Xreferat.com » Рефераты по математике » Математична статистика

Математична статистика

можна переписати у вигляді


,

.


Виходить, що ймовірність того, що випадковий інтервал покриває невідоме значення параметра q дорівнює g. Такий інтервал називається довірчим. Отже, інтервальна оцінка визначається довірчим інтервалом та надійністю. Чим менша надійність, тим вужчий довірчий інтервал, і навпаки. На практиці надійність задається близькою да 1. Найбільш часто задають надійності 0.95,0.99 і 0.999.


6.Статистичні оцінки чисельних характеристик дискретних розподілів


Нехай X дискретна випадкова величина із розподілом


.(1.2)


Множина значень випадкової величини X є генеральною сукупністю і вважається відомою.

Приклад 4.1.1. Кількість очок, яка випадає при киданні несиметричного кубика є дискретною випадковою величиною з розподілом



з відомими значеннями та невідомими ймовірностями.

Нехай потрібно знайти математичне сподівання випадкової величини X (яке в математичній статистиці називається генеральним середнім і позначається ) та дисперсію (генеральну дисперсією ). Для цього здійснюють вибірку об’єму n.

Статистичною оцінкою генерального середнього є випадкова величина


,(1.3)


де – дискретна випадкова величина – кількість значень у вибірці. Вона може набувати значень від 0 до n. Статистична оцінка є незміщенною (), ефективною та умотивованною.

Доведення. Якщо вважати, що вибірка здійснюється по одному, то випадкову величину можна також представити як суму випадкових величин - варіанта при -вийманні, кожна з яких має розподіл, який співпадає з розподілом випадкової величини :



Тому для математичного сподівання випадкової величини можна записати



З врахуванням того, що випадкові величини мають однаковий розподіл з випадковою величиною можна записати, що


,


і, як наслідок,


.


Отже, статистична оцінка є незміщенною.

Дисперсії випадкових величин однакові. Якщо вони обмежені, то згідно теореми Чебишева (3.9.2.1


,


а це означає, що по ймовірності збігається до генерального середнього, що, у свою чергу, означає, що є ефективною статистичною оцінкою генерального середнього.

Випадкова величина (вибіркова дисперсія)


(1.4)


є зміщенною () статистичною оцінкою дисперсії дискретної випадкової величини X – генеральної дисперсії. Тому для генеральної дисперсії використовується “виправлена” вибіркова дисперсія


,(1.5)


яка є незміщенною (), ефективною та умотиванною.

Різниця між вибірковою та “виправленною” вибірковою дисперсіями при достатньо великому об’ємі вибірки мала. На практиці користуються “виправленною” дисперсією , якщо приблизно .

Для оцінки середньоквадратичного відхилення генеральної сукупності (в цьому випадку - дискретної випадкової величини X) використовують “виправлене” середньоквадратичне відхилення вибірки


,(1.6)

яка є незміщенною (, sz – середньоквадратичне відхилення генеральної сукупності), ефективною та умотивованною.

Статистичними оцінками ймовірностей є відносні частоти


,


які є незміщенними (), ефективними та умотивованими.

Довірчі інтервали ймовірностей обчислюються за формулами


,(1.7а)

.(1.7b)


Значення змінної t (різне для кожного i) знаходиться з умови , де - інтеграл Лапласа, - надійність відносної частоти як статистичної оцінки ймовірності pi.

Приклад 1.2. Несиметричний кубик кинули 80 разів і при цьому шість очок випало 16 разів. Знайти довірчий інтервал для невідомої ймовірності з надійністю 0.9

Розв’язування. За умовою задачі . Відносна частота .Значення змінної t знаходиться рівняння

. Розв’язок рівняння . За формулами (4.1.6а) та (4.1.6b)


,

.


Отже, довірчий інтеграл для оцінки невідомої ймовірності з надійністю 0.9


7. Метод максимальної правдоподібності


Метод максимальної провдоподібності використовуються для знаходження статистичних оцінок параметрів розподілів випадкових величин (як дискретних, розподіл яких задається аналітичним виразом, так і неперервних випадкових величин).

Нехай X – випадкова величина з розподілом (якщо вона дискретна) або густиною розподілу ймовірностей (якщо вона неперервна) , який (яка) однозначно визначається параметром, і який невідомий. Для його визначення здійснюється n експериментів. Результати кожного з експериментів є випадковими величинами . Очевидно, що розподіли цих випадкових величин співпадають з функцією випадкової величини X. Експерименти незалежні, тому за теоремою множення ймовірностей незалежних подій можна записати


.


Функція


(2.1)


називається функцією максимальної правдоподібності. Точка , в якій функція максимальної правдоподібності досягає максимуму є значенням статистичної оцінки параметра розподілу . Така статистична оцінка називається оцінкою найбільшої правдоподібності.

Функції та досягають максимуму в одинакових точках. Тому замість точки максимуму функції шукають точку максимуму функції , що значно зручніше. З математичного аналізу відомо, що точку максимума функції можна знайти за таким алгоритмом:

  1. знаходять похідну і прирівнюють до нуля: ;

  2. розв’язують одержане рівняння і знаходять екстремальні точки ;

  3. знаходять другу похідну ; якщо друга похідна в екстремальній точці від’ємна, то така точка є точкою максимума функції, якщо додатня, то – мінімуму.

Методом максимальної правподібності одержані важливі для практики результати:

1) статистична оцінка параметра розподілу Пуассона


;(2.2)


2) статистична оцінка параметра p біноміального розподілу є


,(2.3)


n1 кількість експериментів у першій серії, X1 - кількість успіхів; : n2 кількість експериментів у другій серії, X2 - кількість успіхів у другій серії;

3) статистичною оцінкою параметра експоненціального розподілу є обернена величина до вибіркового середнього:


.(2.4)


Якщо розподіл випадкової величини однозначно визначається не одним параметром, а декількома, то функція максимальної правподобності є функцією багатьох змінних:


.


В цьому випадку для знаходження точок максимуму необхідно розв’язати систему нелінійних рівнянь


(2.5)


Саме цим користуються для знаходження статистичних оцінок параметрів нормального розподіл у теорії похибок вимірювання фізичних величин.


8. Теорія похибок вимірювання фізичних величин


Кількісні результати при спостереженнях одержують, як правило, шляхом вимірювання. Якщо істинне значення деякої фізичної величини a, а в результаті вимірювання одержане значення x, то похибка вимірювання визначається як різниця між ними: . Розрізняють три види похибок: промахи, систематичні похибки та випадкові похибки.

Промахи виникають через грубе порушення умов вимірювання (неправильні дії лаборанта, несправність вимірювальної аппаратури, різка зміна зовнішніх умов) і зазвичай характеризуються порівняно великими похибками.

Систематичні похибки є результатом впливу не врахованих факторів (підвищена температура, електромагнітні завади, тощо) або недоліками вимірювальних приладів (похибка градуювання, недосконалість методу вимірювання) Промахи та систематичні похибки можуть бути виявлені і враховані як при обробці вимірювань, так і при організації вимірювань. Але як би не були добре організовані вимірювання, завжди залишається багато не врахованих факторів, вплив яких приводить до випадкових похибок.


8.1 Основна гіпотеза


Випадкові похибки є результатом дії великої кількості різних факторів , кожна з яких вносить малу похибку, і жодна з них не має домінуючого впливу (похибки зумовлені домінуючими факторами можна віднести до систематичних похибок). У відповідності до теореми Ляпунова є всі підстави вважати , що похибка є випадковою величиною D з нормальним розподілом (це суть основної гіпотези).Ця величина може приймати значення похибки . Є також всі підстави вважати, що відхилення результатів вимірювання рівноймовірні в обидві сторони від істинного значення фізичної величини. Тому математичне сподівання випадкової похибки , а значить її густина розподілу та інтегральна функція матимуть вигляд


,(6.1.1)

.(6.1.2)


Результати вимірювання фізичної величини є випадковою величиною X. Якщо похибка вимірювання розподілена нормально, то і розподіл випадкової величини X є нормальним:


(6.1.3)


з математичним сподіванням, яке дорівнює істинному значенню a фізичної величини, та дисперсією . Результат окремого вимірювання є елементом з нескінченної множини можливих результатів вимірювань в одинакових умовах (такі вимірювання називають рівноточними). Нескінченна множина значень випадкової величини X є генеральною сукупністю з нормальним законом розподілу, середньоарифметичне значення якої дорівнює математичному сподіванню, яке, в свою чергу, дорівнює істинному значенню фізичної величини. Це означає, що для одержання істинного значення фізичної величини необхідно виконати нескінченну кількість вимірювань. Але на практиці кількість вимірювань обмежена, і тому знайти істинне значення фізичної величини у результаті вимірювань принципово неможливо. Можна лише поставити задачу знайти наближене значення фізичної величини і оцінити її похибку. А ця задача за основною гіпотезою зводиться до знаходження статистичних оцінок параметрів нормального розподілу.

8.2 Статистичні оцінки параметрів нормального розподілу


Результати вимірювання фізичної величини є випадковою величиною X. Якщо похибка вимірювання розподілена нормально, то і розподіл випадкової величини X є нормальним


(6.2.1)


з математичним сподіванням , яке у математичній статистиці називають генеральним середнім і позначають , та дисперсією ( у матстатистиці ).

Методом максимальної правдоподібності можна довести, що точковими статистичними оцінками параметрів нормального розподілу (6.2.1) є:


,(6.2.2)

,(6.2.3)


Оцінка (6.2.3) є зміщеною і тому статистичною оцінкою параметра є корінь квадратний із “виправленної” дисперсії (1.4) – “виправлене” середньоквадратичне відхилення:


.(6.2.4)


Довірчий інтервал


(6.2.5)


покриває невідоме значення математичного сподівання із надійностю (ймовірністю) . Параметр знаходиться як розв’язок рівняння , - інтеграл Лапласа. Величина


(6.2.5a)


характеризує точність оцінки (6.2.2). З її використанням довірчий інтервал можна записати у вигляді


(6.2.5b)


Приклад 6.2.1. Випадкова величина має нормальний параметр з відомим середньоквадратичним відхиленням . Знайти довірчі інтервали для оцінки невідомого математичного сподівання по вибірковому середньому , якщо об’єм вибірки і задана надійність оцінки .

Розв’язування. Згідно (6.2.5) довірчий інтервал для оцінки математичного сподівання нормального розподілу є



Параметр задовольняє рівнянню . Розв’язок рівняння З . Точність оцінки математичного сподівання . Довірчий інтервал для оцінки математичного сподівання з надійністю 0.9

Якщо параметр невідомий, то довірчий інтервал, який покриває з надійністю , матиме вигляд


.(6.2.6)


Параметр є розв’язком рівняння , - густина розподілу Стьюдента,


(6.2.6a)


точність оцінки (6.2.2) за Стьюдентом.

Приклад 6.2.2. Кількісна ознака генеральної сукупності розподілена нормально. Для вибірки об’єму знайдено вибіркове середнє та “виправлене” середньоквадратичне відхилення .Знайти довірчий інтервал для оцінки математичного сподівання з надійністю .

Розв’язування. Згідно (2.6) довірчий інтервал, який необхідно знайти,


,


Параметр задовільняє рівнянню . При розв’язок рівняння . Точність оцінки математичного сподівання за Стьюдентом . Отже, довірчий інтервал для оцінки математичного сподівання з надійністю 0.9

Нехай , де визначається рівністю . Якщо , то довірчий інтервал

для оцінки середньоквадратичного відхилення нормального розподілу з надійністю має вигляд


.(6.2.7a)


Значення q знаходиться як розв’язок рівняння


,(6.2.8a)


де , .

Якщо , то довірчий інтервал


,(6.2.7b)


а значення q знаходиться як розв’язок рівняння


.(6.2.8b)


Функція


(6.2.9)


густина розподілу величини “хі”

.(6.2.10)


Приклад 6.2.3. Кількісна ознака генеральної сукупності розподілена нормально. Для вибірки об’єму знайдено “виправлене” середньоквадратичне відхилення .Знайти довірчий інтервал для оцінки середньоквадратичного відхилення із надійністю .

Розв’язування. При та розв’язок рівняння (6.2.8a) . Згідно із (2.7a) довірчий інтервал, який шукається у задачі


.


Приклад 6.2.4. Кількісна ознака генеральної сукупності розподілена нормально. Для вибірки об’єму знайдено “виправлене” середньоквадратичне відхилення . Знайти довірчий інтервал для оцінки середньоквадратичного відхилення із надійністю

Розв’язування. При та розв’язок рівняння (6.2.8b) . Згідно із (2.7b) довірчий інтервал, який шукається у задачі


.


8.3 Порядок обробки вимірювань


У теорії похибок вибіркове середнє позначають як ; її точність при відомому - як , де


- середня похибка;(6.3.1)


її точність по Стьюденту - як .

При обчисленні та s зручно користуватися формулами


;(6.3.2)

(6.3.3)


де – довільна стала (умовний нуль), яку вибирають заокругленним числом, близьким до

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: