- •В.В. Нешитой
- •Методы статистического анализа
- •На базе
- •Обобщенных распределений
- •Предисловие
- •Введение
- •I. Случайные события и их вероятности
- •1.1. Случайные события. Испытания. Относительная частота и вероятность
- •1.2. Виды случайных событий
- •1.3. Определения вероятности
- •1.4. Основные формулы комбинаторики
- •II. Основные теоремы теории вероятностей
- •2.1. Теорема сложения вероятностей (несовместных событий)
- •2.2. Теорема умножения вероятностей (независимых событий)
- •2.3. Формула полной вероятности
- •2.4. Теорема гипотез (формула Бейеса)
- •III. Дискретные случайные величины
- •3.1. Закон распределения вероятностей дискретной случайной величины
- •3.2. Числовые характеристики дискретной случайной величины
- •3.2.1. Математическое ожидание
- •3.2.2. Свойства математического ожидания
- •3.2.3. Дисперсия дискретной случайной величины
- •3.2.4. Свойства дисперсии
- •3.2.5. Среднее квадратическое отклонение
- •3.2.6. Одинаково распределенные взаимно независимые случайные величины
- •3.2.7. Моменты (начальные, центральные) дискретной случайной величины
- •4.2. Плотность распределения
- •4.3. Числовые характеристики непрерывных случайных величин
- •4.4. Примеры непрерывных распределений
- •4.4.1. Нормальный закон
- •5.2. Статистическое распределение выборки. Полигон. Гистограмма. Эмпирическая функция распределения
- •5.3. Статистические оценки параметров. Точность оценки, доверительная вероятность (надежность)
- •5.4. Метод моментов для точечной оценки параметров распределения
- •5.5. Метод наибольшего правдоподобия
- •VI. Обобщенные распределения. Системы непрерывных распределений
- •6.1. Методы построения обобщенных распределений
- •6.2. Построение системы непрерывных распределений методом обобщения
- •6.3. Классификация обобщенных распределений
- •Распределения группы а
- •Распределения группы б
- •Группа симметричных распределений
- •6.4. Распределения функций случайного аргумента
- •6.5. Три основные и три дополнительные системы непрерывных распределений в. Нешитого
- •VII. Оценивание параметров обобщенных распределений. Критерии для классификации кривых. Центральная предельная теорема
- •7.1. Метод наименьших квадратов
- •Значение функции распределения f(tc)
- •7.2. Метод наибольшего правдоподобия
- •7.3. Классический метод моментов
- •7.3.3. Симметричные распределения Ic-iiIc типов
- •7.3.4. Критерии для классификации кривых по методу моментов
- •7.4. Универсальный метод моментов
- •7.4.1. Законы распределения суммы независимых случайных величин
- •7.4.2. Центральная предельная теорема для трех систем непрерывных распределений
- •7.4.3. Законы распределения среднего выборочного
- •7.5. Общий устойчивый метод
- •VIII. Выравнивание и прогнозирование статистических распределений
- •8.1. Выбор системы непрерывных распределений для выравнивания статистических распределений
- •8.2. Построение выравнивающей кривой распределения по статистическим данным
- •8.2.1. Выравнивание по классическому методу моментов
- •8.2.2. Выравнивание по универсальному методу моментов
- •8.2.3. Выравнивание по общему устойчивому методу
- •8.2.4. Выравнивающее распределение суммы независимых случайных величин
- •8.2.5. Выравнивающее распределение среднего выборочного
- •8.3. Прогнозирование распределений
- •8.3.1. Первая система непрерывных распределений
- •8.3.2. Вторая система непрерывных распределений
- •Распределение населения страны по среднедушевому совокупному доходу, в % к итогу
- •8.3.3. Показатели стабильности и качества выборки
- •Iх. Статистический анализ точности и стабильности технологических процессов на базе обобщенных распределений
- •9.1. Показатели состояния технологического процесса
- •9.2. Пример статистической обработки результатов замера контролируемого параметра по программе
- •Контрольный листок Деталь №_____(название) ø50 мм ±0,012 Точность си 0,002 Дата________ Время_______
- •Отклонения от номинального размера детали «nn» ø50 ±0,012
- •Показатели статистического распределения ( )
- •9.3. Экономическая эффективность применения обобщенных распределений
- •9.4. Особенности применения статистических методов в области строительства
- •Х. Надежность как особый критерий качества
- •10.1. Некоторые показатели надежности для невосстанавливаемых объектов
- •Плотность распределения отказов
- •Интенсивность отказов
- •Гамма-процентный ресурс
- •10.2. Вычисление показателей надежности по обобщенным распределениям
- •Результаты наблюдений о наработке до отказа двигателей панелевозов (ti – пробег до отказа в тыс. Км.; mi – число панелевозов, имеющих наработку ti)
- •Показатели статистического распределения (snr2v97)
- •Логарифмическое распределение типа 1.1 с параметрами
- •XI. Временные (динамические) ряды
- •11.1. Методы выделения тренда
- •11.2. Построение кривых роста для выравнивания временных рядов
- •11.2.1. Построение кривых роста с заданными свойствами
- •11.2.2. Метод обобщения
- •11.2.3. Кривые роста на базе обобщенных распределений
- •11.3. Оценивание параметров кривых роста
- •11.3.1. Уравнение прямой
- •11.3.2. Экспонента
- •11.3.3. Обобщенная кривая роста
- •11.4. Прогнозирование временных рядов
- •11.4.1. Параметрический метод прогнозирования
- •11.4.2. Непараметрический метод прогнозирования
- •Заключение
- •Номограмма для установления типа выравнивающего распределения и нахождения оценок параметров k, u по методу моментов
- •Номограмма для установления типа выравнивающего распределения и нахождения оценок параметров k, u по общему устойчивому методу
- •Значения квантили в зависимости от уровня вероятности и числа степеней свободы r
- •Приложение 5
- •Литература
- •Содержание
4.4. Примеры непрерывных распределений
4.4.1. Нормальный закон
Нормальный закон распределения задается плотностью
Кривая распределения имеет симметричную колоколообразную форму и характеризуется показателями: β1=0; β2=3.
Вероятность попадания случайной величины Х, распределенной по нормальному закону, на интервал определяется по формуле
,
где - функция Лапласа. Здесь величина
представляет собой выраженное в долях «сигма» отклонение случайной величины Х от центра распределения а.
В зависимости от значения t вероятность попадания случайной величины Х на заданный интервал равна:
При t = 1 Р = 0,6827.
При t = 2 Р = 0,9545.
При t = 3 Р = 0,9973.
Таким образом, вероятность выхода значений случайной величины Х за пределы очень мала и равна 1–0,9973=0,0027. Это значит, что из 1000 значений случайной величины Х, распределенной по нормальному закону, в среднем только три могут выйти за границы трех стандартных отклонений (правило «трех сигма»). Это «правило» используется во многих практических расчетах, например, при статистическом анализе точности технологических процессов.
4.4.2. Показательный закон
Плотность вероятности и функция распределения задаются формулами
.
Это – один из простейших однопараметрических законов распределения.
4.4.3. Закон Вейбулла
Плотность вероятности и функция распределения задаются формулами
.
Из закона Вейбулла при следует показательный закон, а при - распределение Релея.
V. ЭЛЕМЕНТЫ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
Основные задачи математической статистики заключаются в создании методов сбора и обработки статистических данных для получения научных и практических выводов [3, с. 187].
5.1. Генеральная и выборочная совокупности. Вариационный ряд. Характеристики вариационного ряда
Группа объектов, объединенных по некоторому качественному или количественному признаку, называется статистической совокупностью. Различают генеральную и выборочную совокупности.
Выборочная совокупность (выборка) – это совокупность случайно отобранных объектов.
Генеральная совокупность – совокупность всех возможных объектов, из которых производится выборка.
Объем выборки – число объектов в выборочной совокупности.
Репрезентативная (представительная) выборка – такая выборка, которая правильно отражает пропорции генеральной совокупности.
Методы отбора:
простой случайной отбор – объекты извлекаются по одному из всей генеральной совокупности. Если выбранный объект перед отбором следующего объекта возвращается в генеральную совокупность, то отбор называется повторным. Если не возвращается – бесповторным;
типический отбор – объекты извлекаются из отдельной части генеральной совокупности (например, продукция, изготовленная на одном станке);
механический отбор – выбирают каждый 10-ый, 100-ый и т.д. элемент генеральной совокупности;
серийный отбор – объекты отбирают не по одному, а сериями.
Статистическая совокупность, упорядоченная по возрастанию или убыванию значения признака, называется вариационным рядом, а ее объекты – вариантами.
Вариационный ряд характеризуют показатели:
среднее значение вариант ;
медиана – варианта, которая делит вариационный ряд на две части, равные по числу вариант;
размах варьирования R
.