При попадании точки в области диаграммы, для которых не определён закон распределения, выдвижение гипотетического закона должно осуществляться на основании каких-либо дополнительных априорных соображений.
П р и м е р 7.2. В условиях примера 7.1 выбрать нулевую гипотезу аналитическим способом.
▼ По формулам (7.1.5) вычисляем оценки центральных моментов третьего и четвёртого порядков:
;
.
По формулам (7.1.4) вычисляем оценки коэффициента асимметрии и коэффициента эксцесса:
;
.
Точку (;
) = (0,0001;–0,353) наносим на
диаграмму, рис.7.2. Данная точка находится в непосредственной близости от точки
(0; 0). Следовательно, принимается нулевая гипотеза о нормальном распределении
отклонений по вертикали при стрельбе в мишень.
▲
Проверка гипотезы о виде закона распределения выполняется после решения предыдущей задачи, т.е. выбора теоретического распределения.
Задача проверки гипотезы о виде закона распределения формулируется следующим образом.
Пусть в результате эксперимента получена случайная выборка ,
,…,
и для неё выбран теоретический закон
распределения, характеризуемый функцией распределения
или
плотностью распределения
.
Необходимо на основании обработки и анализа полученной выборки проверить гипотезу H0 о том, что исследуемая случайная величина подчинена выбранному закону распределения.
В настоящее время существует ряд методов решения данной задачи,
однако наибольшее распространение получил метод К. Пирсона. Достаточно
употребляемыми являются также методы А.Н. Колмогорова и Н.В. Смирнова
[4, 6, 12]. Указанные методы отличаются друг от друга видом меры
рассогласования между статистическим и гипотетическим законами распределения.
Так, в методах А.Н. Колмогорова и Н.В. Смирнова такой мерой является
функция разности между статистической функцией распределения и функцией распределения
гипотетического закона:
.
В методе К. Пирсона в качестве таковой используется функция разности между частотой и вероятностью попадания случайной величины в заданные интервалы:
, (7.1.6)
где j – номер интервала.
Рассмотрим метод К. Пирсона более подробно. Мера расхождения
(7.1.6) в явном виде представляется суммой квадратов разностей между частотой и
вероятностью попадания случайной величины в
интервалы, на которые разбивается множество возможных значений этой величины:
, (7.1.7)
где r – число интервалов; l – номер интервала.
Коэффициенты cl
введены в выражение (7.1.7) для учёта того, что абсолютные значения разностей неравнозначны при различных значениях pl. Действительно, одно и то же значение
разности
является малозначимым при большой величине
pl и представляет собой заметную величину,
если вероятность pl мала.
К. Пирсон показал, что коэффициенты cl целесообразно брать обратно пропорциональными вероятностям pl. При этом, если данные коэффициенты определять на основе выражения
,
,
то при больших значениях n закон распределения случайной величины
(7.1.8)
не зависит от вида распределения случайной величины и объёма выборки n,
а зависит только от числа интервалов r. Кроме
этого при увеличении n закон распределения
случайной величины (7.1.8) приближается к распределению хи-квадрат [6].
Докажем это утверждение.
Рассмотрим случайную величину – число
попаданий случайной величины
в l-й
интервал. Эта случайная величина распределена по биномиальному закону с
характеристиками
,
.
Однако при достаточно большом n
величину на основании теоремы Муавра-Лапласа можно
считать распределённой по нормальному закону с теми же характеристиками. Выполняя
нормирование случайной величины
, получим
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.