- •ОГЛАВЛЕНИЕ
- •ПРЕДИСЛОВИЕ
- •1. ЭКСПЕРИМЕНТ КАК ПРЕДМЕТ ИССЛЕДОВАНИЯ
- •1.1. Понятие эксперимента
- •1.2. Классификация видов экспериментальных исследований
- •2.1. Случайные величины и параметры их распределений
- •2.2. Нормальный закон распределения
- •3. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
- •3.2. Оценивание с помощью доверительного интервала
- •3.2.2. Построение доверительного интервала для дисперсии
- •3.3. Статистические гипотезы
- •3.4. Отсев грубых погрешностей
- •3.4.1. Критерий Н.В. Смирнова
- •3.4.2. Критерий Диксона
- •3.5. Сравнение двух рядов наблюдений
- •3.5.1. Сравнение двух дисперсий
- •3.5.2. Проверка однородности нескольких дисперсий
- •3.7. Преобразование распределений к нормальному
- •4.1. Характеристика видов связей между рядами наблюдений
- •4.2. Определение коэффициентов уравнения регрессии
- •4.3. Определение тесноты связи между случайными величинами
- •4.4. Линейная регрессия от одного фактора
- •4.5. Регрессионный анализ
- •4.5.1. Проверка адекватности модели
- •4.5.2. Проверка значимости коэффициентов уравнения регрессии
- •4.6. Линейная множественная регрессия
- •4.7. Нелинейная регрессия
- •5. ОЦЕНКА ПОГРЕШНОСТЕЙ РЕЗУЛЬТАТОВ НАБЛЮДЕНИЙ
- •5.1. Оценка погрешностей определения величин функций
- •5.2. Обратная задача теории экспериментальных погрешностей
- •5.3.Определение наивыгоднейших условий эксперимента
- •6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
- •6.1. Основные определения и понятия
- •6.2. Пример хорошего и плохого эксперимента
- •6.3. Планирование первого порядка
- •6.3.1. Выбор основных факторов и их уровней
- •6.3.2. Планирование эксперимента
- •6.3.3. Определение коэффициентов уравнения регрессии
- •6.3.4. Статистический анализ результатов эксперимента
- •6.3.5. Дробный факторный эксперимент
- •6.4. Планы второго порядка
- •6.4.1. Ортогональные планы второго порядка
- •6.4.2. Ротатабельные планы второго порядка
- •6.5.1. Метод покоординатной оптимизации
- •6.5.2. Метод крутого восхождения
- •6.5.3. Симплексный метод планирования
- •7.1. Общие замечания
- •7.2. Статистические функции Microsoft Excel
- •7.3. Краткое описание системы STATISTICA
- •7.3.1. Общая структура системы
- •7.3.2. Возможные способы взаимодействия с системой
- •7.3.3. Ввод данных
- •7.3.4. Вывод численных и текстовых результатов анализа
- •7.3.5. Статистические процедуры системы STATISTICA
- •7.3.6. Структура диалога пользователя в системе STATISTICA
- •7.3.7. Примеры использования системы STATISTICA
- •СПИСОК РЕКОМЕНДУЕМОЙ ЛИТЕРАТУРЫ
- •ПРИЛОЖЕНИЕ
3. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
3.2.2. Построение доверительного интервала для дисперсии
При построении доверительного интервала для дисперсии используется случайная величина χ2 (читается: "хи-квадрат"),
|
|
n |
x |
− |
|
|
2 |
|
n −1 |
|
|
|
||
|
|
x |
|
|
|
|
||||||||
|
2 |
|
|
i |
|
|
|
|
|
|
|
2 |
|
|
χ |
|
= ∑ |
|
|
|
|
|
= |
2 |
|
Sx |
, |
(3.32) |
|
|
|
i=1 |
|
σx |
|
σx |
|
|
которая имеет так называемое распределение Пирсона (по имени английского математика и биолога К.Пирсона), или χ2–распределение ("хи- квадрат-распределение").
Плотность распределения случайной величины χ2 описывается уравне-
нием
|
1 |
|
m−2 |
|
1 |
|
|
|
|||
2 |
2 |
|
|
− |
|
χ2 |
|
2 |
|
||
2 |
|
|
|
|
|||||||
2 |
|
|
|||||||||
f(χ )= |
2m/ 2 Γ(m 2) (χ ) |
e |
, |
0≤χ ≤∞, |
(3.33) |
||||||
|
|
|
|
где Г(m/2) – гамма – функция; m – число степеней свободы (при построении доверительного интервала m = n-1).
На рис.3.3 приведены кривые f(χ2) для различных значений m. Эти кривые асимметричны, причем асимметрия особенно резко выражена при малых значениях параметра m. Так, при m =1 и χ2=0 кривая уходит в бесконечность, а
при m = 2 и χ2=0 она достигает максимального значения, равного 0,5. При m>2
кривые имеют максимум при χ2max = m - 2. При больших значениях m (m>30) χ2-
распределение переходит в нормальное со средним значением f (χ2 ) = 2m −1
и дисперсией σ2=1.
Для построения доверительного интервала для дисперсии рассмотрим соотношение
P(χ2 |
<χ2 ≤χ2 |
) =P −P |
(3.34) |
P |
P |
2 1 |
|
1 |
2 |
|
|
и с учетом (3.32) решим стоящее в скобках неравенство относительно σx2 :
62
3. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
P(S2x |
n −1 |
<σx |
2 |
≤S2x |
n −1 |
) = P2 −P1 , |
(3.35) |
|
χP2 |
|
|
|
|||||
|
|
|
|
χP2 |
|
|||
|
1 |
|
|
|
|
2 |
|
|
2 |
n −1 |
2 |
2 |
n −1 |
|
||
где Sx |
|
<σx |
<Sx |
|
- |
(3.36) |
|
χP2 |
|
χP2 |
|||||
|
1 |
|
|
|
2 |
|
|
есть доверительный интервал для дисперсии σx2 с доверительной вероятно-
стью P= P2 - P1=1-α.
а
f(χ2)
0,5 |
|
|
|
m=2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
0,4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,3 |
|
|
|
|
|
m=4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
0,2 |
|
|
|
|
|
|
|
|
|
|
|
m=10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
0,1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
χ2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
2 |
4 |
6 |
8 |
10 |
12 |
14 |
16 |
18 |
б
F(χ2)
m=1
1,0
0,8 |
|
|
|
|
|
|
|
|
|
m=4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m=10 |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
0,6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
χ2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
2 |
4 |
6 |
8 |
10 |
12 |
14 |
16 |
18 |
Рис.3.3. Плотность распределения (а) и функция распределения (б)
χ2
63
3. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
Как и при построении доверительного интервала для математического ожидания в технических приложениях обычно принимают P1=α/2 и P2=1-α/2, а α выбирают равным 0,1 или 0,05, реже 0,01.
Квантили распределения Пирсона находят по таблицам (см. [11] или табл. П.3), а в Microsoft Excel для этого используется функция ХИ2ОБР.
Границы доверительного интервала для среднего квадратичного отклонения σx находятся путем извлечения квадратного корня из значений доверительных границ для дисперсии.
В примере 3.1 по трем выборочным значениям 351, 370 и 365, SHB2 = 97
при α = 0,05 (P1=0,05/2=0,025 и P2=1-0,05/2=0,975; ХИ2ОБР(0,025;2) = 7,377779
и ХИ2ОБР(0,975;2) = 0,050636) доверительный интервал для дисперсии твердости составит
97 |
3 −1 |
< σ 2 |
< 97 |
3 −1 |
, или после вычислений 26 < σ 2 |
< 3880 , а довери- |
||
7,38 |
|
0,05 |
|
|||||
|
|
|
|
|
|
|
тельный интервал для среднего квадратичного отклонения будет равен
5 <σ < 62 .
3.2.3. Определение необходимого количества опытов при построении интервальной оценки для математического ожидания
Увеличение количества измерений (числа проб, образцов и т.п.), как видно из выражений (3.27) и (3.31) даже при неизменной их точности (σx = const), может увеличить доверительную вероятность P или сузить доверительный ин-
тервал ±δ для определения действительного значения измеряемой величины (математического ожидания).
Необходимое количество измерений (образцов, проб и т.п.) n для достижения требуемой точности δ при заданной доверительной вероятности Р можно
определить заранее в том случае, когда известно действительное значение
среднеквадратичного отклонения σx, а экспериментальные данные (измерения)
подчиняются нормальному закону распределения.
64
3. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
Действительно, при этих допущениях число измерений можно определить из выражения (3.27)
z |
σ |
x |
2 |
= z2 |
|
σ |
|
2 |
(ε) |
2 |
|
|
n ≥ |
1−α / 2 |
|
|
|
|
x |
= z2 |
, |
(3.37) |
|||
δ |
|
|
|
|||||||||
|
|
|
|
1−α / 2 |
|
δ |
1−α / 2 |
|
где ε = σx /δ.
Таким образом, число измерений n определяется требуемой довери-
тельной вероятностью Р =1- α и относительным (по отношению к среднеквадратичному отклонению) значением половины ширины доверительного интервала δ, т.е. требуемой точностью определения измеряемой величины. Так, при Р=0,95, z0,975 = 1,96 и при δ=σx число измерений равно 4. При увеличении необходимой точности измерений в 2 раза, т.е. сужении доверительного интервала
до величины δ=(1/2)σx, необходимое число измерений составит 16. Нетрудно
заметить, что необходимое число измерений с увеличением точности возрас-
тает в квадратичной зависимости.
Как правило, действительное значение среднеквадратичной ошибки (σx)
неизвестно, а имеется только ее оценка (Sx). В этом случае следует воспользо-
ваться соотношением (3.31), т.е. критерием Стьюдента, и необходимое число измерений определять из соотношения
|
tα2 |
,m S x2 |
= t 2 |
|
S |
x |
|
2 |
|
n ≥ |
|
|
|
|
|
= t 2 |
ε,2 |
||
|
δ 2 |
δ |
|||||||
|
|
α,m |
|
|
α,m |
(3.38) |
где ε = Sx/δ.
При расчетах по этому уравнению следует иметь в виду, что значение
критерия Стьюдента зависит не только от α, но и от числа степеней свободы m, последние же определяются числом измерений. В связи с этим уравнение (3.38) следует решать методом последовательных приближений. В качестве
начального приближения можно задать, в частности, число измерений, рассчитанных по формуле (3.37). Так, если решить последнее уравнение методом последовательных приближений, то можно показать, что при P=0,95 (α=0,05) для определения доверительного интервала с точностью δ=Sx требуется 7 измере-
ний, а с точностью δ=0,5Sx – 19. С повышением необходимой точности различие
65