Обработка опытных данных.Статистические гипотизы и выводы

Автор работы: Пользователь скрыл имя, 20 Ноября 2013 в 12:08, реферат

Описание работы

Несмотря на значительные достижения современной науки и инженерии в области изучения сложных механических систем, многие вопросы остаются пока за гранью возможностей теоретического исследования. Для их решения приходится прибегать к изучению поведения реального объекта или его физической модели под воздействием внешних причин в конкретных условиях, т.е. к проведению эксперимента. Это относится как к непосредственным научным исследованиям, так и к инженерным технологическим задачам на действующем производстве.

Содержание работы

Введение 5
1. Экспериментальные исследования 6
1.1. Виды экспериментальных исследований 6
1.2. Объект экспериментального исследования 7
2. Статистическое оценивание
2.1. Понятие вероятности 10
2.2. Случайные величины и их характеристики 12
2.3. Распределения, связанные с нормальным 23
2.4. Выборки. Статистические оценки 25
2.5. Точечные оценки 29
2.6. Интервальные оценки 31
2.7. Планирование эксперимента при оценивании числовых
характеристик случайной величины 37
3. ПРОВЕРКА СтатистическИХ ГИПОТЕЗ
3.1. Статистические гипотезы и критерии согласия 40
3.2. Критерий для отбрасывания резко
выделяющихся результатов испытаний 44
3.3. Проверка гипотез о числовых значениях параметров
нормального распределения 47
3.4. Критерий согласия. Проверка гипотез о виде функции
распределения 59
4. Пример анализа опытных данных 65
Библиографический список 81
Приложение. статистические таблицы 82

Файлы: 1 файл

Обработка опытных данных.Статистические гипотизы и выводы. Книга 1.doc

— 2.23 Мб (Скачать файл)

 

3.3.1. Сравнение двух дисперсий

 

Гипотезы  о равенстве (или неравенстве) дисперсий  имеют особо большое значение прежде всего в технике и технологии, так как измеряемая дисперсией величина рассеяния характеризует такие исключительно важные показатели, как точность машин, приборов, стабильность технологических процессов, показатели качества готовой продукции и т.д. Поэтому часто о качестве выпускаемой продукции, преимуществах той или иной технологии можно судить по результатам сравнения дисперсий. При этом возможно несколько вариантов сравнения.

 

3.3.1.1. Сравнение выборочной дисперсии  с известной генеральной

Пусть имеются основания считать известным значение генеральной дисперсии некоторой величины (см. п. 3.2.1). С изменением каких то факторов (например, изменена часть технологии производства) была получена новая выборка исследуемой величины объемом N. По данным этой выборки вычислена оценка дисперсии этой совокупности s2. Требуется проверить предположение: повлияло ли изменение этих факторов на величину генеральной дисперсии.

При решении этой задачи нулевая гипотеза Н0 будет заключаться в том, что дисперсия для генеральной совокупности из которой взята выборка s2 будет равна известной дисперсии .

В соответствии с общим алгоритмом:

1) Н0: .

2) Решение этой задачи возможно  при трех вариантах альтернативных  гипотез:

а) НА: ;    б) НА: ;      в) НА: .

  1. Проверка нулевой гипотезы производится с использованием c2 - критерия.
  2. Статистика этого критерия

                                             (3.4);

  1. Границы критической области можно установить по таблицам квантилей c2 - распределения (распределения Пирсона) (см. табл. П6) для выбранного уровня значимости a и числа степеней свободы n=N-1.
  2. Нулевая гипотеза Н0 справедлива (принимается), если выполняется неравенство:

а) при НА:         ;

б) при НА:         ;

в) при НА:         .

3.3.1.2. Критерий равенства дисперсий  двух совокупностей

Пусть по результатам независимых испытаний двух выборок объемом N1 и N2 из нормально распределенных совокупностей подсчитаны оценки генеральных дисперсий и , причем . Требуется проверить нулевую гипотезу о том, что указанные выборки принадлежат генеральным совокупностям с равными дисперсиями, то есть .

В соответствии с общим алгоритмом:

  1. Н0: .
  2. Возможно два варианта альтернативных гипотез:

а) НА: ;      б) НА:

  1. Используют F-критерий (критерий Фишера).
  2. F - статистика имеет вид

 при                                      (3.5)

  1. Границы критической области можно установить по таблицам квантилей F - распределения (распределения Фишера) (см. табл. П4 и П5) для выбранного уровня значимости a/2 (для альтернативной гипотезы а) или a (для альтернативной гипотезы б) и числа степеней свободы n1=N1-1 и n2=N2-1.
  2. Нулевую гипотезу принимают, т.е. полагают, что при выполнении одного из неравенств (для различных альтернативных гипотез):

а) при НА: ;             ;

б) при НА: ;             .

В случае подтверждения нулевой гипотезы и имея основания полагать, что обе исходные выборки принадлежат одной генеральной совокупности, по двум выборочным дисперсиям можно получить более точную оценку общей генеральной дисперсии

,                                        (3.6)

которая может быть использована для дальнейшего  анализа опытных данных.

Пример:  В результате испытаний 30 образцов из утяжинного (заднего) конца  прессованного профиля и 20 образцов из выходного (переднего) конца найдены выборочные значения и дисперсия предела прочности алюминиевого сплава, которые составляли соответственно =401 МПа, =82, =409 МПа, =71 для каждого из концов. Требуется проверить равны ли разбросы опытных данных на переднем и заднем концах профиля, т.е. равны ли генеральные дисперсии предела прочности концов.

В соответствии с общим алгоритмом:

1) Н0: ;

2) НА: ;

3) Выбираем для проверки в  соответствии с принятой альтернативной гипотезой двусторонний F-критерий;

4) Значение F-статистики .

5) Для принятого уровня значимости a=0.1, n1=N1-1=29, n2=N2-1=19 по таблице пределов распределения Фишера определяем (табл. П4)

.

  1. В рассматриваемом случае , значит, можно принять в качестве рабочей гипотезу о том, что исследуемые зоны профиля равноценны по однородности материала.

 

3.3.2. Критерий равенства  дисперсий ряда совокупностей

При сопоставлении дисперсий ряда совокупностей нулевая гипотеза заключается в том, что все m генеральных совокупностей, из которых взяты выборки, имеют равные дисперсии, т.е.

1) Н0: .

Различаются случаи когда имеются выборки  одинакового и различного объемов.

3.3.2.1. Критерий Кохрена 

Критерий  Кохрена используется при равных объемах отдельных выборок. В качестве альтернативной гипотезы выступает гипотеза о том, что генеральная совокупность с наибольшей дисперсией превышает по дисперсии остальные m-1 генеральных совокупностей, т.е.

1) Н0: .

2) НА: .

  1. При равном объеме выборок (N1=N2=…=Nm-1=Nm) проверка  Н0 проводится по критерию Кохрена.
  2. Статистикой относящейся к этому критерию является величина

,                                                         (3.7)

где - наибольшая из имеющихся дисперсий.

  1. Границы критической области можно установить по таблицам квантилей распределения Кохрена (G - распределения) (см. табл. П8 приложения) для выбранного уровня значимости a, числа сравниваемых дисперсий n1=m и числа степеней свободы n2=N-1.
  2. Нулевую гипотезу принимают при выполнении неравенства

Пример:  В результате испытаний  на растяжение пяти серий из 20 образцов алюминиевого сплава различных плавок найдены выборочные дисперсии предела прочности: =154, =208, =186, =197 , =153. Требуется оценить значимость влияния плавочных и технологических колебаний на дисперсию предела прочности материала.

  1. Н0: .
  2. НА: .
  3. Используем G-критерий .
  4. . По таблице пределов распределения Кохрена (табл .П8)  для уровня значимости  a = 0,05  , числа степеней свободы n1=5 и n2=20-1=19 определяем (в соответствии с принятой альтернативной гипотезой используем односторонний критерий)  .
  5. Так как условие (3.14) выполняется (0,232<0,356), то можно принять в качестве рабочей гипотезу о отсутствии влияния плавочных и технологических колебаний на дисперсию предела прочности алюминиевого сплава.

 

3.3.2.2. Критерий Бартлета

Критерий  Бартлета используется для сравнения дисперсий при различных объемах отдельных выборок ni, причем ni³5. В качестве альтернативной выступает гипотеза о неравенстве дисперсией генеральных совокупностей имеющихся m серий испытаний, т.е.

1) Н0: .

  1. НА: .
  2. При сравнении дисперсий в выборках различного объема используют критерий Бартлета.
  3. Статистика этого критерия рассчитывается по выражениям

,..................................(3.8)

где                   ,                                          (3.9)

.                                                              (3.10)

  1. Границы критической области можно найти по таблицам квантилей c2 - распределения (распределения Пирсона) (см. табл. П3) для уровня значимости a и числа степеней свободы n=m-1.
  2. Если выполняется условие   , то нулевую гипотезу о равенстве генеральных дисперсий совокупностей, из которых взяты выборки принимают. При невыполнении этого условия нулевую гипотезу отвергают и принимают альтернативную.

В случае подтверждения нулевой гипотезы об однородности дисперсий ( ) по m выборочным дисперсиям на основании выражения (3.10) можно произвести оценку генеральной дисперсии s2 , которая может быть использована в дальнейшем, например для построения доверительных интервалов.

 

3.3.3. Проверка гипотез  о числовых

значениях математических ожиданий

Часто для решения вопроса о соответствии произведенной продукции определенным требованиям (например, требованиям ГОСТ или ТУ), при выявлении преимущества того или иного технологического процесса или нового материала и т.д. возникает необходимость по выборочным средним значениям исследуемых величин делать вывод о соответствующих генеральных значениях – математических ожиданиях. При этом может возникнуть задача сравнения математического ожидания с конкретным числовым значением (например с известным математическим ожиданием) и задача сравнения двух математических ожиданий по двум выборочным средним.

 

3.3.3.1. Сравнение математического  ожидания случайной величины с известным значением

Эта задача может возникнуть в двух равноценных  вариантах. 1) Когда необходимо сделать  обоснованное заключение о равенстве  или неравенстве математического ожидания случайной величины конкретному числовому значению (например, m=3). 2) Когда накоплен значительный объем экспериментальных данных, который позволил определить математическое ожидание m (например, m=3) и дисперсию s2 интересующей характеристики, но после внесения некоторых изменений в условия получения экспериментальных данных получена новая выборка, по которой определены значения выборочного среднего и дисперсии s2 несколько отличающиеся от генеральных. Возникает необходимость установить значимо ли влияние условий получения экспериментальных данных на значения интересующей величины, т.е. имеется ли значимое различие между выборочным значением и генеральным математическим ожиданием m. Оба эти варинта постановки задачи решаются одинаково.

Возможны  два несколько отличающихся случая: А) генеральная дисперсия s2 известна; Б) генеральная дисперсия s2 неизвестна, но известна ее оценка s2.

А) Рассмотрим случай когда генеральная дисперсия s2 известна.

Примем в качестве нулевой гипотезы предположение о том, что математическое ожидание m1 интересующего нас свойства после изменения условий получения опытных данных равно математическому ожиданию m соответствующего свойства до внесения изменений (или равно конкретной величине m), т.е.

    1. Н0:  m1= m.
    2. Альтернативная гипотеза может быть в трех вариантах

а) НА: m1> m;         б) НА: m1< m ;        в) НА: m1¹ m .

  1. Используется z-критерий
  2. z - статистика имеет вид

,                                                 (3.11)

  1. Границы критической области можно установить по таблицам квантилей нормированного нормального распределения (распределения Лапласа) (табл. П2) для выбранного уровня значимости a.
  2. Нулевую гипотезу принимают, т.е. полагают что m1= m при выполнении неравенств:

а) при альтернативной гипотезе НА: m1> m                  ;

б) при альтернативной гипотезе НА: m1< m                  ;

в) при альтернативной гипотезе НА: m1¹ m                  .

 

 

Б) Генеральная дисперсия s2 неизвестна, но известна ее оценка s2.

В этом случае вместо генеральной дисперсии s2 использую выборочную дисперсию s2. Ход рассуждений здесь аналогичен приведенному выше в п. А), но в качестве критерия следует использовать t-критерий. Кроме того, обобщим случаи альтернативных гипотез а) и б) из п. А), используя абсолютные значения отклонений и учитывая симметричный характер t-распределения.

    1. Н0:  m1= m.
    2. Два варианта альтернативной гипотезы

а) НА: m1> m или НА: m1< m ;        в) НА: m1¹ m .

  1. Используют t-критерий.
  2. t - статистика имеет вид              ,                                       (3.12)
  3. Границы критической области можно установить по таблицам квантилей  t-распределения (распределения Стьюдента) (табл. П6) для выбранного уровня значимости a и числа степеней свободы n=N-1.
  4. Нулевую гипотезу принимают, т.е. полагают что m1=m при выполнении неравенств:

Информация о работе Обработка опытных данных.Статистические гипотизы и выводы