- •Лекция 1. Общие сведения по теории вероятностей.
- •Условные и безусловные вероятности.
- •1.5. Формула полной вероятности и формула Байеса
- •Понятие случайного события.
- •1) Вероятность достоверного события равна 1;
- •2) Вероятность невозможного события равна 0;
- •Вероятность случайного события заключена
- •1.2. Алгебра событий.
- •1.3. Зависимые и независимые события.
- •1.4. Основные формулы теории вероятностей.
- •1.5. Формула полной вероятности и формула Байеса
- •1.6. Частная теорема о повторении опытов.
- •2.1. Случайные величины и их законы распределения.
- •2.2. Функция распределения.
- •2 .3. Вероятность попадания случайной величины
- •2.4. Плотность распределения
- •2.5. Числовые характеристики случайной величины
- •2.6 Понятие о моментах случайной величины.
- •2.7. Основные свойства математического ожидания
- •Свойства математического ожидания:
- •Свойства дисперсии случайной величины:
- •Лекция 3. Основные законы распределения
- •3.1. Гипергеометрическое распределение
- •3.5. Закон равной вероятности
- •3.7. Закон распределения модуля разности
- •3.8. Композиция законов распределения
- •3.1.Гипергеометрическое распределение.
- •3.5. Закон равной вероятности.
- •3.7. Закон распределения модуля разности.
- •Статистики
- •4.1. Основные задачи математической статистики
- •4.2. Основные понятия и определения. Выборочного метода
- •4.3. Выборочные характеристики. Состоятельные,
- •Свойства выборочных средних и дисперсий.
- •Доверительный интервал. Доверительная вероятность.
- •Задача определения закона распределения случайной величины.
- •2. Задача проверки правдоподобия гипотез.
- •3.Задача нахождения неизвестных параметров распределения.
- •4.2. Основные понятия и определения. Выборочного метода.
- •Генеральная совокупность и выборка из нее.
- •4.3. Выборочные характеристики. Состоятельные, несмещенные и эффективные оценки характеристики.
- •4.5. Доверительный интервал. Доверительная вероятность.
- •5.1. Определение характеристик эмпирического
- •5.2. Сопоставление и проверка сходимости
- •Координаты характерных точек кривой
- •5.3. Сопоставление эмпирического распределения
- •5.4. Статистическая проверка гипотез.
- •5.5. Проверка гипотезы о законе распределения случайной
- •Критерий
- •Критерий 2
- •5.6. Проверка гипотезы равенства двух выборочных средних
- •5.7. Проверка гипотезы равенства двух выборочных
- •5.8. Проверка гипотезы равенства ряда дисперсий .
- •Критерий Бартлета.
- •Критерий Кохрана.
- •5.9. Проверка гипотезы равенства ряда средних.
- •5.10. Метод исключения грубых ошибок измерения
- •5.11. Выбор числа наблюдений
- •6.1.Закон больших чисел и центральная
- •6.2. Неравенство Чебышева.
- •Неравенство Чебышева.
- •6.3. Закон больших чисел (теорема Чебышева).
- •6.4 Теорема Бернулли.
- •7.2. Коэффициент корреляции и корреляционное отношение.
- •7.3. Корреляционный анализ
- •7.4 Выбор уравнения регрессии
- •7.5. Понятие о множественной корреляции
- •Лекция 8. Основы планирования
- •8.6.1. Метод крутого восхождения.
- •8.1. Основные определения.
- •«Черный ящик »
- •8.3. Полный факторный эксперимент.
- •8.3.1 Выбор интервалов варьирования факторов
- •8.3.2 Полный факторный эксперимент типа 2
- •Построение матрицы 2
- •8.3.3. Свойства полного факторного эксперимента типа 2 к
- •8.3.4. Полный факторный эксперимент
- •8.3.5 Анализ модели.
- •8.3.5.1. Проверка значимости коэффициентов модели.
- •Расчет дисперсии опытов и оценка их однородности
- •Расчет дисперсий параметра оптимизации и коэффициентов регрессии
- •Проверка значимости коэффициентов регрессии
- •8.3.5.2. Проверка адекватности модели
- •8.4. Дробный факторный эксперимент.
- •8.4.1.Минимизация числа опытов.
- •Дробная реплика
- •8.4.3. Выбор полуреплик. Генерирующие соотношения и определяющие контрасты
- •8.4.4.Выбор 1/4-реплик. Обобщающий
- •8.6. Оптимизация функции отклика.
- •8.6.1. Метод крутого восхождения.
- •6.6.2. Методика расчета крутого восхождения
- •6.7. Принятие решений после построения модели процесса
- •8.5 Рандомизация опытов.
- •8.6 Оптимизация функции отклика
- •8.6.1. Метод крутого восхождения. Движение по градиенту
- •8.6.2. Методика расчета крутого восхождения
- •8.7.Принятие решений после построения
- •9.1. Статистический анализ точности обработки.
- •9.3. Статистический анализ посредством малых выборок.
- •9.4. Статистический анализ с помощью точечных
- •9.4.1. Карта средних значений (карта « »)
- •9.4.2. Карта медиан (карта )
- •9.4.3. Карты « »
- •9.4.4. Метод средних арифметических значений и
- •9.4.4. Контрольные карты по неизмеримым
- •Карта «р»
- •Карта «с».
5.7. Проверка гипотезы равенства двух выборочных
дисперсий.
Пусть имеются две выборки из нормальной совокупности. Объем каждой выборки равен n1 и n2. Дисперсии этих выборок соответственно равны S и S . Можно ли считать при наличии некоторых различий между величинами S и S , что данные выборки принадлежат одной и той же генеральной совокупности. Или можно вопрос поставить так: произведено два опыта, из которых один опыт производился с фактором A, а другой - без него. Каждый опыт повторялся n раз. В результате обработки статистических данных получено, что дисперсия признака X в опытах с фактором A равна величине S , а без него S . Оказывает ли влияние исследуемый фактор A на признак X?
Для ответа на поставленные вопросы необходимо произвести сравнение дисперсий и оценить, является ли существенным их различие. Сравнение дисперсий производится по их отношению:
F = S / S .
В числителе всегда ставится наибольшее значение из двух наблюденных дисперсий. Для проверки гипотезы необходимо вычислить значение F, определить r1 = n1 – 1 и r2 = n2 – 1 , где n1 и n2 - обьемы выборок и найти для r1 и r2 табличное значение FТ. Если F FТ , то расхождение не случайно, если F FТ, то гипотеза принимается.
Пример. С двух автоматов, обрабатывающих одинаковые детали, взяты две выборки n1 = n2 = 1. При этом оказалось, что S = 400 мкм2, S = 325 мкм2. Ранее установлено, что рассеивание размеров подчинено нормальному закону.
F = 400/325 =1,23.
По таблицам выберем FT в зависимости от уровня значимости = 0,05 и r1 = r2 =9: FT = 3,23. Следовательно, гипотезу о несущественном расхождении S и S можно считать верной.
Примечание. Если выборки берутся из совокупности, незначительно отличающейся от нормальной, то для сравнения дисперсий можно пользоваться критерием F. Если совокупность имеет распределение, значительно отличающееся от нормального, то можно сравнить дисперсии только для больших выборок. В этом случае за критерий оценки можно взять отношение:
Е сли tS 3 , то расхождение существенно, если tS 3 - не существенно.
5.8. Проверка гипотезы равенства ряда дисперсий .
Пусть имеется m выборок неравных объемов ni, взятых из одной или m генеральных совокупностей, имеющих нормальные распределения. Вычислены дисперсии выборок S , S , ... , S . Требуется проверить гипотезу о том, что различие дисперсий выборок носит случайный характер, т.е. все выборки принадлежат одной генеральной совокупности. Сравнение дисперсий проводится с помощью критерия Бартлета или критерия Кохрана .
Критерий Бартлета.
При использовании критерия Бартлета определяется вначале средневзвешенная дисперсия :
S2 = S (n – 1)/(N – m) , где N = ni.
Бартлет доказал, что случайная величина
Q = - 1/C (ni – 1)ln S /S2,
где C = 1 + 1/3(m – 1)( 1/(ni -1) – 1/(N – m)
имеет распределение близкое к распределению 2 при заданном уровне значимости . Это значит, что гипотеза о равенстве дисперсий принимается, если Q . Величина C всегда больше 1. При использовании критерия Бартлета вначале вычисляется величина
B = – (ni – 1)ln S /S2
и сравнивается с 2. Если B < 2, то гипотеза о равенстве принимается, если нет, то вычисляется C, затем Q и Q сравнивается с 2.
Пример. С четырех блоков автоматических роторных линий взяты выборки по 100 шт. Требуется определить, обеспечивают ли блоки одинаковую точность по разностенности деталей после первой вытяжки. В результате статистической обработки данных получены следующие значения дисперсий:
S = 0,001418 мм2; S = 0,0013 мм2; S = 0,001098 мм2;
S = 0,0012 мм2.
Определим средневзвешенную дисперсию:
S2 = S (n – 1)/(N – m) = S /4:
S2 = (0,001418 + 0,0013 + 0,001098 + 0,0012) = 0,001254;
B = 2,303 [ 4 lg0,001254 – 99 (lg0,001418+lg0,0013+lg0,001098 + +lg0,0012)=1,54
Выбираем уровень значимости = 0,05 , 2 = 7,81.
Так как B < 2, следовательно, Q будет и подавно меньше 2, поэтому C вычислять не следует.
Таким образом все 4 блока обеспечивают одинаковую точность по разностенности.
В тех случаях, когда объемы выборок равные, лучше пользоваться не критерием Бартлета, а критерием Кохрана.