- •Введение
- •Глава 1. Случайная величина. Законы распределения случайных величин
- •1.1. Понятие случайной величины
- •1.1.1. Виды измерений
- •1.1.2. Единицы измерений, используемые в маркшейдерском деле
- •1.1.3. Случайная величина
- •1.1.4. Вероятность события
- •1.2. Вариационные ряды
- •1.3. Характеристики вариационных рядов
- •1.3.1. Средние значения признака
- •1.3.2. Дисперсия и среднее квадратическое отклонение
- •1.3.3. Показатели вариации
- •1.3.4. Медиана и мода
- •1.3.5. Асимметрия и эксцесс
- •1.3.6. Условные моменты q-го порядка
- •1.4. Графическое изображение вариационных рядов
- •1.4.1. Гистограмма распределения
- •1.4.2. Полигон распределения
- •1.4.3. Кумулята
- •1.4.4. Огива
- •1.5. Сглаживание эмпирических данных
- •1.5.1. Графическое сглаживание
- •1.5.2. Аналитическое сглаживание
- •1.5.2.1. Сглаживание линейной функцией
- •1.5.2.2. Сглаживание показательной функцией
- •1.5.2.3. Сглаживание степенной функцией
- •1.5.2.4. Сглаживание параболической функцией
- •1.5.2.5. Сопоставление результатов сглаживания
- •1.5.2.6. Краткие рекомендации к подбору сглаживающих функций
- •1.6. Законы распределения случайных величин
- •1.6.1. Задание закона распределения
- •1.6.2. Равномерное распределение
- •1.6.3. Нормальное распределение
- •1.6.4. Распределение Стьюдента
- •1.6.5. Распределение Шарлье
- •1.6.6. Биномиальный закон распределения
- •1.6.7. Распределение Пуассона
- •1.6.8. Распределение
- •1.6.9. Показательное распределение
- •1.7. Проверка согласования эмпирического распределения с теоретическим
- •1.7.1. Критерии согласия
- •1.7.2. Критерий согласия к.Пирсона
- •1.7.3. Критерий согласия в.И.Романовского
- •1.7.4. Критерий согласия а.Н.Колмогорова
- •1.7.5. Сопоставление эмпирических распределений с нормальным распределением упрощенными способами
- •1.7.5.1. Использование показателей асимметрии и эксцесса
- •1.7.5.2. Критерий Шарлье
- •1.7.5.3. Критерий Шовенэ
- •1.7.5.4. Способ Линдеберга
- •1.7.5.5. Критерий знаков
- •1.7.6. Сопоставление эффективности критериев
- •Глава 2. Статистический анализ выборочных совокупностей случайной величины
- •2.1. Понятие генеральной и выборочной совокупностей
- •2.2. Оценивание параметров распределения
- •2.2.1. Понятие оценки параметра распределения
- •2.2.2. Интервальная оценка математического ожидания
- •2.2.3. Оценка эмпирического значения дисперсии
- •2.2.4. Сравнение средних двух или нескольких выборок
- •2.2.5. Определение необходимого объема выборок
- •2.3. Дисперсионный анализ
- •2.3.1. Однофакторный дисперсионный анализ
- •2.3.2. Двухфакторный дисперсионный анализ
- •2.4. Корреляционный анализ
- •2.5. Регрессионный анализ
- •2.5.1. Метод наименьших квадратов
- •2.5.2. Линейная регрессия
- •2.5.3. Нелинейная регрессия
- •2.5.4. Понятие о множественной регрессии
- •Глава 3. Обработка результатов многократных измерений одной величины
- •3.1. Общие замечания
- •3.1.1. Задачи обработки результатов многократных измерений
- •3.1.2. Классификация погрешностей измерений
- •3.1.3. Свойства случайных погрешностей
- •3.1.4. Среднее арифметическое
- •3.2. Оценка точности ряда равноточных однородных измерений
- •3.2.1. Средняя квадратическая погрешность
- •3.2.2. Средние квадратические погрешности функций измеренных величин
- •3.2.3. Порядок обработки ряда равноточных измерений
- •3.2.4. Порядок обработки ряда двойных равноточных измерений
- •С учетом (3.26) и (3.27) получим
- •3.3. Об учете систематических погрешностей в измерениях
- •3.4. Обработка ряда неравноточных однородных измерений
- •3.4.1. Понятие о весе результата измерения
- •3.4.2. Погрешность единицы веса
- •3.4.3. Порядок обработки ряда неравноточных измерений
- •3.4.4. Порядок обработки ряда двойных неравноточных измерений
- •3.5. Допуски результатов измерений и их функций
- •Глава 4. Уравнивание геодезических построений
- •4.1. Задачи уравнительных вычислений
- •4.2. Коррелатный способ уравнивания
- •4.3. Параметрический способ уравнивания
- •4.4. Приемы решения систем линейных уравнений
- •4.4.1. Способ последовательной подстановки
- •4.4.2. Способ матричных преобразований
- •4.4.3. Решение систем линейных уравнений по алгоритму Гаусса
- •4.4.4. Способ краковянов
- •4.5. Геометрические условия в геодезических построениях
- •4.5.1. Условие фигуры
- •4.5.2. Условие горизонта
- •4.5.3. Условие суммы углов
- •4.5.4. Условие дирекционных углов
- •4.5.5. Условие сторон
- •4.5.6. Условие полюса
- •4.5.7. Условие координат
- •4.6. Примеры коррелатного способа уравнивания
- •4.6.1. Уравнивание углов в полигоне
- •4.6.2. Уравнивание системы нивелирных ходов с несколькими узловыми точками
- •4.6.3. Уравнивание полигонометрического хода
- •4.6.4. Уравнивание системы полигонометрических ходов с одной узловой точкой
- •4.6.5. Уравнивание системы полигонометрических ходов с двумя узловыми точками
- •4.6.6. Уравнивание триангуляции
- •4.6.7.Уравнивание триангуляции по условию координат
- •4.6.8. Уравнивание линейно-угловой сети
- •4.7. Примеры уравнивания параметрическим способом
- •4.7.1. Уравнивание углов в полигоне
- •4.7.2. Система нивелирных ходов с несколькими узловыми точками
- •4.7.3. Уравнивание полигонометрического хода
- •4.7.4. Система полигонометрических ходов с двумя узловыми точками
- •4.7.5. Уравнивание направлений в триангуляции
- •4.8. Нестрогие способы уравнивания
- •4.8.1. Примеры раздельного уравнивания
- •4.8.1.1. Полигонометрический ход
- •4.8.2. Способ эквивалентной замены
- •4.8.3. Способ полигонов в.В.Попова
- •4.8.4. Способ последовательных приближений
- •4.9. Оценка точности уравненных элементов и их функций
- •4.9.1. Общие положения
- •4.9.2. Оценка точности при уравнивании коррелатным способом
- •4.9.3. Оценка точности при уравнивании параметрическим способом
- •Списоклитературы
- •Предметный указатель
1.6.6. Биномиальный закон распределения
Если вероятность наступления какого-либо случайного события в каждом испытании равна р, то вероятность того, что при n испытаниях это событие осуществится m раз, определяется т.н. формулой Бернулли
, (1.123)
где
– (1.124)
число сочетаний из n по m;
. (1.125)
Закон распределения случайной величины, которая может принимать (n+1) значение (0, 1, 2, … , n), называется биномиальным законом распределения.
Для биномиального закона распределения математическое ожидание M(X) = np, дисперсия D = npq.
Пример 1.22. Из генеральной совокупности наугад было отобрано четыре пробы. Вероятность того, что каждая из проб окажется «пустой» равна 0,05.
Определить вероятность того, что:
1) все пробы будут содержать полезное ископаемое;
2) одна из проб окажется «пустой»;
3) две пробы будут «пустыми»;
4) три пробы окажутся «пустыми»;
5) все пробы окажутся «пустыми».
Представить закон распределения в табличной форме.
Решение.
Поскольку события (отбор проб наугад) являются независимыми, вероятности этих событий равны друг другу, то можно применить биномиальный закон распределения и найти искомые вероятности по формуле Бернулли.
По условию задачи n = 4, р = 0,05, q = 1 – p = 0,95.
Контроль: .
Небольшое отступление от единицы объясняется округлением результатов.
Представим полученное биномиальное распределение в табличной форме.
Таблица 1.25
Биномиальный закон распределения (для примера 1.32)
х |
0 |
1 |
2 |
3 |
4 |
р |
0,81451 |
0,17148 |
0,01354 |
0,00047 |
0,00001 |
1.6.7. Распределение Пуассона
Распределение Пуассона используется в тех случаях, когда вероятность наступления какого-либо события является малой величиной. Нормальный закон распределения не является эффективным при значениях вероятности, близкой к нулю или близкой к единице.
Закон Пуассона применим как для маловероятных событий, так и для событий, протекающих с большой, весьма близкой к единице вероятностью. Но в последнем случае закон Пуассона применяют по отношению к противоположным событиям, вероятность которых – малая величина, т.е. для событий, вероятность которых определяется выражением (1.125).
Закон Пуассона выражается формулой
, (1.126)
где (значение n задано, постоянное число; k принимает только положительные целочисленные значения; k ≤ n).
Если требуется вычислить вероятность попадания числа k в интервал от а1 до а2, то необходимо вычислить сумму
. (1.127)
При а1 = 0 а2 = а, тогда
. (1.128)
Математическое ожидание и дисперсия для распределения Пуассона M(X) = D = np. Стандартное отклонение .
Пример. 1.23. На автоматическую сейсмостанцию, установленную в горной выработке, за один час поступает 15 сигналов. Найти вероятность того, что в данную минуту станция зарегистрирует: один сигнал; два сигнала; три сигнала.
Решение.
В среднем за одну минуту станция регистрирует kO = 15 : 60 = 0,25 сигнала. Необходимо найти Р – вероятность поступлении в минуту одного сигнала, двух сигналов, трех сигналов.
По формуле Пуассона находим:
; ; .
Как видно из результатов расчета – вероятность изменяется практически на порядок при последовательном увеличении числа принимаемых сигналов в минуту.
Использование: если, например, при вероятности 0,00203 станция зарегистрировала три, а то и четыре сигнала в минуту, то это говорит об опасности ведения горных работ в данной выработке. Да и увеличение частоты прихода сигналов до одного в минуту также говорит о неблагоприятной обстановке в горной выработке, поскольку вероятность такого события сравнительно малая, чуть меньше 20%.