- •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
2.3. Дисперсионный анализ
Дисперсионный анализ основан на сравнении дисперсий нормально распределенных выборочных совокупностей. С помощью этого анализа проверяют т.н. гипотезу о равенстве средних исследуемых выборок. Для этого общую дисперсию Dобщ случайной величины разлагают на ряд составляющих (слагаемых), каждая из которых определяет свою долю влияния. Таким образом,
, (2.30)
где Di (i= 1, 2, ... n) – дисперсии влияющих факторов; Dост – остаточная дисперсия, которая обусловлена влиянием неучтенных факторов.
Дисперсии Di сравнивают с дисперсией Dост и устанавливают искомую степень влияния с использованием соответстсвующих критериев.
Формула (2.30) определяет т.н. многофакторный дисперсионный анализ, когда число исследуемых факторов большое. Следует заметить, что чем больше изучается факторов, тем сложнее решение задачи.
Часто решают задачу однофакторного дисперсионного анализа, когда рассматривается влияние только одного фактора. Простейшим из многофакторных анализов является двухфакторный дисперсионный анализ.
2.3.1. Однофакторный дисперсионный анализ
Предположим, что исследуются на равенство средних независимые выборки нормально распределенных случайных величин x1(i), x2(i), ... ,xj(i), ... , xk(i), где i – номер измерения (i = 1, 2, ... , n), а j – номер выборки (j = 1, 2, … , k).
По всем выборкам вычислены средние значения xo1, xo2, ... , xoj, ... , xok и стандарты σ1, σ2, … , σj, … , σk .
Необходимо проверить гипотезу о равенстве средних, т.е. проверить, что
xo1 = xo2 = ... = xoj = ... = xok = xo , где xo – общее среднее по всем выборкам (математическое ожидание среднего по группе выборок).
Для решения указанной задачи составляют статистическую таблицу (табл. 2.5).
Таблица 2.5
Статистическая таблица однофакторного дисперсионного анализа
Значение фактора xj(i) |
|||||
x1(i) |
x2(i) |
... |
xj(i) |
... |
xk(i) |
x1(1) x1(2) ... x1(i) … x1(n) |
x2(1) x2(2) … x2(i) … x2(n) |
... ... ... … … … |
xj(1) xj(2) … xj(i) … xj(n) |
... ... ... … … … |
xk(1) xk(2) … xk(i) … xk(n) |
xo1 |
xo2 |
... |
xoj |
... |
xok |
По каждому столбцу таблицы определяют среднее значение
. (2.31)
Оценку общей дисперсии совокупности выборок вычисляют по формуле
, (2.32)
в которой
(2.33)
является общей средней по всем выборкам.
Оценка дисперсии по факторам определяется по формуле
, (2.34)
а оценку остаточной дисперсии – по формуле
. (2.35)
Составляют отношение
, (2.36)
определяющее степень влияния Dост на Dобщ .
Указанное отношение имеет F-распределение с числом степеней свободы (nk) и k(n – 1).
Можно составить также и отношение
, (2.37)
определяющее степень влияния каждой из дисперсий Dj, для F-распределения которого число степеней свободы равно (k - 1) и k(n – 1).
Если выбрать критическую величину Fα (по уровню значимости α), то по специальным таблицам F-распределения для разных совокупностей степеней свободы можно будет сопоставить F1 и F2 с критическим значением Fα . Если F1(2) < Fα , то принимают гипотезу о равенстве средних. Если же F1(2) > Fα , то гипотезу о равенстве средних отвергают и принимают альтернативную ей гипотезу о неравенстве средних, т.е. делают заключение о том, что различия между средними исследуемых выборочных совокупностей носят несучайный характер.
Пример 2.9. Проверить гипотезу о равенстве средних для выборок, представляющих собой значения содержания полезного ископаемого по разведочным линиям РЛ№6, РЛ№7 и РЛ№8 (см. табл. 1.1).
Решение.
Составим статистическую таблицу для значений содержания выборок по указанным разведочным линиям.
Таблица 2.6
Статистическая таблица к примеру 2.9
j → i ↓ |
Значение содержания, С (г/м3) |
||
РЛ№6 |
РЛ№7 |
РЛ№8 |
|
1 |
64 |
72 |
136 |
2 |
264 |
272 |
226 |
3 |
487 |
307 |
243 |
4 |
371 |
736 |
511 |
5 |
652 |
388 |
441 |
6 |
781 |
291 |
393 |
7 |
578 |
342 |
468 |
8 |
848 |
273 |
385 |
9 |
524 |
172 |
238 |
10 |
217 |
157 |
106 |
n = 10 Coj |
478,6 |
301,0 |
314,7 |
Co |
364,72 |
Примечание: дальнейшая обработка приведенных выборок выполняется при условии, что все они подчиняются нормальному закону распределения.
Вычисляем по фомуле (2.31) средние значения содержания по каждой выборке и по формуле (2.33) – среднее значение содержания по всем выборкам.
По формуле (2.32) находим значение общей дисперсии:
.
Вычисляем оценку дисперсии по факторам по формуле (2.34):
.
Находим по фомуле (2.25) значение остаточной дисперсии:
.
Вычисляем по формулам (2.36) и (2.37) статистики F1 и F2:
; .
По таблице приложения 8 интерполированием определяем критические значения статистики F для соответствующих степеней свободы статистик F1кр(29;27) = 1,99 и F2кр(2;27) = 3,36.
Поскольку значения F1 и F2 меньше их критических значений, то принимаем гипотезу о равенстве средних исследуемых выборок. Следовательно, можно принять, что исследуемые выборки принадлежат одной генеральной совокупности.
Если выборки имеют разные объемы n(n1, n2, …), то задача решается аналогично, но с учетом числа степеней свободы в выражениях для Dобщ и Dост : (n1 + n2 + ...+ nn – 1) и (k – 1).
Приведем для указанного случая пример на проверку равенства средних.
Пример 2.10. При испытании пяти геодезических приборов (А, Б, В, Г, Д) одного класса точности каждым из них был измерен базис длиной 736,746 м разными числами приемов (см. табл. 2.7). Выполнить проверку гипотезы о равенстве средних, т.е. установить, что все приборы относятся к одному классу точности.
Таблица 2.7
К примеру 2.10
j→ i↓ |
Значение измеренного базиса 736700 мм + хi (хi в мм) |
||||
А |
Б |
В |
Г |
Д |
|
1 |
56 |
48 |
54 |
45 |
44 |
2 |
47 |
52 |
42 |
47 |
54 |
3 |
43 |
44 |
54 |
46 |
48 |
4 |
50 |
50 |
47 |
53 |
49 |
5 |
53 |
45 |
48 |
52 |
50 |
6 |
48 |
|
53 |
47 |
49 |
7 |
|
|
47 |
45 |
|
8 |
|
|
44 |
|
|
N = 32 |
nA = 6 |
nБ = 5 |
nВ = 8 |
nГ = 7 |
nД = 6 |
xoj → |
49,5 |
47,8 |
48,6 |
47,9 |
49,0 |
Решение.
Вычисляем по формуле (2.31) средние значения по столбцам (xoj).
Вычисляем общее среднее всей совокупности выборок по формуле (2.33): хо = 48,6 мм.
Вычисляем общую дисперсию по формуле (2.32), учитывая, что в знаменателе этой формулы должно быть число (N – 1), где N = 32:
Вычисляем оценку дисперсии по факторам по формуле
. (2.38)
Получим:
.
По фомуле (2.35) получаем значение остаточной дисперсии:
знаменатель которой равен (N – k).
Вычисляем по формулам (2.36) и (2.37) статистики F1 и F2:
; .
По таблице приложения 8 интерполированием определяем критические значения статистики F для соответствующих степеней свободы статистик F1кр(31;27) = 1,92 и F2кр(4;27) = 2,74.
Поскольку значения F1 и F2 меньше их критических значений, то принимаем гипотезу о равенстве средних исследуемых выборок. Следовательно, можно принять, что исследуемые приборы соответствуют одному классу точности.