- •1. Статистическое оценивание характеристик случайных величин
- •1.1. Общие сведения
- •1.2. Предварительная обработка результатов наблюдений
- •1.3. Критерий для неприятия резко выделяющихся наблюдений
- •1.4. Интервальное оценивание
- •2. Определение законов распределения случайных величин по опытным данным
- •2.1. Статистическая оценка гипотез. Уровень значимости
- •2.2. Критерии статистической оценки гипотез
- •2.3. Проверка гипотезы о нормальном распределении случайной величины
- •2.4. Проверка гипотезы о принадлежности опытных данных к показательному закону распределения
- •2.5. Проверка гипотезы о принадлежности опытных данных закону Пуассона
- •2.6. Проверка гипотезы о принадлежности опытных данных к закону Вейбулла
- •2.7. Выравнивание экспериментальных данных логарифмически нормальным законом
- •2.8. Статистическая проверка гипотезы о принадлежности опытных данных к гамма-распределению
- •2.9. Статистическая проверка гипотезы о принадлежности опытных данных к закону Эрланга
- •2.10. Блок-схема алгоритма предварительной обработки экспериментальных данных
2.8. Статистическая проверка гипотезы о принадлежности опытных данных к гамма-распределению
Гамма-распределение наряду с другими законами находит самое широкое применение при исследовании различных явлений. Так данное распределение применяется при описании безотказной работы системы, выходящей из строя после m независимых её отказов, при определении распределения времени между двумя последовательными операциями по обслуживанию систем и т.д. Гамма-распределение представляет собой композицию нескольких показательных законов.
Плотность гамма-распределения имеет вид:
где Г(α) = (α - 1)! - гамма-функция Эйлера;
t - случайная величина;
α - параметр, численно равный числу складываемых законов;
λ - параметр, численно равный интенсивности числа появлений отказов каждого из складываемых показательных законов.
График плотности гамма-распределения для различных значений α и λ показан на рис. 2.9.
Рис. 2.9. График плотности гамма-распределения
Частными случаями гамма-распределения являются:
показательное распределение при α = 1;
распределение Эрланга, широко применяемое в теории массового обслуживания, возникающее при α целом положительном;
распределение χ2 (хи - квадрат), при λ = 0,5 и α, кратном 0,5,
При некоторых значениях параметров при λ и α гамма-распределение приближается к закону Вейбулла. По мере увеличения параметра α гамма-распределение преобразуется в нормальный закон
(2.25)
Математическое ожидание и дисперсия гамма-распределения через параметры α и λ выражаются следующими зависимостями:
(2.26)
Покажем на примере порядок проверки гипотезы о принадлежности опытных данных к гамма-распределению. Исследуется один из этапов транспортного, процесса - время продолжительности погрузки автомобилей на комбинате силикатно-строительных материалов. Всего было зафиксировано 80 наблюдений. Максимальное время продолжительности погрузки составило 106 мин, минимальное - 10 мин.
1. С помощью формулы Стерджеса определяем приближенную ширину интервала
За величину ширины интервала принимаем Δt = 12 мин. Тогда гистограмма будет иметь 9 интервалов.
2. На основании методики, изложенной в 1.2, определяем статистические поинтервальные частоты и частости попадания случайной величины в интервалы. На основании полученных данных строим гистограмму распределения (рис.2.10). Все результаты расчетов заносим в табл. 2.10.
3. Используя данные расчетов в столбцах 6 и 7 табл. 2.10, находим статистические математическое ожидание и дисперсию
Находим несмещенную оценку для среднего квадратического отклонения
4. Определяем параметры гамма-распределения, для него решаем систему уравнений (2.26)
Получаем α = 3,153; λ = 0,0736,
5. Находим вероятности попадания случайной величины, описываемой гамма-распределением, в интервалы.
Так как гамма-распределение является двухпараметрическим законом, то её плотность-распределение преобразуют к более удобному виду. Дня этого делают замену переменных, полагая
(2.27)
Номер разряда |
Границы интервалов времени простоя αi - βi, мин |
Середины интервалов tci, мин |
Опытные частоты
|
Опытные частости
|
|
|
Теоретические вероятности Pi |
Теоретические числа попадания в интервалы |
Слагаемые критерия Пирсона
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
1 |
4-16 |
10 |
8 |
0,100 |
80 |
800 |
0,102 |
8,2 |
0,01 |
2 |
16-28 |
22 |
17 |
0,2175 |
374 |
8228 |
0,212 |
17,0 |
0 |
3 |
28-40 |
34 |
18 |
0,225 |
612 |
20808 |
0,219 |
17,5 |
0,01 |
4 |
40-52 |
46 |
13 |
0,1625 |
598 |
27508 |
0,173 |
13,9 |
0,06 |
5 |
52-64 |
58 |
10 |
0,125 |
580 |
33640 |
0,113 |
9,1 |
0,09 |
6 |
64-76 |
70 |
5 |
0,0625 |
350 |
24500 |
0,078 |
6,2 |
0,23 |
7 |
76-88 |
82 |
3 |
0,0375 |
245 |
20172 |
0,046 |
3,7 |
0,13 |
8 |
88-100 |
94 |
4 |
0,050 |
376 |
35344 |
0,024 |
1,9 |
2,32 |
9 |
I00-112 |
106 |
2 |
0,025 |
212 |
22472 |
0,012 |
1,0 |
1,00 |
Итоговая строка |
|
=80 |
==1,0 |
=3428 |
=193472 |
|
|
χ2 = 3,85 |
После замены плотность гамма-распредехения принимает вид:
Функция φ(2λt) имеет важное преимущество перед функцией f(t) - она зависит только от одного параметра λ, в то время, когда функция f(t) зависит от двух параметров α и λ.
Значения функции φ(2λt) табулированы (табл. VIII приложения).
Пользуясь данными этой таблицы и методом линейной интерполяции, вычисляем теоретические вероятности попадания случайной величины в интервалы. Все промежуточные и конечные результаты расчетов удобно помещать во вспомогательную табл.2.11.
Таблица 2.11
-
t
2λt
φ(2λt)
f(t) = 2λφ(2λt)
Pi = f(t)Δt
10
1,472
0,058
0,00854
0,102
22
3,238
0,120
0,01766
0,212
34
5,005
0,124
0,01825
0,219
46
6,771
0,098
0,01443
0,173
58
8,538
0,064
0,00942
0,113
70
10,304
0,044
0,00648
0,078
82
12,070
0,026
0,00383
0,046
94
13,837
0,0135
0,00199
0,024
106
15,603
0,0065
0,00096
0,012
На основании данных столбца 8 табл.2.10 наносим на гистограмму распределения сглаживающую её теоретическую кривую гамма-распределения
Рис.2.10. Гистограмма распределения времени продолжительности погрузки (1) и выравнивающая её теоретическая кривая гамма-распределения (2)
6. Вычисляем теоретические числа попадания случайной величины в интервалы. Результаты расчетов заносим в столбец 9 табл. 2.10.
7. Находим составляющие критерия Пирсона. Результаты вычислений помещаем в столбец 10 табл.2.10. При этом сумма значений составляет
8. Проверяем правдоподобность гипотезы о принадлежности опытных данных к гамма-распределению. Для рассматриваемого примера число степеней свободы К = n - S = 9 - 3 > 6 и заданный уровень значимости α = 0,05. По табл. V приложения с помощью линейной интерполяции находим
(χ2; К) = P(3,85; 6) = 0,696 > 0,05.
Следовательно, по критерию Пирсона гипотеза о принадлежности опытных данных к гамма-распределению подтверждается.
9. Проверяем правдоподобность принятой гипотезы с помощью критерия Романовского
И по критерию Романовского гипотеза о принадлежности опытных данных к гамма-распределению не отвергается.
10. Найдем доверительный границы для разброса среднего результата с надежностью γ = 0,95.
Так как N = 80 > 25, то при γ = 0,95, tγ = 1,96.
Определяем точность оценки
Следовательно, среднее время продолжительности погрузки находится в пределах
M*(t) - Δ < M(t) < M*(t) + Δ;
42,85 - 5,32 < M(t) < 42,85 + 5,32, или
37,53 < M(t) < 48,17.
При организации транспортного процесса, как правило, учитывают верхнюю границу доверительного интервала tmax = 48,2 мин.