- •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
1.7.2. Критерий согласия к.Пирсона
Мерой расхождения эмипирического и теоретического распределений является величина , определяемая по формуле (1.30):
.
Если для всех ri разности (ri – pi) = 0, то и = 0. Это означает, что сравниваемые рапсределения точно совпадают. Чем больше отличается от нуля, тем больше расхождение между теоретическим и эмпирическим распределениями.
Величина имеет распределение с
(1.44)
степенями свободы, где К – число групп эмпирического распределения (для интервального вариационного ряда – число классов); S – число параметров теоретического распределения, найденных на основе характеристик эмпирического распределения; число условий, налагаемых на относительные частоты (частости).
Например, для нормального закона распределения S = 3, поскольку
1) ; 2) ; 3) , (1.45)
где M(X) = xO – математическое ожидание; D – дисперсия. Асимметрия и эксцесс нормального распределения равны нулю.
Для асимметричных распределений и распределений, имеющих эксцесс, например, для распределения Шарлье, S = 5, поскольку
1) ; 2) ; 3) ; (1.46)
4) ; 5) ,
где - показатель асимметрии; - показатель эксцесса.
По значениям xO и D устанавливают параметры теоретического распределения, с которым сопоставляют эмпирическое распределение, находят для центров интервалов вариационного ряда значения рOi вероятностей теоретического распределения, затем умножают эти вероятности на ширину h классового интервала, в результате чего определяют вероятности рi = hpOi. Далее составляют таблицу для вычисления , находят это значение по формуле (1.130). Пользуясь таблицей приложения 6, по величине и значению степени свободы определяют искомую величину вероятности Р, характеризующую согласованность эмпирического распределения с теоретическим распределением.
В следующих примерах приводится указанный выше порядок вычислений для сопоставления эмпирического и различных теоретичеких распределений с использованием критерия согласия К.Пирсона.
Пример 1.26. Выполнить исследование с помощью критерия согласия К.Пирсона на согласование с законом равномерного распределения эмпирического распределения, заданного интервальным вариационным рядом, представленным в табл. 1.4.
Принять критическое значение βКР = 0,05.
Решение.
Математическое ожидание СО = 361 г/м3, дисперсия D = 39204, стандарт σ = 198 г/м3 (значения выбраны из примеров 1.2 и 1.6).
Для равномерного распределения (см. п. 1.6.2)
; ; . (1.147)
Подставим известные значения математического ожидания и стандарта в формулы (1.147) и вычислим искомые коэффициенты a и b: а = 18,06; b = 703,95.
Вычисляем вероятность = 0,00146.
Вычисляем плотность вероятности для ширины классового интервала h = 117 г/м3: = 117·0,00146 = 0,17.
Составим расчетную таблицу, в которой для первого и последнего интервалов примем p1 = p7 = 0,17/2 = 0,085.
Таблица 1.27
К примеру 1.26
№№ п/п |
СО, г/м3 |
ri |
pi |
(ri – pi) |
(ri – pi)2 |
(ri – pi)2 pi |
1 |
122 |
0,20 |
0,085 |
+0,115 |
0,0132 |
0,1556 |
2 |
239 |
0,28 |
0,17 |
+0,11 |
0,0121 |
0,0712 |
3 |
356 |
0,19 |
0,17 |
+0,02 |
0,0004 |
0,0024 |
4 |
473 |
0,14 |
0,17 |
-0,03 |
0,0009 |
0,0053 |
5 |
590 |
0,10 |
0,17 |
-0,07 |
0,0049 |
0,0288 |
6 |
707 |
0,05 |
0,17 |
-0,12 |
0,0144 |
0,0847 |
7 |
824 |
0,05 |
0,085 |
-0,035 |
0,0012 |
0,0144 |
|
|
1,01 |
1,02 |
-0,01 |
|
0,3624 |
По формуле (1.130) вычисляем (при n = 80) = 80·0,3624 = 28,992 ≈ 29.
Число степеней свободы определяют по формуле (1.144). К – число элементов статистической таблицы (в данном случае – число классов интервального вариационного ряда: К = 7); S – число параметров равномерного распределения, определяемых по параметрам эмпирического распределения: сумма частостей; математическое ожидание; дисперсия; медиана; (S = 4). Следовательно, .
По таблице приложения 5 интерполированием для = 29 и находим искомую вероятность (р – весьма малая величина).
Вывод: поскольку р < βКР, то эмпирическое рапределение можно считать не согласующимся с теоретическим равномерным распределением.
Пример 1.27. Выполнить исследование с помощью критерия согласия К.Пирсона на согласование с нормальным законом распределения эмпирического распределения, заданного интервальным вариационным рядом, представленным в табл. 1.4.
Принять критическое значение βКР = 0,05.
Решение.
Математическое ожидание СО = 361 г/м3, дисперсия D = 39204, стандарт σ = 198 г/м3 (значения выбраны из примеров 1.2 и 1.6).
Составим формулу плотности вероятности для нормального закона распределения с параметрами СО и σ:
. (1.148)
Подставим в формулу (1.148) значения центров интервалов и вычислим искомые вероятности (для h = 117 г/м3). Далее выполним вычисления в таблице, аналогичные вычислениям, приведенным в примере 1.37.
Таблица 1.28
К примеру 1.27
№№ п/п |
СО, г/м3 |
ri |
р(1.148) |
pi |
(ri – pi) |
(ri – pi)2 |
(ri – pi)2 pi |
1 |
122 |
0,20 |
0,00097 |
0,11 |
+0,09 |
0,0081 |
0,0736 |
2 |
239 |
0,28 |
0,00167 |
0,20 |
+0,08 |
0,0064 |
0,0320 |
3 |
356 |
0,19 |
0,002014 |
0,24 |
-0,05 |
0,0025 |
0,0104 |
4 |
473 |
0,14 |
0,001717 |
0,20 |
-0,06 |
0,0036 |
0,0180 |
5 |
590 |
0,10 |
0,001032 |
0,12 |
-0,02 |
0,0004 |
0,0033 |
6 |
707 |
0,05 |
0,000438 |
0,05 |
0,00 |
0,0000 |
0,0000 |
7 |
824 |
0,05 |
0,000131 |
0,02 |
+0,03 |
0,0009 |
0,0450 |
|
|
1,01 |
|
0,94 |
+0,07 |
|
0,1823 |
По формуле (1.130) вычисляем (при n = 80) = 80·0,1823 = 14,6.
Число степеней свободы: К = 7; S – число параметров нормального распределения, определяемых по параметрам эмпирического распределения: сумма частостей; математическое ожидание; дисперсия; (S = 3). Следовательно, .
По таблице приложения 5 интерполированием для = 14,6 и находим искомую вероятность р = 0,006.
Вывод: поскольку р < βКР, то эмпирическое рапределение можно считать не согласующимся с теоретическим нормальным распределением.
Пример 1.28. Выполнить исследование с помощью критерия согласия К.Пирсона на согласование с законом γ-распределения эмпирического распределения, заданного интервальным вариационным рядом, представленным в табл. 1.4.
Принять критическое значение βКР = 0,05.
Решение.
Математическое ожидание СО = 361 г/м3, дисперсия D = 39204, стандарт σ = 198 г/м3 (значения выбраны из примеров 1.2 и 1.6).
Воспользуемся ранее полученными данными (см. табл. 1.26).
Таблица 1.29
К примеру 1.28
№№ п/п |
СО, г/м3 |
ri |
pi |
(ri – pi) |
(ri – pi)2 |
(ri – pi)2 pi |
1 |
122 |
0,20 |
0,21 |
-0,01 |
0,0001 |
0,0005 |
2 |
239 |
0,28 |
0,28 |
0,00 |
0,0000 |
0,0000 |
3 |
356 |
0,19 |
0,23 |
-0,04 |
0,0016 |
0,0070 |
4 |
473 |
0,14 |
0,16 |
-0,02 |
0,0004 |
0,0025 |
5 |
590 |
0,10 |
0,10 |
0,00 |
0,0000 |
0,0000 |
6 |
707 |
0,05 |
0,05 |
0,00 |
0,0000 |
0,0000 |
7 |
824 |
0,05 |
0,03 |
+0,02 |
0,0004 |
0,0133 |
|
|
1,01 |
1,06 |
-0,05 |
|
0,0233 |
По формуле (1.130) вычисляем (при n = 80) = 80·0,0233 = 1,864.
Число степеней свободы: К – число элементов статистической таблицы (в данном случае – число классов интервального вариационного ряда: К = 7); S – число параметров равномерного распределения, определяемых по параметрам эмпирического распределения: сумма частостей; математическое ожидание; дисперсия; медиана; (S = 5). Следовательно, .
По таблице приложения 5 интерполированием для = 1,864 и находим искомую вероятность р = 0,4003.
Вывод: поскольку р < βКР, то эмпирическое рапределение можно считать согласующимся с теоретическим γ-распределением.
Пример 1.29. Выполнить исследование с помощью критерия согласия К.Пирсона на согласование с законом распределения Шарлье эмпирического распределения, заданного интервальным вариационным рядом, представленным в табл. 1.4.
Принять критическое значение βКР = 0,05.
Решение.
Математическое ожидание СО = 361 г/м3, дисперсия D = 39204, стандарт σ = 198 г/м3 (значения выбраны из примеров 1.2 и 1.6).
Воспользуемся ранее полученными данными (см. табл. 1.24).
Таблица 1.30
К примеру 1.29
№№ п/п |
СО, г/м3 |
ri |
pi |
(ri – pi) |
(ri – pi)2 |
(ri – pi)2 pi |
1 |
122 |
0,20 |
0,13 |
+0,07 |
0,0049 |
0,0377 |
2 |
239 |
0,28 |
0,24 |
+0,04 |
0,0016 |
0,0067 |
3 |
356 |
0,19 |
0,25 |
-0,06 |
0,0036 |
0,0144 |
4 |
473 |
0,14 |
0,17 |
-0,03 |
0,0009 |
0,0053 |
5 |
590 |
0,10 |
0,08 |
+0,02 |
0,0004 |
0,0050 |
6 |
707 |
0,05 |
0,05 |
0,00 |
0,0000 |
0,0000 |
7 |
824 |
0,05 |
0,03 |
+0,02 |
0,0004 |
0,0133 |
|
|
1,01 |
0,95 |
+0,06 |
|
0,0824 |
По формуле (1.130) вычисляем (при n = 80) = 80·0,0824 = 6,592.
Число степеней свободы: К – число элементов статистической таблицы (в данном случае – число классов интервального вариационного ряда: К = 7); S – число параметров равномерного распределения, определяемых по параметрам эмпирического распределения: сумма частостей; математическое ожидание; дисперсия; медиана; (S = 5). Следовательно, .
По таблице приложения 5 интерполированием для = 6,592 и находим искомую вероятность р = 0,038.
Вывод: поскольку р < βКР, то эмпирическое рапределение можно считать не согласующимся с теоретическим распределением Шарлье.