5
- •Таблиця 3.6
- •Питання для самоконтролю
- •Вправи
- •3.4. ГРАФІЧНЕ ЗОБРАЖЕННЯ СТАТИСТИЧНИХ РОЗПОДІЛІВ
- •Рис. 3.1. Гістограма частот за даними прикладу 3.1
- •Рис. 3.2. Полігон частот за даними таблиці 3.6
- •3.5. ЕМПІРИЧНА ФУНКЦІЯ РОЗПОДІЛУ. КУМУЛЯТА
- •Питання для самоконтролю
- •Вправи
- •Таблиця 3.8
- •Таблиця 3.9
- •Питання для самоконтролю
- •Вправи
- •3.7.1. Статистичні оцінки невідомих параметрів розподілу та їх властивості
- •3.7.2. Статистична оцінка математичного сподівання
- •Питання для самоконтролю
- •Вправи
- •3.8. ІНТЕРВАЛЬНІ ОЦІНКИ ПАРАМЕТРІВ РОЗПОДІЛУ
- •3.8.1. Надійність. Інтервал довіри
- •3.8.3. Розподіл Стьюдента
- •3.8.4. Розподіл Фішера-Снедекора
- •3.8.5. Інтервальні оцінки для математичного сподівання
- •Питання для самоконтролю
- •Вправи
- •3.9. ЕЛЕМЕНТИ ТЕОРІЇ КОРЕЛЯЦІЇ
- •Таблиця 3.10
- •Таблиця 3.10
- •Питання для самоконтролю
- •Вправи
- •3.9.3. Основні поняття і методи регресійного аналізу
- •3.9.4. Метод найменших квадратів
- •Рис. 3.3. Діаграма розсіювання точок
- •Питання для самоконтролю
- •Вправи
- •3.10. СТАТИСТИЧНА ПЕРЕВІРКА СТАТИСТИЧНИХ ГІПОТЕЗ
- •3.10.1. Статистичні гіпотези. Помилки першого та другого роду
- •3.10.2. Статистичний критерій перевірки нульової гіпотези
- •Питання для самоконтролю
- •Таблиця 3.12
- •Таблиця 3.13
- •Таблиця 3.14
- •Таблиця 3.15
- •3.10.4. Перевірка гіпотези про порівняння середнього значення ознаки генеральної сукупності зі стандартом
- •3.10.5. Перевірка гіпотези про рівність дисперсій двох незалежних випадкових величин
- •Питання для самоконтролю
- •Вправи
- •Додаток А
- •Таблиця значень функції
- •Додаток Б
- •Таблиця значень функції Лапласа
- •Додаток В
- •Додаток Г
- •Додаток Д
- •Критичні точки розподілу F Фішера-Снедекора
- •Додаток Е
- •Таблиця значень
- •Додаток Ж
- •Значення
4. |
Випадкова величина X |
розподілена за біноміальним законом. За на- |
||||||||||||||||||||||||||||||||||||
|
|
веденим статистичним розподілом вибірки знайти точкову оцінку |
||||||||||||||||||||||||||||||||||||
|
|
параметра p ( r =10 ): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xi |
|
0 |
|
1 |
|
2 |
|
|
|
|
|
3 |
|
|
4 |
|
|
|
5 |
|
|
|
6 |
|
7 |
|
||||||||||
|
|
ni |
|
2 |
|
3 |
|
10 |
|
|
|
|
|
22 |
|
|
26 |
|
20 |
|
|
|
12 |
|
5 |
|
||||||||||||
5. |
Знайти методом максимальної правдоподібності оцінку параметраl |
|||||||||||||||||||||||||||||||||||||
|
|
показникового розподілу. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
6. |
На основі вибірки (x1 , x2 , .., xn ) знайти за методом максимальної пра- |
|||||||||||||||||||||||||||||||||||||
|
|
вдоподібності точкові оцінки параметра l закону розподілу Пуассо- |
||||||||||||||||||||||||||||||||||||
|
|
на випадкової величини X . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
7. |
Скляні однорідні вироби відправлені для реалізації у1 000 контей- |
|||||||||||||||||||||||||||||||||||||
|
|
нерах. Після надходження товару виявили кількість пошкоджених |
||||||||||||||||||||||||||||||||||||
|
|
виробів у кожному контейнері: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
xi |
|
0 |
|
1 |
|
|
|
|
|
|
2 |
|
|
|
3 |
|
|
|
|
4 |
|
|
||||||||||||||
|
|
ni |
|
785 |
|
163 |
|
|
|
|
|
|
32 |
|
|
|
16 |
|
|
|
|
4 |
|
|
||||||||||||||
|
|
Вважаючи, що кількість пошкоджених виробів описується законом |
||||||||||||||||||||||||||||||||||||
|
|
Пуассона, знайти точкову оцінку параметра l. |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
3.8. ІНТЕРВАЛЬНІ ОЦІНКИ ПАРАМЕТРІВ РОЗПОДІЛУ |
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
3.8.1. НАДІЙНІСТЬ. ІНТЕРВАЛ ДОВІРИ |
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
Статистична |
точкова |
|
|
оцінка q* |
|
параметра q тим точніша, |
чим |
|||||||||||||||||||||||||||||
менше |
|
величина |
різниці |
|
q -q* |
|
. |
|
|
Якщо |
б вдалося |
встановити, що |
||||||||||||||||||||||||||
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
q -q* |
|
|
< d , то число d > 0 характеризувало б точність статистичної то- |
||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||
чкової оцінки q* |
параметра q . Однак статистичні методи не дозволя- |
|||||||||||||||||||||||||||||||||||||
ють категорично стверджувати, що |
|
q -q* |
|
|
< d , бо q* |
є випадковою |
||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||
величиною. Можна лише говорити про ймовірність g , з якою ця нері- |
||||||||||||||||||||||||||||||||||||||
вність виконується. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
Надійністю статистичної точкової оцінки q* параметра q |
нази- |
|||||||||||||||||||||||||||||||||||
вають імовірність g , з якою виконується нерівність |
|
q -q* |
|
< d , тобто |
||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
P{ |
|
q -q * |
|
< d} = g . |
|
|
|
|
|
(3.32) |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ДВНЗ “Українська академія банківської справи НБУ”
114
На практиці надійність оцінки задається наперед, принаймні число g вибирають близьким до одиниці: g = 0,95; g = 0,99; g = 0,999.
Наприклад, надійність оцінки g = 0,95 означає, що за достатньо великої кількості вибірок 95 % із них визначають такі інтервали довіри,
в яких справді знаходиться невідомий параметр. |
|
|
|||
Співвідношення (3.32) |
перепишемо в такому вигляді: |
|
|||
P {-d <q -q* < d}= g |
або P {q* - d < q < d +q*=} |
g |
(3.32' ) |
||
Інтервал |
(q* - d , q* + d ), для якого |
виконується |
рівність(3.32), |
||
називається |
інтервалом довіри (надійним інтервалом), а |
його межі |
|||
(q * - d ) і (q * +d ) – надійними межами для параметра розподілу q. |
|||||
Спосіб |
знаходження |
інтервалу |
довіри– розв’язати |
рівняння |
|
(3.32), з якого і визначають число d. |
|
|
|
Для цього необхідно обчислити ймовірність P{q* -d <q <q* +d}.
Це можна зробити, якщо відомий закон розподілу статистичної оцінки
q* (x , x |
2 |
, ..., x |
n |
) або пов’язаної з |
нею |
іншої випадкової величини, бо |
|
1 |
|
|
|
|
|
||
тоді можна використати відомі формули з теорії ймовірностей: |
|||||||
P {a < q* < b} = F (b ) - F (a) |
|
b |
|||||
або |
P {a <q * < b} = ò f (x) dx, |
||||||
|
|
|
|
|
|
|
a |
де F (x) – функція розподілу; |
|
|
|||||
f (x) |
– щільність розподілу випадкової величини q *. |
|
|
3.8.2. РОЗПОДІЛ c 2 |
– “ХІ-КВАДРАТ” |
|
|
Для розв’язання рівняння (3.32' ) поряд із розглянутими розподі- |
|||||
лами випадкових величин у статистиці застосовують |
ще |
розподіли |
|||
“хі-квадрат”, Стьюдента і Фішера-Снедекора. Розглянемо ці розподіли. |
|||||
Припустимо, що X 1 , X 2 , ..., X n |
– незалежні й нормально розпо- |
||||
ділені випадкові величини, принаймні їх математичні |
сподівання |
||||
M ( X i ) = 0 і середньоквадратичні |
відхиленняs ( X i ) =1 |
для |
будь- |
||
якого i = |
|
. Випадкова величина |
|
|
|
1, n |
|
|
|
||
|
|
n |
|
|
|
c 2 = å X i2 i=1
має розподіл c 2 із n ступенями вільності.
Розподіл c 2 “хі-квадрат” залежить від одного параметра n, і при n ® ¥ він наближається до нормального закону.
ДВНЗ “Українська академія банківської справи НБУ”
115
3.8.3. РОЗПОДІЛ СТЬЮДЕНТА
Припустимо, що Z – нормально розподілена випадкова величина, принаймні її математичне сподівання M (Z ) = 0 і середньоквадратичні
відхилення s (Z ) = 1 , а V – незалежна від Z |
випадкова величина, яка |
розподілена за законом c 2 з n ступенями |
вільності. Тоді випадкова |
величина:
Z
T =
V / n
має розподіл Стьюдента з k = n ступенями вільності.
Розподіл Стьюдента також залежить від одного параметраn, і при n ® ¥ він наближається до нормального закону.
3.8.4. РОЗПОДІЛ ФІШЕРА-СНЕДЕКОРА
Припустимо, що U і V – незалежні випадкові величини, які мають c 2 розподіли із k1 і k2 ступенями вільності відповідно. Випадкова величина
F= U / k1 V / k2
залежить від двох параметрів – ступенів вільності k1 і k2 .
Цей розподіл отримав назвуF-розподілу, або розподілу ФішераСнедекора.
Зокрема, F-розподілу підпорядковується відношення дисперсій двох незалежних вибірок обсягів n і m із двох, нормально розподілених генеральних сукупностей із рівними дисперсіями. У цьому випадку k1 = n -1 =i k2 m -1.
3.8.5. ІНТЕРВАЛЬНІ ОЦІНКИ ДЛЯ МАТЕМАТИЧНОГО СПОДІВАННЯ
Теорема. Припустимо, що X – нормально розподілена ознака генеральної сукупності, x – вибіркове середнє, знайдене за вибіркою обсягу n із цієї генеральної сукупності. Тоді x – нормально розподілена випадкова величина.
ДВНЗ “Українська академія банківської справи НБУ”
116
Теорема. Припустимо, що X – нормально розподілена ознака генеральної сукупності, для якої M ( X ) = a, D( X=) s 2 , x - вибіркове середнє, обчислене за вибіркою обсягу n із цієї генеральної сукупності. Тоді для "t > 0
|
|
|
|
|
|
|
ì |
|
|
|
|
st |
ü |
|
|
( |
|
) |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
P |
x - a |
|
= 2Ф |
t |
|
||||||||||
|
|
|
|
|
|
í |
|
|
|
|
ý |
|
|||||||||
|
|
|
|
|
|
î |
|
< |
|
n þ |
|
|
, |
(3.33) |
|||||||
|
|
1 |
|
x |
t 2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
де Ф(x )= |
|
|
òe- |
|
dt. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
2p |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Теорема. Припустимо, що X – нормально розподілена ознака генеральної |
|||||||||||||||||||||
сукупності, для якої M ( X ) = a, |
D( X ) = s 2 , |
|
– вибіркове середнє, обчи- |
||||||||||||||||||
x |
слене за вибіркою обсягу n із цієї генеральної сукупності. Тоді для "t > 0
|
ì |
|
|
|
|
st ü |
|
( |
) |
|
||
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|||||||
|
í |
|
|
|
|
|
|
ý |
|
|
||
lim P |
î |
|
x - a |
< |
|
n þ |
= 2Ф |
|
t . |
(3.34) |
||
n®¥ |
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
Припустимо, що x1, x2, …, xn – результати n незалежних спостережень за випадковою величиною X, на підставі яких необхідно знайти інтервал довіри для невідомого параметра a = M (X ).
Оскільки для математичного сподівання статистичною точковою оцінкою є вибіркове середнє x, то для знаходження інтервалу довіри
x - d < a < x + d потрібно розв’язати рівняння: |
|
P{ x - a < d } = g Û P{ x -d < a < x +d } = g. |
(3.35) |
Якщо середнє квадратичне відхилення s випадкової величини X
відоме, то розв’язок рівняння(3.35) можна знайти, використовуючи рівність (3.33) або (3.34).
Так, якщо X – нормально розподілена випадкова величина звідо-
мим середньоквадратичним відхиленням s , то можна записати, що
ì |
|
|
|
|
|
|
|
|
|
s |
t |
ü |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Pí |
|
x - a |
< |
ý |
= 2Ц(t) = g . |
|||||||||||||||
|
|
|
|
|||||||||||||||||
|
n |
|||||||||||||||||||
î |
|
|
|
|
|
|
|
|
|
|
þ |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Тоді, якщо t = tg – розв’язок рівняння 2Ц(t) = g із надійністю g , то |
||||||||||||||||||||
інтервал |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
- |
s |
tg |
|
< a < |
|
+ |
s |
tg |
|
|
||||||||
|
x |
x |
||||||||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
n |
є інтервалом довіри математичного сподівання a.
ДВНЗ “Українська академія банківської справи НБУ”
117
Якщо середнє квадратичне відхилення s – невідоме, але обсяг вибірки значний n > 30 , то інтервал довіри можна записати у вигляді:
|
- |
st |
g |
|
< a < |
|
+ |
st |
g |
|
, |
(3.36) |
|
x |
x |
||||||||||||
|
|
|
|
|
|
||||||||
|
|
|
n |
|
|
|
|
|
n |
|
де s – виправлене середнє квадратичне відхилення, знайдене за вибіркою обсягу n.
Якщо середнє квадратичне відхилення s – невідоме, але обсяг вибірки незначний (n < 30), X – нормально розподілена випадкова величина, то інтервал довіри також записують за допомогою формули (3.36), де значення tg знаходять за таблицями як розв’язок рівняння
P{| T |< tg } = g ,
де T = x - a - випадкова величина, розподілена за законом s / n
Ст’юдента з k = n -1 ступенями вільності.
Розподіл Стьюдента залежить лише від одного параметра n і при n ® ¥ наближається до нормального розподілу. Тому навіть якщо
середнє квадратичне відхилення s випадкової величини X невідоме,
але обсяг вибірки значний (n > 30) , то можна користуватися формулою
(3.33) або (3.34).
Якщо необхідно оцінити математичне сподівання із заздалегідь заданою точністю d і надійністю g , то мінімальний обсяг вибірки, який забезпечить цю точність, знаходять за формулою
n = tg |
2s 2 / d 2 |
(3.37) |
(як наслідок рівності d = ts / n ).
Приклад 3.6. Випадкова величина X розподілена нормально з відомим середньоквадратичним відхиленням s = 3. Знайти інтервал довіри з надійністю g = 0,95 для оцінки невідомого математичного сподівання a, якщо вибіркове середнє x = 25,02 знайдене за даними вибірки обсягу n = 36.
|
Розв’язання. |
Із рівняння 2Ц(t) = 0,95 |
|
Û Ц(t) = 0,475 |
за допомо- |
||||||||||||||||||
гою |
|
|
таблиці |
значень |
функції |
|
|
Лапласа(додаток )Б |
знаходимо |
||||||||||||||
t = tg |
|
=1,96. Межі інтервалу довіри шукаємо за формулами: |
|
||||||||||||||||||||
|
|
|
s tg |
|
|
|
3×1,96 |
|
|
|
s tg |
|
|
3×1,96 |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
x - |
|
|
|
= 25,02 - |
|
|
|
= 24,04; |
x + |
|
|
|
= 25,02 + |
|
|
|
|
= 26,0. |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
n |
36 |
|
n |
36 |
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
Отже, |
a Î (24,04; 26,0) із надійністю g = 0,95. |
|
|
|
|
|
ДВНЗ “Українська академія банківської справи НБУ”
118
Приклад 3.7. Ознака X генеральної сукупності розподілена нормально. За вибіркою обсягу n =17 знайдено вибіркове середнє x = 26,2 і виправлене середнє квадратичне відхиленнямs = 0,8. Оцінити невідоме математичне сподівання a за допомогою інтервалу довіри з надійністю g = 0,95.
Розв’язання. Оскільки обсяг вибірки незначнийn =17 < 30 і середнє квадратичне відхилення s невідоме, то для знаходження меж інтервалу довіри скористуємося формулою (3.36), де значення tg зна-
ходимо за допомогою таблиці (додаток Г): tg = t (0,95; 16) = 2,12. Тоді
|
|
stg |
|
|
0,8 × 2,12 |
|
|
|
stg |
|
|
0,8 × 2,12 |
|
||||||
x - |
|
26, 2=- |
= 25,776; x + |
|
26, 2=+ |
= 26, 624. |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
n |
16 |
|
|
n |
16 |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Отже, a Î(25, 776; 26, 624) із надійністю g = 0,95.
Приклад 3.8. Знайти мінімальний обсяг вибірки, на підставі якої можна було б оцінити математичне сподівання випадкової величини з похибкою, яка не перевищує 0,2, і надійністю 0,98, якщо випадкова величина розподілена нормально з s = 4.
Розв’язання. Із рівняння 2Ф(t ) = 0,98 Û Ф (t ) = 0, 49 за допомо-
гою таблиці функції Лапласа (див. додаток Б) знаходимо t = tg = 2,33. За формулою (3.37) знаходимо n:
n= tg2s 2 d 2 = (2,332 × 4)0, 22 » 2171.
3.8.6.ОЦІНКА ІСТИННОГО ЗНАЧЕННЯ ВИМІРЮВАНОЇ ВЕЛИЧИНИ
Припустимо, що проводять одним приладомn незалежних вимірювань деякої фізичної величини з однаковою точністю приладу, до того ж істинне значення цієї величини невідоме. Результати вимірювань x1, x2 , ... xn - це незалежні однаково розподілені випадкові величини, оскільки вони мають одне й те саме математичне сподівання – істинне значення вимірюваної величини та однакові дисперсії, бо вимірювання здійснюється з однаковою точністю. На підставі центральної граничної теореми можна також стверджувати, що ці випадкові величини розподілені нормально. Отже, істинне значення величини, яка вимірюється, можна оцінити за середнім арифметичним окремих вимірювань за допомогою інтервалів довіри.
Приклад 3.9. За даними9-ти незалежних вимірювань фізичної величини, здійснених за допомогою одного приладу, знайдено середнє
ДВНЗ “Українська академія банківської справи НБУ”
119
арифметичне результатів окремих вимірювань x = 52,320 і виправлене середнє квадратичне відхилення s = 5,0. Оцінити істинне значення вимірюваної величини з надійністю g = 0,95.
Розв’язання. Оскільки n = 9 < 30 і середнє квадратичне відхилення невідоме, то межі інтервалу довіри знаходимо за формулою(3.36), а значення tg – за допомогою таблиці(див. додаток Г): tg = t(0,95; 8) = 2,31.
Тоді
|
|
stg |
|
|
5 |
× 2, 26 |
|
|
|
stg |
|
|
|
5 × 2, 26 |
|
||||||
x - |
|
52,32= - |
= 48,55; x + |
|
52,=32 |
+ |
= 56,09. |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
n |
|
9 |
|
|
n |
9 |
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Отже, із надійністю g = 0,95 істинне значення вимірюваної величини покривається інтервалом (48,55; 56,09).
3.8.7. ІНТЕРВАЛИ ДОВІРИ ДЛЯ СЕРЕДНЬОГО КВАДРАТИЧНОГО ВІДХИЛЕННЯ НОРМАЛЬНО РОЗПОДІЛЕНОЇ ВИПАДКОВОЇ ВЕЛИЧИНИ
Припустимо, що ознака X генеральної сукупності розподілена нормально. Знайдемо інтервал довіри для середнього квадратичного відхилення s із заданою надійністю g . Оскільки статистичною точковою оцінкою для параметра s є виправлене середнє квадратичне відхилення s, то для цього потрібно розв’язати рівняння:
P{s - s < d}= g Û P{s -d < s < s + d} = g .
|
Перетворимо подвійну нерівність s -d <s < s +d : |
|
|||||||
|
s (1- |
d |
) <s < s (1+ |
d |
) Û |
s (1-q) <s < s (1+q), |
(3.38) |
||
|
|
|
|||||||
|
|
s |
|
s |
|
|
|
||
де |
q = d / s. |
|
|
|
|
|
|
||
|
Залишається знайти q. Для цього розглянемо випадкову величину |
||||||||
|
|
|
|
c = (S /s ) |
|
|
|
||
|
|
|
|
n -1, |
|
||||
де |
n – обсяг вибірки. |
|
|
|
|
|
|
||
|
Відомо, що випадкова величина S 2 (n -1) / s 2 розподілена за за- |
коном c 2 з n -1 ступенями вільності, тому квадратний корінь із неї позначають через c.
ДВНЗ “Українська академія банківської справи НБУ”
120
Припустимо, що q <1, тоді нерівність (3.38) перетвориться так:
|
1 |
< |
1 |
< |
|
|
|
1 |
Û |
n -1 |
< |
s n -1 |
< |
n -1 |
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 - q |
||||||||||||||
|
|
s(1 + q) s s(1 - q) |
|
|
|
|
|
|
1 + q |
s |
|
|||||||||||||||||||||
або |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
n -1 |
|
|
< c < |
|
n -1 |
|
. |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
1 + q |
|
|
|
|
|
|
|
|
|
|
||||||||||
Отже, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 - q |
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
P {s - d < s < s + d} = P {s(1 - q) < s < s(1 + q)} = |
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x2 |
|
|
|
|
|||
|
|
|
|
|
n -1 |
|
|
|
|
|
|
|
|
|
n -1 |
|
|
|
|
|
|
|
||||||||||
|
|
|
= P { |
|
< c < |
|
|
} = òR(x, n) dx = g , |
||||||||||||||||||||||||
|
|
1 + q |
|
1 - q |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x1 |
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
де c1 = |
|
/(1 + q), c2 = |
|
|
|
/(1 - q). Із отриманого рівняння можна |
||||||||||||||||||||||||||
n -1 |
|
n -1 |
||||||||||||||||||||||||||||||
за допомогою таблиці q = q(g , n) |
(додаток Е) знайти q. |
|||||||||||||||||||||||||||||||
Обчисливши за вибіркою s |
та знайшовши за таблицею q, отри- |
маємо шуканий інтервал довіри(3.38), який покриває параметр s із заданою ймовірністю g .
Якщо q >1, то нерівність (3.38) набуває вигляду: 0 < s < s(1 + q).
Уцьому випадку q також шукають за таблицею значень q = q(g , n) (див. додаток Е).
3.8.8.ОЦІНКА ТОЧНОСТІ ВИМІРЮВАНЬ
Утеорії помилок прийнято точність вимірювань характеризувати за допомогою середнього квадратичного відхиленняs випадкових помилок вимірювань. Для оцінки s використовують виправлене середнє квадратичне відхилення s.
Приклад 3.10. За даними 20-ти рівноточних вимірювань знайдено виправлене середнє квадратичне відхилення s = 0,12. Знайти точність вимірювання з надійністю g = 0,99.
Розв’язання. Знайти точність вимірювання – означає знайти інтервал довіри s (1- q) <s < s (1+ q), який покриває s із заданою надійністю g = 0,99. За таблицею значень q = q (g , n) (див. додаток E) знаходимо q = q (0,99; 20) = 0,58. Шуканий інтервал довіри:
0,12(1 - 0,58) <s < 0,12(1 + 0,58), 0,0504 < s < 0,1896.
ДВНЗ “Українська академія банківської справи НБУ”
121