- •Лекція №1
- •1.1 Опрацювання результатів прямих вимірювань
- •1.1.1 Принципові основи оцінювання похибок вимірювань
- •1.1.2 Оцінка результату і похибки прямих вимірювань
- •1.1.3 Оцінка похибки прямих одноразових вимірювань
- •1.1.4 Оцінка результату і похибки прямих багаторазових вимірювань
- •1.1.5 Опрацювання результатів прямих одноразових вимірювань
- •1.1.6 Опрацювання результатів багаторазових прямих вимірювань
- •1.1.7 Опрацювання результатів прямих нерівноточних вимірювань
- •1.2 Опрацювання результатів опосередкованих вимірювань
- •1.2.1 Оцінка результату і похибки опосередкованих вимірювань
- •1.2.2 Опрацювання результатів опосередкованих вимірювань з лінійною залежністю
- •1.2.3 Опосередковані вимірювання при нелінійній залежності
- •1.2.4 Систематична похибка опосередкованих вимірювань при нелінійній залежності
- •1.2.5 Результат і похибка опосередкованих вимірювань
- •1.3 Оцінка результатів і похибок сумісних та сукупних вимірювань
- •Питання для самоперевірки
- •Лекція №2
- •2 Статистична перевірка гіпотез
- •2.1 Поняття статистичної гіпотези. Припустима і критична області. Статистичний критерій
- •Питання для самоперевірки
- •2.2 Гіпотези про параметри розподілу. Виникнення помилок першого та другого роду. Визначення обсягу випробувань
- •Питання для самоперевірки
- •2.3 Параметричні критерії розбіжностей для двох сукупностей. Критерії Фішера і Кохрена
- •Питання для самоперевірки
- •2.4 Критерії згоди
- •Питання для самоперевірки
- •2.5 Непараметричні критерії
- •Питання для самоперевірки
- •2.6 Перевірка гіпотез відносно частки ознаки порівняння двох вибірок
- •Питання для самоперевірки
- •Завдання планування експерименту
- •Лукція №3
- •3. Регресійний аналіз
- •3.1 Кореляційна залежність
- •3.2 Два основних завдання вимірювання зв’язків
- •3.3 Емпірична лінія регресії
- •3.4 Метод найменших квадратів
- •3.5 Множинний регресійний аналіз
- •3.6 Нелінійна регресія
- •Лекція №4
- •4. Активний експеримент
- •4.1 Ортогональні плани першого порядку
- •4.2 Повний факторний експеримент
- •4.3 Дисперсія відтворюваності
- •4.4 Оцінка адекватності апроксимуючої залежності досліджуваного
- •4.5 Оцінка значущості коефіцієнтів апроксимуючої залежності, взятій у вигляді алгебраїчного полінома, в сенсі відмінності значень цих коефіцієнтів від нуля
- •4.6 Обробка результатів експерименту
- •4.7 Дрібний факторний експеримент
- •4.8 Складання планів другого порядку
- •4.9 Ортогональні центрально-композиційні плани
- •Лекція №5
- •5. Планування експерименту при відшуканні екстремальної області
- •5.1 Класичні методи визначення екстремуму
- •5.2 Факторні методи визначення екстремуму
- •Лекція №6
- •6. Дисперсійний аналіз при експериментальному дослідженні
- •6.1 Однофакторний дисперсійний аналіз
- •Лекція №7
- •7. Приклади та завдання
- •Список літератури
Питання для самоперевірки
-
Як визначається вибіркове середньоквадратичне відхилення окремих результатів спостережень для вибірки
-
У якій послідовності відбувається обробка результатів одноразових прямих вимірювань?
-
Яка суть коефіцієнта кореляції t при статистичній обробці вибірок за умови нерівноточних вимірювань?
-
Як оцінюється похибка опосередкованого однократного вимірювання при нелінійній залежності між вимірюваною величиною і аргументами?
-
Що таке опосередковані вимірювання з багатократними спостереженнями аргументів?
-
В чому суть методу приведення при обробці результатів опосередкованих вимірювань з багатократними спостереженнями аргументів?
-
Які основні етапи мають місце при обробці результатів спостережень аргументів при опосередкованих вимірюваннях?
-
Які і як визначають оцінки результатів багатократних спостережень з нормальним законом розподілу при опосередкованих вимірюваннях?
-
Як впливає вид функціональної залежності на методику обробки результатів опосередкованих вимірювань?
Лекція №2
2 Статистична перевірка гіпотез
2.1 Поняття статистичної гіпотези. Припустима і критична області. Статистичний критерій
При опрацюванні випадкових величин на відміну від детермінованих, можна зробити тільки припущення щодо їхнього походження, тобто висунути гіпотезу.
Статистичною гіпотезою називається будь-яке припущення щодо виду або властивостей розподілу спостережуваних в експерименті випадкових величин. Сутність перевірки статистичної гіпотези полягає в тому, щоб установити, узгоджуються чи ні результати спостережень та висунута гіпотеза, чи можна розбіжність між гіпотезою та результатом вибіркових спостережень віднести за рахунок похибки, зумовленої механізмом випадкового відбору.
Гіпотези бувають прості і складні.
Проста гіпотеза має тільки одне твердження.
Приклад. Параметр θ має одне конкретне значення (θ = θ0).
Складна гіпотеза складається з безлічі простих гіпотез.
Приклад. Параметр θ має деяке значення із сукупності
Гіпотезу, що висувають, називають основною гіпотезою. У зв'язку з тим, що вона найчастіше полягає у передбаченні відсутності систематичної розбіжності (нульової розбіжності) між невідомим параметром генеральної сукупності й заданою величиною, то її також називають нульовою гіпотезою і позначають Н0. Зміст гіпотези записують після двокрапки. Так, у розглянутому прикладі Н0: θ = θ0.
Зазвичай формулюють ще й альтернативну (конкуруючу) гіпотезу Н1. У результаті перевірки можна приймати тільки одну з гіпотез Н0 або Н1, відхиляючи водночас іншу.
Гіпотезу перевіряють статистичними методами на підставі вибірки, отриманої з генеральної сукупності. Через випадковість відхилень значень у вибірці в результаті перевірки можуть виникати помилки й прийматися неправильне рішення. Коли рішення не відповідає справжньому стану, можуть виникнути помилки двох видів.
Помилка першого роду має місце тоді, коли відхиляється правильна гіпотеза Н0.
Помилка другого роду полягає в тому, що приймається гіпотеза Н0, коли правильною є альтернативна гіпотеза.
При перевірці гіпотез може виникнути одна із чотирьох ситуацій:
— гіпотеза Н0 правильна й вона приймається;
-
має місце гіпотеза Н0, однак приймається неправильна гіпотеза Н1 (помилка першого роду);
-
має місце гіпотеза Н1, однак приймається неправильна гіпотеза Н0 (помилка другого роду);
— гіпотеза Н1 правильна й вона приймається.
Здебільшого наслідки зазначених помилок нерівнозначні. Одна з помилок приводить до більш обережного, консервативного рішення, інша - до невиправданих дій. Що краще, що гірше — залежить від конкретної постановки задачі і змісту нульової гіпотези. Природним є прагнення зменшити втрати від обох помилок одночасно. Але, як ми побачимо далі, вони є конкуруючими, і зменшення ймовірності появи однієї з них призводить до збільшення ймовірності появи іншої. Таким чином, необхідно вибирати компромісне рішення. Ухвалення рішення грунтується на деякому статистичному критерії.
Статистичним критерієм називається певне правило обробки статистичного матеріалу (результатів дослідження), на підставі якого одна з гіпотез приймається, а всі інші відхиляються.
Кожен критерій має свою числову характеристику, що називається потужністю. Функцією потужності критерію називається ймовірність того, що основна гіпотеза Н0 відхиляється, тоді як альтернативна гіпотеза приймається. Чим більша потужність критерію, тим менша ймовірність здійснення помилки 2-го роду.
Рішення приймається за значенням деякої функції вибірки, яка називається статистикою, або статистичною характеристикою (z, t, χ2).
Для того щоб прийняти або відхилити передбачувану гіпотезу, потрібно вибрати межу припустимих при висунутій гіпотезі відхилень від математичного сподівання, тобто призначити таке критичне відхилення, перевищення якого при висунутій гіпотезі настільки малоймовірне, що його можна вважати практично неможливим. Якщо воно фактично спостерігалося, то це вказує на несумісність висунутої гіпотези з наявними спостереженнями, або якщо фактичне відхилення менше за критичну межу, є підстави вважати, що результати досліду не суперечать висунутій гіпотезі, а спостережене відхилення від центра розподілу можна пояснити впливом випадкових величин.
Множину значень обраної статистики можна поділити на дві неперетинні підмножини:
—підмножина значень статистики, за якою гіпотеза Н0 приймається (не відхиляється), називається областю прийняття гіпотези (припустимою областю);
—підмножина значень статистики, за якою Н0 відхиляється і приймається гіпотеза Н1, називається критичною областю.
Критичними точками θкр називаються точки, які відокремлюють критичну область від припустимої. Критичні точки визначають за таблицями розподілу статистики.
Кількісно помилки оцінюють за ймовірністю їх виникнення.
Припустима ймовірність помилки першого роду позначається α (імовірність потрапляння статистичної характеристики в критичну область, тобто ймовірність практично неможливих відхилень) і називається рівнем статистичної значущості.
Значення α зазвичай вибирається малим (0,05; 0,02; 0,01 — для технічних завдань; для завдань, пов'язаних із життям людини — 0,001).
Чим менший рівень значущості, тим менша ймовірність зробити помилку першого роду α, але тим вища ймовірність зробити помилку другого роду.
Для визначення критичної області статистики рівень значущості α вибирають з урахуванням виду альтернативної гіпотези Н1.
Приклад. Основна гіпотеза Н0: θ = θ0. Альтернативна гіпотеза Н1, може при цьому мати такий вигляд: Н1:θ < θ0; Н1: θ > θ0 або Н1: θ ≠ θ0. Відповідно можна дістати лівобічну (рис. 2.1, а), правобічну (рис. 2.1, б) або двобічну критичну область (рис. 2.1, в).
Рис. 2.1
Загальна схема перевірки статистичної гіпотези складається з таких етапів:
-
Формулюють гіпотези Н0 і Н1.
-
Вибирають статистику, за значенням якої приймається рішення про правильність гіпотези. Необхідно, щоб статистика мала відомий закон розподілу.
-
Задаються рівнем статистичної значущості α.
-
Визначають критичні значення за таблицями а і вид альтернативної гіпотези Н1.
-
Обчислюють за вибіркою значення обраної статистики.
-
Порівнюють значення обчисленої статистики з її критичним значенням.
-
Приймають рішення: якщо значення обчисленої статистики не потрапляє у критичну область, приймається гіпотеза Н0 і відхиляється гіпотеза Н1 і навпаки.