- •Програма курсу “Прикладна математика” Розділ
- •Змiст дисциплiни
- •1. Теорія ймовірностей
- •2.Математична Статистика
- •Завдання №1. Розрахунок розмірного асортименту за допомогою нормального розподілу .
- •Завдання до самостійної роботи № 1.
- •Контрольні питання до роботи №1
- •Завдання №2.
- •Як будувати гістограму?
- •Аналіз гістограми
- •Порівняння гістограми з границями допуску.
- •Розшарування (стратифікація)
- •Завдання до самостійної роботи № 2.
- •Контрольні питання до роботи № 2.
- •Завдання №3.
- •Оцінка математичного сподівання.
- •Завдання до роботи № 3.
- •Контрольні питання до роботи № 3.
- •Завдання №4. Діаграми розсіювання. Регресійний аналіз.
- •Теоретичні відомості. Приклади.
- •Діаграмма розсіювання
- •Як читати діаграми розсіювання ?
- •Коефіцієнт кореляції
- •Лінійний регресійний аналіз .
- •Оцінювання лінії регресії .
- •Завдання до роботи № 4
- •Контрольні питання до роботи № 4
- •Додаток.
- •Література
Завдання до роботи № 3.
Для масиву даних із таблиці D2 додатку обчислити за незгрупованою та згрупованою вибіркою: вибіркове середнє , вибіркову дисперсію , вибіркове середнє квадратичне відхилення , , та медіану .
Результати обчислень занести в таблицю (див. табл. 3).
Контрольні питання до роботи № 3.
Що таке статистична оцінка числового параметру?
Які критерії якості статистичної оцінки?
Які характеристики розміщення випадкової величини? Які статистики їх наближують?
Які характеристики розсіювання випадкової величини та які статистики їх наближують?
Як побудувати кумулятивні частоти та графік кумулятивних відносних частот?
Як за допомогою графіка кумулятивних відносних частот знайти наближення Р{а≤ξ<в}?
Завдання №4. Діаграми розсіювання. Регресійний аналіз.
Мета роботи: Ознайомитися з методами аналізу залежності між деякими змінними.
Теоретичні відомості. Приклади.
На практиці часто важливо вивчити залежності між парами відповідних змінних . Наприклад ми хочемо визначити , чи залежить варіація розмірів деталі від зміни скорості шпінделя токарного верстату ? Або , припустимо , ми хочемо керувати концентрацією матеріалу , але замінюємо вимірювання концентрації вимірюванням питомої ваги , оскільки на практиці її легше виміряти .
Для вивчення такого типу залежностей можна скористатися діаграмами розсіювання та методами регресійного аналізу . Змінні можуть бути характеристиками якості , або факторами , які впливають на такі характеристики .
Як будувати діаграму розсіювання ?
Зберіть парні дані ( Х , У ) між якими ви хочете дослідити залежність . Бажано мати декілька десятків пар даних ( n > 30 ) .
Найдіть xміn , xмах , yміn , yмах . Виберіть масштаб по горизонтальній та вертикальних осях так , щоб обидві довжини робочої частини були наближено однакові . Тоді діаграму легше читати . Горизонтальна вісь ОХ вибирається для фактора ( незалежна змінна Х ) , а для характеристики якості ( залежна змінна У ) – вертикальна вісь ОУ .
Нарисуйте графік і нанесіть на нього дані .
Зробіть всі необхідні позначення :
а ) назва діаграми ; б ) інтервал часу ; в ) число пар даних ; г ) назва і одиниці вимірювання для кожної осі .
Приклад 3.1. Фірма – виробник пластикових ємкостей , які виготавлюється методом лиття під тиском , має труднощі через дефектні ємкості з занадто тонкими стінками .
Було зроблено припущення , що причина браку полягає у варіації тиску повітря , яке кожний день змінюється . У таблиці 3.1. наведені дані про тиск повітря і процент дефектів .
Побудуємо за цими даними діаграму розсіювання ( рис 3.1. ) .
Всього n=30 пар даних ,
xміn = 8.2 кгс/см² xмах = 9.4 кгс/см²
yміn = 0.864 % yмах = 0.928 %
Таблиця 3.1. Дані про тиск і процент дефектів
Дата |
Тиск кгс/см² |
Процент дефектів |
Дата |
Тиск кгс/см |
Процент дефектів |
жовтень 1 |
8.6 |
0.889 |
22 |
8.7 |
0.892 |
2 |
8.9 |
0.884 |
23 |
8.5 |
0.877 |
3 |
8.8 |
0.874 |
24 |
9.2 |
0.885 |
4 |
8.8 |
0.891 |
25 |
8.5 |
0.866 |
5 |
8.4 |
0.874 |
26 |
8.3 |
0.896 |
6 |
8.7 |
0.886 |
29 |
8.7 |
0.928 |
9 |
9.2 |
0.911 |
30 |
9.3 |
0.886 |
10 |
8.6 |
0.912 |
31 |
8.9 |
|
11 |
9.2 |
0.895 |
листопад |
|
|
12 |
8.7 |
0.896 |
1 |
8.9 |
0.908 |
15 |
8.4 |
0.894 |
2 |
8.3 |
0.881 |
16 |
8.2 |
0.864 |
5 |
8.7 |
0.882 |
17 |
9.2 |
0.922 |
6 |
8.9 |
0.904 |
18 |
8.7 |
0.909 |
7 |
8.7 |
0.912 |
19 |
9.4 |
0.905 |
8 |
9.1 |
0.925 |
|
|
|
9 |
8.7 |
0.872 |