- •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
2.2.5. Определение необходимого объема выборок
Вопрос определения необходимого объема выборок является весьма важным при проведении исследований маркшейдерских, да и не только маркшейдерских, измерений. От их числа зависит качество точечных рценок, надежность полученных параметров распределения признака и т.п. Вместе с тем, необходимое число измерений должно быть и оптимальным как с точки зрения обеспечения качественных характеристик распределений, так и с экономической точки зрения. В некоторых случаях затраты на производство измерений могут быть и не такими значительными, но в большинстве своем они ощутимы. Например, увеличение числа проб при исследовании месторождения полезных ископаемых вызывает и значительные материальные затраты.
Определение объема выборочной совокупности основывается, во-первых, на надежном определении при полученной дисперсии (или известной ее величине) ширины интервала, в котором с установленной доверительной вероятностью будет находиться среднее значение признака. Во-вторых, определение необходимого объема выборки чаще всего не может быть выполнено в результате одного расчета (одного приближения). Если уже имеется выборка объемом n, определено приближенное значение дисперсии (или стандарта) среднего значения признака, то при установлении того или иного интервала, в который попадет среднее значение признака при заданном уровне доверительной вероятности, может оказаться, что число необходимых измерений nн > n, т.е. необходимо будет увеличить объем выборки на их разность nдоп = (nн – n), т.н. дополнительное число измерений. После этого следует снова получить среднее значение признака, дисперсию и стандарт с целью выполнения расчетов по подтверждению полученного ранее значения nн. Другими словами, определение необходимого объема выборки должно производиться методом последовательных приближений.
Если дисперсия σ2 генеральной совокупности известна, то при заданном уровне доверительной вероятности β (уровня значимости α = 1 – β) необходимое число измерений может быть оценено по формуле
, (2.20)
где σ – стандарт среднего арифметического, определяемый по формуле (2.8); Δ – полуширина интервала, в который с заданной доверительной вероятностью должно попасть значение среднего арифметического; t – статистика, определяемая функцией Лапласа, значения которой приведены в таблице приложения 2.
Пример 2.6. По выборке объемом n = 36 определено значение среднего арифметического хо = 247 ед., стандарт среднего арифметического σ = 95 ед. Необходимо определить для доверительной вероятности 0,95 (уровня значимости 0,05) какое число измерений обеспечит попадание полученного среднего значения в интервал Δ = ± 30 ед.
Решение.
По таблице приложения 2 для вероятности 0,95 интерполированием находим значение t = 1,96.
По формуле (2.20) вычисляем необходимое число измерений .
Практически число необходимых измерений почти совпало с объемом выборки. Необходимо увеличить объем выборки на 3 измерения, добавив в нее три случайных значения параметра из имеющейся генеральной совокупности.
Если дисперсия неизвестна, то можно ту же задачу решить следующим образом.
По имеющемуся объему выборки вычислить приближенное значение дисперсии и стандарта среднего арифметического. Для определения значения t можно воспользоваться данными таблицы приложения 10 для t-распределения Стьюдента в зависимости от числа степеней свободы и уровня значимости α. Воспользовавшись рекомендациями по сглаживанию зависимостей (см. п. 1.5.2.3), для уровня значимости 0,05 в пределах числа степеней свободы ν > 20 можно установить зависимость
, (2.21)
которая в данном случае определится следующими параметрами:
. (2.22)
Возведем выражение (2.22) в квадрат:
. (2.23)
Подставим в (2.20) выражение для t2 из (2.23), получим
. (2.24)
После преобразования выражения (2.24) окончательно выразим значение необходимого числа измерений:
. (2.25)
Напомним, что приведенное выражение (2.25) составлено для доверительной вероятности 0,95 (уровня значимости 0,05).
Таким образом, зная приближенное значение стандарта и установленный (заданный) доверительный интервал, можно легко выполнить оценку необходимого числа измерений.
Пример 2.7. Для данных примера 2.6 оценить число необходимых измерений.
Решение.
.
Следовательно, для обеспечения попадания среднего арифметического в интервал ±30 ед. при значении стандарта 95 ед. и доверительной вероятности 0,95 требуется выборка объемом nн = 41. То есть необходимо увеличить выборку на (41 – 36) = 5 случайно отобранных значений исследуемого признака.
Поскольку настоящее учебное пособие является справочным по обработке результатов измерений, то целесообразно получить выражения для необходимого числа измерений и для других уровней доверительной вероятности, например, для доверительных вероятностей 0,99 и 0,999:
- для β= 0,99 (α = 0,01):
; (2.26)
- для β= 0,999 (α = 0,001):
. (2.27)
Обозначим свободные члены линейного уравнения в степени числа 10 выражений (2.25) – (2.27) буквой А, а множитель перед - буквой В. Анализ полученных коэффициентов А и В для уровней значимости 0,05, 0,01 и 0,001 показывает на весьма удовлетворительную их линейную зависимость от логарифма уровня значимости. Аналитически получено:
; . (2.28)
Таким образом, можно записать общее выражение для необходимого числа измерений:
. (2.29)
Несмотря на сложный вид выражения (2.29), вычисления по данной формуле сравнительно простые.
При использовании формулы (2.29) необходимо учитывать следующее. Поскольку значение стандарта среднего арифметического зависит от числа измерений (от ), то при проведении дополнительно числа измерений следует предварительно назначать меньшее их число, чем получено в расчетах с целью учета изменения величины стандарта. Затем по формуле (2.29) уточнять число необходимых измерений.
Пример 2.8. Выполнена обработка результатов измерений по выборке объемом n = 32. Получено значение стандарта среднего арифметического σ = 116 ед. Определить число необходимых измерений при уровне доверительной вероятности 0,98 (уровень значимости 0,02) для обеспечения попадания значения среднего арифметического в интервал ±35 ед.
Решение.
Первое приближение.
По формуле (2.29) находим предварительное значение необходимого числа измерений:
.
Число дополнительных измерений nдоп = 58 – 32 = 26.
Второе приближение.
Из числа полученных дополнительных измерений проведена треть, т.е. 9 измерений. Таким образом, объем выборки n = 41.
Вычислено новое значение стандарта σ = 107 и оценка необходимого числа измерений с учетом новых данных:
.
Третье приближение.
Число дополнительных измерений nдоп = 50 – 41 = 9.
Из числа полученных дополнительных измерений проведена половина, т.е. 5 измерений. Таким образом, объем выборки n = 46.
Вычислено новое значение стандарта σ = 104 и оценка необходимого числа измерений с учетом новых данных:
.
Четвертое приближение.
Число дополнительных измерений nдоп = 48 – 46 = 2.
Из числа полученных дополнительных измерений проведено 2 измерения. Таким образом, объем выборки n = 48.
Вычислено новое значение стандарта σ = 103 и оценка необходимого числа измерений с учетом новых данных:
.
Окончательный ответ: число необходимых измерений фактически оказалось равным 47 (при выполненных 48 измерениях), на 11 меньше, чем полученное в первом приближении.