- •В.В. Нешитой
- •Методы статистического анализа
- •На базе
- •Обобщенных распределений
- •Предисловие
- •Введение
- •I. Случайные события и их вероятности
- •1.1. Случайные события. Испытания. Относительная частота и вероятность
- •1.2. Виды случайных событий
- •1.3. Определения вероятности
- •1.4. Основные формулы комбинаторики
- •II. Основные теоремы теории вероятностей
- •2.1. Теорема сложения вероятностей (несовместных событий)
- •2.2. Теорема умножения вероятностей (независимых событий)
- •2.3. Формула полной вероятности
- •2.4. Теорема гипотез (формула Бейеса)
- •III. Дискретные случайные величины
- •3.1. Закон распределения вероятностей дискретной случайной величины
- •3.2. Числовые характеристики дискретной случайной величины
- •3.2.1. Математическое ожидание
- •3.2.2. Свойства математического ожидания
- •3.2.3. Дисперсия дискретной случайной величины
- •3.2.4. Свойства дисперсии
- •3.2.5. Среднее квадратическое отклонение
- •3.2.6. Одинаково распределенные взаимно независимые случайные величины
- •3.2.7. Моменты (начальные, центральные) дискретной случайной величины
- •4.2. Плотность распределения
- •4.3. Числовые характеристики непрерывных случайных величин
- •4.4. Примеры непрерывных распределений
- •4.4.1. Нормальный закон
- •5.2. Статистическое распределение выборки. Полигон. Гистограмма. Эмпирическая функция распределения
- •5.3. Статистические оценки параметров. Точность оценки, доверительная вероятность (надежность)
- •5.4. Метод моментов для точечной оценки параметров распределения
- •5.5. Метод наибольшего правдоподобия
- •VI. Обобщенные распределения. Системы непрерывных распределений
- •6.1. Методы построения обобщенных распределений
- •6.2. Построение системы непрерывных распределений методом обобщения
- •6.3. Классификация обобщенных распределений
- •Распределения группы а
- •Распределения группы б
- •Группа симметричных распределений
- •6.4. Распределения функций случайного аргумента
- •6.5. Три основные и три дополнительные системы непрерывных распределений в. Нешитого
- •VII. Оценивание параметров обобщенных распределений. Критерии для классификации кривых. Центральная предельная теорема
- •7.1. Метод наименьших квадратов
- •Значение функции распределения f(tc)
- •7.2. Метод наибольшего правдоподобия
- •7.3. Классический метод моментов
- •7.3.3. Симметричные распределения Ic-iiIc типов
- •7.3.4. Критерии для классификации кривых по методу моментов
- •7.4. Универсальный метод моментов
- •7.4.1. Законы распределения суммы независимых случайных величин
- •7.4.2. Центральная предельная теорема для трех систем непрерывных распределений
- •7.4.3. Законы распределения среднего выборочного
- •7.5. Общий устойчивый метод
- •VIII. Выравнивание и прогнозирование статистических распределений
- •8.1. Выбор системы непрерывных распределений для выравнивания статистических распределений
- •8.2. Построение выравнивающей кривой распределения по статистическим данным
- •8.2.1. Выравнивание по классическому методу моментов
- •8.2.2. Выравнивание по универсальному методу моментов
- •8.2.3. Выравнивание по общему устойчивому методу
- •8.2.4. Выравнивающее распределение суммы независимых случайных величин
- •8.2.5. Выравнивающее распределение среднего выборочного
- •8.3. Прогнозирование распределений
- •8.3.1. Первая система непрерывных распределений
- •8.3.2. Вторая система непрерывных распределений
- •Распределение населения страны по среднедушевому совокупному доходу, в % к итогу
- •8.3.3. Показатели стабильности и качества выборки
- •Iх. Статистический анализ точности и стабильности технологических процессов на базе обобщенных распределений
- •9.1. Показатели состояния технологического процесса
- •9.2. Пример статистической обработки результатов замера контролируемого параметра по программе
- •Контрольный листок Деталь №_____(название) ø50 мм ±0,012 Точность си 0,002 Дата________ Время_______
- •Отклонения от номинального размера детали «nn» ø50 ±0,012
- •Показатели статистического распределения ( )
- •9.3. Экономическая эффективность применения обобщенных распределений
- •9.4. Особенности применения статистических методов в области строительства
- •Х. Надежность как особый критерий качества
- •10.1. Некоторые показатели надежности для невосстанавливаемых объектов
- •Плотность распределения отказов
- •Интенсивность отказов
- •Гамма-процентный ресурс
- •10.2. Вычисление показателей надежности по обобщенным распределениям
- •Результаты наблюдений о наработке до отказа двигателей панелевозов (ti – пробег до отказа в тыс. Км.; mi – число панелевозов, имеющих наработку ti)
- •Показатели статистического распределения (snr2v97)
- •Логарифмическое распределение типа 1.1 с параметрами
- •XI. Временные (динамические) ряды
- •11.1. Методы выделения тренда
- •11.2. Построение кривых роста для выравнивания временных рядов
- •11.2.1. Построение кривых роста с заданными свойствами
- •11.2.2. Метод обобщения
- •11.2.3. Кривые роста на базе обобщенных распределений
- •11.3. Оценивание параметров кривых роста
- •11.3.1. Уравнение прямой
- •11.3.2. Экспонента
- •11.3.3. Обобщенная кривая роста
- •11.4. Прогнозирование временных рядов
- •11.4.1. Параметрический метод прогнозирования
- •11.4.2. Непараметрический метод прогнозирования
- •Заключение
- •Номограмма для установления типа выравнивающего распределения и нахождения оценок параметров k, u по методу моментов
- •Номограмма для установления типа выравнивающего распределения и нахождения оценок параметров k, u по общему устойчивому методу
- •Значения квантили в зависимости от уровня вероятности и числа степеней свободы r
- •Приложение 5
- •Литература
- •Содержание
8.2.3. Выравнивание по общему устойчивому методу
Рассмотрим примеры на выравнивание статистических распределений с помощью первой и второй систем непрерывных распределений по программам SNR1V97 и SNR2V97.
Пример 1. На основании статистических данных о распределении предела прочности на растяжение портландцементного раствора 28-дневного возраста (см. табл. 8.2.3) найдем по формулам (7.5.13), справедливым для первой системы непрерывных распределений, статистические показатели
.
Приравнивая эти показатели соответствующим теоретическим, по номограмме (Приложение 3) устанавливаем, что выравнивающее распределение относится ко II′ типу, поскольку показатель асимметрии . Первое приближение параметра (по номограмме). Программа V97 дает: k = 18,078269.
Теперь нетрудно вычислить оценки параметров β, γ, α и нормирующего множителя N. Используя формулы
, справедливые для распределений II′ типа, найдем:
.
Выравнивающее распределение задается плотностью
.
Если теперь рассчитать значения плотности распределения в серединах интервалов и вычислить критерий согласия К. Пирсона, то получим: . При числе степеней свободы r=10–3–1=6 это соответствует вероятности , т.е. нет оснований отвергать гипотезу о согласии выравнивающего распределения со статистическим.
Напомним, что при выравнивании по классическому методу моментов была получена вероятность , при этом выравнивающее распределение относилось к типу I с параметром β=1.
Если вычислить по программе нижнюю и верхнюю границы доверительного интервала при Р = 0,9545, то получим: хн=17,15092; хв = 25,05979. Ширина доверительного интервала равна 7,908873 и составляет 4,071323 средних квадратических отклонений. Эти данные близки к результатам, полученным ранее по классическому методу моментов.
Пример 2. На основании статистических данных о распределении предела прочности на сжатие портландцементного раствора 28-дневного возраста (см. табл. 8.2.5) найдем статистические показатели (для первой системы непрерывных распределений):
Приравнивая их теоретическим, по номограмме (Приложение 3) устанавливаем, что выравнивающее распределение относится к III типу. Поскольку показатель асимметрии В* < 0, то вначале при условии В* > 0 находим оценки параметров k′, u, затем вычисляем оценку параметра k по формуле .
Итак, в первом приближении из номограммы находим: . После уточнения по методу Ньютона (по программе ) имеем: u = – 0,1301965; k′ = 3,574764. Тогда k = 5,105934.
Оценки параметров β, γ, произведения αu и нормирующего множителя N рассчитываются по формулам
,
справедливым для распределений III типа. В результате вычислений по той же программе получим:
.
Выравнивающее распределение задается плотностью
.
В данном примере критерий , что соответствует вероятности (при числе степеней свободы r = 11– 4 – 1 = 6).
Нижняя и верхняя границы доверительного интервала при P = 0,9545 равны: xн = 248,2865; xв = 388,6001. Ширина интервала равна 140,3137 и составляет 3,999015 средних квадратических отклонений.
Эти данные близки к результатам, полученным выше по универсальному методу моментов.
Пример 3.
Распределение строка службы электрических ламп [8, c.128] задано таблицей 8.2.6 (графы 2, 3). В таблице указаны значения середины интервалов при постоянной ширине интервала 200 часов.
Табл. 8.2.6
Распределение срока службы электрических ламп
ti |
Срок службы, час. |
Частота |
Теорет. плотность p(ti) |
Теорет. частота mi=p(ti)Mh |
|
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 |
100 300 500 700 900 1100 1300 1500 1700 1900 2100 2300 2500 2700 2900 3100 3300 |
10 20 24 25 20 18 11 8 5 5
|
0,00017 0,00418 0,01678 0,03717 0,05857 0.07270 0,07520 0,06739 0,05397 0,03961 0,02722 0,01783 0,01129 0,00699 0,00427 0,00259 0,00157 |
11,89 18,74 23,26 24,06 21,56 17,27 12,68 8,71 5,71 3,61
|
0,09
0,30 0,08 0,02 0,04 0,11 0,03 0,22 0,06 0,09 0,54
1,90 |
|
|
|
|
Пусть выравнивающее распределение задается обобщенной плотностью
,
которая относится ко второй системе непрерывных распределений.
Для удобства расчетов разделим эмпирическую величину t на 100. От этого значения параметров k, u, β не изменятся. Не изменятся также показатели . Но значения плотности р(t) увеличатся в 100 раз (одновременно с таким же уменьшением ширины интервала).
По данным табл. 8.2.6 с учетом последних замечаний вычислим статистические показатели по формулам (7.5.15):
Приравнивая эмпирические показатели теоретическим, по номограмме (Приложение 3) находим: . Выравнивающее распределение относится к III типу. Более точные значения параметров u, k, полученные по программе , равны: u=–0,192453; k=1,584402. Оценки остальных параметров и нормирующего множителя равны:
.
Оценки параметров вычислялись по формулам (7.5.3), (7.5.4).
Нормирующий множитель N в случае распределений III типа равен (см. табл. 6.3.3)
.
Выравнивающее распределение задается плотностью
.
Критерий согласия К. Пирсона , что соответствует вероятности . Это значит, что выравнивающее и статистическое распределения находятся в хорошем согласии.