- •220200 - Автоматизация и управление
- •2.2.Статистический ряд. Гистограмма
- •2.3.Числовые характеристики распределения
- •2.4.Оценка параметров распределения
- •2.4.1. Метод моментов.
- •2.4.2.Метод наибольшего правдоподобия
- •3.Задания на контрольно-курсовую работу
- •Задание n1 Распределения Пуассона случайной величины X
- •4.Порядок выполнения работы
- •5.Оформление отчета
- •7.Контрольные вопросы
- •Оценка параметров функции распределения и построение гистограммы по опытным данным
2.3.Числовые характеристики распределения
Аналогом математического ожидания в статистике является среднее арифметическое наблюдённых значений случайной величины или статистическое среднее:
где N – число опытов. Согласно закону больших чисел при неограниченном увеличении числа опытов статистическое среднее приближается к математическому ожиданию. Подобные аналогии существуют для всех числовых характеристик. Будем обозначать их теми же буквами со звёздочкой.
Статистическая дисперсия:
- статистическое среднее.
Аналогично определяются статистические начальные и центральные моменты любых порядков:
.
Статистическая медиана определяется как середина вариационного ряда, то есть
Статистическая мода определяется из гистограммы как координата середины наиболее высокого столбика. Если j номер такого интервала, то
,
где - границы j-того интервала.
2.4.Оценка параметров распределения
При обработке статистического материала часто приходится решать вопрос о том, как подобрать для данного статистического ряда теоретическую кривую распределения. Такая задача называется задачей выравнивания статистических рядов и состоит в подборе теоретической плавной кривой распределения, наилучшим образом описывающей данное распределение.
Наиболее часто применяется метод наименьших квадратов, при котором сумма квадратов отклонений обращается в минимум. Часто вид случайной функции известен заранее, и нужно лишь определить параметры этой функции. Для решения этой задачи часто применяют различные методы оценки параметров.
Чаще всего используют следующие методы:
метод моментов;
метод максимального правдоподобия.
2.4.1. Метод моментов.
Согласно методу моментов параметры распределения выбираются таким образом, чтобы моменты статистического распределения совпадали с соответствующими моментами предполагаемого закона распределения. Если предполагаемый закон распределения случайной величины X имеет один параметр, то он оценивается в результате решения уравнения
.
Е сли число параметров 2, то приравниваются первые два момента, в результате получаем систему из следующих двух уравнений для оценки неизвестных параметров распределения:
,
.
Если параметров 3, то приравниваются первые три момента и решают систему уже из трех уравнений и так далее.
Проиллюстрируем применения этого метода на конкретных примерах.
Пример 1. В результате наблюдений за работой станка были получены следующие значения наработки до отказа: . Известно, что наработка на отказ подчиняется показательному распределению с плотностью
.
Для этого распределения , а .
Таким образом, получаем следующую формулу для оценки параметра a показательного распределения по опытным данным:
.
Пример 2. В результате контроля размера X партии из N деталей были получены значения . Требуется оценить по этой выборке параметры распределения, в предположении его нормальности. Плотность нормального распределения имеет вид:
.
Это распределение имеет два параметра и , поэтому для их оценки имеем два уравнения, полученные отмеченным выше приравниванием математических ожиданий и дисперсий:
.