![](/user_photo/2706_HbeT2.jpg)
- •Практичне заняття № 1 статистичні дослідження вхідних випадкових параметрів системи
- •1.1 Методика попередньої обробки статичної інформації
- •1.1.1 Визначення основних статистичних характеристик
- •1.1.2 Виключення грубих аномальних спостережень
- •1.1.3 Перевірка статистичної однорідності сукупності
- •1.1.4 Визначення мінімальної кількості спостережень
- •1.2 Встановлення емпіричного закону розподілу досліджуваних параметрів
- •1.3 Приклад статистичного аналізу випадкової величини
- •Література
- •Практичне заняття №2 систематизація статистичної інформації для кореляційно–регресійного аналізу процесів функціонування системи
- •2.1 Загальні положення
- •2.2 Рекомендації щодо відбору факторів
- •2.3 Методика комплексної систематизації статистичної інформації
- •2.4 Приклад повного статистичного аналізу вихідної інформації
- •Розрахунковий аналіз
- •Література
- •Практичне заняття № 3 аналіз процесу функціонування систем
- •3.1 Основні теоретичні положення
- •3.1.1 Основні поняття
- •3.1.2 Формалізація марківського випадкового процесу з дискретним часом
- •3.1.3 Формалізація марківського процесу з неперервним часом
- •3.2 Приклади побудови формалізованих моделей функціонування системи
- •3.2.1 Система з дискретним станом і дискретним часом
- •3.2.2 Системи з дискретним станом і неперервним часом
- •Література
- •Практичне заняття № 4 статистичні моделі процесів функціонування систем
- •4.1 Основні принципи і поняття імітаційного моделювання
- •4.2 Основи моделювання методом статистичних випробувань
- •4.3 Приклад побудови статистичної моделі
- •Практичне заняття № 5 статистичне моделювання випадкових подій
- •5.1 Основні процедури моделювання подій.
- •Використовуючи таблицю або генератор випадкових чисел рвп [0, 1] процедуру моделювання випробувань за “жеребкуванням” виконують в такій послідовності:
- •5.2 Моделювання незалежних подій
- •5.3 Моделювання залежних подій.
- •Практичне заняття № 6 статистичне моделювання дискретних випадкових величин
- •6.1 Імітація на основі емпіричного розподілу дискретної величини
- •6.2 Імітація на основі теоретичних законів розподілу
- •Практичне заняття № 7 статистичне моделювання неперервних випадкових величин.
- •7 .1 Загальні принципи моделювання
- •7.2 Імітація за відомим теоретичним законом розподілу
- •7.3 Наближені способи імітації
- •7.3.1 Імітація методом кускової апроксимації
- •7.3.2 Імітація на основі несистематизованої статистичної таблиці
- •7.3.3 Графоаналітичний спосіб імітації
- •Література.
1.1.2 Виключення грубих аномальних спостережень
Грубими аномальними враховують такі дані, які в значній мірі відрізняються від інших даних варіаційного ряду.
Згідно з одним із методів при великих об’ємах вибірки (n>30), коли оцінка середнього квадратичного відхилення надійна, сумнівні результати спостережень приймають або відхиляють на основі критеріїв їх появи в довірчій області
(1.5)
де xmax, xmin – відповідно найбільше і найменше значення із n спостережень.
Розрахункове
значення критерію порівнюють з табличним
max
(додаток Д1) для прийнятого рівня довірчої
ймовірності Pд.
Якщо 1>max,
то значення xmax
необхідно виключити із статистичного
ряду як грубу похибку. При 2>min
виключається величина
xmin.
Після виключення аномальних членів
ряду визначають нові значення
із n–1
або n–2
спостережень.
Другий метод встановлення аномальних членів ряду базується на використанні критерію В.І.Романовського, котрим можна користуватися і для малих вибірок. Методика виявлення аномальних членів ряду зводиться до наступного. Задаються довірчою ймовірністю Pд, в таблиці (додаток Д2) в залежності від n знаходять коефіцієнт q і розраховують граничну припустиму абсолютну похибку окремого спостереження
.
(1.6)
Якщо
(xmax–
)
>пр,
то спостереження xmax
виключають із варіаційного ряду
спостережень. При (
–
xmin)<пр
виключають xmin.
Процедура виключення аномальних спостережень виконується в такій послідовності:
1. Встановлюють підозрілі значення xmax або xmin.
2.
Розраховують статистичні середні
і середньоквадратичні відхилення
.
3. Розраховують за формулою (1.5) критерії 1, 2 (для великої вибірки) або критерій пр (для малої вибірки) за формулою (1.6).
4. Порівнюють 1, 2 з max і min для великої вибірки або, (xmax– ), ( – xmin) з пр для малої вибірки і при необхідності виключають із статистичного ряду xmax, xmin.
5. Для нового ряду із нових членів повторюють п.п. 1-4 до повного очищення вибірки.
1.1.3 Перевірка статистичної однорідності сукупності
Перевірку статистичних даних на однорідність виконують у двох випадках :
1) для незалежних вибірок, коли дані зібрані на різних об’єктах або в різні періоди функціонування систем;
2) для залежних вибірок, коли необхідно встановити вплив різних факторів на досліджувану ознаку.
Визначення істотності відмінностей незалежних вибірок.
Розглядаються
дві незалежні вибірки, за результатами
котрих знаходять оцінки вибіркових
середніх
і дисперсій
.
Після цього розраховують значення
критерію t
за формулами:
– для великих вибірок (n>30)
;
(1.7)
– для малих вибірок
.
(1.8)
Для визначення істотності відмінностей двох вибірок із заданою надійною ймовірністю Рд необхідно порівняти значення t, обчислене за здобутими вибірками, з критичним значенням t.
Для
великої вибірки при визначенні t
користуються функцією Лапласа Ф(t),
аргументом якої є відношення довірчого
інтервалу
до середньоквадратичного відхилення
,
тобто
.
Для цього задаються довірчою ймовірністю
Pд
=
0.95. Приймаючи до уваги, що Рд=Ф(t),
за таблицею (додаток Д3) визначають
значення t.
Для малої вибірки значення t визначають згідно розподілу Стьюдента (додаток Д4) з числом ступенів свободи k = n1+n2 –2. Якщо обчислене значення t>t, то з надійністю Pд можна вважати відмінності між вибірковими середніми істотними (невипадковими), тобто вибірки вважають неоднорідними. Якщо вибіркове значення менше критичного, то відмінність між вибірковими середніми можна вважати неістотними (випадковими) , із заданою надійністю вибірки вважають однорідними.
У
загальному випадку, коли статистична
сукупність задана незалежними частковими
вибірками об’ємами n1,
n2,
…, nk
з відповідними вибірковими середніми
і дисперсіями
,
перевірку однорідності виконують
таким чином: із даної множини вибираються
дві часткові вибірки відповідно з
максимальним і мінімальним
,
і для них за формулами (1.7) або (1.8)
обчислюється критерій t.
На початковому етапі, коли закон генеральної сукупності невідомий, оцінити розходження двох вибіркових середніх можна тільки приблизно.
Якщо t
3
, то з великою ймовірністю вважають, що
середні
відрізняються суттєво і, навпаки, якщо
t<3
, розходження між
з великою ймовірністю можна вважати
несуттєвим, випадковим.
Визначення істотності відмінностей залежних вибірок.
Ця
перевірка виконується в задачах,
пов’язаних з оцінкою впливу тих чи
інших факторів на зміну випадкової
величини. Для кожного об’єкту спостереження
визначають парні спостереження
без урахування дії фактора і
– з фактором. Оскільки пари зв’язані,
то вибірки є залежними. Для зв’язаних
пар можна розглядати різницю між
спостереженнями у кожній парі (
).
Оцінка середнього вибіркового значення
відмінностей спарених вибірок має
вигляд
)
, (1.9)
де
-
середнє значення відмінностей спарених
вибірок;
n – число спостережень.
Дисперсія відмінностей спарених вибірок розраховується за формулою
(1.10)
або
,
(1.11)
де
,
(i=1,
).
За критерій перевірки обирається статистика
.
(1.12)
Табличне значення t для великої вибірки визначається за заданим Pд з таблиці функцій розподілу Лапласа, а для малої вибірки – з таблиць t-розподілу Стьюдента за заданим Pд і числом ступенів свободи k = n – 1.
Якщо
,
то робимо висновок, що в результаті
введення фактора відмінність середніх
значень перших вибірок істотна, тобто
даний фактор впливає на досліджувану
ознаку.