- •Лекція №1
- •1.1 Опрацювання результатів прямих вимірювань
- •1.1.1 Принципові основи оцінювання похибок вимірювань
- •1.1.2 Оцінка результату і похибки прямих вимірювань
- •1.1.3 Оцінка похибки прямих одноразових вимірювань
- •1.1.4 Оцінка результату і похибки прямих багаторазових вимірювань
- •1.1.5 Опрацювання результатів прямих одноразових вимірювань
- •1.1.6 Опрацювання результатів багаторазових прямих вимірювань
- •1.1.7 Опрацювання результатів прямих нерівноточних вимірювань
- •1.2 Опрацювання результатів опосередкованих вимірювань
- •1.2.1 Оцінка результату і похибки опосередкованих вимірювань
- •1.2.2 Опрацювання результатів опосередкованих вимірювань з лінійною залежністю
- •1.2.3 Опосередковані вимірювання при нелінійній залежності
- •1.2.4 Систематична похибка опосередкованих вимірювань при нелінійній залежності
- •1.2.5 Результат і похибка опосередкованих вимірювань
- •1.3 Оцінка результатів і похибок сумісних та сукупних вимірювань
- •Питання для самоперевірки
- •Лекція №2
- •2 Статистична перевірка гіпотез
- •2.1 Поняття статистичної гіпотези. Припустима і критична області. Статистичний критерій
- •Питання для самоперевірки
- •2.2 Гіпотези про параметри розподілу. Виникнення помилок першого та другого роду. Визначення обсягу випробувань
- •Питання для самоперевірки
- •2.3 Параметричні критерії розбіжностей для двох сукупностей. Критерії Фішера і Кохрена
- •Питання для самоперевірки
- •2.4 Критерії згоди
- •Питання для самоперевірки
- •2.5 Непараметричні критерії
- •Питання для самоперевірки
- •2.6 Перевірка гіпотез відносно частки ознаки порівняння двох вибірок
- •Питання для самоперевірки
- •Завдання планування експерименту
- •Лукція №3
- •3. Регресійний аналіз
- •3.1 Кореляційна залежність
- •3.2 Два основних завдання вимірювання зв’язків
- •3.3 Емпірична лінія регресії
- •3.4 Метод найменших квадратів
- •3.5 Множинний регресійний аналіз
- •3.6 Нелінійна регресія
- •Лекція №4
- •4. Активний експеримент
- •4.1 Ортогональні плани першого порядку
- •4.2 Повний факторний експеримент
- •4.3 Дисперсія відтворюваності
- •4.4 Оцінка адекватності апроксимуючої залежності досліджуваного
- •4.5 Оцінка значущості коефіцієнтів апроксимуючої залежності, взятій у вигляді алгебраїчного полінома, в сенсі відмінності значень цих коефіцієнтів від нуля
- •4.6 Обробка результатів експерименту
- •4.7 Дрібний факторний експеримент
- •4.8 Складання планів другого порядку
- •4.9 Ортогональні центрально-композиційні плани
- •Лекція №5
- •5. Планування експерименту при відшуканні екстремальної області
- •5.1 Класичні методи визначення екстремуму
- •5.2 Факторні методи визначення екстремуму
- •Лекція №6
- •6. Дисперсійний аналіз при експериментальному дослідженні
- •6.1 Однофакторний дисперсійний аналіз
- •Лекція №7
- •7. Приклади та завдання
- •Список літератури
Питання для самоперевірки
-
Що називається параметричним критерієм?
-
Записати критерій перевірки гіпотези про рівність двох середніх із відомим СКВ.
-
Записати критерій перевірки гіпотези про рівність двох середніх з невідомим СКВ.
-
За яким критерієм перевіряють гіпотези про рівність дисперсій двох вибірок?
-
Як перевіряють гіпотези про рівність дисперсій двох вибірок при правобічній критичній області?
-
Як перевіряють гіпотези про рівність дисперсій двох вибірок при двобічній критичній області?
-
За яким критерієм та як перевіряють гіпотези про рівність дисперсій кількох вибірок?
-
Як користуватися таблицями F-розподілу та G-розподілу?
2.4 Критерії згоди
Критерії згоди використовують для перевірки узгодженості наявних експериментальних даних з теоретичним законом, що припускається.
Розглянуті раніше методи перевірки гіпотез припускали, що функціональна форма закону розподілу відома, й визначалися лише значення параметрів цього закону.
Однак у деяких випадках сам вид закону розподілу потребує статистичної перевірки. Раніше було розглянуто, як, зіставляючи ймовірності потрапляння значень в інтервали з відповідними частостями, отриманими зі спостережень, або проводячи графічне порівняння полігонів і гістограм із кривою розподілу, можна скласти первинне уявлення про близькість теоретичного та емпіричного розподілів.
Постає питання про критерії перевірки гіпотези про те, що величина X відповідає конкретному закону розподілу зі щільністю ймовірності р(х).
Подібні критерії зазвичай називають критеріями згоди (відповідності). Вони грунтуються на виборі певної міри розбіжності між теоретичним та емпіричним розподілами. Якщо така міра розбіжності для розглянутого випадку перевищує встановлену межу, гіпотеза відхиляється й навпаки.
Таким чином, перевірити таку гіпотезу — означає переконатися в тому, що наявні дані справді взято з генеральної сукупності, яка має передбачуваний закон розподілу.
Розглянемо застосування одного з найбільш уживаних критеріїв χ2-критерію Пірсона.
Критерій χ2 припускає, що наявні експериментальні дані розбивають на l елементарних інтервалів, кожний з яких містить не менш ніж 8—10 значень. За відомим правилом будують гістограму, за видом якої, якщо немає додаткових джерел, можна зробити припущення про можливий закон розподілу. Підбирають закон розподілу, якому щонайбільше відповідають наявні дані.
Для кожного елементарного інтервалу можна визначити , — кількість значень, що потрапили в і-й інтервал, l = 1,...,l.
Висувають гіпотезу Н0: емпіричний розподіл належить до передбачуваного теоретичного. Для того щоб перевірити висунуту гіпотезу, необхідно оцінити розбіжності між емпіричною , і теоретичною тi кількістю потраплянь за елементарний інтервал за припущення, що випадкова величина X має передбачуваний закон розподілу.
Установлено, що величина
(2.12)
розподілена нормально з нульовим математичним сподіванням і одиничною дисперсією. Відомо, що сума квадратів нормованих нормально розподілених величин підпорядковується χ2-розподілу Пірсона:
Виходячи з виразу (2.12) можна обчислити розрахункове значення χ2
(2.13)
Вираз (2.13) використовують як статистику для перевірки гіпотези про передбачуваний закон розподілу.
Для знаходження теоретичної кількості потраплянь ті розглянемо співвідношення і запишемо його як .
Відношення є частотою (частістю) потрапляння результатів у i-й елементарний інтервал. Відомо, що при збільшенні загальної кількості спостережень п частота наближається до теоретичної ймовірності pі потрапляння випадкової величини в і-й елементарний інтервал при передбачуваному законі розподілу. Виходячи із цього, можна записати:
Пам'ятаючи про те, що границею, до якої прямуватиме при збільшенні п, є теоретичне значення ті кількості потраплянь в інтервал, можна записати ті = прі.
Таким чином, можна обчислити теоретичні значення ті, а потім знайти різницю —ті, що характеризує розбіжність кількості потраплянь у кожний і-й інтервал.
Потрапляння результатів в і-й інтервал характеризується біноміальним законом розподілу, для якого
Для знаходження рі, необхідно користуватися співвідношенням
де хі й хі+1— кінці інтервалу, а р(х) наприклад, для нормального закону має вигляд:
У випадку, коли Мх і σ невідомі, необхідно обчислити їхні оцінки і s на підставі дослідних даних і увести їх у вираз для закону розподілу. Так, для нормального закону оцінка щільності ймовірності
Оскільки на підставі тих самих експериментальних даних додатково обчислюють і s то втрачаються два ступені свободи, тобто f=l-1-2.
Отримане значення порівнюють із критичним , узятим з таблиці χ2 — розподілу для обраного рівня статистичної значущості α і кількості ступенів свободи f=l-3.
Якщо можна стверджувати, що з обраним рівнем статистичної значущості α приймається гіпотеза Н0, тобто наявні дані відповідають передбачуваному закону розподілу. Гіпотеза Н0 відхиляється при значеннях , більших за тому використовується тільки правобічна критична область (див. рис. 2.7, б).
Взагалі у практиці перевірки гіпотез про відповідність закону розподілу намагаються застосовувати два методи перевірки, що підвищує вірогідність прийняття рішення. Особливо це важливо, коли характерні риси закону розподілу перебувають на його «хвостах», що не завжди можна виявити при малому обсязі випробувань.
Критерій ω2 (омега-квадрат). Критерій χ2, незважаючи на свою простоту, не завжди забезпечує надійну перевірку гіпотези про закон розподілу, оскільки частина вихідної інформації втрачається при здійсненні процедури групування даних.
Розглянемо критерій згоди при простій гіпотезі, що повністю фіксує закон розподілу генеральної сукупності, з якої отримано вибірку. Цей критерій, що дістав назву ω2, на відміну від χ2 грунтується безпосередньо на спостережених (незгрупованих) значеннях величини X.
Нехай гіпотеза полягає в припущенні, що величина X розподілена відповідно до деякого неперервного закону розподілу з інтегральною функцією F(x), яка вважається відомою.
Розглянемо ряд вибіркових значень х1,х2,...,хп випадкової величини X. Позначимо пх – кількість значень, що перебуває ліворуч від вибраного значення. Тоді відношення і є емпіричною функцією розподілу. При великому обсязі вибірки емпірична функція розподілу Wn(х) є апроксимацією теоретичної функції розподілу F(x).
Різниця величин Wn(x) і F(x) може бути використана як міра розбіжності між вибірковими даними та передбачуваним законом розподілу генеральної сукупності. За міру цієї розбіжності беруть середній квадрат відхилень за всіма можливими значеннями аргументу:
де
З наявних вибіркових даних будується варіаційний ряд Теоретично рівність будь-яких двох членів у цьому ряді через неперервність функції F(х) практично неможлива, тобто має ймовірність, що дорівнює нулю. Вважаємо, що для х<x1 емпірична функція розподілу дорівнює нулю, а при х>хп, дорівнює одиниці. Відповідно до такого визначення функції Wn(x) маємо:
(2.14)
Емпірична функція стрибком змінює свої значення в точках x=xk на , зберігаючи це значення протягом усього інтервалу xk – xk+1 (рис. 2.9)
Рис. 2.9
Виходячи зі співвідношення (2.14), можна подати вираз для критерію ω2 у вигляді окремих доданків:
(2.15)
Розглянемо першу складову інтеграла (2.15):
(2.16)
Розглянемо другу складову інтеграла (2.15)
(2.17)
Розглянемо третю складову інтеграла (2.15):
(2.18)
Підставляючи доданки (2.16), (2.17), (2.18) у вираз (2.15), дістаємо:
Після спрощень останній вираз набирає вигляду:
(2.19)
Ця рівність показує, в який спосіб ω2 залежить від індивідуальних членів варіаційного ряду.
Точний розподіл ω2 дуже складний, але дослідження показують, що вже при n > 40 розподіл добутку nω2 близький до деякого граничного розподілу, для якого складено таблиці. Фрагмент такої таблиці наведено далі:
α |
0.5 |
0.4 |
0.3 |
0.2 |
0.1 |
(nω2)кр |
0.1184 |
0.1467 |
0.1843 |
0.2412 |
0.3473 |
α |
0.05 |
0.03 |
0.02 |
0.01 |
0.001 |
(nω2)кр |
0.4614 |
0.5489 |
0.6198 |
0.7435 |
1.6979 |
За таблицями визначають критичні значення для величини nω2 при n > 40:
Якщо розрахункове значення критерію буде меншим від критичного, приймають гіпотезу про передбачуваний закон розподілу.