АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Исследование распределения случайных величин

Читайте также:
  1. I. Случайные величины с дискретным законом распределения (т.е. у случайных величин конечное или счетное число значений)
  2. IV. Относительные величины, динамические ряды
  3. V. Вариационные ряды, средние величины, вариабельность признака
  4. V. Для дискретної випадкової величини Х, заданої рядом розподілу, знайти:
  5. XIV. 7. Вимірювання електрорушійних сил. Застосування методу вимірювання ЕРС для визначення різних фізико – хімічних величин
  6. А. Средняя квадратическая погрешность функции измеренных величин.
  7. Абсолютные величины
  8. АБСОЛЮТНЫЕ И ОТНОСИТЕЛЬНЫЕ ВЕЛИЧИНЫ
  9. АКУСТИЧНІ ВЕЛИЧИНИ
  10. Алгоритм изменения дозы НФГ в зависимости от относительной величины АЧТВ (по отношению к контрольной величине конкретной лаборатории)
  11. Алгоритм открытого распределения ключей Диффи - Хеллмана.
  12. Алгоритм оценки погрешностей прямых измерений физических величин

Случайная (стохастическая) величина может быть одной двух видов – дискретная или непрерывная.

Распределение случайных величин подчиняется определенным закономерностям, называемым законами распределения. Примерами законов распределения являются:

для дискретных – биномиальный, отрицательный биномиальный, Пуассона, гипергеометрический, Паскаля и его частный случай геометрический (Фарри), дискретный равномерный;

для непрерывных – нормальный, логарифмически нормальный, экспоненциальный (показательный), равномерный, Эрланга, Релея, Вейбулла.

Для практических целей находят применение кроме базовых законов распределения их усеченные и сдвинутые (со смещением) варианты.

Усеченные варианты законов распределения ограничивают интервал варьирования случайной величины слева или справа или слева и справа. Если функция распределения базового (неусеченного) закона имеет вид

,

то функции усеченного варианта этого же закона представляют следующие выражения

;

при xн≤x ≤ xв,

; ,

где F(x), f(x) и Fу(x), fу(x) – функции распределения (интегральные) F(x) и Fу(x) и функции плотности распределения (дифференциальные) f(x) и fу(x) переменной x соответственно для базового и усеченного законов; xн– нижняя (левая) граница усечения; xв– верхння (правая) граница усечения.

Пример графиков функций базового и усеченного распределений приведен на рисунке 2.8.

f(x)

 

 

fу(x)

 

 

f(x)

 

 

xн xв x

F(x)

1.0

Fу(x)

 

F(x)

 

xн xв x

Рисунок 2.8 – Графики базовового и усеченного законов распределения

 

Сдвинутое(смещенное) распределение характеризуется тем, что в отличие от базового, оно формируется не от начального значения x н для базового закона (например, нуля), а от минимально возможного значения xc (xн≤xc). Сдвиг распределения не изменяет его форму, если базовое теоретическое распределение, например нормальное, определено на интервале от минус бесконечности.

Общий вид функции распределения со сдвигом имеет вид

, где fс (x) – функция плотности закона распределения со сдвигом.

Функция плотности закона распределения со сдвигом fc(x) отличается от функции базового закона f(x) тем, что в ней величина x заменяется x - xc, а значения ее параметров определяются по зависимостям для базового закона распределения, в которые вместо оценки математического ожидания xм подставляется величина xм - x c.

Например, для экспоненциального закона распределения имеем (ринунок 2.9):

для базового варианта закона ; ; ; ;

для сдвинутого ; ; ; ,

где – оценка математического ожидания случайной величины.

Математическая обработка выборки случайной величины производится с целью определения закономерностей изучаемого процесса (явления).

Для ее исследования необходимо сделать выборку из генеральной совокупности. Наблюдения случайной величины должны проводится в одинаковых условиях. Исследуемая совокупность должна быть однородной. Выборка должна быть репрезентативной (представительной).

Необходимый размер выборки, обеспечивающий оценку параметров распределения с заданной относительной точностью e и вероятностью g, зависит от закона распределения и его параметров.


f(x)

 

fc(x)

 

 

f(x)

 

xс x

 

F(x)

 

1,0

 

 

F(x)

 

Fc(x)

 

xс x

Рисунок 2.9 – Графики базовового и смещенного (сдвинутого) законов распределения

 

Например, для нормального закона распределения размер выборки n определяется выражением

,

 
 


где – квантиль распределения Стьюдента при доверительной вероятности 1-g и числе степеней свободы n-1; – квантиль нормального закона распределения при доверительной вероятности 1-g; v – коэффициент вариации случайной величины; e – заданная относительная точность оценки математического ожидания случайной величины.

Для определения закономерностей распределения случайных величин рассчитываются характеристики эмпирического распределения, выдвигается гипотеза о теоретическом законе и находятся значения его параметров, производится оценка согласованности теоретического и эмпирического распределений.

Одним из возможных алгоритмов расчета характеристик эмпирического распределения непрерывной случайной величины является следующий:

а) по результатам наблюдения (замеров) необходимо получить заданное число n значений исследуемого параметра для процесса, явления, предмета;

б) составить интервальные статистические ряды распределения частот и частостей полученных значений случайной величины:

1) найти в выборке минимальное Хмin и максимальное Хмах значения случайной величины и размах варьирования Хрмахмin;

2) определить число интервалов N разбиения случайной величины

Nп = 1 + int(3.32 lg n);

N= max (Nп; 5),

где n – размер выборки случайной величины;

3) рассчитать длину интервала h

h = Хр / N;

4) определить границы Хj (верхнюю), Хj-1 (нижнюю) и середину Хсj каждого j-го интервала распределения случайной величины ()

Xj = Xмin + j h; Xj-1 = Xмin + (j-1) h;

Xсj = (Xj-1 + Xj)/2.

5) подсчитать число попаданий случайной величины в каждый j-й интервал (частоты Мj), для чего пересмотреть все числа xi () относительно границ интервалов

Мj = М j + 1, если X j-1 £ xi < X j при ;

Мj = М j + 1, если X j-1 £ xi £ X j при j = N;

6) определить частости (эмпирические вероятности) pэj попадания значений случайной величины в каждый из интервалов путем деления соответствующих частот на объем выборки n, т.е. pэj = Мj / n. Сумма всех частот равна объему выборки

,

а сумма частостей pэj соответственно равна единице.

7) представить интервальные статистические ряды в виде массивов

 

Номер интервала, j       N
Нижняя граница Xj-1 X0 X1   XN-1
Верхняя граница Xj X1 X2   XN
Середина интервала Xсj Xс1 Xс2   XcN
Частоты Mj M1 M2   MN
Частости pэj pэ1 pэ2   pэN

в) Построить гистограмму или полигон эмпирического распределения

Для построения гистограммы по оси х откладывают границы интервалов значений случайной величины и для каждого из интервалов строится прямоугольник, высота которого равна частному от деления частости данного интервала на величину интервала: fэj= pэj/h, где fэj – эмпирическая функция плотности вероятности. Полигон строится также по значениям fэj, но на серединах интервалов в виде ломаной линии (рисунок 2.10).

1

0.25

fэj

 

0.15

 

0.10 2

 

0.05

 

 

Xмin Xmax х

X0 X1 X2 Xj (j=N)

Рисунок 2.10 – Гистограмма (1) и полигон (2) эмпирического распределения (пример)

 

г) определить значения эмпирической функции распределения и построить ее график

(рисунок 2.11). При этом (j=0).

д) Определить числовые характеристики выборки: начальные mk и центральные статистические mck моменты k -го порядка и рассчитываемые через них параметры – оценки математического ожидания xm, выборочной дисперсии s2, среднеквадратического (стандартного) отклонения s, коэффициентов вариации V и сдвинутого (смещенного) распределения Vc, коэффициентов асимметрии A и эксцесса E

;

;

;

 

1.0

Fэ

 

0.6

 

0.4

 

0.2

 

 

Xmin Xmax x

X0 X1 X2 XJ (j=N)

Рисунок 2.11 – График эмпирической функции распределения (пример)

 

или или ;

;

V= s / xм ;

Vc= s /(xм - xc);

;

.

Поправочные коэффициенты kс, kа и kе служат для получения несмещенной оценки параметров и определяются по формулам:

kс = n / (n-1);

kа = n2 / (n 2 - 3 n + 2);

kе ≈ 1.

Гипотеза о законе распределения исследуемой случайной величины выдвигается на основании учета следующей информации:

1) условия и факторы, влияющие на процесс формирования значений случайной величины;

2) форма гистограммы (полигона) эмпирического распределения;

3) значения коэффициента вариации V или Vc для сдвинутого распределения

Закон распределения случайной величины Коэффициент вариации
пределы изменения среднее значение
Нормальный 0.08 - 0.40 0.25
Логнормальный 0.35 - 0.80 0.68
Экспоненциальный 0.70 - 1.30 1.0

4) значения выборочных коэффициентов асимметрии А и эксцесса Е. Нормальный закон распределения допустимо выбирать в случае, если выполняются неравенства abs(A)<3Sа и abs(E)<3Sе,

;

.

Для выбранного закона распределения определяются значения его параметров, записываются выражения для функции плотности вероятности f(x) и функции распределения F(x) исследуемой случайной величины, строятся графики функций f(x) и F(x). Для некоторых законов распределения ниже приведены вид функции плотности вероятности и функции распределения, а также зависимости для вычисления значений параметров.

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.013 сек.)