- •СОДЕРЖАНИЕ
- •ПРЕДИСЛОВИЕ
- •ВВЕДЕНИЕ
- •ЛЕКЦИЯ 1
- •1.2. Оценка погрешностей функций приближенных аргументов.
- •1.3. Распределение случайных величин. Функция распределения и плотность распределения случайной величины.
- •ЛЕКЦИЯ 2
- •2.1. Числовые характеристики случайной величины. Свойства математического ожидания и дисперсии. Нормированная случайная величина.
- •2.2. Нормальное и стандартное распределения случайной величины. Функция Лапласа. Задача об абсолютном отклонении.
- •ЛЕКЦИЯ 3
- •3.1. Генеральная совокупность и случайная выборка. Выборочная функция распределения. Гистограммы. Понятие об оценках параметров генерального распределения.
- •3.2. Метод максимального правдоподобия.
- •3.3. Оценка математического ожидания и дисперсии нормально распределенной случайной величины. Дисперсия среднего серии измерений.
- •ЛЕКЦИЯ 4
- •4.1. Доверительные интервалы и доверительная вероятность, уровень значимости.
- •4.2. Проверка статистических гипотез, критерии значимости, ошибки первого и второго рода.
- •ЛЕКЦИЯ 5
- •5.1. Оценка случайной и суммарной ошибки косвенных измерений.
- •ЛЕКЦИЯ 6
- •6.3. Проверка однородности результатов измерений.
- •6.4. Сравнение выборочного распределения и распределения генеральной совокупности. Критерии согласия Пирсона и Колмогорова.
- •ПРИЛОЖЕНИЯ
- •Приложение 1
- •Приложение 2
- •Приложение 3
- •Приложение 4
- •Приложение 5
- •Приложение 6
- •Приложение 7
- •Приложение 8
∂L = |
n |
|
n |
|
|
|
|
|
|
|
|
− |
∑ |
x |
= 0 , |
|
(3.13) |
||||||
|
|
||||||||||
∂λ λ |
i |
|
|
|
|
|
|
|
|||
|
|
|
i =1 |
|
|
|
|
|
|
|
|
λ* = |
n |
|
= |
|
1 |
|
|
, |
(3.14) |
||
n |
|
|
|
|
|||||||
|
x |
||||||||||
|
|
|
∑xi |
|
|
|
|
i =1
где x — среднее выборки.
3.3.Оценка математического ожидания и дисперсии нормально распределенной случайной величины. Дисперсия среднего серии измерений.
Пусть распределение случайной величины Х подчинено нормальному закону
|
1 |
|
|
|
(x − m) |
2 |
|
|
1 |
|
|
|
|
|
(x − m) |
2 |
|
|
||
f (x) = |
exp |
|
− |
|
|
= |
|
|
exp |
|
− |
|
|
. |
||||||
2πσ |
|
2 σ |
2 |
|
|
(2πσ2 ) |
1 |
|
|
2 σ |
2 |
|
|
|||||||
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
Тогда вероятность совместного осуществления n независимых событий
Х = xi (i = 1, 2, …, n) равна
|
2 |
|
|
1 |
|
|
|
|
|
|
|
|
|
1 |
|
n |
|
|
2 |
|
|
n |
|
|||
P (x, m,σ |
) = |
|
|
|
|
|
exp |
|
− |
|
∑(xi − m) |
|
δ |
(3.15) |
||||||||||||
|
|
|
|
|
|
n |
|
|
|
2σ |
2 |
|
|
|
||||||||||||
|
|
|
|
(2πσ2 ) |
2 |
|
|
|
|
|
|
i =1 |
|
|
|
|
|
|
|
|||||||
и функция правдоподобия |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
L(x,m,σ2 ) = ln |
P |
= − |
n |
ln 2π- − |
n |
ln σ2 − |
1 |
n |
(x |
− m)2 . |
(3.16) |
|||||||||||||||
|
||||||||||||||||||||||||||
|
|
|
|
2σ2 ∑i =1 |
||||||||||||||||||||||
|
|
|
δn |
2 |
|
|
|
|
|
2 |
|
|
|
|
|
i |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
Продифференцируем (3.16) по m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
∂L |
|
2 |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
= |
|
(x |
− m) = 0 . |
|
|
|
|
|
|
(3.17) |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
∂m |
|
2σ2 ∑i =1 |
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Поскольку 1/σ2 ≠ 0, то
n
∑(xi − m) = 0 .
i =1
Тогда оценка для математического ожидания равна
31
m* = |
|
= |
1 |
n |
|
x , |
(3.18) |
|
x |
∑ |
|||||||
n |
||||||||
|
|
|
i |
|
||||
|
|
|
|
i = |
1 |
|
||
|
|
|
|
|
|
где x — среднее арифметическое выборки (серии измерений). Отметим, что для выборочного среднего сохраняются все свойства математического ожидания. Например, если Z является нелинейной функцией n независимых случайных величин
Z = f (X1, X2, …, Хn),
то ее выборочное среднее приближенно выражается формулой z = f (x1, x2 ,..., xn ) .
Дифференцируя функцию правдоподобия (3.16) по σ2, получаем
∂L |
|
|
n |
|
|
1 |
|
|
|
1 |
|
|
n |
|
|
= − |
|
|
+ |
|
|
|
|
∑(xi − m)2 = 0 , |
|||||||
2 |
|
2 |
|
|
2 |
) |
2 |
||||||||
∂σ |
|
2 σ |
|
|
2(σ |
|
i =1 |
|
|
||||||
|
|
1 |
|
|
|
|
|
1 |
n |
|
|
|
|
|
|
− |
|
|
|
|
n |
− |
|
|
∑ |
(xi − m)2 |
|
= 0 . |
|||
2σ2 |
|
|
σ2 |
||||||||||||
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
i =1 |
|
|
|
|
Поскольку 1/(2σ2) ≠ 0, то
n − σ12 ∑n (xi − m)2 = 0 ,
i =1
откуда находим оценку s12 для дисперсии случайной величины:
(σ2 )* = s2 = |
1 |
n |
|
(x |
− |
|
)2 . |
|
∑ |
x |
|||||||
n |
||||||||
1 |
i |
|
|
|
||||
|
i = |
1 |
|
|
|
|||
|
|
|
|
|
|
(3.19)
(3.20)
(3.21)
(3.22)
Метод максимального правдоподобия всегда приводит к состоятельным, хотя иногда и смещенным оценкам, имеющим наименьшую возможную дисперсию при неограниченном возрастании объема выборки. Так, выборочная дисперсия s12 оказывается смещенной оценкой генеральной дисперсии
M [s2 |
] = |
n −1 |
σ2 . |
(3.23) |
|
||||
1 |
|
n |
|
|
|
|
|
Для получения несмещенной оценки дисперсию s12 надо умножить на величину n/(n - 1)
32
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
∑(xi − |
|
)2 |
|
|
|
|
n |
|
|
x |
|
|
|||
s2 = s2 |
= |
i = |
1 |
|
|
. |
(3.24) |
||
n −1 |
|
n −1 |
|||||||
1 |
|
|
|
|
Уменьшение знаменателя в (3.24) на единицу непосредственно связано с тем, что величина x , относительно которой берутся отклонения, сама зависит от элементов выборки. Каждая величина, зависящая от элементов выборки и входящая в формулу выборочной дисперсии, называется связью. Можно доказать, что знаменатель выборочной дисперсии всегда равен разности между объемом выборки n и числом связей l, наложенных на эту выборку. Эта разность
f = n – l |
(3.25) |
называется числом степеней свободы выборки.
В практических вычислениях для выборочной дисперсии s2 часто более удобна следующая формула, получаемая из (3.24) путем арифметических преобразований:
|
|
|
|
n |
2 |
|
||
|
n |
|
|
∑xi |
|
|||
|
∑xi2 − |
i =1 |
|
|
|
|
||
|
|
|
||||||
s2 = |
i =1 |
|
|
n |
|
|
. |
(3.26) |
|
n −1 |
|
||||||
|
|
|
|
|
|
Итак, для нормально распределенной случайной величины получают по выборке следующие оценки генеральных параметров распределения: среднее арифметическое x для математического ожидания m и выборочную дисперсию s2 для генеральной дисперсии σ2.
Определим дисперсию среднего арифметического через дисперсию единичного наблюдения, воспользовавшись свойствами дисперсии. Если Х1, Х2, …, Хn — независимые случайные величины, а1, а2, …, аn — неслучайные величины, а функция Z равна
Z = а1X1 + а2X2 + … + аnXn , |
(3.27) |
то дисперсия Z определяется следующим образом: |
|
σ2 (Z ) = a2 |
σ2 |
( X |
1 |
) + a2 |
σ2 |
(X |
2 |
) +... + a2 |
σ2 |
(X |
n |
) . |
(3.28) |
1 |
|
|
2 |
|
|
n |
|
|
|
|
Пусть в результате одной серии опытов получена выборка х1, х2, …, хn. Если провести несколько серий подобных наблюдений, то в общем
случае будут получены другие совокупности значений случайной величины Х: х1', х2', …, хn'; х1'', х2'', …, хn'' и т.д. Поэтому значения х1, х2, …,
33
хn в серии из n наблюдений можно рассматривать как случайные величины с некоторыми дисперсиями σ2(х1), σ2(х2), …, σ2(хn). Поскольку эти случайные величины возникают при измерении одной и той же случайной величины Х, то дисперсии их естественно считать одинаковыми:
σ2(х1) = σ2(х2) = … = σ2(хn) = σ2. |
(3.29) |
Применим теперь (3.28) для случая, когда Z является средним арифметическим (в этом случае а1 = а2 = … = аn = 1/n):
σ2 (x) = n12 [σ2 (x1) + σ2 (x2 ) +... + σ2 (xn )]= n12 nσ2 = σn2 . (3.30)
Из (3.30) следует, что дисперсия среднего в n раз меньше дисперсии единичного измерения, поэтому для стандартного отклонения
σ(x) = |
σ . |
(3.31) |
|
n |
|
Если принять σ(x) в качестве меры случайной ошибки среднего
выборки, то увеличение числа параллельных определений одной и той же величины снижает величину случайной ошибки. Это свойство слу-
чайной величины используют на практике для повышения точности результатов измерений.
Так как свойства генеральных дисперсий сохраняются и для их оценок — выборочных дисперсий, то
s2 (Z ) = a2s2 |
(X |
1 |
) + a2s2 |
(X |
2 |
) +... + a2s2 |
(X |
n |
), |
(3.32) |
|||||
1 |
|
|
|
2 |
|
|
|
n |
|
|
|
||||
s2 ( |
|
) = |
s2 (X ) |
, |
s (x) = s (X ) |
, |
|
|
|
(3.33) |
|||||
x |
|
|
|
||||||||||||
|
|
|
|
||||||||||||
|
|
|
|
|
|
n |
|
|
|
n |
|
|
|
|
|
где s2 — выборочные дисперсии, s — выборочное отклонение.
34