Вы находитесь на странице: 1из 6

Описание первичной статистической обработки результатов измерений

случайной величины

Математическое моделирование результатов измерений случайной


величины. Выборка измерений
Пусть измеряется некоторая случайная величина X многократно (n раз).
Тогда получим ряд конкретных результатов измерений – вектор
x=(x1, x2, …,xn),
представляющих собой реализацию n-мерной случайной величины
Xn=(X1, X2,…, Xn).
Здесь x1= v +δ1 – конкретный результат первого измерения (δ1 –
конкретная ошибка, допущенная при первом измерении);
x2= v +δ2 –конкретный результат второго измерения (δ2 – конкретная
ошибка второго измерения);

xn= v +δn – конкретный результат n-го измерения (δn – конкретная ошибка
n-го измерения; x1, x2, …,xn, δ1, δ2, …, δn – конкретные числа).
Полученная в первом измерении ошибка δ1- это случайный результат, т.е.
δ1 можно считать реализацией случайной величины ∆1, описывающей все
возможные ошибки первого измерения.
Следовательно, все возможные результаты первого измерения
описываются случайной величиной: X1= v +∆1.
Все возможные результаты второго измерения описываются случайной
величиной: X2= v +∆2, где ∆2 – случайная величина, описывающая все
возможные ошибки второго измерения и т.д.
Все возможные результаты n-го измерения: Xn= v +∆n.
Совокупность всех возможных результатов измерений, таким образом,
описывает вектор Xn со случайными компонентами: X1, X2, …, Xn:
Xn=(X1, X2,…, Xn).
Этот n-мерный случайный вектор называется случайной выборкой
измерений.
Конкретные результаты n-кратного измерения записывают в виде вектора:
xn=(x1, x2, …,xn),
который является реализацией случайной выборки и называется выборкой
измерений.
Из описания этого эксперимента следует, что Xn можно считать случайным
результатом конкретных измерений случайной величины X, причём Xi (i=1, n )
можно считать i-м экземпляром случайной величины X (состояние СВ Х в i-ом
измерении).
Таблица, в которую записываются результаты конкретных измерений СВ
Х, называется простым статистическим рядом или простой статистической
совокупностью.
Простой статистический ряд имеет вид:
i 1 2 3 … n
xi x1 x2 x3 … xn

На основе выборки измерений можно решить следующие задачи


математической статистики:
1) построить оценку параметра V и исследовать поведение этой оценки в
зависимости от Xn, т.е. с учетом всех потенциально возможных значений xi,
(i=1, n );
2) построить оценки:
– функции распределения СВ Х: F(x)=P(X<x),
– плотности распределения СВ Х: f(x)=dF(x)/dx;
3) построить оценки математического ожидания m и дисперсии D[ X ] СВ
Х: m = M[X], D[ X ] =M[(X– m)2 ].
Таким образом, реализация xn=(x1,…,xn) случайной выборки Xn=(X1,…,Xn),
служит исходным материалом для статистической обработки результатов
измерений.

Построение статистических оценок математического ожидания и


дисперсии

Статистические оценки математического ожидания и дисперсии


разделяют на точечные и интервальные (доверительные).

Построение точечных оценок

Математическим ожиданием M[X] дискретной случайной величины


X называется сумма произведений всех возможных значений случайной
величины xi на вероятности pi этих значений:
n
M[X] = ∑x p
i =1
i i

Дисперсией случайной величины называется математическое


ожидание квадрата соответствующей центрированной случайной величины:
n
D[X] = M[(X- M[X]) 2 ] = ∑ ( x − m)
i =1
i
2
pi .

Статистической оценкой а* неизвестного параметра а теоретического


распределения называют функцию от случайной выборки g(X1, X2, …, Xn).
Точечной оценкой неизвестного параметра а называют статистическую
оценку, реализация которой определяется одним числом a*= g(x1, x2, …, xn), где
x1, x2, …, xn – выборка измерений, т.е. результаты n измерений случайной
величины Х.
Реализация точечной оценки математического ожидания СВ определяется
по формуле:
1 n
x= ∑ xi ,
n i =1
где n объем выборки ( x1 ,..., xi ,..., xn ) .
В том случае, когда математическое ожидание m известно, реализация
точечной оценки дисперсии СВ определяется по формуле:
1 n
s = ∑ ( xi − m) .
2 2

n i =1
Если математическое ожидание m неизвестно, то в качестве
математического ожидания определяется его оценка x . В этом случае,
реализация точечной оценки дисперсии СВ определяется по формуле:
n
s2 = 1 ∑ ( x − x)
i
2
.
n −1 i =1

Выборочная дисперсия характеризует рассеяние наблюдаемых


значений выборки около среднего значения x .

Построение интервальных оценок

Интервальной называют оценку, которая определяется как интервал с


двумя концами (в общем случае случайными), покрывающий оцениваемый
параметр.
Интервал iα ( mx ) , покрывающий оцениваемый параметр, называют
интервальной оценкой параметра. Длина интервала зависит от доверительной
вероятности β = 1 − α ., где α - уровень значимости, а также от объема выборки
n.
Поскольку концы интервала представляют собой случайные
величины, то их называют доверительными границами, а сам интервал
называют доверительным интервалом.
Интервальная оценка математического ожидания (доверительный
интервал) имеет вид:
S S
Iα ( mx ) = ( X − ⋅ tα ; X + ⋅ tα ) )
n n
Реализация доверительного интервала для математического ожидания
имеет вид:
s s
(
iα (mx ) = x −
n
⋅ tα ; x +
n
⋅ tα )

Для нахождения интервальной оценки математического ожидания на


практике необходимо вычислить реализацию точечной оценки
математического ожидания
1 n
x= ∑ xi
n i =1
и среднего квадратического отклонения (реализацию стандартного
отклонения):
1 n 2
s= ∑
n − 1 i =1
( xi − x ) .

Значение параметра tα, находится из таблиц распределения Стьюдента по


значениям n и α как решение уравнения:

P ( t < tα ) = β

β -вероятность практически достоверного события

tβ -граница практически достоверных значений дроби Стьюдента Tn-1

Границы доверительного интервала для m x :


~ = x − s ⋅ tα
m1
n

~ = x + s ⋅ tα
m 2
n

Интервальной оценкой дисперсии служит интервал ID = ( σ~ 2 1, σ~ 2 2),

2 n s2 2 n s2
где σ% = 1 2 , σ% =
2 2 , значения χ12
2
и χ2
2
находят из таблиц χ -
χ 2 χ 1

распределения (Приложение 7) по входам α 1, α 2 и числу степеней свободы


k=n-1.
Вероятности α 1 и α 2 вычисляют по формулам:
α 1=(1+β)/2,
α 2=(1-β)/2.
Здесь β – доверительная вероятность, β = 1 − α .
Таким образом, интервальная оценка дисперсии – это интервал вида:
n s2 n s2
i α ( Dx ) = ( 2 , 2 ).
χ 2χ 1

Построение статистического ряда

Для построения статистического ряда определяют отрезок числовой оси,


содержащий все элементы выборки xn=(x1,…,xn), т.е. интервал (xmin, хmax). Затем
необходимо провести группировку выборки на группы, т. е. интервал (xmin, хmax)
разбить на полуинтервалы (разряды). Для этого необходимо разделить точками
х0,х1,х2,…,хq действительную ось на q непересекающихся полуинтервалов (хj,
хj+1), j=1, q , одинаковой длины.

Количество разрядов вычисляем по формуле: q= n , q=5-20, а длину


разряда вычисляем по формуле:
l = (хmax – xmin.)/q
Причем xmin = х0.
После этого для каждого из разрядов находят представителей разрядов,
т.е. устанавливают координаты средних точек разрядов x j по формуле:
x j + x j +1
xj = , j = 1, q
2
Затем для каждого разряда посчитывают количество элементов
вариационного ряда nj, попавших в разряд (абсолютную частоту разряда),
затем вычисляются относительные частоты разрядов:
p*j=nj/n (j=1, q ).