- •Оглавление
- •2. Краткие сведения из теории вероятностей
- •3. Предварительная обработка экспериментальных
- •7. Компьютерные методы статистической обработки
- •Предисловие
- •1. Эксперимент как предмет исследования
- •1.1. Понятие эксперимента
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1.2. Классификация видов экспериментальных исследований
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •Контрольные вопросы
- •2. Краткие сведения из теории вероятностей и математической статистики
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2.2. Нормальный закон распределения
- •2. Краткие сведения из теории вероятностей …
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •Контрольные вопросы
- •3. Предварительная обработка экспериментальных данных
- •3.1. Вычисление параметров эмпирических распределений. Точечное оценивание
- •3.2. Оценивание с помощью доверительного интервала
- •3.2.1. Построение доверительного интервала для математического ожидания
- •3.2.2. Построение доверительного интервала для дисперсии
- •3.2.3. Определение необходимого количества опытов при построении интервальной оценки для математического ожидания
- •3.3. Статистические гипотезы
- •3.4. Отсев грубых погрешностей
- •3.4.1. Критерий н.В. Смирнова
- •3.4.2. Критерий Диксона
- •3.5. Сравнение двух рядов наблюдений
- •3.5.1. Сравнение двух дисперсий
- •3.5.2. Проверка однородности нескольких дисперсий
- •3.5.3. Проверка гипотез о числовых значениях математических ожиданий
- •3.6. Критерии согласия. Проверка гипотез о виде функции распределения
- •3.7. Преобразование распределений к нормальному
- •Контрольные вопросы
- •4. Анализ результатов пассивного эксперимента. Эмпирические зависимости
- •4.1. Характеристика видов связей между рядами наблюдений
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4.2. Определение коэффициентов уравнения регрессии
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента
- •4. Анализ результатов пассивного эксперимента…
- •4.3. Определение тесноты связи между случайными величинами
- •4. Анализ результатов пассивного эксперимента...
- •4.4. Линейная регрессия от одного фактора
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4.5. Регрессионный анализ
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента...
- •4.5.1. Проверка адекватности модели
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4.5.2. Проверка значимости коэффициентов уравнения регрессии
- •4. Анализ результатов пассивного эксперимента…
- •4.6. Линейная множественная регрессия
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4.7. Нелинейная регрессия
- •4. Анализ результатов пассивного эксперимента…
- •Контрольные вопросы
- •4. Анализ результатов пассивного эксперимента…
- •5. Оценка погрешностей результатов наблюдений
- •5.1. Оценка погрешностей определения величин функций
- •5. Оценка погрешностей результатов наблюдений
- •5.2. Обратная задача теории экспериментальных погрешностей
- •5. Оценка погрешностей результатов наблюдений
- •5. Оценка погрешностей результатов наблюдений
- •5.3.Определение наивыгоднейших условий эксперимента
- •5. Оценка погрешностей результатов наблюдений
- •Контрольные вопросы
- •6. Методы планирования экспериментов. Логические основы
- •6.1. Основные определения и понятия
- •6.2. Пример хорошего и плохого эксперимента
- •6.3. Планирование первого порядка
- •6.3.1. Выбор основных факторов и их уровней
- •6.3.2. Планирование эксперимента
- •6.3.3. Определение коэффициентов уравнения регрессии
- •6.3.4. Статистический анализ результатов эксперимента
- •6.3.5. Дробный факторный эксперимент
- •6.3.6. Разработка математической модели гидравлического режима методической печи
- •6.4. Планы второго порядка
- •6.4.1. Ортогональные планы второго порядка
- •6.4.2. Ротатабельные планы второго порядка
- •6.4.3. Исследование причин образования расслоений в горячекатаных листах
- •6.5. Планирование экспериментов при поиске оптимальных условий
- •6.5.1. Метод покоординатной оптимизации
- •6.5.2. Метод крутого восхождения
- •6.5.3. Симплексный метод планирования
- •Контрольные вопросы
- •7. Компьютерные методы статистической обработки результатов инженерного эксперимента
- •7.1. Общие замечания
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7.2. Статистические функции Microsoft Excel
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7.3. Краткое описание системы statistica
- •7. Компьютерные методы статистической обработки …
- •7.3.1. Общая структура системы
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7.3.2. Возможные способы взаимодействия с системой
- •7. Компьютерные методы статистической обработки … 7.3.3. Ввод данных
- •7. Компьютерные методы статистической обработки ...
- •7.3.4. Вывод численных и текстовых результатов анализа
- •7.3.5. Статистические процедуры системы statistica
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7.3.6. Структура диалога пользователя в системе statistica
- •7. Компьютерные методы статистической обработки ...
- •7.3.7. Примеры использования системы statistica
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •V, Least Squares
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки … Контрольные вопросы
- •Методы планирования и обработки результатов инженерного эксперимента
3.4.2. Критерий Диксона
В критерии Диксона применяется статистика:
• если подозрительная «чужеродная» точка имеет наибольшее значе ние,
х —х _■
г. . = !LJ, (3.42)
' x n-xJ+1
• если подозрительная «чужеродная» точка имеет наименьшее значе ние,
76
3. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
Г- ■ =
хм - хх
(3.43)
ХпЧ~ХХ
где хп, xn-i, x|+i - члены вариационного ряда xi< х2^ хз... ^ х ...<хп.
Диксоном были получены распределения для г-\0, Гц, г^2, /20, /21 и г22 и построены таблицы для а = 0,1; 0,05; 0,01 и 0,005 при 3 ^ п < 30 [11].
Статистика
п-\
хп -х,
используется для проверки максимального или минимального члена вариационного ряда (одна грубая ошибка, альтернативная гипотеза Н/1) ) при 3 < п < 7. Если при том же объеме выборки предполагается наличие двух и более резко выделяющихся значений (альтернативная гипотеза Н/2) ), то используется статистика г2о-
Статистики критерия Диксона, используемые при других объемах выборки, приведены в табл. 3.3.
Таблица 3.3 Статистики критерия Диксона, используемые при различных объемах выборки п
Объем выборки п |
Число грубых погрешностей |
|
одна две и более |
||
3...7 8...10 11...13 14...30 |
^10 Гц /21 /22 |
/20 /20 /21 /22 |
Критическая область в критерии Диксона выглядит аналогично критерию Н.В. Смирнова и включает значения
Гц> (/"ij)a,n, (3.44)
где (гу)а,п -табличные значения (см. [11] или табл. П.8).
Рассмотрим небольшой пример.
Пример 3.3. Пирометром измеряется температура поверхности нагретого тела (например, прокатываемой заготовки, причем будем предполагать, что
77
3. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
температура ее видимой поверхности во всех точках одинакова). Было проведено шесть измерений температуры 7 °С, и получены следующие значения: 925, 930, 950, 975, 990, 1080 (п = 6, причем, как видно, все значения приведены в возрастающей последовательности, т.е. в виде вариационного ряда 7=925 < 72=930 ^ 7з =950... ^7б=1080). Можно ли значение 7б=1080 считать грубой погрешностью, полученной, допустим, в результате неправильной регистрации показаний пирометра?
Для ответа на поставленный в этом примере вопрос предварительно вычислим оценки параметров распределения исследуемой случайной величины Т (предполагая, что она не противоречит нормальному закону распределения):
выборочное среднее арифметическоеГ и выборочное среднее квадратичное отклонение Sj:
Т = y]Tt = (925+ 930+ 950+ 975+ 990+ 1080)/6 = 915;
2 1 V^2 1 f V^ Y 1 г„^2 2 2 2 2 2ч
ST = Xi ; 2j ; = L("25 +930 +950 +975 +990 +1080 )-
n-l[i=i n{i=1 ) 6-1
1 ?!
— (925 + 930 + 950 + 975 + 990 + 1080) J = 3280; 6
ST = +д/5'г = +Л/3280 = 57,27.
В электронных таблицах Microsoft Excel для этих расчетов можно было бы использовать две статистические функции СРЗНАЧ
(925;930;950;975;990;1080) =975 и СТАНДОТКЛОН (925;930;950;975;990;1080)= 57,27128.
Теперь воспользуемся предложенным выше алгоритмом проверки статистических гипотез.
Формулируем нулевую гипотезу Н0: "Среди значений 925; 930; 950; 975; 990; 1080 нет грубых погрешностей".
Исходя из условий примера 3.2, выбираем следующую альтернативную гипотезу Н-|(1) : "Значение 1080 является (одной) грубой погрешностью".
Сформулированная нулевая гипотеза Н0 может быть проверена по любому из приведенных в этом разделе критериев, т.е. как по критерию Н.В. Смир-
78
3. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
нова, так и по критерию Диксона (хотя в литературе могут быть найдены и другие критерии). Для начала остановимся на критерии Н.В. Смирнова.
4. Значение статистики критерия Н.В. Смирнова в примере 3.2 равно (см. (3.40))
Т6-Т 1080-975 и6 = = = 1,83.
sT 57,27
Уровень значимости а примем равным 0,05.
По табл. П.7 при а = 0,05 и п = 6 находим t/o,os;6 = 1,82, и с использованием (3.41) строим критическую область со: ив > Wo,o5;6, т.е. ив > 1,82.
Принимаем решение: поскольку значение статистики (1,83 > 1,82) попало в критическую область - нулевая гипотеза отвергается, и в качестве рабочей принимается альтернативная гипотеза, т.е. значение 1080 с вероятностью 0,95 (уровень значимости, не превышает 0,05) по критерию Н.В. Смирнова можно считать грубой погрешностью.
Интересно отметить, что если бы на этапе 5 мы приняли а = 0,01, по таблицам критерия Н.В. Смирнова t/o,oi;6 = 1,94 и подсчитанное значение статистики при этом уровне значимости , то оно не попало бы в критическую область (1,83<1,94). Следовательно, при а = 0,01 мы не можем отвергнуть нулевую гипотезу, т.е. по критерию Н.В. Смирнова с вероятностью 0,99 (надежностью, достоверностью) мы не можем сказать, что значение 1080 является грубой погрешностью.
В завершение данного примера рассмотрим, как бы выглядели наши расчеты, если на этапе 3 мы бы остановились на критерии Диксона.
4. При п = 6 и альтернативной гипотезе, что имеется только одна грубая погрешность, в критерии Диксона используется статистика г10 (см. табл. 3.3), значение которой в примере 3.2 (см. (3.43)):
Т6-Т6Ч
Т6
-Т5
1080-990
Т6-T0+l Т6-Tj 1080-925
Уровень значимости а примем равным 0,05.
По табл. П.8 при а = 0,05 и п = 6 находим (гю)о,о5;б = 0,560, и с использованием (3.44) строим критическую область со: Гю > (гю) о,о5;б, т.е. Гю> 0,560.
79
3. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
7. Принимаем решение: поскольку значение статистики (0,581 > 0,560) попало в критическую область - нулевая гипотеза отвергается, и в качестве рабочей принимается альтернативная, т.е. значение 1080 с вероятностью 0,95 и по критерию Диксона можно считать грубой погрешностью.
Заметим, однако, как и по критерию Н.В. Смирнова, высказать подобное утверждение с вероятностью 0,99 по критерию Диксона мы не имеем права, поскольку по таблицам (г10) 0,01 ;6 = 0,698.