Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 600
Скачиваний: 2
70 |
|
|
Глава |
2 |
|
|
|
ми {ці, оф, (u.2 , оф, . |
. ., ([il, |
al). |
Если вычислить |
квадраты норми |
|||
рованных нормальных |
величин |
Ut |
|
|
|||
|
|
Uï |
= ( |
^ ~ ^ ) \ |
|
(2.3.8) |
|
а затем их сумму, |
то |
получится |
новая |
случайная величина х 2 |
|||
(хи-квадрат): |
|
|
|
|
|
|
|
|
|
|
|
|
V |
V |
|
|
|
|
|
і = 1 |
і = 1 |
1 |
Параметр ѵ в этом выражении называется числом степеней свободы величины %2. Распределение %2 зависит лишь от ѵ, так как величины Ut нормированы. Если имеется ѵ независимых
0,20 |
|
|
|
|
|
|
|
|
|
0,75 |
|
|
|
|
|
|
|
|
|
і< 010 |
I l |
\ |
Ѵ= 8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,05 |
- |
\ |
/\ |
|
|
|
|
|
|
О |
|
|
|
|
\ 1 |
! |
1 |
> ^ . ... |
|
О |
5 |
10 |
15 |
20 |
25 |
50 |
55 |
АО |
|
Ф и г . |
2.3.6. Плотность |
распределения |
вероятности |
%2 . |
|||||
наблюдений, то число степеней |
свободы равно |
ѵ; однако каждое |
соотношение, связывающее ѵ наблюдений, уменьшает число сте пеней свободы на единицу.
Можно показать, что плотность |
распределения |
вероятности |
|
для |
|||||||||
X2 |
равна |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Р (X1) |
= 2 ѵ / 2 г ( ѵ / 2 ) ( х 2 |
) ( ѵ / 2 ) - Ѵ ^ 2 |
> |
(0 < |
X2 |
< оо); |
(2.3.10) |
||||
график |
этой |
величины приведен на фиг. 2.3.6. |
|
|
|
|
|
||||||
|
Представляют интерес некоторые |
частные |
случаи |
распреде |
|||||||||
ления |
х 2 ; 1) распределение |
квадратного |
корня |
из |
х 2 |
Д л я |
ѵ = |
2, |
|||||
называемое |
распределением |
Рэлея, |
2) |
распределение |
х 2 |
Д л я |
|||||||
V = |
4 — распределение Максвелла |
для |
скоростей |
молекул |
и |
3) |
|||||||
распределение величины 1^2x2 для ѵ > |
30, которая |
распределена |
Распределения вероятности и выборочная статистика 71
приблизительно по нормальному закону с ц = ]^2ѵ — 1 и а 2 = 1.
Среднее значение у? равно |
числу степеней свободы |
||
£ { х 2 } = £ { 2 т)= |
2 |
%{(Ui-0)*} |
= i + i + . . . = v , |
і=1 |
i=l |
|
|
так как дисперсия Ut равна 1, т. е. % {(Ü7* — О)2} = 1. Непо средственным интегрированием можно показать, что
Ѵаг {х2} = 2ѵ.
Распределение накопленной вероятности %2 равно
* |
ill) |
- |
Р { Х 2 |
< Х 2 } - 2 Ѵ / 2 і ! ( ѵ / 2 ) | |
( f ) 2 |
" 1 е-*У* d {t). |
(2.3.11) |
|||||||||||
Существуют |
таблицы |
как |
для |
Р |
|
так |
и |
для |
Р (х^/ѵ) |
|||||||||
и Р { х 2 > |
X*}; |
небольшая |
часть |
табл. В2 приложения |
В |
при |
||||||||||||
ведена |
здесь |
в |
виде |
табл. 2.3.3. Числа в этой |
таблице |
представ- |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таблица |
2.3.3 |
||
|
|
|
|
|
|
Р а с п р е д е л е н ие 7 2 |
|
|
|
|
|
|
|
|||||
Число |
|
Вероятность того, что значение х 2 |
меньше, чем указанное в таблице, |
|||||||||||||||
|
|
|
|
|
|
|
|
Р {X2 |
=S Х|} |
|
|
|
|
|
|
|
||
степеней |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
свободы |
|
0,01 |
0,05 |
|
|
0,9 |
|
|
|
|
|
|
|
0,999 |
||||
V |
|
|
0,5 |
|
|
0,95 |
|
0,99 |
|
|||||||||
1 |
|
1,57-10-4 |
0,00395 |
0,455 |
2,706 |
|
3,841 |
|
6,635 |
|
10,827 |
|||||||
10 |
|
2,558 |
|
3,940 |
9,342 |
15,987 |
18,307 |
|
23,209 |
|
29,588 |
|||||||
ляют собой |
верхний |
предел |
интеграла |
в |
формуле |
(2.3.11) |
для |
|||||||||||
V степеней |
свободы. |
Например, |
для |
Р {%2 ^ |
|
%*} = |
0,95 |
или |
||||||||||
Р {%2 > |
%1) = 0,05 |
значения |
%* равны |
3,841 |
и |
18,307 |
соответ |
|||||||||||
ственно |
для |
ѵ = 1 |
и |
V = |
10 |
степеней |
свободы. |
|
|
|
|
|||||||
2.4. В Ы Б О Р О Ч Н Ы Е |
С Т А Т И С Т И К И |
И |
И Х Р А С П Р Е Д Е Л Е Н И Я |
|||||||||||||||
Распределение вероятности для переменной процесса обычно |
||||||||||||||||||
неизвестно, так что соотношения разд. 2.2 нельзя |
непосредственно |
|||||||||||||||||
использовать |
для |
вычисления |
среднего |
значения, |
|
дисперсии |
||||||||||||
и других характеристик ансамбля. В |
то |
же |
время |
получение |
||||||||||||||
оценки |
для |
плотности распределения |
вероятности |
переменной |
процесса, хотя и желательно, но оказывается весьма трудной
задачей, поэтому в большинстве случаев приходится |
ограничи |
|
ваться |
более простыми оценками среднего значения, |
дисперсии |
и т. д. |
В этой книге будут описаны два основных метода оценива- |
72 Глава 2
ния характеристик ансамбля. Первый метод, который рассма
тривается |
в |
этом |
разделе, связан |
с |
использованием конечной |
|
случайной |
выборки |
из наблюдений |
или измерений, |
полученных |
||
в повторных |
экспериментах. Другой метод, в котором используется |
|||||
единственная временная запись одного эксперимента, |
обсуждается |
|||||
в разд. |
12.3. |
|
|
|
|
|
Термином |
выборочная статистика |
или просто |
статистика |
обозначается некоторое числовое значение, подсчитанное по набо ру наблюдений или измерений случайной переменной. Таким образом, оценки параметров плотности распределения вероятности, распределения накопленной вероятности и моделей процесса или оценки характеристик ансамбля, полученные из эксперименталь ных наблюдений, являются примерами статистик. Статистика имеет двойной смысл; она означает как правило вычисления ста тистики (т. е. некоторую функцию), так и полученное для нее зна чение. Нужный смысл будет ясен из контекста. Следует помнить, что статистики — случайные величины.
Вэтом разделе рассматриваются выборочное среднее значение
ивыборочная дисперсия случайной переменной X, а также их
распределения вероятности при |
конкретных |
предположениях |
о распределении самой случайной |
переменной |
X. Выборочные |
средние будут обозначаться чертой над соответствующей случай ной переменной, за исключением выборочных дисперсии и коэф фициента корреляции, для которых исторически установились другие обозначения. Если специально не оговорено, каждая конечная выборка предполагается статистически независимой от
любой другой, если они получены в независимых |
экспериментах |
и сами величины статистически независимы. |
|
2.4.1. Выборочное среднее значение и выборочная |
дисперсия |
Как правило, выборочное среднее является наиболее эффектив ной статистикой (гл. 3), которая используется для характеристики центрального значения экспериментальных данных, т . е . для получения той же достоверности оно требует меньшего количества данных. Пусть X — случайная величина *). Если в выборке, состоящей из п наблюдений величины X, значение Xt появилось щ раз, значение Х2 появилось п2 раз и т. д., то выборочное среднее равно
X = ±%Xtnt, |
|
|
(2.4.1) |
|
г ) Зависимость X от времени можно опустить, |
так к а к |
выборка |
может |
|
производиться одновременно или в разные моменты |
времени д л я стационар |
|||
ного ансамбля . В а ж н о л и ш ь , чтобы данные были получены |
в |
р а з н ы х |
экспе |
|
риментах, а не в одном эксперименте в различные |
моменты |
времени . |
Распределения |
вероятности |
и выборочная |
статистика |
73 |
где 2 пі = п- Если ni = 1, то верхний предел суммы равен п. Выборочное среднее значение само является случайной величи ной и в тех случаях, когда оно используется для оценки [іх, часто обозначается \іх-
Повторные измерения целесообразно проводить по двум основ ным причинам. Во-первых, среднее значение по отдельным резуль татам более достоверно, чем любой единичный результат. Во-вто рых, при этом можно оценить дисперсию отдельных показаний. Эти цели не будут достигнуты, если при сборе данных о процессе не принять надлежащих мер, описанных в гл. 8.
Выборочная |
дисперсия |
случайной |
переменной |
X |
представляет |
||||||||||
собой |
случайную величину, которая |
служит |
наилучшей |
оценкой |
|||||||||||
а х- Она |
вычисляется |
следующим образом: |
|
|
|
|
|
||||||||
|
|
|
sx^Sx |
= -^jZ(Xi-X)*ni. |
|
|
|
|
|
|
(2.4.2) |
||||
|
|
|
|
|
|
|
|
г |
|
|
|
|
|
|
|
Заметим, |
что в |
знаменателе |
этого |
выражения |
стоит |
число |
|||||||||
п — 1, |
а |
не |
п, потому |
что математическое |
ожидание |
величины |
|||||||||
(і/(п— |
1)) 2 |
(Хі—X)2 |
|
пі |
равно |
Ох, |
тогда как |
математическое |
|||||||
ожидание |
величины |
{Un) |
2 |
(Xi |
— Х |
) |
Г nt |
есть |
{(п |
— |
1)//г} а\. |
||||
Последнее |
выражение, |
таким |
образом, |
дает |
смещенную |
оценку |
[см. ниже выражение (2.4.9)]. (Эвристически использование зна менателя п — 1 вместо п аргументируется тем, что при вычисле нии среднего значения пропадает одна из п степеней свободы для общего числа п измерений. На данные налагается одна связь; следовательно, в знаменателе должно стоять число степеней свободы, равное п — 1.) Выборочную дисперсию часто удобно вычислять по следующим формулам:
— |
1-ІХ |
2 п ^ + (ХѴ2га*] = |
|
^•^[^піХІ |
|
|
|
1 |
|
|
W 2 2 n ' ] = |
п — 1 [ 2 > t X ? - 2 X X 2 > * + |
|||
1 |
|
|
|
п —1 [ 2 ПіХІ - |
(X)2 2 ni] = |
(2.4.3а> |
|
п |
[ ( f f ) - ( f ) 2 |
] . |
(2.4.36) |
|
|||
Выборочное |
относительное отклонение |
равно |
|
|
|
с = і £ . |
(2.4.4) |
|
|
X |
|
Всегда следует помнить, что возведение в квадрат или умноже ние с последующим вычитанием округленных значений может при-