- •1. Статистическое оценивание характеристик случайных величин
- •1.1. Общие сведения
- •1.2. Предварительная обработка результатов наблюдений
- •1.3. Критерий для неприятия резко выделяющихся наблюдений
- •1.4. Интервальное оценивание
- •2. Определение законов распределения случайных величин по опытным данным
- •2.1. Статистическая оценка гипотез. Уровень значимости
- •2.2. Критерии статистической оценки гипотез
- •2.3. Проверка гипотезы о нормальном распределении случайной величины
- •2.4. Проверка гипотезы о принадлежности опытных данных к показательному закону распределения
- •2.5. Проверка гипотезы о принадлежности опытных данных закону Пуассона
- •2.6. Проверка гипотезы о принадлежности опытных данных к закону Вейбулла
- •2.7. Выравнивание экспериментальных данных логарифмически нормальным законом
- •2.8. Статистическая проверка гипотезы о принадлежности опытных данных к гамма-распределению
- •2.9. Статистическая проверка гипотезы о принадлежности опытных данных к закону Эрланга
- •2.10. Блок-схема алгоритма предварительной обработки экспериментальных данных
2.6. Проверка гипотезы о принадлежности опытных данных к закону Вейбулла
Существенно большое значение для задач срока службы и надежности изделий имеет как обобщение показательного распределения распределение Вейбулла. Оно хорошо описывает постепенные отказы изделий, вызываемые старением материала в целом. Так, например, выход из строя кузова легковых автомобилей вследствие коррозии описывается законом Вейбулла. При организации перевозочного процесса важное значение имеет время простоя автобусов на промежуточных остановках, которое также хорошо поддается описанию распределением Вейбулла.
Плотность распределения Вейбулла задается двумя параметрами μ и n и имеет вид:
(2.16)
где t - случайная величина, в качестве которой может быть время исправной работы изделия, длина пробега автомобиля и т.д.;
μ - параметр масштаба;
n - параметр формы.
При n = 1 распределение Вейбулла преобразуется в показательный закон, при n = 2 - в закон Релея и при n > 3,25 - в нормальный закон. Закон Вейбулла является двухпараметрическим, это и обусловливает его применение при решении различных инженерных и экономических задач.
Для удобства вычислений плотностей вероятностей закона Вейбулла производят замену
Тогда плотность вероятности записывается так :
(2.17)
Графики плотности распределения Вейбулла при различных значениях параметра формы n приведены на рис. 2.6.
Рис. 2.6. Графики плотности распределения закона Вейбулла.
Параметр формы n является функцией только коэффициента вариации υ.
(2.18)
Поэтому на основе опытных данных находят математическое ожидание, среднее квадратическое отклонение, вычисляют коэффициент вариации и с помощью специальных таблиц (табл. VII приложения) по известному значению υ находят параметр, формы n. Параметр масштаба μ определяется зависимостью
(2.19)
где M(t) - математическое ожидание, определяемое на основе опытных данных;
- гамма-функция Эйлера.
Значения гамма-функции протабулированы и для значения аргумента представлены в табл. VII приложения. Покажем на примере порядок проверки гипотезы о принадлежности опытных данных к закону Вейбулла. Исследуется один из этапов транспортного процесса - время простоя автобусов на промежуточных остановках. Всего зафиксировано было 208 наблюдений. Максимальное зарегистрированное значение времени простоя автобусов равно 45 с, минимальное - 2 с.
1. Используя формулу Стерджеса [8], находим приближенную ширину интервала
За величину ширины интервала принимаем Δt = 5 с. Тогда гистограмма будет иметь 9 интервалов.
2. На основании методики, изложенной в 1.2, определяем статистические поинтервальные частоты и частости попаданий случайной величины в интервалы, на основании которых строим гистограмму или многоугольник распределения (рис. 2.7). Все результаты расчетов заносим в табл. 2.6.
3. Вычисляем статистическое математическое ожидание времени простоя автобусов
Находим статистическую дисперсию
Определяем несмещенное среднее квадратическое отклонение
4. Находим коэффициент вариации
По таблице VII приложения для коэффициента вариации υ = 0,547 определяем параметр формы
5. Для вычисления второго параметра μ первоначально по табл. VII приложения находим значение гамма-функции
Таблица 2.6
Статистическая обработка экспериментальных данных о промежуточных остановках
Номер разряда |
Границы интервалов времени простоя αi - βi, с |
Середины интервалов tci, с |
Опытные частоты
|
Опытные частости
|
|
|
Теоретические вероятности Pi |
Теоретические числа попадания в интервалы |
Слагаемые критерия Пирсона
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
1 |
0,5-5,5 |
3 |
20 |
0,096 |
60 |
180 |
0,098 |
20,4 |
0,01 |
2 |
5,5-10,5 |
а |
40 |
0,192 |
320 |
2560 |
0,200 |
41,6 |
0,06 |
3 |
10,5-15,5 |
13 |
50 |
0,240 |
650 |
8450 |
0,226 |
47,0 |
0,19 |
4 |
15,5-20,5 |
18 |
40 |
0,192 |
720 |
12960 |
0,193 |
40,1 |
0 |
5 |
20,5-25,5 |
23 |
31 |
0,149 |
713 |
16399 |
0,135 |
28,1 |
0,30 |
6 |
25,5-30,5 |
28 |
13 |
0,063 |
364 |
10192 |
0,081 |
16,9 |
0,90 |
7 |
30,5-35,5 |
33 |
7 |
0,034 |
231 |
7623 |
0,039 |
8,1 |
0,15 |
8 |
35,5-40,5 |
38 |
4 |
0,019 |
152 |
5776 |
0,014 |
3,6 |
0,04 |
9 |
40,5-45,5 |
43 |
3 |
0,015 |
129 |
5547 |
0,007 |
1,5 |
1,5 |
Итоговая строка |
|
=208 |
==1,0 |
=3339 |
=69687 |
|
|
χ2 = 3,15 |
По формуле (2.19) определяем
при этом значении, обратное параметру масштаба
Согласно предложенной гипотезе распределение времени простоя автобусов описывается следующим законом Вейбулла:
Теоретические вероятности попадания случайной величины в интервалы для закона Вейбулла определяются зависимостью
(2.20)
Методика расчетов вероятностей по формуле (2.20) основана на использовании микрокалькуляторов, имеющих в своем программном обеспечении вычисление функций ex и yx.
Результаты расчетов удобно представлять в вспомогательной табл. 2.7.
Таблица 2.7
γi |
0,5 |
5,5 |
10,5 |
15,5 |
20,5 |
25,5 |
30,5 |
35,5 |
40,5 |
55,5 |
|
|
0,999 |
0,901 |
0,701 |
0,475 |
0,282 |
0,147 |
0,066 |
0,027 |
0,010 |
0,003 |
|
Pi |
0,098 |
0,200 |
0,226 |
0,193 |
0,135 |
0,081 |
0,039 |
0,017 |
0,007 |
|
На основании выполненных расчетов наносим на гистограмму выравнивающую её теоретическую кривую закона Вейбулла.
Рис.2.7. Гистограмма распределения времени простоя автобусов на промежуточных остановках (1) и выравнивающая её теоретическая кривая закона Вейбулла (2)
6. Вычисляем теоретические числа попадания случайной величины в интервалы
mi = Pi N.
Получаем m1 = 0,098 ∙ 208 = 20,4; m2 =0,200 ∙ 208 = 41,6. Аналогично для всех остальных разрядов (см. столбец 8 табл.2.5),
7. Определяем слагаемые критерия Пирсона (см. столбец 10 табл. 2.6). Суммируя эти значения, находим
χ2 = 3,15.
8. Проверяем правдоподобность гипотезы о принадлежности опытных данных к закону Вейбулла с помощью критерия χ2 - квадрат Пирсона. Для рассматриваемого примера число степеней свободы К = n - S = 9 - 3 = 6 и заданный уровень значимости α = 0,05.
По табл. V приложения находим
Р(χ2; К) = P(3; 6) = 0,788 > 0,05.
Следовательно, по критерию Пирсона гипотеза о принадлежности опытных данных к закону Вейбулла подтверждается.
9. Проверяем правдоподобность принятой гипотезы с помощью критерия Романовского
И по критерию Романовского гипотеза о принадлежности опытных данных к закону Вейбулла не отвергается.
10. Найдем доверительный интервал разброса среднего результата с надежностью γ = 0,95.
Так как N = 208 > 25, то при γ = 0,95, tγ = 1,96.
Определяем точность оценки
Находим доверительный интервал для математического ожидания
M*(t) - Δ < M(t) < M*(t) + Δ, т.е.
16,05 - 1,20 < M(t) < 16,05 + 1,20, или
14,85 < M(t) < 17,25.
Следовательно, с надежностью γ = 0,95 можно утверждать, что среднее время простоя автобусов на промежуточных остановках находится в интервале (14,85; 17,25). Очевидно, что при организации транспортного процесса нужно учитывать верхнюю границу доверительного интервала.