ПономаревСеместровая. Пономарев Н. Д п220
![]()
|
Вариант 64 Пономарев Н.Д П-220 100 сверл были подвергнуты испытанию на твердость. При этом фиксировалась твердость лапки. Результаты испытания представлены следующим рядом значений:
Упорядочим выборку, т.е. запишите все значения 𝑥 случайной величины 𝑋 в возрастающем порядке. Если какое-либо значение повторяется, запишем его столько раз, сколько оно встретилось.
Для построения интервального ряда определим интервальный шаг выборки, воспользовавшись формулой Стерджеса 𝑘 = 1 + 3,322 ∙ lg 𝑛, где n – объем выборки (в нашем случае 100). 𝑘 = 1 + 3,322 ∙ lg 100 ≈ 1 + 3,322 ∙ 1,857 ≈ 8 Ширину каждого интервала берем одинаковой и равной ℎ = (𝑥𝑚𝑎𝑥 – 𝑥𝑚𝑖𝑛)/𝑘 . Величину ℎ выбираем с точностью выборки и округляем в сторону завышения. ℎ=(11,29-6,85)/8=0,56. Границы интервалов вычисляем по формуле 𝑥1 = 𝑥𝑚𝑖𝑛, 𝑥𝑖+1 = 𝑥𝑖 + ℎ (𝑖 = 1,2, … , 𝑘). За начало первого интервала примем 𝑥1 = 𝑥𝑚𝑖𝑛 =6,85 Подсчитываем 𝑛𝑖 − количество элементов 𝑥𝑖 , попавших в i-й интервал (частота интервала). Если элемент совпадает с границей интервала, то он относится к предыдущему интервалу. Вычисляем относительные частоты интервалов по формулам 𝑤𝑖 = 𝑛𝑖 𝑛 (𝑖 = 1,2, … 𝑘) 𝑥̃𝑖 = (𝑥𝑖−1 + 𝑥𝑖)/2.
Модой Mo вариационного ряда называется варианта, которая имеет наибольшую частоту: 𝑀𝑜 =8.81 Медианой Me вариационного ряда называется значение признака, приходящееся на середину ранжированного ряда наблюдений. Медиану можно найти, также воспользовавшись формулой: если количество вариант 𝑥𝑖 в дискретном вариационном ряду 𝑛 = 2𝑘 + 1 (нечетное число), то 𝑀𝑒 = 𝑥𝑘+1; если 𝑛 = 2𝑘 (четное число), то 𝑀𝑒 = 𝑥𝑘+1+𝑥𝑘 2. Таким образом, так как количество вариант 𝑥𝑖 в нашем примере 𝑛 = 8 – четной число, то 2k = 8, тогда 𝑘 = 4, отсюда 𝑀𝑒 = 𝑥𝑘 = 𝑥4 = 8,81. Выборочной средней 𝑥̅В называют среднее арифметическое значение признака выборочной совокупности: 𝑥̅В = 1/𝑛∑𝑥𝑖 ∙ 𝑛𝑖=898,36/100=8,9836 Выборочная дисперсия 𝐷В равна: 𝐷В = 1/𝑛∑(𝑥𝑖 − 𝑥̅В )^2 ∙ 𝑛𝑖= 1/𝑛∑𝑥𝑖^2 ∙ 𝑛𝑖− 𝑥̅В^2 = 8166,9044/100-8,9836^2=0.9639. Среднее квадратическое отклонение равно Ơ=√𝐷В=0.9818. Коэффициент вариации 𝑉 = 𝜎/𝑥̅В ∙ 100 = 0.9818/8,9836∙ 100 = 10.9(%) ![]() Отрицательный эксцесс указывает на относительно пологое распределение. Несмещенные оценки ![]() Для сравнения подсчитаем 𝜎̅ по «правилу 𝟑𝜎». Так как для случайной величины, имеющей нормальное распределение, почти все рассеивания укладывается на участке 𝟑𝜎, то с помощью «правила 𝟑𝜎» можно ориентировочно определить оценку среднего квадратичного отклонения случайной величины. Берем максимальное практически возможное отклонение от среднего значения и делим его на три. Гистограмма – это ступенчатая фигура, состоящая из прямоугольников, основаниями которых служат частичные интервалы длиной ℎ, а высоты равны 𝑤𝑖⁄ℎ (плотность относительной частоты). ![]() По данным таблицы построим точки с координатами (𝑥̃𝑖, 𝑤𝑖⁄ℎ) и соединим их плавной пунктирной линией. Эта линия будет аналогом плотности распределения случайной величины и, следовательно, по виду гистограммы можно выдвинуть гипотезу о нормальном распределении (или о распределении, близком к нормальному) случайной величины с плотностью. Выполним предварительный выбор закона распределения случайной величины. Предварительный закон распределения может определяться по величине коэффициента вариации наблюденных данных. Если коэффициент вариации попадает в интервал [0,01; 0,40], то можно выдвинуть гипотезу о нормальном законе распределения; если в интервал [0,6;1,3], то можно выдвинуть гипотезу об экспоненциальном законе распределения. В нашем распределении коэффициент вариации V= 10.9% = 0,109 попадает в первый интервал, поэтому выдвигаем гипотезу о нормальном законе распределения. Следующим критерием оценки гипотезы в случае нормального закона распределения является то, что асимметрия и эксцесс близки к нулю, в нашем примере As = 0,1066 и Ex = -0,515, что достаточно близко к нулю. Также гипотеза о нормальном законе распределения может быть принята, если выполняются неравенства: |𝐴𝑠| < 3 ∙ 𝐸𝐴 и |𝐸𝑥| < 3 ∙ 𝐸𝐸, где ![]() Таким образом, |𝐴𝑠| < 0,71686 и |𝐸𝑥| < 1,3918 Сделаем вывод: основываясь на значениях коэффициентов вариации (находится в интервале [0,01; 0,40]), асимметрии (близок к нулю), эксцесса (близок к нулю и выполнении неравенств, можно предположить, что признак подчинен нормальному закону распределения. Для строгой проверки гипотезы о нормальном распределении признака применим критерии согласия. Они позволяют ответить на вопрос являются ли неизбежные расхождения между эмпирическим и теоретическим распределениями случайными или теоретический закон подобран неудачно. χ2 – Пирсона. При его использовании сравниваются эмпирические 𝑛𝑖 теоретические (предполагаемые) 𝑛𝑖′частоты. Для проверки гипотезы о нормальном распределении рассматриваемой величины заполним таблицу .
Для проверки гипотезы о нормальном распределении случайной величины в качестве меры расхождения между теоретическим и статистическим распределениями выберем случайную величину. ![]() ![]() Вывод: 9,6267654 < 13,3 -- нет оснований отвергнуть выдвинутую гипотезу, т.е. гипотезу о том, что случайная величина распределена по нормальному закону, можно с надежностью 𝛾 = 1 − 𝛼 = 0,95 считать правдоподобной, не противоречащей опытным данным. Построим график теоретической плотности распределения по 8-ми точкам. ![]() ![]() ![]() Отклонение не большое = закон распределения выбран правильно ![]() Будем считать, что случайная величина 𝑋 распределена нормально, причем математическое ожидание аи среднее квадратичное отклонение этого распределения неизвестны. Доверительный интервал для оценки математического ожидания имеет вид: ![]() ![]() Доверительный интервал для имеет вид: S(1 q) S(1 q). |