- •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
8.2.4. Выравнивающее распределение суммы независимых случайных величин
Пусть распределение некоторой случайной величины Х задано таблицей (графы 1 – 3).
Таблица 8.2.7
Распределение случайной величины Х
-
Хi
mi
pi
р(х)
0
1
2
3
4
5
6
0
2
6
9
6
2
0
0
0,08
0,24
0,36
0,24
0,08
0
0,000074
0,076705
0,252557
0,342127
0,252557
0,076705
0,000074
Найдем по методу моментов выравнивающее распределение.
По данным табл. 8.2.7 вычислим моменты случайной величины Х. Они равны: .
Поскольку распределение симметрично, показатель асимметрии β1=0.
Показатель островершинности
.
Предполагая, что данное распределение описывается первой системой непрерывных распределений, по методу моментов находим, что выравнивающим является распределение I типа (бeта-распределение) с параметрами
и нормирующим множителем N = 0,107546.
Распределение случайной величины Х задается плотностью
(-0,068538<x<6,068538).
В табл. 8.2.7. (графа 4) приведены расчетные значения плотности р(х) при найденных оценках параметров. Они очень близки к вероятностям.
Пусть далее требуется найти выравнивающее распределение суммы двух независимых случайных величин Х и Y, распределения которых заданы приведенной выше табл. 8.2.7.
Эту задачу можно решить либо теоретически по правилам отыскания композиции распределений по известным плотностям слагаемых, либо эмпирически, вычислив предварительно моменты случайной величины Z=X+Y.
По формулам (7.4.33) для случайной величины Z=X+Y (здесь n=2) найдем:
Далее по формулам (7.4.34) имеем:
.
По известным моментам распределения случайной величины Z=X+Y нетрудно рассчитать параметры и нормирующий множитель выравнивающей кривой, которая тоже относится к I типу (бeта-распределение). Они равны:
.
Случайная величина Z=X+Y задана на интервале
–0,49182<Z<12,49182.
Распределение случайной величины Z=X+Y можно задать таблично. Для этого по данным табл. 8.2.7 необходимо найти все возможные значения суммы X + Y и их вероятности, которые равны произведениям вероятностей слагаемых. В табл. 8.2.8 в первых трех графах приведено распределение случайной величины Z=X+Y при условии, что Х = Y, причем случайные величины Х и Y имеют одно и то же распределение, заданное табл. 8.2.7.
Таблица 8.2.8
Распределение суммы двух независимых одинаково распределенных случайных величин Z=X+Y
-
Z=X+Y
mz
pz
р(z)
1
2
3
4
5
6
7
8
9
10
11
–
4
24
72
132
161
132
72
24
4
–
–
0,0064
0,0384
0,1152
0,2112
0,2576
0,2112
0,1152
0,0384
0,0064
–
0,000209
0,005864
0,038271
0,116246
0,211528
0,255760
0,211528
0,116246
0,038271
0,005864
0,000209
Естественно, что моменты, вычисленные по распределению случайной величины Z, совпадают с моментами, рассчитанными ранее теоретически с помощью формул (7.4.33) по моментам случайной величины Х.
Кроме того, теоретические моменты выравнивающей кривой по четвертый порядок включительно совпадают с эмпирическими моментами, поскольку на этом равенстве основано вычисление выравнивающей кривой распределения.
Центральные моменты более высоких порядков статистического и выравнивающего распределений могут не совпадать.
Так, момент 6-го порядка случайной величины Z, рассчитанный по данным табл. 8.2.8, равен , в то время как теоретический момент 6-го порядка равен (см. формулу (7.3.9) при r = 5, γ = k, γu = 1)
,
т.е. в 1,012 раза больше эмпирического момента.
Расчетные значения плотности р(z) при найденных оценках параметров приведены в табл. 8.2.8. Они близки к соответствующим вероятностям.
Таким же путем может быть найдено распределение суммы независимых случайных величин, имеющих различные типы распределений, например, гамма и бeта-распределения.