- •Оглавление
- •2. Краткие сведения из теории вероятностей
- •3. Предварительная обработка экспериментальных
- •7. Компьютерные методы статистической обработки
- •Предисловие
- •1. Эксперимент как предмет исследования
- •1.1. Понятие эксперимента
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1.2. Классификация видов экспериментальных исследований
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •Контрольные вопросы
- •2. Краткие сведения из теории вероятностей и математической статистики
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2.2. Нормальный закон распределения
- •2. Краткие сведения из теории вероятностей …
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •Контрольные вопросы
- •3. Предварительная обработка экспериментальных данных
- •3.1. Вычисление параметров эмпирических распределений. Точечное оценивание
- •3.2. Оценивание с помощью доверительного интервала
- •3.2.1. Построение доверительного интервала для математического ожидания
- •3.2.2. Построение доверительного интервала для дисперсии
- •3.2.3. Определение необходимого количества опытов при построении интервальной оценки для математического ожидания
- •3.3. Статистические гипотезы
- •3.4. Отсев грубых погрешностей
- •3.4.1. Критерий н.В. Смирнова
- •3.4.2. Критерий Диксона
- •3.5. Сравнение двух рядов наблюдений
- •3.5.1. Сравнение двух дисперсий
- •3.5.2. Проверка однородности нескольких дисперсий
- •3.5.3. Проверка гипотез о числовых значениях математических ожиданий
- •3.6. Критерии согласия. Проверка гипотез о виде функции распределения
- •3.7. Преобразование распределений к нормальному
- •Контрольные вопросы
- •4. Анализ результатов пассивного эксперимента. Эмпирические зависимости
- •4.1. Характеристика видов связей между рядами наблюдений
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4.2. Определение коэффициентов уравнения регрессии
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента
- •4. Анализ результатов пассивного эксперимента…
- •4.3. Определение тесноты связи между случайными величинами
- •4. Анализ результатов пассивного эксперимента...
- •4.4. Линейная регрессия от одного фактора
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4.5. Регрессионный анализ
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента...
- •4.5.1. Проверка адекватности модели
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4.5.2. Проверка значимости коэффициентов уравнения регрессии
- •4. Анализ результатов пассивного эксперимента…
- •4.6. Линейная множественная регрессия
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4.7. Нелинейная регрессия
- •4. Анализ результатов пассивного эксперимента…
- •Контрольные вопросы
- •4. Анализ результатов пассивного эксперимента…
- •5. Оценка погрешностей результатов наблюдений
- •5.1. Оценка погрешностей определения величин функций
- •5. Оценка погрешностей результатов наблюдений
- •5.2. Обратная задача теории экспериментальных погрешностей
- •5. Оценка погрешностей результатов наблюдений
- •5. Оценка погрешностей результатов наблюдений
- •5.3.Определение наивыгоднейших условий эксперимента
- •5. Оценка погрешностей результатов наблюдений
- •Контрольные вопросы
- •6. Методы планирования экспериментов. Логические основы
- •6.1. Основные определения и понятия
- •6.2. Пример хорошего и плохого эксперимента
- •6.3. Планирование первого порядка
- •6.3.1. Выбор основных факторов и их уровней
- •6.3.2. Планирование эксперимента
- •6.3.3. Определение коэффициентов уравнения регрессии
- •6.3.4. Статистический анализ результатов эксперимента
- •6.3.5. Дробный факторный эксперимент
- •6.3.6. Разработка математической модели гидравлического режима методической печи
- •6.4. Планы второго порядка
- •6.4.1. Ортогональные планы второго порядка
- •6.4.2. Ротатабельные планы второго порядка
- •6.4.3. Исследование причин образования расслоений в горячекатаных листах
- •6.5. Планирование экспериментов при поиске оптимальных условий
- •6.5.1. Метод покоординатной оптимизации
- •6.5.2. Метод крутого восхождения
- •6.5.3. Симплексный метод планирования
- •Контрольные вопросы
- •7. Компьютерные методы статистической обработки результатов инженерного эксперимента
- •7.1. Общие замечания
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7.2. Статистические функции Microsoft Excel
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7.3. Краткое описание системы statistica
- •7. Компьютерные методы статистической обработки …
- •7.3.1. Общая структура системы
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7.3.2. Возможные способы взаимодействия с системой
- •7. Компьютерные методы статистической обработки … 7.3.3. Ввод данных
- •7. Компьютерные методы статистической обработки ...
- •7.3.4. Вывод численных и текстовых результатов анализа
- •7.3.5. Статистические процедуры системы statistica
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7.3.6. Структура диалога пользователя в системе statistica
- •7. Компьютерные методы статистической обработки ...
- •7.3.7. Примеры использования системы statistica
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •V, Least Squares
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки … Контрольные вопросы
- •Методы планирования и обработки результатов инженерного эксперимента
2. Краткие сведения из теории вероятностей ...
график симметричен относительно оси ординат, из этого следует, что эти точки расположены на одинаковом расстоянии от нуля.
1-р
Рис. 2.4. Квантиль стандартного нормального распределения
Зная квантиль zp порядка р нормированного нормального закона распределения (Mz = 0 и crz 2 = 1), всегда можно найти квантиль хр соответствующего порядка р для нормального распределения с произвольными параметрами Мх\л о-х2 .
Поскольку
х< °х &х
Х-М х -Мх х -Мх х -Мх F(xp)=P(X<xp)=P( < )=P(Z< ) = Ф( )=Р=Ф(г ),
&х
&х
то
х — Мх
°х
zp и, следовательно,
Xp=Mc+Zp(Jx.
(2.32а)
В ряде случаев важно знать вероятность того, что случайная величина X, подчиняющаяся нормальному закону распределения, не будет отличаться от своего математического ожидания Мх больше чем на величину ±5 = еох (см.рис.2.3,г).
Р(МХ —8<Х<МХ +S)=P
Mx—scrx—Mx Х—Мх Мх+£сгх—Му
<
a
a
<
°х
=P(re<Z<+s)
2 2
s z -e z
1 -2 1 "2
\e 2dz—= \e 2dz =ф(е)-ф(-е) =
42т_
33
2. Краткие сведения из теории вероятностей ...
= Ф(е)-(1-Ф(е)) = 2Ф(е)-1. (Z33)
Так, при 8 = сгх(£=1) получаем, что P(Mx+аx<X<Mx-аx) = 2Ф(1)-1, а
поскольку по таблицам (например, см. табл. [11) Ф(1) = 0,84135 (или в Microsoft Excel НОРМРАСП(1;0;1;ИСТИНА) = НОРМСТРАСП(1) = 0,84135), то для случайной величины с нормальным законом распределения вероятность того, что она примет такое значение, которое не будет отличаться от ее математического ожидания более чем на одно среднее квадратическое отклонение, равна 20,84135-1=0,68. Иными словами, при нормальном распределении примерно 2/3 всех значений случайной величины (отклика) лежит в интервале Мх ± ах.
Аналогично можно подсчитать, что интервалу Мх ± 1,96сгх « Мх ± 2ах соответствует вероятность 0,95 (Ф(1,96) = 0,975002), а интервалу Мх ± Зах - 0,997 (Ф(3) = 0,99865). Отметим дополнительно, что 90% значений случайной величины лежат в диапазоне Мх ± 1,64ах (Ф(1,64) = 0,949497).
Следовательно, отличие какого-либо из значений случайной величины с нормальным законом распределения от ее математического ожидания не превосходит утроенного среднего квадратичного отклонения с вероятностью 0,997. Это свойство в математической статистике носит название «правило трех сигм».
Чем больше величина интервала Мх ± 8, тем с большей вероятностью случайная величина X попадает в этот интервал.
Рассмотрим небольшой пример.
Пример 2.2. Предположим, что математическое ожидание содержания кремния в чугуне равно MSi=0,6%, а среднеквадратичное отклонение aSi=0,15%. В этом случае мы можем быть уверены в том, что величина фактически измеренного значения процентного содержания кремния в чугуне будет находиться в интервалах:
0,6 ± 1,000,15 = 0,6±0,15 с вероятностью 0,68;
0,6 ± 1,640,15 = 0,6±0,25 с вероятностью 0,90;
0,6 ± 1,960,15 = 0,6±0,29 с вероятностью 0,95;
0,6 ± 3,000,15 = 0,6±0,45 с вероятностью 0,997,
34