- •Вопросы к экзамену и зачету по курсу
- •“Статистические методы обработки данных в экологии”
- •Сущность и цели обработки данных
- •Основные понятия математической статистики и теории вероятности
- •Качество данных. Этапы обработки данных. Вычислительные аспекты обработки данных
- •Разновидности исследований. Шкалы измерений
- •Описательная статистика: Закон распределения случайной величины
- •Описательная статистика: Числовые характеристики случайной величины
- •Построение гистограммы распределения
- •Проверка соответствия выбранной модели закона распределения исходным данным. Критерий согласия Колмогорова. Критерий согласия ω2 (омега-квадрат)
- •Проверка статистических гипотез. Основные понятия
- •Проверка гипотезы о равенстве двух средних зависимых нормальных выборок
- •Ранги и ранжирование
- •Непараметрический критерий Вилкоксона для проверки однородности двух независимых выборок.
- •Дисперсионный анализ. Цель и задачи дисперсионного анализа.
- •Sслучайные величины, описывающие неопределенные эффекты.
- •Однофакторный дисперсионный анализ
- •Доверительный интервал для среднего
- •Доверительный интервал для разности средних. Оценка эффекта
- •Оценка эффекта
- •Доверительный интервал для разности средних. Проверка статистических гипотез с помощью доверительных интервалов
- •Проверка статистических гипотез с помощью доверительных интервалов
- •Оценка эффектов уровней фактора
- •Примерами контрастов являются
- •Двухфакторный дисперсионный анализ с пересечением уровней
- •Проверка однородности дисперсий
- •Непараметрические методы факторного анализа. Ранговый однофакторный анализ.
- •Критерий Краскела-Уолллиса.
- •Непараметрические методы факторного анализа. Ранговый двухфакторный анализ без повторений
- •Критерий Фридмана
- •Корреляционный анализ. Постановка задач статистического исследования зависимостей
- •Измерители парной статистической связи. Корреляционное отношение
- •Коэффициент корреляции как измеритель степени тесноты связи
- •Оценка показателей тесноты связи по выборочным данным
- •Оценка показателя тесноты связи по выборочным данным. Анализ коэффициента корреляции
- •Оценка показателей тесноты связи по выборочным данным
- •Анализ коэффициента корреляции
- •Оценка степени тесноты связи при нелинейной зависимости
- •Анализ частных связей. Анализ множественных связей
- •Анализ частных связей
- •Анализ множественных связей
- •Ранговые коэффициенты корреляции
- •Коэффициент ранговой корреляции Спирмена
- •Коэффициент ранговой корреляции Кендалла
- •Зависимость между признаками, измеренными в номинальной или порядковой шкалах
- •Регрессионный анализ. Основные понятия регрессионного анализа
- •Метод наименьших квадратов
- •Простая линейная регрессия
- •Решение этих двух уравнений дает:
- •Проверка значимости линии регрессии
- •Проверка адекватности модели регрессии. Метод остатков
- •Доверительные интервалы для параметров простой линейной регрессии
- •Доверительные интервалы для линии регрессии. Доверительный интервал для значений зависимой переменной
- •Доверительный интервал для значений зависимой переменной
- •Проверка гипотез относительно параметров линейной регрессии
- •Сравнение двух линий регрессии путем сравнения параметров регрессионной модели
- •Обратная простая регрессия
- •Множественная линейная регрессия
- •Нелинейная регрессия
- •Оценка результата измерения: Виды измерений
- •Оценка результата измерения: Погрешности измерений
- •Обработка результатов наблюдений, распределенных по закону Пуассона
Оценка результата измерения: Погрешности измерений
Погрешность измерения характеризует разность между измеренным и истинным значением величины
Вероятность того, что погрешность измерения не превзойдет заданного значения характеризуется надежностью измерения.
Погрешности измерений в общем случае вызываются действием большого числа факторов и могут быть разделены на две большие группы:
Случайные погрешности
Систематические погрешности
Случайные погрешности обусловлены факторами, которые проявляются весьма нерегулярно и интенсивность появления которых трудно предвидеть
С истематические погрешности обусловлены факторами, которые не изменяются или изменяются закономерно в процессе измерения
Оба вида погрешностей в процессе измерения проявляются в виде суммы:
О писание случайной погрешности полностью определяется законом ее распределения, в качестве которого может выступать, например, нормальный закон
С лучайная погрешность представляет собой разность между результатом единичного измерения x и математическим ожиданием результатов наблюдений
С истематическая погрешность представляет собой отклонение математического ожидания результатов наблюдений от действительного (истинного) значения, скажем a, измеряемой величины:
Различают три вида систематических погрешностей:
Первый вид – это систематические погрешности, величина которых может быть измерена экспериментально или вычислена, исходя из определенных теоретических соображений
Второй вид систематических погрешностей – ошибки, о которых известно либо предельное значение, либо среднеквадратическое отклонение
Третий вид систематических погрешностей – это незамеченные в процессе измерений ошибки, о существовании которых неизвестно
Формы представления погрешностей
Абсолютные погрешности
Относительные погрешности
Приведенные погрешности
Обработка результатов наблюдений при прямых измерениях
В этом случае необходимо оценить математическое ожидание (истинное значение) A по набору результатов наблюдений:
Исключить из результатов наблюдений известные систематические погрешности
Вычислить среднее арифметическое исправленных результатов наблюдений, которое принимается за результат измерения
Вычислить оценку среднеквадратического отклонения результата измерения
Проверить гипотезу о том, что результаты наблюдений согласуются с нормальным распределением
Вычислить доверительные границы случайной погрешности результата измерения, т. е. случайной составляющей погрешности
Вычислить границы неисключенной систематической погрешности результата измерения
Вычислить доверительные границы погрешности результата измерения
З а результат измерения (оценку математического ожидания A) принимают
Среднеквадратическое отклонение результата измерения оценивается по формуле
Если результаты наблюдений согласуются с нормальным распределением, тогда доверительные границы случайной погрешности результата измерения
П ри равномерном распределении неисключенных систематических погрешностей границы этих погрешностей
Д оверительные границы погрешности результата измерения
З десь
Обработка результатов наблюдений при косвенных измерениях
При косвенных измерениях исследуемая величина A не измеряется непосредственно, а должна рассчитываться на основании известной функциональной зависимости от одной или нескольких первоначально измеряемых величин
При этом каждая из оценок âj получена со своей погрешностью и требуется, зная эти погрешности, найти погрешность измерения величины A.
Из результатов наблюдения каждого аргумента исключить известные систематические погрешности
Проверить, соответствует ли распределение группы результатов каждого аргумента нормальному закону
Установить отсутствие корреляционных связей между каждой парой аргументов aj
Вычислить результаты прямых измерений аргументов âj
В ычислить результат косвенного измерения
Найти оценку среднеквадратического отклонения результата косвенного измерения
Н айти оценку неисключенной систематической составляющей погрешности результата косвенного измерения
Определить доверительные границы общей погрешности результата косвенного измерения
Обработка результатов наблюдений при совместных и совокупных измерениях
Реализация этих видов измерений осуществляется на основе решения системы уравнений
Н апример необходимо измерить параметры R0, α, β характеризующие зависимость сопротивление образца от температуры. С этой целью проводится измерение сопротивления при трех значениях температуры и составляется система уравнений.
В этом случае решение системы будет единственным и может быть представлено в виде:
Однако с целью уменьшения погрешности измерения проводят большое число наблюдений, чем количество измеряемых параметров. Тогда система уравнений может быть записана в виде:
Т огда оценки параметров можно найти методом наименьших квадратов, при котором добиваются минимума погрешности: