- •Введение
- •Глава 1. Случайная величина. Законы распределения случайных величин
- •1.1. Понятие случайной величины
- •1.1.1. Виды измерений
- •1.1.2. Единицы измерений, используемые в маркшейдерском деле
- •1.1.3. Случайная величина
- •1.1.4. Вероятность события
- •1.2. Вариационные ряды
- •1.3. Характеристики вариационных рядов
- •1.3.1. Средние значения признака
- •1.3.2. Дисперсия и среднее квадратическое отклонение
- •1.3.3. Показатели вариации
- •1.3.4. Медиана и мода
- •1.3.5. Асимметрия и эксцесс
- •1.3.6. Условные моменты q-го порядка
- •1.4. Графическое изображение вариационных рядов
- •1.4.1. Гистограмма распределения
- •1.4.2. Полигон распределения
- •1.4.3. Кумулята
- •1.4.4. Огива
- •1.5. Сглаживание эмпирических данных
- •1.5.1. Графическое сглаживание
- •1.5.2. Аналитическое сглаживание
- •1.5.2.1. Сглаживание линейной функцией
- •1.5.2.2. Сглаживание показательной функцией
- •1.5.2.3. Сглаживание степенной функцией
- •1.5.2.4. Сглаживание параболической функцией
- •1.5.2.5. Сопоставление результатов сглаживания
- •1.5.2.6. Краткие рекомендации к подбору сглаживающих функций
- •1.6. Законы распределения случайных величин
- •1.6.1. Задание закона распределения
- •1.6.2. Равномерное распределение
- •1.6.3. Нормальное распределение
- •1.6.4. Распределение Стьюдента
- •1.6.5. Распределение Шарлье
- •1.6.6. Биномиальный закон распределения
- •1.6.7. Распределение Пуассона
- •1.6.8. Распределение
- •1.6.9. Показательное распределение
- •1.7. Проверка согласования эмпирического распределения с теоретическим
- •1.7.1. Критерии согласия
- •1.7.2. Критерий согласия к.Пирсона
- •1.7.3. Критерий согласия в.И.Романовского
- •1.7.4. Критерий согласия а.Н.Колмогорова
- •1.7.5. Сопоставление эмпирических распределений с нормальным распределением упрощенными способами
- •1.7.5.1. Использование показателей асимметрии и эксцесса
- •1.7.5.2. Критерий Шарлье
- •1.7.5.3. Критерий Шовенэ
- •1.7.5.4. Способ Линдеберга
- •1.7.5.5. Критерий знаков
- •1.7.6. Сопоставление эффективности критериев
- •Глава 2. Статистический анализ выборочных совокупностей случайной величины
- •2.1. Понятие генеральной и выборочной совокупностей
- •2.2. Оценивание параметров распределения
- •2.2.1. Понятие оценки параметра распределения
- •2.2.2. Интервальная оценка математического ожидания
- •2.2.3. Оценка эмпирического значения дисперсии
- •2.2.4. Сравнение средних двух или нескольких выборок
- •2.2.5. Определение необходимого объема выборок
- •2.3. Дисперсионный анализ
- •2.3.1. Однофакторный дисперсионный анализ
- •2.3.2. Двухфакторный дисперсионный анализ
- •2.4. Корреляционный анализ
- •2.5. Регрессионный анализ
- •2.5.1. Метод наименьших квадратов
- •2.5.2. Линейная регрессия
- •2.5.3. Нелинейная регрессия
- •2.5.4. Понятие о множественной регрессии
- •Глава 3. Обработка результатов многократных измерений одной величины
- •3.1. Общие замечания
- •3.1.1. Задачи обработки результатов многократных измерений
- •3.1.2. Классификация погрешностей измерений
- •3.1.3. Свойства случайных погрешностей
- •3.1.4. Среднее арифметическое
- •3.2. Оценка точности ряда равноточных однородных измерений
- •3.2.1. Средняя квадратическая погрешность
- •3.2.2. Средние квадратические погрешности функций измеренных величин
- •3.2.3. Порядок обработки ряда равноточных измерений
- •3.2.4. Порядок обработки ряда двойных равноточных измерений
- •С учетом (3.26) и (3.27) получим
- •3.3. Об учете систематических погрешностей в измерениях
- •3.4. Обработка ряда неравноточных однородных измерений
- •3.4.1. Понятие о весе результата измерения
- •3.4.2. Погрешность единицы веса
- •3.4.3. Порядок обработки ряда неравноточных измерений
- •3.4.4. Порядок обработки ряда двойных неравноточных измерений
- •3.5. Допуски результатов измерений и их функций
- •Глава 4. Уравнивание геодезических построений
- •4.1. Задачи уравнительных вычислений
- •4.2. Коррелатный способ уравнивания
- •4.3. Параметрический способ уравнивания
- •4.4. Приемы решения систем линейных уравнений
- •4.4.1. Способ последовательной подстановки
- •4.4.2. Способ матричных преобразований
- •4.4.3. Решение систем линейных уравнений по алгоритму Гаусса
- •4.4.4. Способ краковянов
- •4.5. Геометрические условия в геодезических построениях
- •4.5.1. Условие фигуры
- •4.5.2. Условие горизонта
- •4.5.3. Условие суммы углов
- •4.5.4. Условие дирекционных углов
- •4.5.5. Условие сторон
- •4.5.6. Условие полюса
- •4.5.7. Условие координат
- •4.6. Примеры коррелатного способа уравнивания
- •4.6.1. Уравнивание углов в полигоне
- •4.6.2. Уравнивание системы нивелирных ходов с несколькими узловыми точками
- •4.6.3. Уравнивание полигонометрического хода
- •4.6.4. Уравнивание системы полигонометрических ходов с одной узловой точкой
- •4.6.5. Уравнивание системы полигонометрических ходов с двумя узловыми точками
- •4.6.6. Уравнивание триангуляции
- •4.6.7.Уравнивание триангуляции по условию координат
- •4.6.8. Уравнивание линейно-угловой сети
- •4.7. Примеры уравнивания параметрическим способом
- •4.7.1. Уравнивание углов в полигоне
- •4.7.2. Система нивелирных ходов с несколькими узловыми точками
- •4.7.3. Уравнивание полигонометрического хода
- •4.7.4. Система полигонометрических ходов с двумя узловыми точками
- •4.7.5. Уравнивание направлений в триангуляции
- •4.8. Нестрогие способы уравнивания
- •4.8.1. Примеры раздельного уравнивания
- •4.8.1.1. Полигонометрический ход
- •4.8.2. Способ эквивалентной замены
- •4.8.3. Способ полигонов в.В.Попова
- •4.8.4. Способ последовательных приближений
- •4.9. Оценка точности уравненных элементов и их функций
- •4.9.1. Общие положения
- •4.9.2. Оценка точности при уравнивании коррелатным способом
- •4.9.3. Оценка точности при уравнивании параметрическим способом
- •Списоклитературы
- •Предметный указатель
1.5.2. Аналитическое сглаживание
Аналитическое сглаживание используют при сравнительно небольших объемах совокупностей, при необходимости проводить экстраполяции на концах распределения, где чаще всего возникают неопределенности.
Для сглаживания используют сравнительно простые в изображении и аналитическом виде функции: линейные, параболические, степенные, показательные, логарифмические и др.
1.5.2.1. Сглаживание линейной функцией
Выполняется в тех случаях, когда распределение признака либо установленная эксперименатльно взаимосвязь двух признаков представляется линейной:
, (1.77)
где х и у – две сопоставляемых переменных, связь между которыми устанавливается; а и b – постоянные коэффициенты.
Поскольку каждому уi соответствует определенное экспериментальное значение хi, то для производства сглаживания имеется n уравнений
. (1.78)
Решение таких уравнений сводится к решению двух нормальных уравнений
, (1.79)
из которых легко находятся значения постоянных коэффициентов а и b.
Рассмотрим пример сглаживания линейной функцией.
Пример 1.14. По данным буровой разведки при исследовании вариационных рядов показателей мощности и содержания полезного ископаемого получены численные результаты, представленные в табл. 1.14 и на графике рис. 1.8. Содержание полезного ископаемого сгруппировано в 8 классов. В указанных классах затем были суммированы фактические мощности и получена средняя для каждого класса величина.
Выполнить сглаживание функции содержания от мощности по линейной зависимости.
Таблица 1.14
Показатели разведки
Число классов содержания – 8; h = 14 г/м3
№№ классов |
Мощность m, м |
Содержание С, г/м3 |
m2 |
Cm |
1 |
0,4 |
99 |
0,16 |
39,6 |
2 |
1,4 |
87 |
1,96 |
121,8 |
3 |
2,0 |
75 |
4,00 |
150,0 |
4 |
2,8 |
63 |
7,84 |
176,4 |
5 |
3,2 |
51 |
10,24 |
163,2 |
6 |
3,2 |
39 |
10,24 |
124,8 |
7 |
3,6 |
27 |
12,96 |
97,2 |
8 |
4,2 |
15 |
17,64 |
63,0 |
|
20,8 |
456 |
65,04 |
936,0 |
Решение.
Подставим в формулу (1.79) соответствующие значения сумм, получим уравнения:
8b + 20,8a = 456 ;
20,82b + 65,04a = 936. (1.80)
Из решения уравнений (1.80) получим: а = -22,98677 = - 23,0; b = +116,76561 = + 116,8.
Таким образом, уравнение сглаживающей прямой будет иметь вид:
. (1.81)
Вид линейной сглаживающей функции представлен на рис. 1.8.
1.5.2.2. Сглаживание показательной функцией
Показательная функция имеет вид:
, (1.82)
где х и у – переменные; a и b – постоянные коэффициенты.
Для решения задачи сглаживания предварительно целесообразно прологарифмировать данную функцию и для исследуемых вариационных рядов получить соответствующее число уравнений:
. (1.83)
Сравнение уравнения (1.83) с уравнением (1.78) показывает, что после логарифмирования получается система линейных уравнений. Для нахождения постоянных коэффициентов в данном случае следует воспользоваться формулами (1.79):
. (1.84)
При решении нормальных уравнений (1.84) предварительно находят логарифмы значений постоянных коэффициентов, а затем и сами постоянные коэффициенты.
Рассмотрим пример сглаживания показательной функцией.
Пример 1.15. Выполнить сглаживание данных, приведенных в примере 1.14, показательной функцией.
Решение.
Показательная функция будет иметь вид:
; (1.85)
нормальные уравнения для определения логарифмов постоянных коэффициентов примут вид:
. (1.86)
Составим таблицу для получения коэффициентов нормальных уравнений (1.86).
Таблица 1.15
Показатели разведки
Число классов содержания – 8; h = 14 г/м3
№№ классов |
Мощность m, м |
Содержание С, г/м3 |
lgC |
m2 |
lgC·m |
1 |
0,4 |
99 |
1,99564 |
0,16 |
0,79825 |
2 |
1,4 |
87 |
1,93952 |
1,96 |
2,71533 |
3 |
2,0 |
75 |
1,87506 |
4,00 |
3,75012 |
4 |
2,8 |
63 |
1,79934 |
7,84 |
5,03815 |
5 |
3,2 |
51 |
1,70757 |
10,24 |
5,46422 |
6 |
3,2 |
39 |
1,59106 |
10,24 |
5,09141 |
7 |
3,6 |
27 |
1,43136 |
12,96 |
5,15291 |
8 |
4,2 |
15 |
1,17609 |
17,64 |
4,93958 |
|
20,8 |
456 |
13,51564 |
65,04 |
32,94997 |
Получим нормальные уравнения:
8 lgb + 20,8 lga = 13,51564;
20,8 lgb + 65,04 lga = 32,94997. (1.87)
Из решения уравнений (1.87) получим:
lga = -0,19990 (a = 0,63111 = 0,63); lgb = 2,20919 (b = 161,88 = 161,9).
Таким образом, сглаживающая кривая будет иметь вид:
. (1.88)
Графическое изображение показательной сглаживающей функции представлено на рис. 1.8.
Рис. 1.8. Аналитическое сглаживание экспериментальных данных
- экспериментальные данные (см. табл. 1.14)