- •1. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ ЗАКОНЫ РАСПРЕДЕЛЕНИЯ
- •1.1. Законы распределения дискретных случайных величин
- •1.2. Числовые характеристики дискретных случайных величин, их свойства
- •1.3. Законы распределения непрерывных случайных величин
- •1.4. Числовые характеристики непрерывных случайных величин
- •1.5. Выборочные аналоги интегральной и дифференциальной функций распределения
- •1.6. Лабораторная работа № 1. Методы описательной статистики в пакете STATGRAPHICS
- •1.7. Нормальное распределение и его числовые характеристики
- •2. РАСПРЕДЕЛЕНИЯ, СВЯЗАННЫЕ С НОРМАЛЬНЫМ РАСПРЕДЕЛЕНИЕМ
- •2.1. -распределение
- •2.5. Гамма–распределение
- •2.7. Лабораторная работа № 2. Семейства вероятностных распределений в математических пакетах STATGRAPHICS и MAHTCAD
- •3. МЕТОД СТАТИСТИЧЕСКИХ ИСПЫТАНИЙ (МЕТОД МОНТЕ-КАРЛО)
- •3.1. Общие принципы метода статистических испытаний
- •3.2. Датчики базовой случайной величины (БСВ)
- •3.3. Моделирование на ЭВМ стандартной равномерно распределенной случайной величины (базовой случайной величины)
- •3.5. Моделирование непрерывных случайных величин
- •3.6. Лабораторная работа № 3. Моделирование некоторых распределений с помощью базовых случайных величин в пакете MATHCAD
- •4. ТОЧЕЧНЫЕ И ИНТЕРВАЛЬНЫЕ ОЦЕНКИ ПАРАМЕТРОВ РАСПРЕДЕЛЕНИЙ И ИХ СВОЙСТВА
- •4.1. Статистические характеристики вариационных рядов и показатели их качества
- •4.3. Точечные оценки вероятности по частоте, математического ожидания и дисперсии
- •4.5. Методы получения точечных оценок
- •4.6. Сущность интервального оценивания
- •4.7. Приближенные и точные доверительные интервалы для параметров распределений
- •4.8. Лабораторная работа № 4. Оценивание параметров вероятностных распределений в пакетах STATGRAPHICS и MATHCAD
- •5. ПРОВЕРКА СТАТИСТИЧЕСКИХ ГИПОТЕЗ. КРИТЕРИИ СОГЛАСИЯ
- •5.1. Понятие статистической гипотезы. Основные этапы проверки гипотез
- •5.2. Критерий Неймана – Пирсона
- •5.3. Проверка гипотез о числовых значениях параметров нормального распределения
- •5.4. Проверка гипотез о параметрах двух нормальных распределений
- •5.5. Лабораторная работа № 5. Проверка статистических гипотез о числовых значениях нормальных распределений в математических пакетах STATGRAPHICS и MATHCAD
- •5.6. Критерии согласия
- •Решение
- •5.7. Лабораторная работа № 6. Критерии согласия в статистическом пакете STATGRAPHICS
- •5.8. Лабораторная работа №7. Критерии согласия в математическом пакете MATHCAD
- •6. ОДНОФАКТОРНЫЙ ДИСПЕРСИОННЫЙ АНАЛИЗ
- •6.1. Постановка задачи
- •6.2. Дисперсионный анализ
- •Решение
- •6.3. Ранговый однофакторный анализ
- •6.4. Критерий Краскела - Уоллиса (Н-критерий)
- •Решение
- •6.5. Лабораторная работа № 8. Однофакторный ранговый и дисперсионный анализ в статистическом пакете STATGRAPHICS
- •7. РЕГРЕССИОННЫЙ АНАЛИЗ
- •7.1. Модели регрессии
- •7.4. Проверка адекватности линейной регрессии
- •7.5. Выбор наилучшей регрессии
- •8. НЕПАРАМЕТРИЧЕСКИЕ МЕТОДЫ СТАТИСТИКИ
- •8.2. Критерий знаков
- •8.3. Критерий знаков для одномерной выборки
- •8.4. Ранговый критерий (одновыборочный критерий Вилкоксона)
- •8.5. Двухвыборочный ранговый критерий Вилкоксона
29.Получены следующие результаты анализов на содержание углерода (в процентах) в пробах нелегированной стали:
0.18, 0.12, 0.12, 0.08, 0.08, 0.12, 0.19, 0.32, 0.27, 0.11, 0.14, 0.23, 0.16, 0.09, 0.08, 0.05, 0.13, 0.17, 0.10, 0.14, 0.30, 0.27, 0.31, 0.24, 0.22, 0.34, 0.14, 0.46, 0.39, 0.24, 0.28, 0.11, 0.42, 0.29, 0.11.
30.Результаты лабораторных анализов 60 образцов сланцевых пород
на содержание кремния ( SiO2 ) в процентах:
57.8, 54.6, 54.8, 51.7, 61.1, 62.3, 52.2, 49.2, 53.9, 60.0, 56.2, 55.2, 53.3, 57.9, 54.0, 52.6, 53.8, 53.6, 51.5, 54.0, 50.4, 53.0, 53.3, 51.6, 50.9, 49.6, 52.2, 50.5, 51.1, 52.2, 49.2, 49.3, 48.8, 53.5, 52.8, 52.9, 52.1, 47.3, 49.8, 49.3, 50.1, 54.4, 49.0, 48.9, 51.3, 51.6, 46.2, 50.4, 50.7, 53.1, 52.9, 51.3, 52.7, 46.6, 46.5, 51.3, 51.0, 47.5, 47.7, 44.9.
1.7. Нормальное распределение и его числовые характеристики
В теории вероятностей нормальный закон занимает особое место, так как является предельным законом для многих других при выполнении некоторых весьма нежестких ограничений. Именно, распределение суммы случайных величин следует приближенно нормальному закону, если среди этих случайных величин нет резко выделяющихся, сами же случайные величины в отдельности могут быть подчинены любому закону.
Случайная величина X имеет нормальное распределение, если ее
функция плотности вероятности имеет вид
f (x) = 1 |
− |
(x −m)2 |
|
|
e 2σ2 . |
(1.6.1) |
|||
2πσ |
|
|
|
|
Закон имеет два параметра m и σ, т. е. относится к классу двухпараметрических законов. Графики функций плотности вероятности и функции распределения приведены на рис. 1.14.
Рис. 1.14. Графики функции плотности вероятности и функции распределения стандартного нормального закона
29
Найдем как всегда сначала функцию распределения
x |
|
|
x |
1 |
− |
(t −m)2 |
dt = 1 |
x |
− |
(t −m)2 |
|
t − m |
= u, = |
|||||||
|
|
|
2σ2 |
2σ2 dt = |
||||||||||||||||
F(x) = ∫ f (t)dt = ∫ |
e |
|
∫ e |
|
σ |
|||||||||||||||
−∞ |
|
|
−∞ |
2πσ |
|
|
|
|
|
|
|
2πσ −∞ |
|
|
|
dt = σdu. |
||||
|
x−m |
|
u 2 |
|
|
|
|
|
x−m |
|
|
t 2 |
|
|
|
|
|
|
|
|
= 1 |
|
σ∫ e− |
|
1 |
|
|
σ∫ |
e− |
|
|
|
|
|
|
||||||
|
2 σdu = |
|
|
2 dt. |
Последний интеграл не выра- |
|||||||||||||||
2πσ |
−∞ |
|
|
|
2π |
|
−∞ |
|
|
|
|
|
|
|
|
|
жается через элементарные функции. Он называется функцией Лапласа и обозначается
|
|
|
|
|
x−m |
|
t 2 |
|
|
|
x − m |
|
1 |
σ |
− |
|
|
||||
= |
2 dt. |
(1.6.2) |
||||||||
Φ |
σ |
|
2π |
∫ |
e |
|||||
|
|
|
−∞ |
|
|
|
|
Исторически различают несколько разновидностей функции Лапласа. Формула (1.6.2) дает обычную функцию Лапласа, называемую функцией Лапласа; функция
|
|
|
|
|
|
x−m |
|
t 2 |
|
|
|
|
x − m |
|
1 |
σ |
− |
|
|
||||
Φ |
= |
2 dt |
(1.6.3) |
||||||||
|
σ |
|
2π |
∫ |
e |
||||||
|
|
|
|
0 |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
называется нормированной функцией Лапласа; наконец, в артиллерии широко применяется формула
|
|
|
|
|
x−m |
|
|
|
|
) x − m |
= |
2 |
σ |
e−t |
2 |
dt , |
(1.6.4) |
||
Φ |
σ |
|
π |
∫ |
|
||||
|
|
|
0 |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
которая называется приведенной функцией Лапласа. Связь между всеми этими функциями легко устанавливается по общему правилу замены переменных в определенном интеграле. Например,
Φ(x) = 12 + Φ (x), Ф)(x) = 2Φ( 2x)−1.
Определим параметры нормального закона. Ограничимся двумя точечными характеристиками: математическим ожиданием и дисперсией
|
= 1 |
∞ − |
(x−m)2 |
x − m |
= t, |
= 1 |
∞ |
( 2σt + m)e−t2 2σdt = |
mX |
∫ xe 2σ2 dx = σ 2 |
∫ |
||||||
|
2πσ −∞ |
dx = 2σdt |
2πσ −∞ |
Пьер Симон Лаплас (1749-1827) - французский математик, механик и астроном.
30
|
σ 2 ∞ |
|
|
|
|
|
|
|
|
|
|
∞ |
|
|
|
|
|
|
|
|
m |
|
|
|
∞ |
|
|
|
∞ |
|
|
|
|
|
|
|
|
|||
= |
te |
−t |
2 |
dt |
+ |
m |
e |
−t2 |
dt = |
σ 2 |
|
−t2 |
|
+ |
m |
e |
−t |
2 |
dt = |
m |
π = m. |
|||||||||||||||||||
|
∫ |
|
|
|
|
∫ |
|
|
|
2 |
|
− e |
|
|
|
|
|
|
∫ |
|
|
|
||||||||||||||||||
|
π |
−∞ |
|
|
|
|
|
|
|
|
|
π −∞ |
|
|
|
|
|
|
π |
|
|
|
|
−∞ |
|
π −∞ |
|
|
|
|
|
π |
|
|||||||
|
Здесь использован интеграл Эйлера -Пуассона |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
∞ |
|
|
|
|
|
|
|
|
∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∫ e−t 2 dt = 2∫e−t 2 dt = |
|
π. Аналогично |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
−∞ |
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∞ |
|
|
|
|
|
− |
(x−mX )2 |
|
|
|
x − mX |
= t, = |
2σ 2 |
|
∞ |
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
DX |
= 1 |
|
|
|
|
(x − mX )2 e |
|
|
|
2σ2 |
dx = |
|
|
|
2σ |
|
|
∫t2e−t2 dt = |
|||||||||||||||||||||
|
|
|
|
2πσ −∞∫ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
dx = 2σdt. |
|
|
π |
|
|
−∞ |
|
|
|||||||||||||
|
|
t = u, dt = du, |
|
|
|
1 |
|
|
|
−t2 ∞ |
|
1 |
∞ |
|
|
|
|
2σ 2 |
|
2σ 2 |
|
|
1 |
|
|
|||||||||||||||
|
= |
te |
−t2 |
dt |
|
|
|
|
|
|
|
|
te |
+ |
−t |
2 |
|
= |
|
|
|
2 |
||||||||||||||||||
|
|
|
|
= dv, = − |
2 |
|
|
2 |
∫e |
|
|
dt |
|
π |
|
π |
|
2 |
π = σ . |
|||||||||||||||||||||
|
|
|
|
|
|
1 |
|
|
|
−t |
2 |
|
|
|
|
|
|
|
|
−∞ |
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
v = − |
|
e |
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
Итак, DX |
= σ 2, |
σX |
= σ . Ясен и смысл параметров m и σ нормаль- |
ного распределения: m - центр рассеивания - является и центром симметрии распределения. Это хорошо видно из графика функции плотности вероятности. Размерность центра рассеивания m равна размерности случайной величины X . Несколько сложнее обстоит дело с параметром σ . Этот параметр характеризует форму кривой распределения. При увеличении σ график все более «размазывается» по оси OX , т.е. случайная величина X имеет большее рассеивание около центра симметрии. Чем меньше σ , тем более «островершинен» график функции плотности вероятности. Размер-
ность DX совпадает с размерностью X 2. Легко показать, что для нормального распределения d X = hX = mX . Полезна формула, выражающая
любой центральный момент нормального распределения через дисперсию
μk = (k −1)!!DX .
Леонард Эйлер (1707-1783) – швейцарский математик.
Симон Дениз Пуассон (1781-1840) – французский математик.
31