Главная страница

Методичка к индивидуальному заданию. Широкое внедрение методов математической статистики в теорию и практику конструирования и производства радио и электронной аппаратуры требует от конструкторов и технологов освоения этих методов и умения их применения


Скачать 1.66 Mb.
НазваниеШирокое внедрение методов математической статистики в теорию и практику конструирования и производства радио и электронной аппаратуры требует от конструкторов и технологов освоения этих методов и умения их применения
Дата05.04.2022
Размер1.66 Mb.
Формат файлаdoc
Имя файлаМетодичка к индивидуальному заданию.doc
ТипДокументы
#444146
страница12 из 13
1   ...   5   6   7   8   9   10   11   12   13

РАСПРЕДЕЛЕНИЯ ПО КРИТЕРИЯМ СОГЛАСИЯ



Для проверки соответствия (степени близости, согласия) выбранного теоретического распределения эмпирическому наиболее часто применяют критерии согласия Колмогорова, Пирсона (ХИ-квадрат- ) и Мизеса (омега-квадрат ). Необходимо отметить, что при проверке гипотез существует неопределенность. Критерии согласия, позволяя отбросить ту или иную гипотезу, как противоречащую опытным данным, не дают основания предпочесть одно теоретическое распределение другому, если они не отвергаются.

Число наблюдений случайной величины должно быть больше 100, если используются критерии Колмогорова и Пирсона, и больше 50, если используется критерий Мизеса [1]. Эти критерии применяются только для непрерывных распределений, хотя, как указано в [28,с.52], критерий Пирсона можно использовать и для дискретных распределений. Наиболее простым является критерий Колмогорова, наиболее мощным - Мизеса.

11.1. Критерий Колмогорова
Этот критерий применим в том случае, когда параметры теоретического закона распределения определяются не по данным исследуемой выборки. Такой cлучай сравнительно редко встречается на практике. Поэтому все же критерий Колмогорова, как более простой, применяется и тогда, когда параметры теоретического распределения определяются по статистическим данным. Однако при этом критерий дает заведомо завышенные значения вероятности p(), и в ряде случаев мы рискуем принять как правдоподобную гипотезу, в действительности плохо согласующуюся с опытными данными.

При использовании критерия необходимо помнить, что критерий Колмогорова можно применять только для дискретного ряда распределения, так как при группировании опытных данных в интервалы и последующем применении критерия можно неправильно определить вероятность наибольшего отклонения теоретической кривой от экспериментальной [2]. В критерии Колмогорова, как и в большинстве других, для проверки соответствия эмпирического распределения выбранному теоретическому используются отклонения эмпирических частостей от теоретических. Очевидно, что чем больше это отклонение, тем хуже теоретическое распределение описывает эмпирическое.

За меру расхождения между теоретическим и эмпирическим распределениями в критерии Колмогорова принимается наибольшее значение абсолютной величины модуля разности между эмпирической и теоретической функциями распределения случайной величины

.

Умножая наибольшее значение на , получаем число



для которого по табл. 12 находим соответствующее значение вероятности P(), т.е. вероятность того, что наибольшее отклонение от превысит некоторое заданное число

.
Таблица 12



P()



P()



P()



P()

 0,30

1,0000

0,70

0,7112

1,20

0,1122

2,00

0,0007

0,35

0,9997

0,75

6272

1,30

0681

2,10

0003

0,40

9972

0,80

5441

1,40

0397

2,20

0001

0,45

9874

0,85

4653

1,50

0222

2,30

0001

0,50

9639

0,90

3927

1,60

0120

2,40

0000

0,55

9228

0,95

3275

1,70

0062

2,50

0000

0,60

8643

1,00

2700

1,80

0032

2,60

0000

0,65

7920

1,10

1777

1,90

0015

2,70

0000


Согласие между и считается хорошим при P()0,27, т.е. при 1, и тем лучше, чем ближе P() к единице. Если же вероятность отклонения P() получается малой (менее 0,05...0,01), то это означает, что мала вероятность такого случайного отклонения эмпирической функции распределения от теоретической, которое наблюдалось при опыте. Иначе говоря, наблюдаемое отклонение от , по-видимому, не случайно и теоретическое распределение не согласуется с эмпирическим.

Таблица 13

Параметр















800

2

2

0,010

-2,18

-0,4855

0,0145

-0,0045

805

5

7

0,035

-1,87

-0,4695

0,0305

0,0045

810

6

13

0,065

-1,56

-0,4405

0,0595

0,0055

815

8

21

0,105

-1,25

-0,3945

0,1055

0,0005

820

18

39

0,195

-0,94

-0,3265

0,1735

0,0215

825

16

55

0,275

-0,63

-0,2355

0,2645

0,0105

830

24

79

0,395

-0,31

-0,1215

0,3785

0,0165

835

23

102

0,510

0

0

0,5000

0,0100

840

24

126

0,630

0,31

0,1215

0,6215

0,0085

845

20

146

0,730

0,63

0,2355

0,7355

-0,0055

850

18

164

0,820

0,94

0,3265

0,8265

-0,0065

855

15

179

0,895

1,25

0,3945

0,8945

0,0005

860

8

187

0,935

1,56

0,4405

0,9405

-0,0055

865

6

193

0,965

1,87

0,4695

0,9695

-0,0045

870

7

200

1,000

2,18

0,4855

0,9855

0,0145




200




















Проверим согласие эмпирического и теоретического распределений для примера, приведенного в табл. 1. Для расчета нормальной функции распределения, соответствующей дискретному ряду распределения, используем формулу

.

Значения , , и берем из табл. 6.






, где - нормированное отклонение


Все вычисления приведены в табл. 13.

Определение согласия проведем через накопленные частости

,

.

По табл.12 имеем P()=P(0,304)1.000.

Следовательно, согласие между эмпирическим и теоретическим нормальным распределением хорошее.

Критерий Колмогорова используется также в графическом методе для проверки правильности выбора теоретического распределения, так как приближенная визуальная оценка согласия явна недостаточна.

По графикам, построенным на вероятностной бумаге, определяется наибольшее отклонение Dмакс теоретической функции распределения от эмпирической. Для этого следует на вероятностной бумаге взять ту экспериментальную точку, которая наиболее далеко отстоит от аппроксимирующей прямой, соответствующей теоретической функции распределения, и найти по ординате расстояние между этой точкой и прямой. Затем определяется . Согласие считается хорошим, если 1, что соответствует вероятности отклонения P()0,27.

Для рассмотренного примера (рис.6) Dмакс=0,01. При этом . Следовательно, согласие хорошее. Но так как при неизвестных параметрах генеральной совокупности критерий Колмогорова может оказаться весьма не точным, то после проверки согласия закона, выбранного графическим способом, следует степень соответствия эмпирического и теоретического распределений уточнить с помощью критерия Пирсона.

11.2. Критерий Пирсона(ХИ-квадрат)
Обычно числовые параметры теоретического распределения определяются по имеющемуся статистическому материалу (выборке). При этом найденные числовые параметры распределения будут отличаться от числовых параметров распределения, справедливого для генеральной совокупности. В отличие от критерия Колмогорова это обстоятельство не влияет на результат оценки согласия между эмпирическим и теоретическим распределениями по критерию Пирсона, так как в последнем путем уменьшения числа степеней свободы распределения 2 учитывается то, что числовые параметры определены по выборочной совокупности.

Рекомендуется [1], чтобы при применении критерия Пирсона объем выборки был не менее 100, а частоты в интервалах были не менее 10. Если частота в каком-либо интервале менее 10, то целесообразно объединить этот интервал с соседним, чтобы в новом интервале частота оказалась не менее 10. Практически однако применяеют критерий Пирсона при n50..60 и ni5..8.

При использовании критерия Пирсона вычисляется вероятность следующего вида:

,

где  - мера расхождения.

Обычно полагают и далее оценивают 2 по формуле

.

Затем определяют число степеней свободы

,

где q - число используемых параметров теоретического распределения.

По таблицам квантилей ХИ-квадрат распределения (см. приложение 6), определяют согласие между эмпирическим и теоретическим распределениями. При пользовании таблицами следует уточнить для данного источника, при каких значениях доверительной вероятности согласие считается хорошим. Так, одни и те же значения квантилей ХИ-квадрат даны в одних источниках для , а в других - для .

Определим согласие для рассмотренного примера, приведенного в табл.1. В табл.10 для него было рассчитано нормальное распределение. Расчет критерия ХИ-квадрат приведен в табл. 14.
Таблица 14

Номера

Интервалов

Интервалы в – c











1

795-805

7

4,9

2,1

4,41

0,900

2

805-815

14

15,0

-1,0

1,00

0,067

3

815-825

34

31,8

2,2

4,84

0,152

4

825-835

47

47,1

-0,1

0,01

0,000

5

835-845

44

47,1

-3,1

9,61

0,204

6

845-855

33

31,8

1,2

1,44

0,045

7

855-865

14

15,0

-1,0

1,00

0,067

8

865-875

7

4,9

2,1

4,41

0,900







200







2=

2,235


Число степеней свободы равно k=8-2-1=5,

где =8 - количество интервалов;

q=2 - количество параметров нормального распределения (a и ).

В таблице, приведенной в [15], при k=5 и находим =0,20, т.е. согласие хорошее. Если пользоваться таблицей, приведенной в [22], то при k=5 и 2=2,335 имеем . Это свидетельствует о том, что с уверенностью не менее чем 80% можно полагать, что эмпирическое распределение мало отличается от выбранного нормального закона распределения.

Видно, что . При пользовании таблицей, приведенной в [10], находим, что рассчитанное значение 2 меньше любого, приведенного в строке для k=5. Это свидетельствует о хорошем согласии эмпирического и теоретического распределений.

При использовании критерия ХИ-квадрат следует иметь в виду, что проверка согласия должна проводиться не в пределах гистограммы, а в пределах выбранной теоретической кривой. Т.е., если площадь, ограниченная теоретической кривой, не вся заполнена гистограммой или полигоном, то ее свободная часть должна быть разделена на интервалы, для них определены теоретические частоты (частости) и они должны быть внесены в таблицу для расчета критерия ХИ-квадрат.

Критерий ХИ-квадрат,как указывалось выше, рекомендуется применять после выбора графическим способом закона распределения и проверки согласия по критерию Колмогорова с целью уточнения степени соответствия эмпирического и теоретического распределений. Для этого предлагается следующий способ [30]. Статистический ряд разбивается на равновероятные интервалы. При этом , где – количество интервалов, и критерий ХИ-квадрат



можно записать в следующем виде:

.

Рекомендуется следующий порядок вычисления критерия.

1. Выбирается количество равновероятных интервалов. Для удобства пользования вероятностной бумагой целесообразно принять при n50, =5 - интервалы с Pi=0,2, при 50<n500, =10 - интервалы с Pi=0,1, при n>500, =20 – интервалы с Pi=0,05.

2. Отрезок 0 - 1 шкалы накопленных частостей вероятностной бумаги делится на равных частей, длина которых равна Pi. Границы этих частей проектируются на прямую линию F(x),выравнивающую экспериментальные точки. Проекции полученных на этой прямой точек на ось абсцисс покажут границы равновероятных интервалов группирования . В качестве нижней (левой) границы первого интервала принимается минимальное значение гипотетического распределения. За верхнюю (правую) границу последнего интервала принимается значение +.

3. Устанавливается ni - число значений экспериментальных данных, попавших в каждый i-й равновероятностный интервал.

4. По формуле



рассчитывается мера расхождения 2 между экспериментальными данными и теоретическим распределением.

5. Определяется число степеней свободы

.

6. По рассчитанным значениям 2 и r при помощи таблицы ХИ-квадрат определяется согласие.

При расчетах используется следующая таблица.


Номер интервала







1









l























11.3. Критерий Мизеса (омега-квадрат)
Этот критерий носит иногда название критерий Крамера-Мизеса-Смирнова.

Статистическая характеристика критерия представляет собой взвешенную сумму квадратов отклонений эмпирической функции от теоретической.

,

где - весовая функция.

При =1 все значения функции распределения обладают одинаковым весом. В этом случае критерий определяется по формуле



Характерной особенностью критерия является то, что в нем учитываются все отклонения эмпирической функции распределения от теоретической, так как он применяется только для дискретного ряда, т. е. используются индивидуальные, а не сгруппированные данные. Это обстоятельство приводит к большому количеству вычислений. При применении критерия к интервальному ряду значения 2 вычисляются приближенно. Сведения по использованию критерия Мизеса можно найти в [1, 29].

12. УТОЧНЕНИЕ ДОСТОВЕРНОСТИ ОЦЕНОК ПАРАМЕТРОВ
1   ...   5   6   7   8   9   10   11   12   13


написать администратору сайта