- •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
4.2. Плотность распределения
Плотностью распределения (дифференциальным законом распределения) непрерывной случайной величины Х называется первая производная от функции распределения
.
График плотности распределения называется кривой распределения.
Свойства плотности распределения.
Если между двумя случайными величинами Х и Y существует функциональная зависимость Y=φ(Х), то взаимосвязь между плотностями распределения р(х) и р(у) задается формулой
Действительно, пусть с ростом Х растет Y. Тогда F(x)=F(y)=F(φ(x)) (см. свойства функции распределения). По правилу дифференцирования сложной функции находим
или, поскольку y = φ(x),
В случае, если с ростом Х величина Y убывает, первая производная dy/dx < 0, но плотность p(x) > 0. Поэтому в общем случае первая производная берется по абсолютной величине.
Рассмотрим примеры.
Пример 1. Из равенства функций распределения F(x) = F(lnx) требуется найти соотношение между плотностями p(x) и p(lnx).
Дифференцируя последнее равенство по x, имеем:
откуда xp(x) = p(lnx).
Пример 2. Задана плотность распределения (показательный закон)
.
Найти: N – нормирующий множитель; F(x) – функцию распределения; вероятность попадания случайной величины Х на интервал 3<x<5.
Используем свойства плотности:
.
Отсюда N = , т.е.
.
Далее функция распределения равна
.
Вероятность попадания случайной величины Х в заданный интервал равна
.
Пусть далее некоторая случайная величина Y связана со случайной величиной Х зависимостью Y=1/X.
Найдем функцию распределения F(y) и плотность р(у).
Так как здесь с ростом Х величина Y убывает, то
.
Но Х=1/Y, поэтому
.
Отсюда плотность р(у) равна
.
Плотность р(у) можно найти непосредственно по плотности р(х).
Поскольку Х=1/Y, dх/dy=–1/y2, то
.
4.3. Числовые характеристики непрерывных случайных величин
Для возможно более полного и всестороннего описания случайных величин используют различные показатели. К ним относятся:
характеристики положения – математическое ожидание, мода, медиана;
характеристики вариации – дисперсия, среднее квадратическое отклонение, коэффициент вариации;
характеристики формы распределения – коэффициенты асимметрии и островершинности, которые выражаются через моменты.
Математическое ожидание случайной величины Х задается интегралом
.
Свойства математического ожидания непрерывной случайной величины те же, что и дискретной случайной величины.
Мода – такое значение случайной величины, при котором плотность максимальна.
Медиана (Ме) случайной величины Х определяется соотношением
P(X<Me)=P(X>Me).
Она делит площадь под кривой распределения пополам.
Дисперсия непрерывной случайной величины Х задается формулой
, где
Коэффициент вариации
- выраженное в процентах отношение среднего квадратического отклонения случайной величины Х к ее математическому ожиданию.
Центральные моменты r-го порядка (r = 2,3,4) задаются формулой
.
Заметим, что .
Коэффициент асимметрии (скошенность)
или .
Коэффициент островершинности (эксцесс)
или .