- •4. Обработка результатов математического моделирования
- •4.1. Оценка закона распределения вероятностей
- •4.2. Проверка соответствия выбранной модели распределения данным эксперимента
- •4.2.1. Критерий Пирсона
- •4.2.2. Критерий Колмогорова
- •4.2.3. Критерий Крамера – Мизеса
- •4.3. Оценка моментов распределения
- •4.4. Оценка корреляционной функции случайного процесса
- •4.5. Оценка спектральной плотности мощности случайных процессов
- •4.5.1. Метод коррелограмм
- •4.5.2. Метод периодограмм
4.2.1. Критерий Пирсона
Разобьем область определения модельной плотности распределения вероятностей на интервалов и обозначим вероятности попадания оценки в -й интервал через . Согласно критерию Пирсона решающей статистикой является следующая мера расхождения модельного и эмпирического распределений
|
(4.16) |
где - количество значений оценки, попавших в -й интервал ( ).
Пирсон доказал следующую теорему. Если проверяемая гипотеза об истинности модельного распределения верна, то при объеме выборки закон распределения решающей статистики зависит только от числа интервалов и приближается асимптотически к закону распределения (хи-квадрат) с степенями свободы, где - число неизвестных параметров модельного распределения.
Выдвинув гипотезу об истинности модельного распределения , мы тем самым устанавливаем, от какого числа параметров оно зависит. Если значения всех или части параметров не известны, то они заменяются оценками. После определения оценок параметров модельной функции распределения вычисляются вероятности
|
(4.17) |
попадания оценки в -й интервал .
Из теоремы Пирсона следует, что какова бы ни была гипотетическая функция распределения вероятностей случайная величина при имеет распределение
|
(4.18) |
где - неполная, а - полная гамма – функции, которые могут быть вычислены либо числено, либо по таблицам.
Таким образом, процедура проверки гипотезы согласно критерию Пирсона выглядит следующим образом:
Задаем значение доверительной вероятности или уровня значимости . Обычно .
По значению и числу степеней свободы на основании (4.18) находим величину порога сравнения .
На основании (4.16) и (4.17) вычисляем значение решающей статистики и сравниваем его с порогом . Если значение меньше порога , то гипотеза принимается. Если , то гипотеза отвергается.
Критерий Пирсона является одним из наиболее широко используемых на практике и дает хорошие результаты при объеме выборки порядка 100 и выше. Недостатками критерия являются:
Необходимость иметь сравнительно большую выборку.
Произвольное разбиения области определения модельной плотности распределения вероятностей на интервалов, которое не учитывает особенностей функции .
4.2.2. Критерий Колмогорова
Согласно этому критерию количественной мерой соответствия модельного и эмпирического распределений вероятностей для выборки объема служит максимум их модуля разности
|
(4.19) |
Колмогоров доказал, что если проверяемая гипотеза верна, то при и дополнительном предположении о непрерывности функция распределения величины асимптотически стремится к функции Колмогорова
|
(4.20) |
Представление (4.20) удобно использовать при , когда ряд сходится быстро. При , когда ряд в (4.20) сходится медленно, удобнее пользоваться другим представлением
|
(4.21) |
Таким образом, правило проверки гипотезы согласно критерию Колмогорова таково:
Задаем значение доверительной вероятности или уровня значимости . Обычно .
По значению и числу степеней свободы на основании (4.20) или (4.21) находим величину порога сравнения .
На основании (4.19) вычисляем значение решающей статистики и сравниваем его с порогом . Если значение меньше порога , то гипотеза принимается. Если , то гипотеза отвергается.
Как и критерий Пирсона, критерий Колмогорова используется при достаточно больших объемах выборки ( ). Однако при использовании этого критерия не требуется дополнительного разбиения области определения на интервалы.