Теория вероятностей и математическая статистика_Лисьев В.П_Уч. пос_МЭСИ, 2006 -199с
.pdfПрактикум
Найдём смешанный начальный момент второго порядка:
|
∞ ∞ |
|
|
1 |
|
5 |
|
|
(20−4 x) / 5 |
|
1 |
5 |
x(20 − 4x) |
2 |
|
10000 |
|
1 |
|
2 |
|
1 |
|
5 |
|
||||||||
ν11 = ∫ ∫ xyf (x, y)dxdy = |
|
∫ xdx |
|
∫ ydy = |
∫ |
|
|
dx = |
( |
− |
+ |
) = |
. |
||||||||||||||||||||
|
10 |
|
|
|
|
500 |
2 |
3 |
4 |
3 |
|||||||||||||||||||||||
|
−∞−∞ |
|
10 |
|
0 |
|
|
0 |
|
0 |
|
50 |
|
|
|
|
|
|
|
|
|||||||||||||
|
Таким образом, Kxy = ν11 – mx my = 5/3 – (5/3)(4/3) = –5/9. Тогда |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
r |
|
= |
|
K xy |
= − |
|
|
|
|
5 |
|
|
= − |
1 |
. |
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
σx σy |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
xy |
|
9 |
(25 /18) (8 / 9) |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
Тема 4. Функциональные преобразования случайных величин |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
Задание 11. Дискретная величина X задана таблично: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
xi |
–4 |
–3 |
|
–2 |
|
|
–1 |
|
|
0 |
|
|
1 |
|
2 |
|
3 |
|
|
|
|
4 |
|
|
5 |
|
|
|||||
|
pi |
0,02 |
0,03 |
|
|
0,05 |
|
0,1 |
0,15 |
|
0,3 |
|
0,15 |
|
0,1 |
|
|
0,05 |
|
0,05 |
Записать в виде таблицы закон распределения заданной функции. Найти матема- тическое ожидание функции Y = 8 – 2 X + 1 .
Решение. Найдём сначала все возможные значения функции и внесём их в заготов- ленную таблицу:
yk |
–4 |
–2 |
0 |
2 |
4 |
6 |
8 |
pk |
0,05 |
0,05 |
0,1 |
0,17 |
0,33 |
0,2 |
0,1 |
Вероятности подсчитываются следующим образом. Значение 4 функция прини- мает только при x = 5. Тогда вероятность этого значения равна 0,05. Значение 4 функция принимает при x = –3 и при x = 1. Тогда вероятность этого значения равна 0,03 + 0,3 = 0,33 и т.д.
Математическое ожидание вычисляется как обычно: my = 3,36.
Задание 12. Математические ожидания и дисперсии статистически независимых величин X и Y равны mx = 10, Dx = 8 и my = –5, Dy = 12. Вычислить математическое ожида- ние и дисперсию функции Z = 2XY – 9.
Решение. Вычислим математическое ожидание. Так как величины статистически независимы, то математическое ожидание произведения равно произведению математи-
ческих ожиданий: mz = M{2XY – 9} = 2· M{XY} – 9 = 2·10·(–5) – 9 = –109. Для вычисления дисперсии воспользуемся второй теоремой о дисперсиях:
D{Z} = D{2XY −9} = 4D{XY} = 4[Dx Dy + mx2 Dy + my2 Dx ] = 4[8 12 +100 12 + 25 8] =1496.
Тема 5. Закон больших чисел
Задание 13. Дисперсия случайной величины X равна σ2 = 3,5. С помощью неравен- ства Чебышева оценить вероятность того, что случайная величина отклонится от своего математического ожидания не более чем на величину ε = 2,5.
Решение. Пользуемся неравенством Чебышева:
P{ |
|
X − mx |
|
< ε} >1 − |
σ2 |
=1 − |
3,5 |
= |
2,75 |
= 0,44. |
|
|
|||||||||
|
|
ε2 |
(2,5)2 |
6,25 |
||||||
|
|
|
|
|
|
|
|
Задание 14. Для случайной величины из задания 13 оценивается математическое ожидание. Сколько нужно сделать измерений, чтобы с вероятностью не меньшей 0,95,
191
Теория вероятностей и математическая статистика
среднее арифметическое этих измерений отклонилось от истинного математического ожидания не более чем на величину ε?
Решение. Если дисперсия величины X равна σ2, то дисперсия среднего арифмети- ческого n её измерений будет равна σ2/n. Воспользуемся неравенством Чебышева для
среднего арифметического измерений m*: P{ |
|
m* − mx |
|
< ε} >1 − |
σ2 |
=1 |
− |
3,5 |
. По усло- |
||||||||
|
|
||||||||||||||||
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
3,5 |
|
nε2 |
|
n(2,5)2 |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
||||||
вию |
задачи должно выполняться неравенство 1 − |
≥ 0,95. |
Отсюда |
находим: |
|||||||||||||
n(2,5)2 |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
3,5 |
|
≤ 0,05 n ≥ |
3,5 |
=11,2. Число измерений должно быть целым, поэтому бе- |
|||||||||||||
|
n(2,5)2 |
0,05 6,25 |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
рём n = 12.
Задание 15. Для оценки процента дефектных деталей обследуются на наличие де- фектов n деталей. С помощью неравенства Чебышева оценить вероятность того, что доля дефектных деталей k/n отклонится от истинной вероятности дефектной детали не более чем на величину ε. Решить задачу для n = 81 и ε = 0,1.
Решение. Запмшем неравенство Чебышева по отношению к доле дефектных дета-
лей p* = k/n: P{ p* − p < ε} >1 − npqε2 . Так как истинная вероятность p появления дефект-
ной детали неизвестна, заменим произведение pq его наибольшим значением (при 0 ≤ p ≤
≤ 1), равным 0,25: P{ p* − p < 0,1} >1 − 810,250,12 ≈ 0,69.
Тема 6. Статистическая обработка экспериментальных данных. Оценка параметров
Задание 16. Подобное задание подробно рассмотрено в учебном пособии.
Задание 17. Для оценки вероятности появления дефектных деталей, выпускаемых некоторой производственной линией, было обследовано n деталей. Среди обследован- ных деталей было обнаружено k дефектных деталей. Построить доверительный интервал для истинной вероятности появления дефектной детали с доверительной вероятностью, равной 0,95. Решить задачу при n = 121 и k = 20.
Решение. Запишем доверительный интервал для вероятности события:
|
* |
− ε |
|
pq |
; p |
* |
+ ε |
|
pq |
с вероятностью γ. В данном случае p* = 20/121 ≈ |
|
p p |
|
γ |
|
|
γ |
|
|
||||
|
|
|
n |
|
|
|
n |
|
|
||
|
|
|
|
|
|
|
|
|
|
≈ 0,165. По таблицам нормального распределения по заданной доверительной вероятно-
сти γ = 0,95 находим: εγ = 1,96. Найдём доверительный интервал двумя способами. |
|
||||||||
Первый способ. |
Вместо неизвестной вероятности появления дефектной детали |
||||||||
подставим |
её оценку: |
p |
|
0,165 |
−1,96 |
0,165 (1 − 0,165) |
; 0,165 +1,96 |
0,165 (1 − 0,165) |
|
|
|
|
. |
||||||
|
|
|
|
|
|
121 |
|
121 |
|
|
|
|
|
|
|
|
|
||
Вычисляя, |
получим: p (0,165 − 0,066; 0,165 + 0,066). Или p (0,099; 0,231) с вероятно- |
стью, приближённо равной 0,95.
Второй способ. Вместо неизвестного произведения pq подставим его наибольшее
значение (при 0 ≤ p ≤ 1), равное 0,25: |
|
0,165 |
−1,96 |
0,25 |
; 0,165 |
+1,96 |
0,25 |
|
. Вычисляя, |
p |
|
|
|
||||||
|
|
|
|
121 |
|
|
121 |
|
|
|
|
|
|
|
|
|
|
||
192 |
|
|
|
|
|
|
|
|
|
Практикум
получим: p (0,165 − 0,089; 0,165 + 0,089). Или p (0,076; 0,254) с вероятностью не меньшей чем 0,95. Второй способ надёжнее, хотя он даёт более широкий интервал.
Тема 7. Проверка статистических гипотез
Задание 18. Подобное задание подробно рассмотрено в учебном пособии.
Задание 19. Используя данные таблицы задания, с помощью критерия квантилей проверить гипотезу о том, что медиана распределения равна эмпирическому математи- ческому ожиданию.
1,4 |
1,8 |
2,4 |
2,6 |
4,9 |
2,2 |
1,3 |
0,1 |
0,0 |
2,8 |
0,3 |
2,2 |
0,8 |
3,2 |
8,2 |
0,9 |
3,1 |
0,1 |
0,3 |
0,8 |
3,3 |
3,4 |
4,7 |
0,5 |
0,5 |
4,2 |
3,7 |
0,1 |
0,4 |
1,1 |
4,8 |
1,6 |
1,5 |
9,6 |
4,0 |
0,3 |
0,7 |
7,3 |
2,5 |
2,1 |
2,7 |
0,3 |
0,9 |
4,9 |
0,2 |
1,7 |
0,4 |
0,3 |
1,3 |
2,8 |
0,6 |
1,4 |
0,8 |
1,1 |
0,9 |
0,4 |
1,2 |
0,2 |
0,1 |
0,7 |
Решение. Сложив все элементы выборки и поделив на число измерений 60, полу- чим оценку математического ожидания m* = 1,99. Найдём число элементов, которое
меньше математического |
ожидания: k = 37. Для медианы p = 0,5. Следовательно, |
||||
t = k − np |
= |
37 − 60 0,5 |
= |
7 |
≈1,807. При уровне значимости α = 0,05 по нормальному |
npq |
|
60 0,5 0,5 |
|
3,873 |
|
распределению найдём критическое значение tα = 1,96. Так как t < tα, то гипотезу о ра- венстве медианы и математического ожидания можно принять.
Задание 20. Подобное задание подробно рассмотрено в учебном пособии.
Тема 8. Дисперсионный анализ
Задание 21. Сделано по 5 измерений случайной величины X на каждом из четырёх уровней фактора A. Полученные результаты представлены матрицей X (строки матрицы соответствуют уровням фактора, столбцы – номеру измерения). Методом дисперсионно- го анализа проверить гипотезу о том, что фактор A не влияет на математическое ожида- ние величины X. Уровень значимости α принять равным 0,05.
7 |
6 |
4 |
3 |
9 |
|
|
|
5 |
7 |
8 |
8 |
9 |
|
|
|
|||||
X = |
4 |
3 |
4 |
6 |
5 |
. |
|
|
|||||
|
8 |
9 |
7 |
8 |
6 |
|
|
|
Решение. Все вычисления удобно проводить в специальной таблице. Внесём в неё исходные данные, вычислим оценки математическиз ожиданий на каждом уровне фак- тора, вычислим квадраты измерений и квадраты оценок математических ожиданий.
Оценки вычисляются по формуле mi* = 1 ∑5 xij , общая сумма квадратов измерений пред-
5 j=1
ставлена в последней клетке последней строки. Оценка общего математического ожида-
|
|
1 |
4 |
5 |
1 |
4 |
|
ния |
m* = |
∑∑ xij = |
∑mi* = 6,3, m*2 = 39,69. Сумма квадратов оценок по уровням |
||||
|
|
||||||
|
|
20 i=1 j=1 |
4 i=1 |
фактора равна 33,64 + 54,76 + 19,36 + 57,76 = 165,52.
193
Теория вероятностей и математическая статистика
|
Ai |
|
|
|
|
xij |
|
|
|
|
|
|
mi* |
|
|
|
|
|
|
xij2 |
|
|
mi*2 |
|||
|
A1 |
7 |
|
6 |
|
4 |
|
|
3 |
|
9 |
|
5,8 |
|
|
49 |
|
36 |
16 |
9 |
81 |
33,64 |
||||
|
A2 |
5 |
|
7 |
|
8 |
|
|
8 |
|
9 |
|
7,4 |
|
|
25 |
|
49 |
64 |
64 |
81 |
54,76 |
||||
|
A3 |
4 |
|
3 |
|
4 |
|
|
6 |
|
5 |
|
4,4 |
|
|
16 |
|
9 |
|
16 |
36 |
25 |
19,36 |
|||
|
A4 |
8 |
|
9 |
|
7 |
|
|
8 |
|
6 |
|
7,6 |
|
|
64 |
|
81 |
49 |
64 |
36 |
57,76 |
||||
|
|
|
|
|
|
Σ |
|
|
|
|
|
|
|
|
|
|
|
154 |
|
175 |
145 |
173 |
223 |
870 |
||
Таким образом, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
k n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Q = ∑∑ xij2 |
− n k m*2 |
= 870 −5 4 39,69 = 76,2, |
|
|
||||||||||||||||||
|
|
|
|
|
|
i=1 j=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Q1 |
= n(∑mi*+2 − k m*2 ) = 5 (165,52 - 4 39,69) = 33,8, |
|
||||||||||||||||||||
|
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
Q2 |
= Q −Q1 |
= 76,2 −33,8 = 42,4. |
|
|
|
|
|
|
|
|||||||||||||
Вычислим F: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
F = |
|
|
Q1 /(k −1) |
|
|
= |
|
33,8 / 3 |
= |
11,27 |
= 4,25. |
|
|
|||||||
|
|
|
|
|
|
|
Q2 /[k(n −1)] |
42,4 /16 |
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
3,53 |
|
|
|
|
По таблице F-распределения при степенях свободы k1 = 3 и k2 = 16 и уровне значи- мости α = 0,05 находим критическое значение Fα = 3,24. Так как вычисленное значение F = 4,25 больше критического значения Fα, то гипотеза H0 отвергается. Следует признать влияние фактора A на исследуемую величину при уровне значимости 0,05.
Задание 22. Фактор A имеет 4 уровня, фактор B – 5 уровней. Сделано по одному из- мерению случайной величины X на каждой комбинации уровней факторов. Полученные результаты представлены матрицей X (строки матрицы соответствуют уровням фактора A, столбцы – уровням фактору B). Методом дисперсионного анализа проверить гипотезу о том, что факторы A и B не влияет на математическое ожидание величины X. Предпола- гать, что взаимодействия между факторами нет. Уровень значимости принять равным α = 0,05. Матрицу взять из задания 21.
Решение. Расширим предыдущую таблицу с учётом появления второго фактора.
Bj |
|
|
xij |
|
|
mi + * |
|
|
xij2 |
|
|
mi + *2 |
|
Ai |
B1 |
B2 |
B3 |
B4 |
B5 |
B1 |
B2 |
B3 |
B4 |
B5 |
|||
|
|
||||||||||||
A1 |
7 |
6 |
4 |
3 |
9 |
5,8 |
49 |
36 |
16 |
9 |
81 |
33,64 |
|
A2 |
5 |
7 |
8 |
8 |
9 |
7,4 |
25 |
49 |
64 |
64 |
81 |
54,76 |
|
A3 |
4 |
3 |
4 |
6 |
5 |
4,4 |
16 |
9 |
16 |
36 |
25 |
19,36 |
|
A4 |
8 |
9 |
7 |
8 |
6 |
7,6 |
64 |
81 |
49 |
64 |
36 |
57,76 |
|
m + j* |
6 |
6,25 |
5,75 |
6,25 |
7,25 |
6,3 |
|
Суммы квадратов |
|
||||
m + j*2 |
36 |
39,1 |
33,1 |
39,1 |
52,6 |
39,69 |
154 |
175 |
145 |
173 |
223 |
870 |
|
Все данные и результаты вычислений представлены в таблице. Значения Q и Q1 |
|||||||||||||
вычислены в предыдущей задаче: |
|
|
|
|
|
|
|
|
n
Q2 = k(∑m+*2j − n m*2 ) = 4(36 + 39,1 + 33,1 +39,1 + 52,6 - 5 39,69) = 5,8,
i=1
Q3 = Q −Q1 −Q2 = 76,2 −33,8 −5,8 = 36,6.
194
Практикум
Тогда F = |
Q1 (n −1) |
= |
33,8 4 |
≈ 3,69; |
F = |
Q2 (k −1) |
= |
5,8 3 |
≈ 0,48 . |
|
|
|
|
||||||
1 |
Q3 |
36,6 |
|
2 |
Q3 |
36,6 |
|
||
|
|
|
|
По степеням свободы k – 1 = 3 и (k – 1)(n – 1) = 12 определяется критическое значе- ние Fα1 = 3,49 при α = 0,05, а по степеням свободы n – 1 = 4 и (k – 1)(n – 1) = 12 – критическое значение Fα2 = 3,26. По условию задачи взаимодействия между факторами нет Поэтому можно принять решение по каждому фактору индивидуально. Так как F1 > Fα1, то следует признать влияние фактора A. Так как F2 < Fα2, то следует отвергнуть влияние фактора B на исследуемую велдичину.
Задание 23. Проверить гипотезу о влиянии факторов A, B, и C на исследуемую ве- личину X, если все факторы имеют по четыре уровня, а измерения сделаны по плану эксперимента «латинский квадрат». Результаты измерений представлены матрицей X, исключая пятый столбец (строки матрицы соответствуют уровням фактора A, столбцы – уровням фактору B). Предполагать, что взаимодействия между факторами нет. Уровень значимости α принять равным 0,05. Матрицу выбрать из задания 21, исключив пятый столбец.
Решение. Изменим предыдущую таблицу с учётом появления второго фактора и с учётом того, что матрица X не имеет пятого столбца. Кроме того, добавим два столбца в таблицу для вычисления оценок математического ожидания на уровнях третьего факто- ра C и квадратов этих оценок.
Bj |
|
|
xij |
|
mi + * |
mt* |
|
xij2 |
|
mi + *2 |
mt*2 |
||
Ai |
B1 |
B2 |
B3 |
B4 |
B1 |
B2 |
|
B3 |
B4 |
||||
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A1 |
7 |
6 |
4 |
3 |
5 |
7 |
49 |
36 |
|
16 |
9 |
25 |
49 |
A2 |
5 |
7 |
8 |
8 |
7 |
6 |
25 |
49 |
|
64 |
64 |
49 |
36 |
A3 |
4 |
3 |
4 |
6 |
4,25 |
5,75 |
16 |
9 |
|
16 |
36 |
18,06 |
33,06 |
A4 |
8 |
9 |
7 |
8 |
8 |
5,5 |
64 |
81 |
|
49 |
64 |
64 |
30,25 |
m + j* |
6 |
6,25 |
5,75 |
6,25 |
|
6,06 |
|
|
Суммы квадратов |
|
|||
m + j*2 |
36 |
39,1 |
33,1 |
39,1 |
|
36,72 |
154 |
175 |
|
145 |
173 |
|
647 |
Вычисление оценок на уровнях факторов A и B проводится так же, как в двухфак- торном анализе. Вычисление оценок на уровнях фактора C проводится по ключевой
c1 |
c2 |
c3 |
c4 |
|
|
||||
|
|
c3 |
c4 |
c1 |
|
|
|||
c2 |
|
. Таким образом, |
|||||||
матрице CK: CK = c |
|
c |
|
c |
c |
|
|
||
|
3 |
|
4 |
c |
1 |
c |
2 |
|
|
c |
4 |
c |
2 |
3 |
|
|
|||
|
|
1 |
|
|
|
|
m1* = 14 ∑t=1 xij = 14 (x11 + x42 + x33 + x24 ) = 14 (7 +9 + 4 +8) = 7, m*2 = 14 ∑t=2 xij = 14 (x21 + x12 + x43 + x34 ) = 14 (5 + 6 + 7 + 6) = 6,
и т.д. Общая сумма (647) квадратов измерений представлена в последней клетке послед- ней строки. Оценка общего математического ожидания
|
1 |
4 |
4 |
1 |
4 |
|
m* = |
∑∑ xij = |
∑mt* = 6,06, m*2 = 36,72. |
||||
|
|
|||||
|
16 i=1 j=1 |
4 t =1 |
195
Теория вероятностей и математическая статистика
Сумма квадратов оценок по уровням фактора A равна 25 + 49 + 18,06 + 64 = 156,06. Сумма квадратов оценок по уровням фактора B равна 36 + 39,1 + 33,1 + 39,1 = 147,3. Сумма квадратов оценок по уровням фактора C равна 49 + 36 + 33,06 + 30,25 = 148,31. Тогда
|
n n |
4 4 |
|
Q = ∑∑[xij − m* ]2 = ∑∑ xij2 − 4 4 m*2 = 647 −16 36,72 = 59,48, |
|||
|
i=1 j=1 |
i=1 j=1 |
|
|
n |
n |
|
Q1 = n ∑[mi*+− m* ]2 |
= n(∑mi*+2 |
− nm*2 ) = 4(156,06 − 4 36,72) = 36,72, |
|
|
i=1 |
i=1 |
|
|
n |
n |
|
Q2 |
= n ∑[m+* j − m* ]2 |
= n(∑m+*2j − nm*2 ) = 4(147,3 − 4 36,72) =1,68, |
|
|
j=1 |
j=1 |
|
|
n |
n |
|
Q3 |
= n ∑[mt*− m* ]2 |
= n(∑mt*2 |
− nm*2 ) = 4(148,31 − 4 36,72) = 5,72, |
|
t =1 |
j=1 |
|
Q4 |
= Q −Q1 −Q2 −Q3 = 59,48 −36,72 −1,68 −5,72 =15,36. |
Вычислим отношения F1, F1, F1:
F |
|
= |
Q1 (n − 2) |
|
= |
36,72 2 |
= 4,78, |
|||||||
|
|
|
|
|
|
|
|
|||||||
1 |
|
|
|
Q4 |
15,36 |
|
|
|
||||||
|
|
|
|
|
|
|
|
|||||||
F |
|
= |
Q2 (n − 2) |
= |
1,68 2 |
= 0,22, |
||||||||
|
|
|
|
|
||||||||||
2 |
|
|
|
Q4 |
15,36 |
|
|
|
||||||
|
|
|
|
|
|
|
|
|||||||
F = |
Q3 (n − 2) |
|
. = |
5,72 2 |
= 0,74. |
|||||||||
|
|
|
||||||||||||
|
3 |
|
|
|
Q4 |
15,36 |
|
|
||||||
|
|
|
|
|
|
|
Критическое значение Fα находится по таблицам F–распределения для (n – 1) = 3 и (n – 1)(n – 2) = 6 степеней свободы при заданном уровне значимости α = 0,05. Из таблицы на- ходим: Fα = 4,76. Таким образом, F1 > Fα, F2 < Fα, F3 < Fα, Учитывая, что взаимодействия между факторами нет (по условию задачи), делаем вывод, что фактор A влияет на исследуемую ве- личину, афакторы B иC невлияют на этувеличину (приданном уровне значимости).
Тема 9. Регрессионный анализ
Задание 24. Подобное задание подробно рассмотрено в учебном пособии. Задание 25. Подобное задание подробно рассмотрено в учебном пособии.
Задание 26. По данным, представленным ниже, аппроксимировать статистическую зависимость величины Y от X и Z функцией y = ax + bz + c. Вычислить остаточную дис- персию, найти оценку обобщённого коэффициента корреляции.
X: |
1,0 |
1,8 |
1,5 |
0,8 |
1,8 |
0,8 |
1,3 |
0,8 |
0,7 |
0,6 1,7 1,9 0,9 0,7 1,5 |
|||
Z: |
1,9 |
0,2 |
1,8 |
0,9 |
0,7 |
0,9 |
1,9 |
1,8 |
2,2 |
–0,2 |
–0,4 –0,4 |
1,0 |
2,0 1,9 |
Y: |
5,0 |
6,6 |
6,0 |
4,8 |
6,6 |
4,6 |
5,6 |
5,2 |
4,4 |
4,2 |
6,4 6,8 4,8 |
4,4 |
6,0. |
Все вычисления будем проводить в таблице. Будем решать задачу не через цен- тральные моменты, как в тексте пособия, а через начальные. В таблице получаем все ко- эффициенты системы, определяющей коэффициенты аппроксимирующей функции:
196
Практикум
|
n |
2 |
n |
n |
n |
a∑ xi + b∑ xi zi + c∑ xi = |
∑ xi yi |
||||
|
i=1 |
|
i=1 |
i=1 |
i=1 |
|
|
2 |
n |
n |
|
n |
|
n |
|||
a∑ xi zi + b∑ zi |
+ c∑ zi = |
∑ zi yi . |
|||
i=1 |
n |
i=1 |
i=1 |
i=1 |
|
|
|
n |
n |
|
|
|
a∑ xi + b∑ zi + cn = ∑ yi |
||||
|
|
||||
|
|
i=1 |
i=1 |
i=1 |
Поделив на n, полностью переходим к начальным моментам:
|
1 |
|
n |
2 |
|
1 |
|
n |
|
|
1 |
|
n |
|
|
|
1 |
n |
|
a |
|
|
∑ xi |
+ b |
|
|
∑ xi zi + c |
|
|
∑ xi |
= |
|
|
∑ xi yi |
|||||
|
|
|
n |
n |
|||||||||||||||
|
n i=1 |
|
|
n i=1 |
|
|
|
i=1 |
|
|
|
i=1 |
|||||||
|
1 |
|
n |
|
|
|
|
1 n |
|
2 |
1 |
|
n |
|
|
|
1 |
n |
|
a |
|
|
∑ xi zi + b |
|
|
∑ zi + c |
|
|
∑ zi |
= |
|
|
∑ zi yi . |
||||||
n |
|
|
|
|
|
|
n |
||||||||||||
|
|
i=1 |
1 |
n |
|
|
n i=1 |
1 |
n |
n i=1 |
1 |
n |
i=1 |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
a |
|
∑ xi |
+ b |
|
∑ zi + c = |
|
∑ yi |
|||||||||
|
|
n |
|
|
|||||||||||||||
|
|
|
|
i=1 |
|
|
|
|
n i=1 |
|
|
|
n i=1 |
|
|
В таблице представлены все необходимые данные.
xi |
zi |
yi |
xi 2 |
zi 2 |
yi 2 |
xi yi |
xi zi |
zi yi |
1 |
1,9 |
5 |
1 |
3,61 |
25 |
5 |
1,9 |
9,5 |
1,8 |
0,2 |
6,6 |
3,24 |
0,04 |
43,56 |
11,88 |
0,36 |
1,32 |
1,5 |
1,8 |
6 |
2,25 |
3,24 |
36 |
9 |
2,7 |
10,8 |
0,8 |
0,9 |
4,8 |
0,64 |
0,81 |
23,04 |
3,84 |
0,72 |
4,32 |
1,8 |
0,7 |
6,6 |
3,24 |
0,49 |
43,56 |
11,88 |
1,26 |
4,62 |
0,8 |
0,9 |
4,6 |
0,64 |
0,81 |
21,16 |
3,68 |
0,72 |
4,14 |
1,3 |
1,9 |
5,6 |
1,69 |
3,61 |
31,36 |
7,28 |
2,47 |
10,64 |
0,8 |
1,8 |
5,2 |
0,64 |
3,24 |
27,04 |
4,16 |
1,44 |
9,36 |
0,7 |
2,2 |
4,4 |
0,49 |
4,84 |
19,36 |
3,08 |
1,54 |
9,68 |
0,6 |
–0,2 |
4,2 |
0,36 |
0,04 |
17,64 |
2,52 |
–0,12 |
–0,84 |
1,7 |
–0,4 |
6,4 |
2,89 |
0,16 |
40,96 |
10,88 |
–0,68 |
–2,56 |
1,9 |
–0,4 |
6,8 |
3,61 |
0,16 |
46,24 |
12,92 |
–0,76 |
–2,72 |
0,9 |
1 |
4,8 |
0,81 |
1 |
23,04 |
4,32 |
0,9 |
4,8 |
0,7 |
2 |
4,4 |
0,49 |
4 |
19,36 |
3,08 |
1,4 |
8,8 |
1,5 |
1,9 |
6 |
2,25 |
3,61 |
36 |
9 |
2,85 |
11,4 |
17,8 |
16,2 |
81,4 |
24,24 |
29,66 |
453,32 |
102,52 |
16,7 |
83,26 |
1,187 |
1,08 |
5,427 |
1,616 |
1,977 |
30,221 |
6,835 |
1,113 |
5,551 |
В предпоследней строке записаны суммы элементов столбцов, а в последней стро- ке – средние арифметические этих элементов (эмпирические начальные моменты). За- пишем систему уравнений, определяющих коэффициенты аппроксимирующей функ- ции:
1,977a + 1,113b + 1,187c = 6,835 |
|
|
1,113a + 1,977b + 1,08c = 5,551 . |
|
|
|
1,187a + 1,08b + c = 5,427 |
|
Решая систему, получим: a* = 0,62, b* = –0,25, c* = 4,97. Таким образом, аппроксими- рующая функция имеет вид: y = 0,62x – 0,25z – + 4,97. Вычислим дисперсию Dy*: Dy* = = 30,221 – (5,427)2 = 0,769. Тогда S2 = 0,769·15/14 = 0,824. В дополнительной таблице вычис-
197
Теория вероятностей и математическая статистика
лим остаточную дисперсию (через yi* обозначены спрогнозированные значения функ- ции, вычисленные по аппроксимирующей функции).
xi |
zi |
yi |
yi* |
yi* – yi |
(yi* – yi)2 |
1 |
1,9 |
5 |
5,115 |
0,115 |
0,013225 |
1,8 |
0,2 |
6,6 |
6,036 |
–0,564 |
0,318096 |
1,5 |
1,8 |
6 |
5,45 |
–0,55 |
0,3025 |
0,8 |
0,9 |
4,8 |
5,241 |
0,441 |
0,194481 |
1,8 |
0,7 |
6,6 |
5,911 |
–0,689 |
0,474721 |
0,8 |
0,9 |
4,6 |
5,241 |
0,641 |
0,410881 |
1,3 |
1,9 |
5,6 |
5,301 |
–0,299 |
0,089401 |
0,8 |
1,8 |
5,2 |
5,016 |
–0,184 |
0,033856 |
0,7 |
2,2 |
4,4 |
4,854 |
0,454 |
0,206116 |
0,6 |
–0,2 |
4,2 |
5,392 |
1,192 |
1,420864 |
1,7 |
–0,4 |
6,4 |
6,124 |
–0,276 |
0,076176 |
1,9 |
–0,4 |
6,8 |
6,248 |
–0,552 |
0,304704 |
0,9 |
1 |
4,8 |
5,278 |
0,478 |
0,228484 |
0,7 |
2 |
4,4 |
4,904 |
0,504 |
0,254016 |
1,5 |
1,9 |
6 |
5,425 |
–0,575 |
0,330625 |
17,8 |
16,2 |
81,4 |
81,536 |
0,136 |
4,658146 |
Таким образом, Dост = 4,658/(n – 3) = 4,658/12 = 0,388. Следовательно, R2 = 1 –
– 0,388/0,824 = 0,529, тогда R = 0,727. Результат можно интерпретировать следующим образом. Пользуясь аппроксимирующей функцией, мы снимаем 52,9% начальной неоп- ределённости относительно значений величины Y. В то же время 47,1% неопределённо- сти сохраняется. Эта неопределённость связана с другими, неучтёнными в данной задаче, факторами. Заметим, что все вычисления удобно проводить в программной среде Microsoft Excel.
198
Список используемой литературы
Список используемой литературы
Литература
1.Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы модели- рования и первичная обработка данных. – М.: Финансы и статистика, 1983. – 471 с.
ББК 22.172, А11.
2.Вентцель Е.С. Теория вероятностей: Учеб. для вузов. – 7-е изд. стер. – М.: Высш. шк., 2001. – 575 с.: ил.
3.Гмурман В.Е. Руководство к решению задач по теории вероятностей и математиче- ской статистике. – М.: Высшая школа, 1979.
4.Гнеденко Б.В. Курс теории вероятностей. – М.: Физматгиз, 1961.
5.Горяинов В.Т., Журавлев А.Г., Тихонов В.И. Примеры и задачи по статистической ра- диотехнике / Под общ. ред. В.И. Тихонова. – М.: Советское радио, 1970.
6.Гурский Е.И. Теория вероятностей с элементами математической статистики: Учеб. пособие для втузов. – М.: Высшая школа, 1971.
7.Емельянов Г.В., Скитович В.П. Задачник по теории вероятностей и математической статистике, Изд. Ленинградского университета, 1967.
8.Колемаев В.А., Калинина В.Н. Теория вероятностей и математическая статистика: Учебник / Под ред. В.А. Колемаева. – М.: ИНФРА-М, 2001. – 302 с. – (Серия «Высшее образование»).
9.Кремер Н.Ш. Теория вероятностей и математическая статистика: Учебник для вузов.
– М.: ЮНИТИ–ДАНА, 2001. – 543 с.
10.Лисьев В.П. Теория вероятностей и математическая статистика: Учебное пособие / ВКГТУ. – Усть-Каменогорск, 2001.
11.Лозинский С.Н. Сборник задач по теории вероятностей и математической статисти- ке. – М.: Статистика, 1967.
12.Румшинский Л.З. Элементы теории вероятностей. – М.: Наука, 1970.
13.Смирнов Н.В., Дунин-Барковский И.В. Курс теории вероятностей и математической статистики для технических приложений. – М.: Наука, 1969.
14.Феллер В. Введение в теорию вероятностей и её приложения. – М.: Мир, 1964.
15.Чистяков В.П. Курс теории вероятностей. – М.: Наука, 1978.
199