- •Введение
- •Раздел 1. ЭЛЕМЕНТЫ ТЕОРИИ РЯДОВ
- •§1. Числовые ряды
- •§2. Числовые ряды с неотрицательными членами
- •§3. Знакопеременные и знакочередующиеся ряды
- •§4. Степенные ряды
- •§5. Ряды Фурье для функций с периодом 2π и 2ℓ
- •Вопросы и упражнения для самопроверки
- •Контрольная работа по разделу «Элементы теории рядов»
- •Раздел 2. ЭЛЕМЕНТЫ ТЕОРИИ ВЕРОЯТНОСТИ
- •§1. Основные правила комбинаторики
- •§3. Операции над событиями
- •§4. Формула полной вероятности. Формула Бейеса
- •§6. Случайные величины. Законы распределения случайных величин. Числовые характеристики
- •§7. Важнейшие примеры распределений
- •Контрольная работа по разделу «Элементы теории вероятности»
- •§1. Задачи математической статистики
- •§2. Выборка из генеральной совокупности. Вариационный ряд. Гистограмма относительных частот
- •§3. Эмпирическая функция распределения
- •§4. Числовые характеристики статистического распределения: выборочное среднее, дисперсия
- •§5. Статистическая проверка статистических гипотез
- •§6. Критерий Пирсона для проверки гипотезы о виде закона распределения случайной величины
- •Пример решения контрольной работы
- •Библиографический список
- •Приложение 1
- •Приложение 2
- •Приложение 3
- •Приложение 4
- •Приложение 5
то |
24 |
1,5 |
2 |
≤ σ ≤ |
24 1,5 |
2 |
или 1,22 ≤ σ ≤ 1,98 |
– эта оценка не сим- |
36,4 |
|
13,8 |
|
|||||
|
|
|
|
|
|
метрична относительно σ.
§ 5. Статистическая проверка статистических гипотез
Сопоставление высказанной гипотезы относительно генеральной совокупности с имеющимися выборочными данными, сопровождаемое количественной оценкой степени достоверности получаемого вывода и осуществляемое с помощью того или иного статистического критерия, называется проверкой статистических гипотез.
Определение. Статистической гипотезой называют гипотезу о виде неизвестного распределения генеральной совокупности или о параметрах известных распределений.
Определение. Нулевой (основной) называют выдвинутую гипоте-
значение некоторого неизвестногоАпараметраДгенеральной совокупности в точности равно заданной величине, то эта гипотеза называется простой. В других случаях гипотеза называется сложной.
зу Н0. Конкурирующей (альтернативной) называют гипотезу Н1, ко-
торая противоречит нулевой. |
И |
|
|
Если выдвигаемая гипотеза сводится к утверждению о том, что |
справедливости основнойибг потезы Н0 (табл.11).
Выдвинутая нулевая гипотеза может быть правильной или непра-
вильной, поэтому возн кает нео ходимость статистической проверки С
Так как проверка стат ст ческих гипотез осуществляется на основании выборочных данных, то решение неизбежно сопровождается вероятностью ошибочного заключения как в ту, так и в другую сторону.
В какой-то небольшой доле случаев нулевая гипотеза может ока-
заться отвергнутой, в то время как она справедлива. Такую ошибку называют ошибкой первого рода, а её вероятность – уровнем значимо-
сти α. Другими словами, это та вероятность, которой можно пренебречь.
Наоборот, в какой-то небольшой доле случаев нулевая гипотеза принимается, в то время как на самом деле она ошибочна. Такую ошибку называют ошибкой второго рода. Вероятность ошибки второго рода р. Вероятность 1– р называют мощностью критерия.
117
|
|
|
Таблица 11 |
Нулевая |
Результаты решения относительно Н0 |
||
гипотеза Н0 |
Отклонена |
|
Принята |
Верна |
Ошибка 1-го рода, её ве- |
Правильное решение, его веро- |
|
|
роятность |
|
ятность |
|
Р(Н1/Н0) = α |
|
Р(Н0/Н0) =1– α |
Неверна |
Правильное решение, |
его |
Ошибка 2-го рода, её вероят- |
|
вероятность |
|
ность |
|
Р(Н1/Н1) =1– р |
|
Р(Н0/Н1) = р |
Для проверки нулевой гипотезы пользуются специально подобранной случайной величиной, распределение которой известно. В общем случае её обозначают К – критерий согласия, устанавливающий, когда полученное в действительности указанное отклонение следует принять несущественным, а когда существенным. Критерий К является функцией от результатов наблюдения.
Пример. Пусть Н0 заключается в том, что математическое ожидание генеральной совокупности а = 3. Тогда возможные варианты
Н1: а) а ≠ 3; б) а > 3; в) а < 3. |
И |
Основной прием проверки статистических гипотез заключается в |
ний критерия, при которых нулевую гипотезу отвергают, областью принятия гипотезы – область значений критерия, при которых гипотезу принимают.
том, что по имеющейся выборке вычисляется значение некоторой |
||
|
|
Д |
случайной величины, имеющей известный закон распределения. |
||
Определение. Статистическим критерием называется случай- |
||
ная величина К с звестным закономАраспределения, служащая для |
||
проверки нулевой г потезы. |
|
|
|
б |
|
Определение. Кр т ческой областью называют область значе- |
||
и |
|
|
С |
|
|
Поскольку критерий К – одномерная случайная величина, все ее возможные значения принадлежат некоторому интервалу. Поэтому критическая область и область принятия гипотезы также являются интервалами, следовательно, существуют точки, которые их разделяют.
Критическими точками (границами) kкp называют точки, отделяющие критическую область от области принятия гипотезы.
Различают одностороннюю (правостороннюю или левостороннюю) и двустороннюю критические области.
Правосторонней называют критическую область, определяемую неравенством К > kкp, где kкp – положительное число.
118
Левосторонней называют критическую область, определяемую неравенством К < kкp, где kкp – отрицательное число.
Односторонней называют правостороннюю или левостороннюю критическую область.
Двусторонней называют критическую область, определяемую неравенствами К < k1; К > k2, где k2 > k1.
Для отыскания критической области, как было сказано выше, задаются уровнем значимости α. Критическую точку находят исходя из требования, чтобы при условии справедливости нулевой гипотезы выполнялись равенства:
а) для правосторонней критической области
Р(К > kкр) = α (kкр > 0);
б) для левосторонней критической области
1.Выбирается статистический критерийДИК.
2.Вычисляется его значениеАКвыб по имеющейся выборке.
3.Поскольку закон распределения К известен, определяется (по известному уровню значимостиб) критическое значение Ккр, разделяющее критическую о ласть и о ласть принятия гипотезы (например, если P(К > Ккр)и= α, то справа от Ккр располагается критическая область, а слева – область пр нятия гипотезы).
4.Если вычисленноеС значение Квыб попадает в область принятия гипотезы, то нулевая г потеза принимается, если в критическую область – нулевая гипотеза отвергается.
§6. Критерий Пирсона для проверки гипотезы о виде закона распределения случайной величины
С помощью критерия Пирсона можно проверять гипотезы о различных законах распределения. Для данного критерия в качестве величины, характеризующей степень различия между теоретическим и выборочным законами распределения, выбирается статистика
К = χ 2 |
l |
(n |
i |
− n )2 |
|
|
= ∑ |
|
i |
, |
(3.8) |
||
|
|
|
||||
|
i=1 |
|
|
ni |
|
которая учитывает расхождения между теоретическими ni и выбо-
119
рочными ni частотами. Эта случайная величина называется χ 2 («хи
квадрат») статистикой Пирсона. Смысл ее очевиден: суммируются квадраты отклонений эмпирических частот от теоретических. Целью исследования является сравнение эмпирических и теоретических частот, которые, конечно, отличаются друг от друга. В дальнейшем следует выяснить, являются ли эти различия несущественными, не опровергающими гипотезу о выбранном законе распределения исследуемой случайной величины или они настолько велики, что противоречат этой гипотезе.
Можно доказать, что вне зависимости от реального закона распределения генеральной совокупности закон распределения случайной величины при n → ∞ стремится к закону распределения с числом степеней свободы k = l – 1 – r, где r – число параметров предполагае-
мого распределения, оцененных по данным выборки; l − число интервалов. Для выбранного критерия строится критическая область, определяемая условием
|
|
|
Р(χвыб |
2 < χкрит2 |
(l;α)) |
= α , |
|
|
|
|||||
где α – уровень значимости. |
|
|
|
|
|
|
И |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
||||
Следовательно, критическая |
область |
задается |
неравенством |
|||||||||||
2 |
2 |
|
|
|
|
|
|
Д |
2 |
|
2 |
|||
χвыб |
< χкрит (l;α ), а область принятия гипотезы χвыб |
|
< χкрит (l;α ). |
|||||||||||
Таким образом, для проверки нулевой гипотезы Н0 генеральная |
||||||||||||||
|
|
|
|
|
А |
|
|
|
|
|
||||
совокупность распределена по вы ранному закону – нужно вычислить |
||||||||||||||
по выборке наблюдаемое значение критерия: |
|
|
|
|
||||||||||
|
|
|
б |
|
(n |
− n )2 |
|
|
|
|
||||
|
|
|
|
|
2 |
|
l |
, |
|
|
|
|||
|
|
|
|
χвыб = |
∑ |
i |
|
i |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|||||
|
|
и |
|
|
i=1 |
|
|
ni |
|
|
|
|
||
|
|
С |
|
|
|
|
|
|
|
|
|
|
а по таблице критических точек распределения χ 2 найти критическую точку χкрит2 (l;α ), используя известные значения α и k = l – 1–r.
Если χвыб2 < χкрит2 (k;α) нулевую гипотезу принимают, при
χвыб2 > χкрит2 (k;α) ее отвергают.
Замечание. Число параметров распределения r, оцененных по данным выборки для нормального и равномерного распределений равно двум, а для показательного – одному.
Из вышесказанного следует, что для проверки данной гипотезы Н0 необходимо найти теоретические и эмпирические частоты.
120
Пусть получена выборка достаточно большого объема n с большим количеством различных значений вариант. Для удобства её обработки разделим интервал от наименьшего до наибольшего из значений вариант на k равных частей по методике, предложенной в § 2. Будем считать, что значения вариант, попавших в каждый интервал, приближенно равны числу, задающему середину интервала. Подсчитав число вариант, попавших в каждый интервал, составим так называемую сгруппированную выборку (табл. 12).
|
|
|
|
|
|
|
|
|
|
Таблица 12 |
|||
|
Варианты xi |
|
~ |
|
|
~ |
|
… |
|
|
|
~ |
|
|
|
|
|
|
|
|
|||||||
|
|
х1 |
|
|
х1 |
|
|
|
|
хk |
|
||
|
Частоты ni |
|
n1 |
|
|
n2 |
|
… |
|
|
|
nk |
|
|
|
~ |
xi + xi+1 |
|
|
|
|
|
|
|
|||
|
Примечание. хi = |
|
|
|
|
И |
|
|
|
|
|
||
|
2 |
– значения середин интервалов, а ni – число ва- |
|||||||||||
риант, попавших в i-й интервал (эмпирические частоты). |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
Д |
|
|
|
|
|
|
По полученным данным можно вычислить выборочное среднее |
х и выборочное среднее квадратическое отклонение σ . Тип закона
в А в
определим по построенной гистограмме или из общих соображений. Например, ошибки измерений в основном распределены по нормальному закону, а надежность езотказной работы прибора – по показательному. Для проверки предположения, что генеральная совокупность распределена по вы ранному закону с параметрами M[X]= хв ;
D[X]=σ 2 , необход мо выч сл ть теоретические частоты по формуле |
||
в |
б |
|
|
x |
ni = pi n, |
|
иi+1 |
(x)dx – вероятность попадания в i-й ин- |
где pi = pi (xi < X < xi+1 )= ∫ f |
||
|
xi |
|
тервал; n – объемСвыборки. |
|
|
Здесь и далее |
f (x) − функция плотности распределения вероят- |
ностей случайной величины Х выбранного закона распределения. Для простоты вычислений можно воспользоваться приближенной формулой вычисления определенного интеграла
|
|
pi = pi (xi |
xi+1 |
~ |
~ |
||
|
|
< X < xi+1 )= ∫ |
f (x)dx = f (xi ) (xi +1 |
− xi )= f (xi ) h , (3.9) |
|||
|
|
|
xi + xi+1 |
xi |
|
|
|
|
~ |
|
|
|
|
|
|
где |
хi = |
|
. |
|
|
|
|
2 |
|
|
|
||||
|
|
|
|
|
|
|
121
Рассмотрим практические приёмы нахождения теоретических вероятностей и теоретических частот для основных законов распределения.
1. Нормальный закон распределения.
Функция плотности распределения задается формулой
|
|
|
|
|
−(x−х )2 |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
в |
|
1 |
|
х − хв |
|
|
f (x) = |
|
|
|
2σв |
2 |
|
||||||
|
|
e |
|
= |
|
|
||||||
|
|
|
|
|
|
|
||||||
σв |
2π |
|
|
|
σв |
ϕ |
|
. |
||||
|
|
|
|
|
|
|
σв |
График функции f (x) называют нормальной кривой или кривой Гаусса (рис. 3.3).
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
И |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Д |
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
А |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 3.3. Кривая Гаусса |
|
|
|
|
|
|
|
|
|
|||||||
|
Тогда вероятности pi выч сляются по формуле |
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
С |
|
xi+1 |
|
|
хi+1 − xв |
|
|
|
хi |
− xв |
|
|
|||||||||||||
|
pi = pi |
(xi < |
X < xi+1 )= |
|
|
|
|
|
|
|
|
|
|
|
|
|
, |
|||||||||||||
|
∫ f (x)dx = Ф |
|
|
|
σ |
в |
− Ф |
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
− z2 |
иxi |
|
|
|
|
|
|
|
|
σв |
|
|||||||||
где |
Ф(х) = |
1 |
|
х |
е |
dz – функция |
Лапласа, её |
значения |
находят по |
|||||||||||||||||||||
|
|
|
∫ |
2 |
||||||||||||||||||||||||||
2π |
||||||||||||||||||||||||||||||
прил. 2. |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
Чаще всего пользуются приближенной формулой |
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xi+1 |
|
|
|
1 |
|
~ |
хв |
|
|
|
|
|||
|
|
|
pi = pi (xi < X < xi+1 ) = |
∫ f (x)dx |
= |
|
хi − |
|
∆, |
|
||||||||||||||||||||
|
|
|
σ в |
ϕ |
σ в |
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
х2 |
|
|
xi |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
1 |
|
|
|
|
е− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
где ϕ(х) = |
|
|
|
|
|
2 |
|
– табулированная функция (см. прил. 1). |
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
2π |
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
122
Умножив полученные вероятности на объем выборки n, найдем теоретические частоты: ni = pi n .
2. Равномерный закон распределения.
При использовании критерия Пирсона для проверки гипотезы о равномерном распределении генеральной совокупности с предполагаемой плотностью вероятности
0, |
|
x [a,b]; |
||
|
1 |
|
|
|
f (x) = |
|
, x [a,b] |
||
|
|
|
|
|
|
− a |
|||
b |
|
необходимо, вычислив по имеющейся выборке значения хв и σв2 , оценить параметры а и b (рис. 3.4).
|
|
|
|
|
|
|
|
|
|
|
И |
|||||
|
|
f(x) |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
Д |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
а |
А |
|
|
|
|
х |
|||||
|
|
|
|
|
|
|
|
b |
|
|
|
|
||||
|
|
|
|
б |
2 |
|
|
|
|
|
|
|||||
Рис. 3.4. График функции плотности равномерного распределения |
||||||||||||||||
|
|
и |
|
|
|
|
|
|
|
|
|
|
|
|||
Действительно, так |
как для равномерного распределения |
|||||||||||||||
M (X ) = a + b |
С |
|
|
|
|
(a − b) |
= a − |
b |
|
|
||||||
и σ (X ) = |
|
D(X ) |
= |
, то оценки пара- |
||||||||||||
2 |
|
|
|
|
|
|
|
12 |
|
2 |
3 |
|
|
|
||
метров a и b – концов интервала, в котором наблюдались возможные |
значения случайной величины Х, находим из системы, где через a и
b |
|
обозначены оценки соответствующих параметров равномерного |
|||||
|
|||||||
распределения. |
|
|
|
|
|
||
|
|
b |
+ a |
= хв ; |
|||
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
(3.10) |
|
|
|
|
|
|
|
|
|
|
|
b |
− a |
= σв . |
|||
|
|
|
|
|
|
|
|
|
|
2 |
3 |
||||
|
|
|
|
Решая систему уравнений, получим
a = хв − 3σв ; b = хв + 3σв .
123
Тогда теоретическое распределение будет иметь вид
0, |
x [a ,b ]; |
||||||||
|
|
|
|
|
|
|
|
|
|
f (x) = |
|
1 |
|
, x [a |
,b ]. |
||||
|
|
|
|
||||||
|
|
− a |
|
||||||
b |
|
|
|
|
|
|
|
||
Вероятности pi вычисляются по формуле |
|||||||||
pi = pi (xi < X < xi+1 )= xi∫+1f (x)dx = xi∫+1 |
1 |
|
dx = |
xi+1 − xi |
|||||
b − a |
|
b − a |
|||||||
xi |
|
xi |
|
|
= b ∆ a .
−
Умножив полученные вероятности на объем выборки n, найдем теоретические частоты: ni = pi n .
|
3. Показательный закон распределения. |
|
|
|
|
|||||||||||
|
Функция плотности определяется формулой |
|
|
|
|
|||||||||||
|
|
|
|
|
|
0, x < 0; |
И |
|
|
|
||||||
|
|
|
|
f (x) = |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
λe−λx , x ≥ 0. |
|
|
|
|
||||||
|
1 |
|
|
|
|
Д |
|
|
|
|
||||||
|
|
|
|
хв и σв2 , |
|
|
|
|||||||||
|
Вычислив по имеющейся выборке значения |
необходимо |
||||||||||||||
оценить параметр λ. Для показательного распределения |
M (X ) = |
1 |
. |
|||||||||||||
|
||||||||||||||||
|
|
|
|
|
А |
|
|
|
λ |
|||||||
Следовательно, в качестве оценки |
параметра |
λ возьмём величину |
||||||||||||||
λ |
= |
|
. Тогда теоретическое распределение будет иметь вид (рис. 3.5). |
|||||||||||||
хв |
||||||||||||||||
|
|
|
и |
0, |
x < 0; |
|
|
|
|
|
||||||
|
|
|
С |
бf (x) = |
|
− |
1 |
x |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
1 |
e |
|
х |
в , |
x ≥ 0. |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
хв |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
λ
Рис. 3.5. График функции плотности равномерного распределения
124
Вероятности pi вычисляются по формуле
|
|
|
|
xi+1 |
xi+1 |
1 |
|
− |
|
1 |
x |
− |
1 |
xi |
|
− |
1 |
xi+1 |
|
|||
|
|
|
|
|
х |
х |
|
х |
|
|||||||||||||
pi |
= pi (xi < X < xi+1 ) = ∫ f (x)dx |
= ∫ |
|
e |
|
|
в |
dx = e |
в |
|
− e |
|
в |
. |
||||||||
хв |
|
|
|
|
||||||||||||||||||
|
|
|
|
xi |
xi |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Чаще всего пользуются приближенной формулой |
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
pi = pi (xi < X < xi +1 ) = xi∫+1f (x)dx |
|
|
|
|
1 ~ |
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
1 |
e− |
|
xi ∆, |
|
|
|
|
|
||||||||
|
|
|
= |
|
|
хв |
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
xi + xi +1 |
|
xi |
|
|
|
|
|
хв |
|
|
|
|
|
|
|
|
||||
~ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
где хi = |
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Тогда теоретические частоты вычисляются по формуле |
|
|
|
|
|
|||||||||||||||||
|
|
|
|
ni = pi |
n , |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где n – объем выборки. |
|
И |
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
§ 7. Примеры проверки гипотез о законе распределения |
|
||||||||||||||||||||
|
|
|
|
|
Д |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
выборочных данных |
|
|
|
|
|
|
|
|
|
|
|
Пример 1. Для определения надежности металлорежущих станков на заводе фиксировались значения наработки на отказ (время τ непрерывной работы до первого отказа). Полученные данные для τ (в месяцах) приведены в та л. 13.
|
|
|
|
2,1А5,0 |
|
|
|
Таблица 13 |
|
3,0 |
3,6 |
4,4 |
1,3 |
4,9 |
6,0 |
1,1 |
2,3 |
||
5,9 |
3,6 |
1,3 |
3,7 |
4,9 |
5,6 |
1,3 |
2,0 |
4,3 |
1,9 |
4,0 |
3,7 |
5,3 |
4,2б2,5 |
2,7 |
3,6 |
4,8 |
6,0 |
1,7 |
|
2,5 |
4,9 |
3,2 |
4,0 |
4,3 |
2,8 |
3,8 |
1,0 |
4,2 |
4,8 |
4,9 |
5,0 |
1,9 |
2,6 |
1,7 |
6,0 |
5,7 |
|
|
|
|
|
|
и |
|
|
|
|
|
|
1. СоставитьСвыборочное распределение.
2. Построить гистограмму и график выборочной функции распределения.
3. Найти состоятельные несмещенные оценки для математического ожидания и дисперсии.
4. Построить доверительные интервалы для математического ожидания и дисперсии с уровнем доверия р = 0,95.
5. На основании анализа формы построенной гистограммы выдвинуть гипотезу о законе распределения и проверить справедливость гипотезы по критерию Пирсона с уровнем значимости α = 0,05.
125
Решение
1. Первый этап статистического изучения вариации − построе-
ние вариационного ряда [упорядоченного распределения единиц совокупности по возрастающим (чаще) или по убывающим (реже) значениям признака] и подсчет числа единиц с тем или иным значением признака. Для этого сначала построим ранжированный ряд. Ранжированный ряд – это перечень отдельных единиц совокупности в порядке возрастания (убывания) изучаемого признака (табл. 14).
Таблица 14
|
xi |
1,0 |
1,1 |
1,3 |
1,7 |
1,9 |
2,0 |
|
2,1 |
2,3 |
2,5 |
2,6 |
2,7 |
2,8 |
|
ni |
1 |
1 |
3 |
2 |
2 |
1 |
|
1 |
1 |
2 |
1 |
1 |
1 |
|
xi |
3,0 |
3,2 |
3,6 |
3,7 |
3,8 |
4,0 |
|
4,2 |
4,3 |
4,4 |
4,8 |
4,9 |
5,0 |
|
ni |
|
|
|
|
|
|
|
|
И |
|
|
|
|
|
1 |
1 |
3 |
2 |
1 |
2 |
|
2 |
2 |
1 |
2 |
4 |
2 |
|
|
хi |
5,3 |
5,6 |
5,7 |
5,9 |
6,0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Д |
|
|
|
|
||
|
ni |
1 |
1 |
1 |
1 |
3 |
|
|
|
|
|
|
|
|
Интервальным вариационным рядом называется упорядоченная совокупность интервалов варьирования значений случайной величи-
ны с соответствующими частотами или частностями попаданий в ка- |
||||
|
б |
|
||
ждый из них значений величины. |
|
|||
Для его построения выполняем следующие действия: |
||||
и |
|
|
|
|
1. Найдем размах вы оркиА |
|
|||
Имеем R = 6,0 −1,0 = 5,0 . |
R = xmax − xmin . |
|||
|
|
|
||
2. Определим длину частичного интервала. ∆ – шаг разбиения по |
||||
формуле Стерджеса: |
|
|
|
|
С |
|
|
R |
R |
∆ ≈ |
|
= k , |
||
1+ 3,322lg n |
где n − объём выборки; k – число частичных интервалов. Т.к. n = 47 ,
то k =1 + 3,322log 47 ≈ 7 ; |
∆ = 5 = 0,7 . |
|
|||
|
|
|
|
7 |
|
|
|
|
|
хi = хi−1 + i∆ , |
|
где i = 0,1, ,n ; х0 |
= хmin − |
∆ |
; хn = хmax + |
∆ . |
|
|
|
2 |
|
|
2 |
3.Подсчитаем число элементов (частот) выборки, попадающих
вкаждый интервал. Очевидно, n1 + n2 + ... + nm = 47.
Строим интервальный статистический ряд (табл. 15).
126
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 15 |
|||
(хi ; хi+1 ) |
[1,0;1,7) |
[1,7;2,4) |
[2,4;3,1) |
[3,1;3,8) |
|
[3,8;4,5) |
[4,5;5,2) |
[5,2;6,0) |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ni |
|
5 |
|
7 |
|
6 |
|
6 |
|
|
8 |
|
|
8 |
|
|
7 |
|
|||||||||
ω |
i |
= ni |
|
5 |
|
|
7 |
|
|
6 |
|
|
6 |
|
|
|
8 |
|
|
8 |
|
|
|
7 |
|
||
|
n |
47 |
|
47 |
|
47 |
|
47 |
|
|
47 |
|
47 |
|
47 |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
Элементы третей строки называются относительными часто- |
|||||||||||||||||||||||||
тами попадания в интервал. Очевидно, |
n1 |
+ |
n2 |
+ . . . + |
nm |
|
= 1. |
|
|
|
|||||||||||||||||
|
n |
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
n |
|
|
|
|
|
2. Построение гистограммы плотностей относительных частот.
Построим гистограмму относительных частот – ступенчатую фигуру, состоящую из прямоугольников, основаниями которых служат
частичные интервалы длиной |
∆ = 0,7 , |
а высоты равны отношению |
|||||||||||||||||||||||
h* = |
|
p* |
|
|
|
|
|
|
|
|
|
|
|
|
И |
|
|
|
|
|
|
||||
|
|
i |
|
. Площадь всей гистограммы должна быть равна 1. Гисто- |
|||||||||||||||||||||
|
|
|
|||||||||||||||||||||||
i |
|
∆ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
грамма является оценкой генеральной функции плотности f(x). |
|
|
|||||||||||||||||||||||
|
Полученные значения высот вносим в табл. 16. |
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
А |
|
|
|
|
|
|
Таблица 16 |
||||||
|
|
|
|
|
|
|
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
i |
|
|
[аi ;ai+1] |
|
|
p |
|
|
|
* |
p |
|
|
~ |
xi + xi+1 |
x n |
|
|
x |
n |
|
||
|
|
|
|
|
|
|
|
|
* |
|
|
|
|
* |
Дx = |
|
|
|
~ |
|
|
~2 |
|
|
|
|
|
|
|
|
|
|
|
i |
|
hi = |
i |
|
|
|
i |
i |
|
i |
i |
||||||
|
|
|
|
|
|
ni |
|
|
|
|
|
∆ |
|
i |
|
2 |
|
|
|
|
|
|
|
||
|
1 |
|
|
[1,0;1,7) |
5 |
|
5 |
|
|
0,11 |
|
|
|
1,35 |
|
|
|
6,75 |
|
|
9,1125 |
||||
|
|
|
|
|
С |
47 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
47 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
2 |
|
|
[1,7;2,4) |
7 |
|
7 |
|
|
0,15 |
|
|
|
2,05 |
|
|
|
14,35 |
|
29,4175 |
|||||
|
|
|
|
|
|
|
47 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
3 |
|
|
[2,4;3,1) |
6 6 |
|
0,13 |
|
|
|
2,75 |
|
|
|
16,5 |
|
|
45,375 |
|||||||
|
|
|
|
|
|
|
|
47 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
|
[3,1;3,8) |
6 |
|
6 |
|
|
0,13 |
|
|
|
3,45 |
|
|
|
20,7 |
|
|
71,415 |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
5 |
|
|
[3,8;4,5) |
8 |
|
8 |
|
|
0,17 |
|
|
|
4,15 |
|
|
|
33,20 |
|
137,78 |
|||||
|
|
|
|
|
|
|
47 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
6 |
|
|
[4,5;5,2) |
8 |
|
8 |
|
|
0,17 |
|
|
|
4,85 |
|
|
|
38,8 |
|
|
188,18 |
||||
|
|
|
|
|
|
|
47 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
7 |
|
|
[5,2;6,0) |
7 |
|
7 |
|
|
0,15 |
|
|
|
5,6 |
|
|
|
39,2 |
|
|
219,52 |
||||
|
|
|
|
|
|
|
47 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
∑ = 47 |
∑ = 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
169,02 |
|
697,48 |
|||
|
|
|
|
* |
|
|
|
|
|
|
|
|
|
|
|
|
~ |
− середина частич- |
|||||||
|
Примечание. hi |
−плотность относительной частоты; xi |
ных интервалов; * – определяет эмпирические значения.
127
Строим гистограмму относительных частот. По виду гистограм- |
|
|||||||||
мы (рис. 3.6) подбираем подходящий для данного случая теоретиче- |
|
|||||||||
ский закон распределения. |
|
|
|
|
|
|
|
|||
0,17 |
|
|
|
|
|
|
|
|
|
|
0,15 |
|
|
|
|
|
|
|
|
|
|
0,13 |
|
|
|
|
|
|
|
|
|
|
0,11 |
|
|
|
|
|
|
|
|
|
|
1,0 |
1,7 |
|
2,4 |
3,1 |
3,8 |
4,5 |
5,2 |
6,0 |
х |
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 3.6. Гистограмма относительных частот |
|
|
|||||||
|
|
|
|
|
|
|
И |
|
|
|
Сравниваем гистограмму с теоретическими кривыми основных |
|
|||||||||
законов (нормальный, показательный, равномерный). |
|
|
||||||||
|
|
|
|
|
|
Д |
|
|
|
|
По виду гистограммы можно выдвинуть гипотезу о равномерном |
|
|||||||||
законе распределения случайной величины X. |
|
|
|
|||||||
|
|
|
|
|
А |
|
|
|
|
|
3. Нахожден е состоятельных несмещенных оценок математи- |
|
|||||||||
ческого ожидания |
|
д сперс и. Найдем оценки |
математического |
|
||||||
ожидания а и дисперс |
б |
|
|
|
|
|
||||
D. |
|
|
|
|
|
|
|
|||
Основными параметрами генеральной совокупности являются |
|
|||||||||
|
|
и |
|
|
|
М(Х) и среднее |
|
|||
математическое ожидание (генеральная средняя) |
|
|||||||||
квадратическое отклонение s . Это постоянные величины, которые |
|
|||||||||
можно оценитьСпо выборочным данным. Оценка генерального пара- |
|
|||||||||
метра, выражаемая одним числом, называется точечной. |
|
|
||||||||
Точечной оценкой генеральной средней а является выборочное |
|
|||||||||
среднее. Выборочным средним называется среднее арифметическое |
|
|||||||||
всех значений величины, встречающихся в выборке. |
|
|
||||||||
Если выборочное среднее вычисляется по несгруппированным |
|
|||||||||
данным, то для его определения сумму всех значений делят на коли- |
|
|||||||||
чество элементов в выборке. В данном случае определяем по сгруп- |
|
|||||||||
пированным данным (см. табл. 16): |
|
|
|
|
|
128
|
|
|
|
|
|
|
|
|
|
|
|
|
l |
|
~ |
n |
* |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
∑ x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
а ≈ x |
= |
i=1 |
|
i |
|
|
|
i |
|
= 169,2 = 3,6; |
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
в |
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
47 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
l |
~ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
2 |
|
* |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
2 |
|
∑ |
(xi − xв ) |
|
|
ni |
|
|
1 |
|
l |
|
|
|
~2 |
|
|
|
|
2 |
|
|
|
697,48 |
|
2 |
|
|
|
||||||||||||
|
|
i =1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
σ |
|
≈ D = |
|
|
|
|
|
|
|
|
|
= |
|
|
∑ n |
|
|
x |
|
− (xв ) |
= |
|
|
− 3,6 |
|
|
= 1,88, |
|||||||||||||||
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
48 |
|
|
|||||||||||||||||||||||||
т.е. |
|
в |
|
|
|
|
|
|
|
|
|
|
n i =1 |
i |
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
1 |
|
l |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
D |
|
= |
|
|
|
|
~2 |
|
|
|
|
2 |
|
|
1,88. |
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
∑ n |
x |
|
− (xв ) = |
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
в |
|
n i=1 |
|
i |
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Согласно определению, исправленной выборочной дисперсией |
||||||||||||||||||||||||||||||||||||||||||
называется произведение выборочной дисперсии на величину |
|
|
n |
|
. |
|||||||||||||||||||||||||||||||||||||
|
n −1 |
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
И |
|
|
|
|||||||||||||
Следовательно, исправленная дисперсия равна |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
s2 = |
|
47 |
1,88 = 1,92, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
46 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
т.е. исправленное выборочное |
|
|
среднеквадратическое |
отклонение |
||||||||||||||||||||||||||||||||||||||
s = 1,3856 . |
|
|
|
|
|
|
|
|
|
|
А |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
4. |
|
Построим |
доверительный |
интервал |
для математического |
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
s |
|
|
Д; х + t |
|
s |
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
ожидания по формуле I |
|
|
= |
х |
|
− t |
|
|
|
|
|
|
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
p |
|
|
p |
|
|
|
|
|
в |
|
|
|
γ |
|
|
|
n |
|
|
|
в |
|
γ |
|
n |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ввиду большого о ъема вы орки можно считать, что распределение Стьюдента бл зко к нормальному закону. По таблице значений
функции Лапласа найдем (см. прил. 2) tγ = 1,96, тогда |
||||||||
I |
|
3,6 |
−1,96 |
1,4 |
; 3,6 |
+1,96 |
1,4 |
|
= |
6,8 |
6,8 |
или I = (3,2;4). |
|||||
|
|
|
|
|
|
|
Доверительный интервал для дисперсии построим по формуле |
||||
С |
(n −1)s2 |
≤ D ≤ |
(n −1)s2 |
. |
|
χ 2 |
χ 2 |
||
|
|
|
||
|
2 |
|
1 |
|
α = 1 − p = 1 − 0,95 = 0,05.
Найдем значения χ12 и χ22 .
P(χ 2 > χ12 ) =1− α2 = 0,975;
P(χ 2 > χ22 ) = α2 = 0,25.
По прил. 4 найдем
129
χ12 (0,975;46) = 16,8; χ22 (0,025;46) = 47,0.
Тогда
(n −1)s2 |
= |
46 1,92 |
= 1,89 |
, |
(n −1)s2 |
= |
46 1.92 |
= 5,2 . |
|
χ 2 |
47,0 |
χ 2 |
16,8 |
||||||
|
|
|
|
|
|||||
2 |
|
|
|
|
1 |
|
|
|
Таким образом, доверительный интервал для дисперсии будет иметь вид (1,89;5,2).
5. Вид гистограммы позволяет выдвинуть гипотезу о равномерном законе распределения исследуемой случайной величины Х.
Найдем выравнивающую кривую. Функция плотности нормаль- |
||||||||||||
|
0, |
|
|
x [a,b]; |
|
|
|
|
||||
ного распределения имеет вид |
|
1 |
|
|
|
|
|
|
|
|
||
f (x) = |
|
, x [a,b]. |
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|||
|
|
− a |
|
|
|
|
||||||
|
b |
|
|
|
|
|
|
|
||||
Поскольку M (X ) = a + b |
и σ (X ) = |
|
|
|
|
= |
(a − b)2 |
= a − |
b |
, то |
||
|
D(X ) |
|||||||||||
|
12 |
|
|
|||||||||
|
3 |
|||||||||||
2 |
А |
|
|
|
|
|
2 |
|
оценки параметров a и b – концы интервалаИ, в котором наблюдались
возможные значения Х, находим из системы (через a и b обозна- |
||||||||||
чены оценки параметров) |
б |
|
Д |
|||||||
|
|
|
|
|||||||
и |
b |
+ a |
|
|
|
|
|
|||
= x |
|
; |
||||||||
|
2 |
|
|
B |
||||||
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
С |
|
b |
− a |
|
|
|
|
|
||
|
|
|
|
|
= σ B . |
|||||
|
|
|
|
|
|
|||||
|
|
|
3 |
|||||||
|
|
2 |
|
|
|
|
|
|
Решая систему уравнений относительно a |
|
и b |
|
, получим |
|||||||||||||||||||||||||
|
|
||||||||||||||||||||||||||||
|
a = |
|
|
|
|
− |
|
σ B ; |
b = |
|
+ |
|
σ B . |
||||||||||||||||
|
xB |
3 |
xB |
3 |
|||||||||||||||||||||||||
Тогда теоретическое распределение для данных значений пара- |
|||||||||||||||||||||||||||||
метров примет вид |
|
|
x [a,b]; |
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
0, |
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
f (x) = |
|
|
|
|
, x [a,b], |
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
− a |
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
b |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
где |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
a = |
|
− |
|
σ = 3,6 − |
|
1,3856 =1,18; |
|||||||||||||||||||||||
xB |
3 |
3 |
|||||||||||||||||||||||||||
b = |
|
+ |
|
σ = 3,6 + |
|
|
1,3856 = 5,52. |
||||||||||||||||||||||
xB |
3 |
|
3 |
130
Таким образом, получено теоретическое распределение
0, x (1,18;5,52); f (x) = 0,23, x [1,18;5,52].
Проверим гипотезу о равномерном распределении генеральной совокупности по критерию Пирсона. В качестве меры расхождения между теоретическим распределением f (x) и эмпирическим распре-
делением f |
|
(x) используем |
|
χ 2 |
l |
(n − np |
i |
)2 |
|
|
статистику |
= ∑ |
i |
|
, где n – |
||||
|
npi |
|
|
||||||
|
|
|
|
|
i=1 |
|
|
|
число опытов; pi – вероятность попадания возможных значений слу-
чайной величины в i -й разряд статистического ряда; l– число разрядов.
Теоретические вероятности находим по формуле
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xi |
|
|
|
|
xi |
|
|
|
1 |
|
|
dx ; |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
p |
i |
= |
|
∫ f (x)dx |
= ∫ |
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
b |
|
− a |
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
x |
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i−1 |
|
|
Д |
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i−1 |
|
|
|
|
|
|
|
|
|
|
|
|||||
p |
= |
х2 |
0,23dx |
= |
1,7 |
|
|
|
|
=0,23x |
1,7 |
|
= |
|
0,1196; |
|
|
|
|
|
||||||||||||||||
∫ |
∫ 0,23dx |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
1 |
|
|
∫ |
|
|
|
|
|
|
∫ |
|
|
|
|
|
А |
|
|
|
И |
|
|||||||||||||||
|
|
|
а |
|
|
|
|
1,18 |
|
|
|
|
2,4 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||
p |
2 |
= p |
|
= p |
4 |
= p |
= p = |
∫ 0,23dx =0,23x |
2,4 = 0,161; |
|
||||||||||||||||||||||||||
|
|
3 |
|
|
|
|
5 |
|
|
|
6 |
1,7 |
|
|
|
|
|
|
|
|
|
|
1,7 |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
b |
|
|
|
|
|
|
5,52 |
|
|
|
|
|
|
5,52 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
p |
|
= |
|
|
|
|
0,23dx |
= |
|
0,23dx =0,23x |
|
= 0,0736 . |
|
|
|
|||||||||||||||||||||
7 |
|
xn−1 |
|
|
|
|
|
5,2 |
|
|
|
|
|
|
5,2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Вычисления сведем вбтабл. 17. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 17 |
||||||||
(xi ; xi+1 ) |
|
|
|
[1.0;1.7) |
|
[1.7;2.4) |
[2.4;3.1) |
|
[3.1;3.8) |
|
|
[3.8;4.5) |
[4.5;5.2) |
[5.2;6.0) |
||||||||||||||||||||||
ni |
|
|
|
|
5 |
|
|
|
|
|
7 |
|
|
|
|
6 |
|
|
|
6 |
|
|
|
|
|
|
|
8 |
|
|
|
8 |
7 |
|||
|
|
|
|
|
|
|
С |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
pi |
|
|
|
|
|
|
|
|
|
0,161 |
|
|
0,161 |
|
|
|
|
0,161 |
|
0,161 |
0,0736 |
|||||||||||||||
|
|
|
|
0,1196 |
|
|
0,161 |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
npi |
|
|
|
|
5,6212 |
|
|
7,567 |
|
7,567 |
|
|
7,567 |
|
|
|
|
7,567 |
|
7,567 |
3,4592 |
|||||||||||||||
ni − npi |
|
|
|
|
-0,6212 |
|
-0,567 |
-1,567 |
|
|
-1,567 |
|
|
|
0,433 |
|
0,433 |
3,5408 |
||||||||||||||||||
(ni − npi )2 |
|
|
0,38 |
|
|
|
0,32 |
|
|
2,46 |
|
|
2,46 |
|
|
|
|
|
0,19 |
|
0,19 |
12,53 |
||||||||||||||
χвыб2 |
= |
0,38 |
+ |
0,32 + |
2,46 |
+ |
2,46 + |
|
0,19 |
+ |
|
0,19 |
+ |
12,53 = 4,44 . |
||||||||||||||||||||||
5,62 |
7,56 |
7,56 |
7,56 |
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
7,56 |
|
|
7,56 |
|
|
|
|
3,45 |
|
Согласно теореме Пирсона, при n → ∞ распределение величины χ 2 зависит от параметра k , который называют числом степеней сво-
131
боды. k = l – 1 – r, где r – число параметров предполагаемого распределения, оцененных по данным выборки, l – число интервалов. Число степеней свободы k = 7 −1− 2 = 4 . Выберем уровень значимости
α = 0,05 и по таблице квантилей χ 2 -распределения для числа степеней свободы k = 4 и уровня значимости α = 0,05 ( см. прил. 4) на й-
дем критическое значение χ 2 (0,05;4) = 9,5; так как наблюдаемое зна-
чение оказалось меньше табличного значения, то можно сделать вывод: выдвинутая гипотеза о равномерном законе распределения не противоречит опытным данным. Следовательно, гипотезу о равномерном распределении генеральной совокупности принимаем.
Пример 2. Произведен выбор 100 проволок и проведены испытания их на прочность. В табл. 18 приведены разрывные усилия проволок (Н/мм2), полученные при испытаниях.
Первоначальную длину интервала при группировке взять равной
10 Н/мм2. |
|
|
|
|
Д |
|
Таблица 18 |
|||
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
||
221 |
233 |
175 |
215 |
|
235 |
260 |
201 |
234 |
211 |
237 |
|
|
|
|
|
|
|
И |
|
|
|
200 |
254 |
245 |
207 |
|
243 |
251 |
210 245 |
250 |
223 |
|
223 |
265 |
285 |
239 |
|
195 |
250 |
245 |
227 |
231 |
256 |
244 |
213 |
257 |
243 |
|
225 |
242 |
254 |
238 |
241 |
261 |
248 |
275 |
224 |
273 |
|
243 |
282 |
235 |
264 |
280 |
248 |
251 |
212 |
247 |
198 |
|
232 |
233 |
236 |
244 |
225 |
234 |
|
|
|
и |
241А233 |
|
|
|
|
||
240 |
237 |
235 |
258 |
|
232 |
263 |
305 |
243 |
||
223 |
231 |
253 |
201 |
|
233 |
231 |
220 |
245 |
255 |
219 |
|
|
|
|
б |
|
|
|
|
|
|
262 |
251 |
250 |
215 |
228 |
257 |
229 |
221 |
244 |
284 |
|
252 |
245 |
265 |
232 |
248 |
221 |
242 |
226 |
247 |
239 |
1. Составить выборочное распределение. |
|
2. Построить гистограмму и график выборочной функции рас- |
|
пределения. |
С |
3. Найти состоятельные несмещенные оценки для математического ожидания и дисперсии.
4. Построить доверительные интервалы для математического
ожидания и дисперсии с уровнем доверия γ=0,95.
5. На основании анализа формы построенной гистограммы выдвинуть гипотезу о законе распределения и проверить справедливость гипотезы по критерию Пирсона с уровнем значимости α = 0,05.
Решение
1. Сначала построим ранжированный ряд. Ранжированный ряд –
132
это перечень отдельных единиц совокупности в порядке возрастания (убывания) изучаемого признака (табл. 19).
Таблица 19
xi |
|
175 |
195 |
198 |
200 |
201 |
|
207 |
210 |
211 |
212 |
213 |
|
|
|
|
|
|
|
|
|
|
|
|
|
ni |
|
1 |
1 |
1 |
1 |
1 |
|
1 |
1 |
1 |
1 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
xi |
|
215 |
219 |
220 |
221 |
223 |
|
224 |
225 |
226 |
227 |
228 |
ni |
|
2 |
1 |
1 |
3 |
3 |
|
1 |
2 |
1 |
1 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
xi |
|
229 |
230 |
231 |
232 |
233 |
|
234 |
235 |
237 |
238 |
239 |
ni |
|
1 |
1 |
3 |
3 |
4 |
|
2 |
3 |
3 |
1 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
xi |
|
240 |
241 |
242 |
243 |
245 |
|
247 |
244 |
245 |
247 |
248 |
|
|
|
|
|
|
|
|
|
|
|
|
|
ni |
|
1 |
2 |
2 |
4 |
5 |
|
2 |
3 |
5 |
2 |
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
xi |
|
|
|
|
|
|
|
Д |
|
|
|
|
|
248 |
250 |
251 |
252 |
253 |
|
254 |
255 |
256 |
257 |
258 |
|
|
|
|
|
|
|
А |
|
|
|
|
|
|
ni |
|
2 |
2 |
1 |
1 |
1 |
|
2 |
И2 1 |
1 |
1 |
|
xi |
|
260 |
261 |
262 |
263 |
264 |
|
265 |
273 |
275 |
280 |
282 |
|
|
|
|
|
|
|
|
|
|
|
|
|
ni |
|
1 |
2 |
1 |
1 |
1 |
|
2 |
1 |
1 |
1 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
xi |
|
284 |
305 |
и |
|
|
|
|
|
|
|
|
|
|
б |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
||
ni |
|
1 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Для построения интервального вариационного ряда выполняем |
|||||||||||
следующие действия: |
|
|
|
|
|
|
|
|
||||
|
1. Длина частичногоС |
интервала ∆ задана и равна 10. |
|
|
хi = хi−1 + i∆ ,
где i = 0,1, , n; х0 = хmin − ∆2 ; хn = хmax + ∆2 .
2.Подсчитаем число элементов (частот) выборки, попадающих
вкаждый интервал. Очевидно, n1 + n2 + ... + nk = 100 .
Строим интервальный статистический ряд (табл. 20).
133
|
|
|
|
|
|
|
|
|
Таблица 20 |
|
(хi ; хi+1 ) |
|
[180;190) |
[190;200) |
[200;210) |
[210;220) |
[220;230) |
|
[230;240) |
||
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
ni |
|
|
|
1 |
2 |
3 |
7 |
14 |
|
22 |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
ωi |
= ni |
|
|
0,01 |
0,02 |
0,03 |
0,07 |
0,14 |
|
0,22 |
|
n |
|
|
|
|
|
|
|
|
|
(х ; х |
) |
|
[240;250) |
[250;260) |
[260;270) |
[270;280) |
[280;290) |
|
[290;300) |
|
i |
i+1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ni |
|
|
|
22 |
15 |
8 |
2 |
3 |
|
1 |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
ωi |
= ni |
|
|
0,22 |
0,15 |
0,08 |
0,02 |
0,03 |
|
0,01 |
|
n |
|
|
|
|
|
|
|
|
|
|
2. |
|
Построение гистограммы плотностей относительных час- |
тот – ступенчатая фигура, состоящая из прямоугольников, основа- |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Д |
|
∆ , а высоты |
||||||||
ниями которых служат частичные интервалы длиной |
||||||||||||||||||||||||||||
равны отношению h = |
pi* |
= |
pi* |
. |
|
|
|
|
И |
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
i |
|
|
∆ |
|
|
|
|
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
Полученные значения высот вносим в табл. 21. |
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
б |
|
|
|
|
|
|
|
Таблица 21 |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
[аi ;ai+1] |
|
|
|
* |
|
|
|
|
|
|
|
|
|
|
p* |
|
~ |
x |
+ x + |
~ |
|
~ |
2 |
|
|||
|
|
|
и |
|
|
* |
|
|
|
i |
|
i |
i 1 |
|
|
|
|
|||||||||||
i |
|
|
|
|
|
= |
|
|
|
|
|
xi = |
|
|
|
x n |
|
|
x n |
|||||||||
|
p |
|
|
|
|
h |
|
|
|
|
|
|
|
|
2 |
|
|
|
||||||||||
|
|
ni |
|
i |
|
|
|
i |
|
А∆ |
|
|
i |
i |
|
i |
i |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
1 |
[180;190) |
1 |
|
0,01 |
|
|
0,001 |
|
|
185 |
|
|
|
185 |
|
34225 |
||||||||||||
|
|
С |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
2 |
[190;200) |
2 |
|
0,02 |
|
|
0,002 |
|
|
195 |
|
|
|
390 |
|
76050 |
||||||||||||
3 |
[200;210) |
3 |
|
0,03 |
|
|
0,003 |
|
|
205 |
|
|
|
615 |
|
126075 |
||||||||||||
4 |
[210;220) |
7 |
|
0,07 |
|
|
0,007 |
|
|
215 |
|
|
|
1505 |
323575 |
|||||||||||||
5 |
[220;230) |
14 |
|
0,14 |
|
|
0,014 |
|
|
225 |
|
|
|
3150 |
|
708750 |
||||||||||||
6 |
[230;240) |
22 |
|
0,22 |
|
|
0,022 |
|
|
235 |
|
|
|
5170 |
|
1214950 |
||||||||||||
7 |
[240;250) |
22 |
|
0,22 |
|
|
0,022 |
|
|
245 |
|
|
|
5390 |
|
1320550 |
||||||||||||
8 |
[250;260) |
15 |
|
0,15 |
|
|
0,015 |
|
|
255 |
|
|
|
3825 |
|
975375 |
||||||||||||
9 |
[260;270) |
8 |
|
0,08 |
|
|
0,008 |
|
|
265 |
|
|
|
2120 |
|
561800 |
||||||||||||
10 |
[270;280) |
2 |
|
0,02 |
|
|
0,002 |
|
|
275 |
|
|
|
550 |
|
|
151250 |
|||||||||||
11 |
[280;290) |
3 |
|
0,03 |
|
|
0,003 |
|
|
285 |
|
|
|
855 |
|
|
243675 |
|||||||||||
12 |
[290;300) |
1 |
|
0,01 |
|
|
0,001 |
|
|
295 |
|
|
|
295 |
|
|
87025 |
|||||||||||
|
|
∑= 100 |
|
∑ = 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
240500 |
|
5823300 |
134
Строим гистограмму по данным 5-го столбца табл. 21. |
|
|
|
|||||||||||||||||||||
|
|
|
|
hi٭∙100 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
2,22 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
1,5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
1,4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
0,8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,7 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
0,3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
180 |
|
190 |
200 |
210 |
220 |
|
230 |
240 |
250 |
260 |
270 |
280 |
290300 |
|
х |
|||||||
|
|
Рис. 3.7. Гистограмма плотностей относительных частот |
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
И |
|
|
|
|
||
По виду гистограммы (рис. 3.7) подбираем подходящий для дан- |
||||||||||||||||||||||||
ного случая теоретический закон распределения. |
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Д |
|
|
|
|
|
|
||
Сравниваем гистограмму с теоретическими кривыми основных |
||||||||||||||||||||||||
законов (нормальный, показательный, равномерный). По виду гисто- |
||||||||||||||||||||||||
граммы можно выдвинуть гипотезуАо нормальном законе распределе- |
||||||||||||||||||||||||
ния случайной вел ч ны X. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
б |
|
|
|
|
|
|
|
|
|
||||||||
3. Нахожден е состоятельных несмещенных оценок математи- |
||||||||||||||||||||||||
ческого |
ожидания |
д сперс и. |
Найдем оценки |
математического |
||||||||||||||||||||
ожидания а и дисперсиииD. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
Са ≈ x |
|
|
l |
~ |
n |
* |
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
∑ x |
i |
i |
= 24050 = 240,5; |
|
|
|
|
|
|||||||||||
|
|
|
= i=1 |
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
в |
|
|
|
|
n |
|
|
|
100 |
|
|
|
|
|
|
|
||
|
|
|
|
l |
~ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
− xв ) |
2 |
|
* |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
2 |
|
|
∑ |
(xi |
|
ni |
|
|
|
1 |
l |
~2 |
|
2 |
5823300 |
|
2 |
|
|||||
σ |
|
≈ Dв = |
|
|
n |
|
|
|
|
|
|
= |
|
|
∑ ni xi |
− (xв ) = |
100 |
− 240,5 |
|
= |
||||
= 392,75, |
|
|
|
|
|
|
|
|
|
|
n i=1 |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
т.е. |
|
|
|
|
|
|
1 |
l |
|
|
|
|
|
|
− (x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
D = |
|
|
|
~2 |
2 |
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
∑ n |
|
|
x |
|
|
в ) = 392,75. |
|
|
|
|
|
||||||
|
|
|
|
|
|
в |
n i=1 |
|
i |
|
i |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
135 |
|
|
|
|
|
|
|
|
Согласно определению, исправленной выборочной дисперсией
называется произведение выборочной дисперсии на величину n , n −1
т.е. исправленная дисперсия равна
s2 = 10099 392,75 = 396,7 ,
аисправленное выборочное среднеквадратическое отклонение
s= 19,8173.
4.Построим доверительный интервал для математического
ожидания по формуле |
I p |
|
хв |
− tγ |
|
σ |
|
|
; хв + tγ |
σ |
||||||||||
= |
|
|
|
|
|
|
|
|
|
|
. |
|||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
n |
|
|||
Ввиду большего объема выборки можно считать, что распределе- |
||||||||||||||||||||
ние Стьюдента близко к нормальному закону. По таблице значений |
||||||||||||||||||||
функции Лапласа найдем tγ = 1,96 (см. прил. 2), тогда |
||||||||||||||||||||
|
−1,96 |
19,8 |
;240,5 |
+1,96 |
19,8 |
|
I = |
(236;244). |
||||||||||||
I p = 240,5 |
10 |
|
|
10 |
или |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Доверительный интервал для дисперсииИпостроим по формуле |
||||||||||||||||||||
|
s2 (1− q)2 < D < s2 |
(1+ q)2 при q<1; |
||||||||||||||||||
|
0 < D < s |
2 |
(1 |
|
2 |
Д |
|
|
|
|
|
|||||||||
|
|
+ q) при q>1. |
|
|
|
|
|
|||||||||||||
Найдем доверительный интервал для D при заданной надежности |
||||||||||||||||||||
|
|
|
|
|
|
А |
|
|
|
|
|
|
||||||||
γ = 0,95. По прил. 5 наход м q (n = |
|
100; γ = 0,95) = 0,143. Следова- |
||||||||||||||||||
тельно, границы довер |
тельного интервала: 396,7(1– 0,143)2 = 293,1 и |
|||||||||||||||||||
396,7(1+0,143) = 518,27. |
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Итак, 293,1 < D < 518,27 с вероятностью 0,95. |
|
|||||||||||||||||||
|
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
5. Вид гистограммы позволяет выдвинуть гипотезу о нормаль- |
||||||||||||||||||||
ном законе распределения исследуемой случайной величины Х. |
||||||||||||||||||||
ПроверимСгипотезу о нормальном распределении генеральной |
||||||||||||||||||||
совокупности по критерию Пирсона. В качестве меры расхождения |
между теоретическим распределением f (x) и эмпирическим распре- |
|||||||||
делением f |
|
(x) используем |
|
χ 2 |
l |
(n − np |
i |
)2 |
|
|
статистику |
= ∑ |
i |
|
, где n – |
||||
|
npi |
|
|
||||||
|
|
|
|
|
i=1 |
|
|
|
число опытов; pi − вероятность попадания возможных значений слу-
чайной величины в i -й разряд статистического ряда; l − число разрядов.
136
Так как выдвинута гипотеза в пользу нормального закона распределения генеральной совокупности, теоретические вероятности находим по формуле
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
− |
|
в |
x |
|
− |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
i |
x |
в |
||||||||||||||||
|
p |
i |
|
= P(x |
i |
< X < x |
i+1 |
) = Ф |
|
i+1 |
|
|
|
|
− Ф |
|
|
|
|
, |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ в |
|
|
|
|
σ в |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
1 |
|
|
t |
−t2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
где Ф(x) = |
|
|
|
|
|
|
∫ e |
|
|
2 dt – |
функция Лапласа (см. прил. 2); i =1,2, ,12. |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
2π |
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
хi − |
|
|
|
|
|||||||
|
Имеем |
|
|
в |
= 240,5; σв |
=19,8. |
Обозначим через zi = |
xв |
|
, затем |
|||||||||||||||||||||||||||
|
x |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ в |
||||
определим |
теоретические |
вероятности pi |
и теоретические частоты |
||||||||||||||||||||||||||||||||||
ni |
= pi n, для чего составим расчетную табл. 22. |
|
|
|
|
|
|
8 |
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
И |
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 22 |
||||
i |
[хi ; хi+1 ] |
|
|
|
|
|
|
|
|
zi |
|
Ф(zi ) |
|
Д |
ni = pi n = |
|
|
|
(n i − n )2 |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
ni |
|
|
|
|
|
|
рi |
|
|
|
|
= pi |
100 |
|
|
|
|
|
|
|
|
i |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
|||
1 |
2 |
|
|
|
3 |
|
|
|
|
|
|
4 |
|
5 |
|
|
|
6 |
|
|
|
|
|
7 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
1 |
[180;190) |
|
|
|
1 |
|
|
|
|
|
− ∞ |
|
-0,5 |
|
|
0,0053 |
|
|
|
0,53 |
|
|
|
|
|
0,0047 |
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
2 |
[190;200) |
|
|
|
2 |
6 |
|
|
-2,55 |
|
-0,4947 |
|
0,0154 |
|
|
|
1,54 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6,17 |
|
|
|
|
|
|
|
|
|
|
||||||
3 |
[200;210) |
|
|
|
3 |
|
|
|
|
|
-2,04 |
|
-0,4793 |
|
0,0411 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
и |
|
|
|
|
|
|
|
|
4,11 |
|
|
|
|
|
|
|
|
|
|
|
|||||||
4 |
[210;220) |
|
|
|
7 |
|
|
|
|
|
|
-1,54 |
|
-0,4382 |
|
0,0897 |
|
|
|
8,97 |
|
|
|
|
|
|
|
0,4327 |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
А |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
5 |
[220;230) |
|
|
|
14 |
|
|
|
|
|
-1,03 |
|
-0,3485 |
|
0,1466 |
|
|
|
14,66 |
|
|
|
|
|
|
0,0297 |
|
|
|||||||||
|
|
|
|
|
С |
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
6 |
[230;240) |
|
|
|
22 |
|
|
|
|
-0,53 |
-0,2019 |
0,1899 |
|
|
|
18,99 |
|
|
|
|
|
|
0,4502 |
|
|
||||||||||||
7 |
[240;250) |
|
|
|
22 |
|
|
|
|
-0,03 |
|
-0,0120 |
|
0,1964 |
|
|
|
19,64 |
|
|
|
|
|
|
0,2836 |
|
|
||||||||||
8 |
[250;260) |
|
|
|
15 |
|
|
|
|
0,48 |
|
0,1844 |
|
0,1521 |
|
|
|
15,21 |
|
|
|
|
|
|
0,0029 |
|
|
||||||||||
9 |
[260;270) |
|
|
|
8 |
|
|
|
|
|
0,98 |
|
0,3365 |
|
0,0954 |
|
|
|
9,54 |
|
|
|
|
|
|
|
0,2486 |
|
|
||||||||
10 |
[270;280) |
|
|
|
2 |
|
|
|
1,49 |
|
0,4319 |
|
0,0448 |
|
|
|
4,48 |
|
|
|
|
|
0,963 |
|
|
|
|||||||||||
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
|
|
|
|
6,81 |
|
|
|
|
|
|
|
|
|
|
|||||||||
11 |
[280;290) |
|
|
|
3 |
|
|
1.99 |
|
0,4767 |
|
0,0171 |
|
|
|
1,71 |
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
12 |
[290;300) |
|
|
|
1 |
|
|
|
|
|
2,5 |
|
0,4938 |
|
0,0062 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,62 |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
∞ |
|
0,5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∑ = 100 ∑ = 1 |
|
|
|
|
|
|
|
|
|
|
∑=100 |
|
|
|
|
|
∑=χв2 =1,5487 |
По условию, объём выборки n=100, значения случайной величины разбиты на 12 интервалов. Так как частоты ni попадания в каж-
дый из трех первых и трех последних интервалов малы (меньше 5), объединяем их соответственно в первый и последний. Вычисление
137
χв2 приведено в табл. 22. Элементы 4-го столбца определяем по прил. 2, вероятности рi – элементы 6-го столбца – вычисляются следующим образом:
p1 |
= P(−∞ < X < 190) |
190 − 240,5 |
|
|
− ∞ − 240,5 |
= |
||
= Ф |
19,8 |
|
− Ф |
19,8 |
|
|||
|
|
|
|
|
|
|
= Ф(− 2,55)− Ф(− ∞) = −0,4947 + 0,5 = 0,0053, |
|
|
|
|||||
p2 |
= P(190 < X < 200) |
|
200 − 240,5 |
|
200 − 240,5 |
= |
||
= Ф |
19,8 |
|
− Ф |
19,8 |
|
|||
|
|
|
|
|
|
|
= Ф(− 2,04)− Ф(− 2,55) = −0,4793 + 0,4947 = 0,0154, |
|
|
|
|||||||||||||||
p11 = P(280 < X |
|
|
290 − 240,5 |
|
280 − 240,5 |
|
||||||||||||
< 290) = Ф |
|
|
19,8 |
|
|
|
− Ф |
|
19,8 |
= |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
= Ф(2,5)− Ф(1,99) = 0,4938 − 0,4767 = 0,0171. |
|
И |
|
|
||||||||||||||
|
|
|
|
|
|
|
||||||||||||
p12 = P(290 < X |
|
∞ − 240,5 |
|
|
|
290 − 240,5 |
Ф(∞)−Ф(2,5)= |
|||||||||||
< ∞) = Ф |
|
|
|
−Ф |
|
|
|
|
|
= |
||||||||
|
|
|
|
19,8 |
|
Д |
|
|
|
|||||||||
|
|
|
|
|
|
19,8 |
|
|
||||||||||
= 0,5 − 0,4938 = 0,0062. |
|
|
А |
|
|
|
|
|
|
|
||||||||
Найдем меру расхождения между теоретическим распределением |
||||||||||||||||||
и эмпирическим распределением по формуле |
|
|
|
|
||||||||||||||
|
|
|
б |
(n |
|
− np |
|
) |
2 |
|
|
|
|
|||||
|
|
|
|
χ 2 = |
n |
i |
i |
|
. |
|
|
|
||||||
|
|
|
|
∑ |
|
npi |
|
|
|
|
|
|||||||
|
|
|
и |
i=1 |
|
|
|
|
|
|
|
|
|
|||||
Вычисления сведем в та л. 23. |
|
|
|
|
|
|
|
|
|
|
Таблица 23 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
(αi ;αi+1 ) |
[180;190) |
[190;200) |
|
|
[200;210) |
|
[210;220) |
[220;230) |
[230;240) |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ni |
1 |
|
2 |
|
|
3 |
|
|
|
|
7 |
|
|
|
|
14 |
|
22 |
pi |
0,0053 |
|
0,0154 |
|
|
0,0411 |
|
|
|
0,0897 |
|
0,1466 |
0,1899 |
|||||
|
С |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
npi |
0,53 1,54 |
|
|
4,11 |
|
|
|
|
8,97 |
|
|
14,66 |
18,99 |
|||||
ni − npi |
0,47 |
0,46 |
|
|
-1,11 |
|
|
|
-1,97 |
|
-0,66 |
3,01 |
||||||
(ni − npi )2 |
0,2209 |
0,2116 |
|
|
1,2321 |
|
|
|
3,88 |
|
|
0,4356 |
9,06 |
|||||
(αi ;αi+1 ) |
[240;250) [250;260) |
|
|
[260;270) |
|
[270;280) |
[280;290) |
[290;300) |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ni |
22 |
15 |
|
|
8 |
|
|
|
|
2 |
|
|
|
|
3 |
|
1 |
|
pi |
0,1964 |
0,1521 |
|
|
0,0954 |
|
|
|
0,0448 |
|
0,0171 |
0,0048 |
||||||
npi |
19,64 |
15,21 |
|
|
9,54 |
|
|
|
|
4,48 |
|
|
1,71 |
0,48 |
||||
ni − npi |
2,36 |
-0,21 |
|
|
-1,54 |
|
|
|
-2,48 |
|
1,29 |
0,52 |
||||||
(ni − npi )2 |
5,56 |
0,0441 |
|
|
2,37 |
|
|
|
|
6,15 |
|
|
0,3741 |
0,2704 |
138