
- •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
1.6.4. Распределение Стьюдента
Распределение Стьюдента используется часто при интервальных оцениваниях параметров, т.е. при вероятностном определении ширины интервала, в котором может находиться данная случайная величина. Кроме того, указанное распределение используют и при проверке статистических гипотез. Распределение Стьюдента называют еще t-распределением.
Плотность вероятности случайной величины Х, которая имеет t-распределение, определяется выражением:
,
(1.116)
где ν – параметр, определяющий число степеней свободы; Г – гамма-функция Эйлера, определяемая выражением вида:
.
(1.117)
Распределение Стьюдента симметричное. При этом математическое ожидание, медиана и мода распределения равны друг другу и равны нулю. Поскольку распределение симметричное, то и значение асимметрии также равно нулю.
Дисперсия
(при ν
≥
2), эксцесс
(при ν
≥
4).
График распределения Стьюдента показан на рис. 1.13.
В приложении 2 приведены значения вероятностей для установленных значений t, определяемых для симметричного диапазона ±Δ относительно стандартного отклонения :
.
(1.118)
Рис. 1.13. Распределение Стьюдента
Для
гамма-функции математическое ожидание
М(Х)
= ν,
мода МО
= ν
– 2 (при ν
≥ 2), дисперсия D
= 2
ν,
асимметрия А
=
,
эксцесс Е
=
.
В приложении 3 для удобства в вычислениях приведены значения гамма-функции Эйлера.
Пример 1.20. Определить вероятность того, что при повторном испытании (опробовании) отклонение результата от среднего арифметического его значения составит 46 единиц. Стандартное отклонение при обработке вариационного ряда составило 68 единиц.
Решение.
Поскольку Δ = 46, а = 68, то t = 46/68 = 0,676.
Для t = 0,676 по таблице приложения 2 интерполированием находим, что р = 0,5005 (практически – 0,5 или 50%).
1.6.5. Распределение Шарлье
Как было указано выше (п. 1.6.3), нормальное распределение, плотность вероятностей случайной величины которого описывается выражением (1.111), является симметричным распределением. На практике же симметричные распределения встречаются крайне редко, более всего они имеют ту или иную асимметрию. Если асимметрия распределения окажется не очень большой, то такое распределение может быть выровнено с помощью закона Шарлье, в котором, кроме асимметрии, учитывается также и эксцесс. Плотность вероятности закона Шарлье представляется в виде:
,
(1.119)
где f(x) – плотность нормального закона распределения; F(t) – интегральная функция распределения (1.113), в которой t определяется соотношением (1.112); А – асимметрия; Е – эксцесс.
Второе слагаемое является поправкой к нормальному закону распределения с учетом асимметрии и эксцесса исследуемого распределения. Если асимметрия и эксцесс будут равны нулю, то распределение (1.119) примет вид нормального распределения.
Указанное распределение можно записать в виде
,
(1.120)
где h – ширина классового интервала интервального вариационного ряда.
Рассмотрим применение закона Шарлье для выравнивания опытного распределения.
Пример 1.21. Выполнить выравнивание распределения содержания для интервального вариационного ряда, представленного в табл. 1.4, используя закон Шарлье.
Решение.
Предварительно
составим таблицу интервального
вариационного ряда, введя новую переменную
Х =
.
Таблица 1.22
Нормирование интервального вариационного ряда (табл. 1.4)
С, г/м3 |
122 |
239 |
356 |
473 |
590 |
707 |
824 |
Х |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
r |
0,20 |
0,28 |
0,19 |
0,14 |
0,10 |
0,05 |
0,05 |
Составим основную расчетную таблицу.
Таблица 1.23
Расчетная таблица
Х |
r |
rX |
rX2 |
rX3 |
rX4 |
1 |
0,20 |
0,20 |
0,20 |
0,20 |
0,20 |
2 |
0,28 |
0,56 |
1,12 |
2,24 |
4,48 |
3 |
0,19 |
0,57 |
1,71 |
5,13 |
15,39 |
4 |
0,14 |
0,56 |
2,24 |
8,96 |
35,84 |
5 |
0,10 |
0,50 |
2,50 |
12,50 |
62,50 |
6 |
0,05 |
0,30 |
1,80 |
10,80 |
64,80 |
7 |
0,05 |
0,35 |
2,45 |
17,15 |
120,05 |
α |
|
3,04 |
12,02 |
56,98 |
303,26 |
Математическое ожидание М(Х) = 3,04.
Математическое ожидание М(С) = 117 М(Х) + 5 = 117·3,04 +5 = 360,68 = 361 г/м3.
Дисперсия D(X) = rX2 – (rX)2 = 12,02 – 3,042 = 2,78. (X) = 1,67.
Дисперсия D (С) = 1172 · D (X) = 1172 · 2,78 = 38055. (С) = 195,08 = 195 г/м3.
=
56,98 – 3 · 3,04 · 12,02 + 2 · 3,043
= +3,55.
Асимметрия
= +3,55 / 1,673
= +0,76.
.
Эксцесс
20,67
/ 1,674
= 2,66 – 3 = -0,34.
Выразим переменную t с использованием формулы (1.112):
.
Далее запишем выражение (1.120) для относительной частоты (частости) распределения Шарлье:
rш
=
или rш
,
(1.121)
где
.
(1.122)
Составим таблицу для определения частостей, выровненных по закону Шарлье.
Таблица 1.24
№№ пп |
С |
r |
t |
F(x) |
S |
rш |
1 |
122 |
0,20 |
-1,226 |
0,187 |
1,186 |
0,13 |
2 |
239 |
0,28 |
-0,626 |
0,327 |
1,223 |
0,24 |
3 |
356 |
0,19 |
-0,026 |
0,399 |
1,052 |
0,25 |
4 |
473 |
0,14 |
0,574 |
0,339 |
0,817 |
0,17 |
5 |
590 |
0,10 |
1,174 |
0,201 |
0,705 |
0,08 |
6 |
707 |
0,05 |
1,774 |
0,083 |
0,950 |
0,05 |
7 |
824 |
0,05 |
2,374 |
0,024 |
1,827 |
0,03 |
|
|
1,01 |
|
|
|
0,95 |
Примечания:
1. Значения функции F(x) выбраны из таблицы приложения 6 по аргументу t.
2. Сумма rш теоретически должна быть равна 1, как, впрочем, и сумма r. Для интервального ряда отступление от единицы определяется только погрешностью округлений. Для распределения Шарлье отступление от 1 определяется тем, что пределы вычислений были ограничены значениями середин интервалов, теоретически же в данном распределении верхний предел равен бесконечности. Иногда выполняют выравнивание частостей, приводя их сумму к единице, разделив все значения на сумму частостей (в примере – на 0,95). Здесь и в дальнейшем выравнивание частостей производиться не будет.
Насколько эффективно выполнено выравнивание частостей покажут дальнейшие исследования с использованием специальных критериев (см. п. 1.7).