- •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
-
Які критерії називаються критеріями згоди?
-
Як за критерієм χ2 перевіряють гіпотезу про закон розподілу?
-
Яка міра розбіжності між емпіричним та теоретичним розподілом застосовується для критерію χ2?
-
Яка величина підлягає розподілу χ2?
-
Як визначається кількість ступенів свободи для розподілу χ2?
-
Яка величина застосовується як статистика для перевірки гіпотези про закони розподілу?
-
Чому використовується тільки правобічна критична область?
-
Які характерні особливості має критерій ω2?
-
Яка міра розбіжності між емпіричним та теоретичним розподілом застосовується для критерію ω2?
-
Як знаходиться критичне значення для критерію ω2?
2.5 Непараметричні критерії
У непараметричних критеріях не робиться припущень щодо розподілу генеральної сукупності. Вони застосовуються при будь-яких законах як для кількісних, так і якісних ознак.
В експериментальних дослідженнях часто потрібно порівняти два паралельні ряди спостережень над об'єктами, що належать до різних різновидів, типів, сортів.
При цьому виконують N дослідів при систематичній і планомірній зміні від досліду до досліду рівня якого-небудь фактора, розбіжність у дії якого на кожний із двох різновидів об'єктів мають з'ясувати. У кожному такому досліді над парою об'єктів, виконаному, природно, у незмінних умовах, мають два значення порівнюваної ознаки двох об'єктів.
Непараметричні критерії використовуються для перевірки того, чи належать дві вибірки до тієї самої генеральної сукупності, тобто чи однорідні ці вибірки (значення результатів випробувань мають однакові функції розподілів). Такі критерії грунтуються на вивченні послідовностей реалізацій випадкової величини. Відповідні обчислювальні процедури є ефективними навіть при обмежених обсягах вибірок.
Критерій Уїлкоксона (критерійсерій). Цей критерій дає змогу на основі наявних вибірок, використовуючи інтегральну функцію ймовірностей, перевірити гіпотезу про те, що дві вибірки мають однаковий закон розподілу.
Таким чином, гіпотеза Н0: FX (х)=FY(х) перевіряється за допомогою однієї вибірки (x1,..., хп1) з Х і однієї вибірки (у1,...,уп2) із Y. Щодо розподілів X і Y ніяких припущень не робиться.
Значення x1,..., хп1 та у1,...,уп2 oбох вибірок упорядковуються у спільний варіаційний ряд. Коли в цьому ряді елемент однієї вибірки більший від елемента іншої вибірки, говорять, що пари значень (хi, yj) утворюють інверсію.
Під інверсією розуміють перехід від елемента однієї вибірки до елемента іншої вибірки при послідовному просуванні вздовж варіаційного ряду, причому інверсія не передбачається для першого елемента варіаційного ряду. Як контрольна величина береться повна кількість інверсій и.
Приклад. Для ряду перед у1 є тільки один елемент х, а отже, кількість інверсій дорівнює одиниці. Елементу у2 передує один елемент х, кількість інверсій також дорівнює одиниці. Елементу у3 передують два елементи першої групи, а отже, кількість інверсій дорівнює двом. Аналогічно для у4 і у5. Повна кількість інверсій и= 1+1+2+2+2 = 8.
Для перевірки нульової гіпотези можна застосовувати два способи.
1. Якщо гіпотеза правильна, обчислене значення и не повинне відхилятися від свого математичного сподівання:
(2.20)
де m і n – обсяги вибірок.
Від гіпотези відмовляються, якщо більше від певного критичного значення иα. Критичне значення иα беруть для заданого рівня значущості α з таблиці критичних значень Уїлкоксона.
2. У загальному випадку, а також у випадку великих m і п, для яких иα ,не можна взяти з таблиці, справджується формула:
де zα — визначається з таблиць Лапласа.
Критерій знаків (медіанний критерій). Його використовують тільки в разі, коли вибірки Х та Y однакові за обсягом, тобто значення можна розглядати у вигляді масиву пар чисел (хі, уi), і = 1...n…
При застосуванні цього критерію будується спільний варіаційний ряд. Спочатку визначається медіана для цього ряду. Якщо кількість значень непарна, то як медіана використовується середній елемент. Якщо кількість парна, медіана перебуває між i обчислюється за формулою:
Після обчислення медіани визначається знак відхилення поточного значення хi, і = , від медіани. У такий спосіб одержують послідовність знаків, що розпадається на окремі серії — знаків одного виду, укладених між знаками іншого виду.
Приклад. +++---+----+++ -. Кількість серій r = 6.
За спеціальними таблицями для відомих значень кількості спостережень у вибірках N1 і N2 визначається для певного рівня статистичної значущості α і Якщо виконується співвідношення
гіпотеза про належність вибірок до однієї генеральної сукупності, для якої FX(х) = FY(х), приймається, у протилежному разі — відхиляється.
Критерій знаків набув поширення в дослідницьких роботах завдяки тому, що процедура його застосування винятково проста, вимірювання ознаки, що враховується, можуть виконуватися грубими засобами, тому що має значення лише знак різниці результатів вимірювань, а в основу критерію покладені прості положення, яких майже завжди дотримуються (наприклад, не припускають нормального розподілу досліджуваних величин).