Поскольку для непараметрических толерантных пределов при заданной
вероятности Q=0.8 минимально необходимый объем выборки
больше либо равен 32 (как для симметричных относительно математического
ожидания, так и для симметричных относительно начала координат), то для оценки
доверительного интервала по частичным выборкам, состоящим из 10-ти значений,
используются параметрические толерантные пределы (при этом считается, что
выборка извлечена из нормальной генеральной совокупности). Границы
интерквантильного промежутка в этом случае равны ,где
- точечная
несмещенная оценка математического ожидания;
- точечная
несмещенная оценка дисперсии;
- толерантный
множитель.
Толерантный множитель можно найти по таблице, либо вычислить
его приближенно по формуле , где
- квантиль
плотности распределения “хи-квадрат”;
- решение
уравнения
, а
- функция
Лапласа.
Для P=0.95 и Q=0.8 =2.101 при N=100 и 2.656775626 для N=10.
Графическое представление результатов
На всех графиках на оси x представлен доверительный интервал для полной выборки, а выше нее – доверительные интервалы для 10 частичных выборок.
Первый начальный момент:
|
Второй центральный момент :
|
Интерквантильный промежуток:
-1 симметричный относительно математического ожидания
-2 симметричный относительно начала координат
|
3. Идентифицировать закон распределения и выбрать подходящий
Исходя из формы гистограммы, асимметрии выдвигаем
гипотезу Н0, что рассматриваемая выборка извлечена из нормально
распределенной генеральной совокупности. Кривая нормальной плотности распределения
описывается функцией
,
где
- точечная
оценка математического ожидания; с=1,657
- точечная
оценка среднеквадратичного отклонения. s=4,012
Графическое построение:
|
Проверим гипотезу о соответствии предполагаемого закона распределения
экспериментальным данным с помощью трех критериев: “хи-квадрат”,
Колмогорова-Смирнова, “омега-квадрат” Мизеса. Примем уровень значимости . Тогда для
каждого из трех критериев первые пять пунктов проверки уже реализованы: задан
уровень значимости, построены гистограмма и выборочная функция распределения,
вычислены точечные оценки моментов, выдвинута гипотеза о виде плотности и
функции распределения и вычислены оценки параметров предполагаемых функций.
Критерий “хи-квадрат”.
Вычислим
статистику критерия по формуле
Найдем критическое значение (K=11 – количество столбцов гистограммы, r=2
– количество оцениваемых параметров).
Поскольку можно
сказать, что экспериментальные данные не противоречат выдвинутой гипотезе Н0.
Критерий Колмогорова-Смирнова
Вычислим
статистику критерия:
Критическое значение критерия для и N=100 находим в таблице:
, следовательно,
экспериментальные данные не противоречат выдвинутой гипотезе Н0 .
Критерий “омега-квадрат” Мизеса
Вычислим статистику критерия:
Критическое
значение критерия для находим
в таблице:
, следовательно,
экспериментальные данные не противоречат выдвинутой гипотезе Н0 .
Так как гипотеза о виде функции и плотности распределения не противоречит всем рассмотренным критериям, то ее можно принять.
Раздел II
Оценивание методом наименьших квадратов (МНК) и методом наименьшей дисперсии (МНД) коэффициентов полиномов, аппроксимирующих результаты измерений зависимых переменных.
В каждой точке xi были вычислены средние арифметические значения
, оценки
дисперсий доверительные интервалы для математических ожиданий из
неравенства
,где
-точечная
несмещенная оценка дисперсии;
Проверим гипотезу о равенстве дисперсий в точках по критерию Кочрена:
Вычислим статистику критерия: , g = 0.204652
Критическое значение критерия для α=005,n=10 и k=12 находим в таблице gкр=0.2098
g<gкр .
последовательная полиномиальная аппроксимация с проверкой гипотезы о степени полинома:
Статистика критерия проверки гипотезы о степени полинома:
Критические значения плотности распределения Фишера были найдены в таблицах.
p |
k-p-1 |
Fp |
Fкр |
1 |
10 |
34.9772 |
3.71 |
2 |
9 |
31.7572 |
3.63 |
3 |
8 |
0.4377 |
3.69 |
Тат как степень полинома не известна необходимо было начать попытки аппроксимации с наименьшей степени и проверять гипотезу о степени полинома. На третьем шаге гипотеза не была отвергнута.
При этом вычисленные коэффициенты равны
|
Вычислим ковариационную матрицу погрешностей определения коэффициентов аппроксимирующего полинома по формуле:
|
Вычислим коэффициенты корреляции между оценками коэффициентов:
|
|
Все точки:
|
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.