Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Определение аналитического выражения функции плотности распределения вероятности ⇐ ПредыдущаяСтр 3 из 3
По полученным нами значениям и по виду гистограммы и полигона можно выдвинуть гипотезу о том, что вид нашего распределения треугольный. Проверим эту гипотезу также и аналитически, вычислив точки полигона с помощью метода наименьших квадратов. Метод наименьших квадратов применяется для приближённого представления заданной функции другими (более простыми) функциями и часто оказывается полезным при обработке наблюдений. Метод наименьших квадратов - простой и быстрый способ получить неизвестные параметры в функциональных зависимостях и оценить их погрешности. Пусть ожидаемая теоретическая зависимость y=f(x), и мы получили ряд значений (x i, f (x i)). Тогда величину ошибки можно оценить как сумму квадратов всех отклонений от теоретической зависимости [12]:
, (2.2)
где - среднее значение х. Для достижения наилучшей точности эта ошибка должна быть минимальной. Возьмем от полученной суммы по всем параметрам производные и приравняем их к нулю - получим систему уравнений для этих параметров, решениями которой и будут наиболее вероятные их значения. В случае линейной зависимости (а практически любая зависимость может быть линеаризована) имеем:
(2.3)
Таким образом, любая функция определяемая методом наименьших квадратов проходит через координаты , , то есть через центр тяжести экспериментальных данных. Коэффициент a определяет наклон искомой зависимости относительно оси аргумента. Метод наименьших квадратов необратен, то есть нельзя менять местами оси. Этот метод очень чувствителен к наличию грубого промаха, если грубый промах не исключить, то погрешность в определении коэффициента будет составлять 96%. Также для нахождения параметров а и b можно по этому методу предварительно вычислить следующие суммы [9]:
(2.4) (2.5) (2.6) (2.7)
После этого величины a и b вычисляются по формулам [9]:
(2.8) (2.9)
Произведя расчеты, получили два уравнения и точки, по которым и построили кривую.
)у=133х+11,39 2) у=-133х+73
Кривая, найденная аналитически, с небольшим отклонением совпадает с экспериментальной кривой, поэтому можно предположить, что наиболее целесообразно будет доказывать выдвинутую нами гипотезу. Рисунок 1.3. Наложение аналитически найденного полигона на экспериментальный. 1 - экспериментально найденный полигон частотной гистограммы, 2 - аналитически найденный полигон.
Критерий Пирсона
Известен целый ряд критериев согласия. Их используют в качестве способа оценки близости распределения выборки экспериментальных данных к принятой аналитической модели закона распределения. Во многих практических задачах точный закон распределения неизвестен, то есть является гипотезой, которая требует статистической проверки. Наибольшее распространение в практике получил критерий Пирсона [13]. Достоинством критерия Пирсона является его универсальность: с его помощью можно проверять гипотезы о различных законах распределения. Идея этого метода состоит в контроле отклонений гистограммы экспериментальных данных от гистограммы с таким же числом интервалов, построенной на основе распределения, совпадение с которым определяется. Использование критерия Пирсона возможно при большом числе измерений (n>50) и заключается в вычислении величины (хи - квадрат) [14]: , (2.10)
где , - экспериментальные и теоретические значения частот в i -том интервале разбиения; m - число интервалов разбиения; - значения вероятностей в том же интервале разбиения, соответствующие выбранной модели распределения; n-сумма экспериментальных значений частот в i -том интервале. Экспериментальные данные частот даны нам в Таблице 1.3. для того, чтобы вычислить теоретические данные частот , нам нужно рассчитать интегралы от функций на всех интервалах аналитически построенного полигона. Это можно сделать при помощи программы MathCAD. То есть:
Получим =3,018. Используя функции программы Microsoft Excel можно вычислить таблично значение критерия. Получаем =15,507. Если вычисленная по опытным данным мера расхождения меньше определенного из таблицы значения , то гипотеза о совпадении экспериментального и выбранного теоретического распределений принимается [15]. В моем случае < , следовательно, выбранную гипотезу можно принять за верную. Доверительный интервал
Доверительный интервал - это допустимое отклонение наблюдаемых значений от истинных. Размер этого допущения определяется исследователем с учетом требований к точности информации. Если увеличивается допустимая ошибка, размер выборки уменьшается, даже если уровень доверительной вероятности останется равным 95%.
Доверительный интервал показывает, в каком диапазоне расположатся результаты выборочных наблюдений. Для того, что бы найти доверительный интервал, проводим нормировку наших функций, полученных аналитическим путем [5]:
(2.11)
Получаем нормировочный множитель равный 0,075, умножив наши функции на этот множитель, находим доверительный интервал с вероятностью P=0,95:
Преобразовав, получаем квадратное уравнение:
Откуда получаем, что Δ=0,244. Аналогичным образом находим доверительный интервал с вероятностью P=0,9, он будет равен Δ=0,215. Заключение
Итак, подводя итоги, нужно обобщить полученные в ходе работы результаты. Обработав массив данных, мы рассчитали такие значения как: Таблица 1.4 Полученные результаты
Также построили гистограмму и полигон данного нам массива и выдвинули гипотезу о виде распределения. В данной работе вид распределения был взят как треугольный симметричный. Проверив выдвинутую нами гипотезу аналитическим методом с помощью метода наименьших квадратов и с помощью критерия согласия, за который взяли критерий Пирсона, мы убедились, что выдвинутая гипотеза верна. Затем нашли доверительный интервал и доказали, что с увеличением значения вероятности доверительный интервал увеличивается, так как при P=0,9 Δ=0,215 а при P=0,95 Δ=0,244. Список используемой литературы 1. ГОСТ 16263 - 70 ГСИ. Метрология. Термины и определения. - Введен 01.01.2001 взамен ГОСТ 16263-70. - ВНИИКИ Госстандарта России, 2001. - 46 с. - (Действующий стандарт). 2. Сергеев, А. Г. Метрология: история, современность, перспективы: учебное пособие для вузов по направлению «Стандартизация, сертификация и метрология» / А. Г. Сергеев. - М.: Университетская книга: Логос, 2009. - 384 . Димов, Ю. В. Метрология, стандартизация и сертификация: учебник для вузов / Ю. В. Димов. - 3 - е изд. - СПБ.: Питер, 2010. - 464 с.: ил. . Сергеев А. Г. Метрология, стандартизация и сертификация: Учебное пособие для вузов / А. Г. Сергеев, М. В. Латышев, В. В. Терегея. - М.: Логос, 2005. - 560с.: ил. . Радкевич, Я. М. Метрология, стандартизация и сертификация: учебник для вузов / Я. М. Радкевич, А. г. Схиртладзе, Б. И. Лактионов. - 3-е изд. перераб. и доп. - М.: Высш. шк., 2007. - 791 с.: ил. . Гмурман, В. Е. Теория вероятностей и математическая статистика: Учебное пособие для вузов / В. Е. Гмурман. - 12 - е изд., перераб. - М.: Высшее образование, 2006. - 479 с. . Дубровский, П. В. Современные методы метрологического обеспечения инновационных и организационно-технических процессов: учебно-методический комплекс / П. В. Дубровский, С. В. Голякова. - Ульяновск: УлГУ, 2006. - 116 с. . Кочетков, Е. С. Теория вероятностей и математическая статистика: Учебник / Е. С. Кочетков, С. О. Смерчинская, В. В. Соколов. - М.: ФОРУМ: ИНФРА - М, 2005. - 240 с.: ил.
. Булярский, С. В. Метрология: методические указания к выполнению расчетно-графических работ / С.В. Булярский [и др.]. - Ульяновск: УлГУ, 2009. - 92 с. . Павлов, С. В. Теория вероятностей и математическая статистика: учебное пособие / С. В. Павлов. - М.: РИОР, 2006. - 186с. . Никифоров, А. Д. Метрология, стандартизация и сертификация: учеб. пособие для сред. проф. образования по спец. техн. профиля / А. Д. Никифоров, Т. А. Бакиев. - М.: Высшая школа, 2005. - 422 с. . Кошевая, И. П. Метрология, стандартизация, сертификация: учебник для образовательных учреждений сред. профильного образования / И. П. Кошевая, А. А. Канке. - М.: Форум: ИНФРА - М, 2007. - 416 с. . Юсупов, Р. А. Теория вероятностей и математическая статистика: учебное пособие для вузов / Р. А. Юсупов. - Астрахань: АГТУ, 2000. - 186 с. . Сергеев, А.Г. Метрология. Карманная энциклопедия студента: Учебное пособие для студентов высших и средних специальных заведений / А. Г. Сергеев, В. В. Крохин. - М.: Логос, 2001.- 376с.: ил. . Сергеев, А. Г. Метрология: учебник / А. Г. Сергеев. - М.: Логос, 2004. - 288 с.: ил.
|
|||||||||||||||||||||||
Последнее изменение этой страницы: 2020-03-14; просмотров: 135; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.145.63.136 (0.015 с.) |