ВУЗ:
Составители:
17
В качестве точечной оценки дисперсии случайной погрешности
определяют величину
()
∑
=
−
−
=
n
1i
2
iix
m
~
X
1n
1
D
~
,
а в качестве точечной оценки с.к.о. определяют
()
∑
=
−
−
=σ
n
1i
2
iix
m
~
X
1n
1
~
Эта оценка характеризует сходимость результатов отдельных
наблюдений, то есть степень их концентрации относительно среднего
арифметического. Последнее имеет дисперсию в n раз меньшую дисперсии
случайной погрешности. Поэтому в качестве точечной оценки дисперсии
среднего арифметического принимается выражение
()
()
.m
~
X
1nn
1
~
n
1
~
n
1i
2
iixm
~
∑
=
−
−
=σ=σ
Интервальные оценки параметров наблюдений
Интервальные оценки позволяют находить доверительные
интервалы, между границами которых с определенными доверительными
вероятностями находятся истинные значения оцениваемых параметров.
Они позволяют найти не только числовое значение параметра, но и
оценить его точность и надежность [6].
Если в результате обработки выборки X
1
; X
2
;…¾;X
n
будем иметь
две статистические характеристики
(
)
n1
X,...Xz
~
′
и
(
)
n1
X,...Xz
~
′
′
такие, что при
любом значении Z будем иметь вероятность
() ()
[]
.1X...Xz
~
zX...Xz
~
P
n1n1
α
−
=
′′
<<
′
Причем
α>0 и мало. Интервал
[
]
z
~
,z
~
′
′
′
называют доверительным
интервалом для параметра z, отвечающей доверительной вероятности
P=1-
α.
Рассмотрим определение доверительного интервала для
математического ожидания измеряемой величины. Предположим, что
распределение результатов наблюдений X
i
подчиняется нормальному
закону распределения
(
)
xx
,m,xN
σ
и известны его дисперсия
x
D
и
с.к.о.
x
σ .Для оценки математического ожидания
x
m используется
характеристика
x
m
~
распределенная нормально. Для всякого
100q=α
мы
можем найти такое
q
t, что
.1
100
q
1
n
tmm
~
P
x
qxx
α−=−=
⎟
⎠
⎞
⎜
⎝
⎛
σ
<−
В качестве точечной оценки дисперсии случайной погрешности определяют величину ~ 1 n Dx = ∑ (X i − m ~ )2 , i n − 1 i =1 а в качестве точечной оценки с.к.о. определяют 1 n ~ = σ x ∑ (X i − m ~ )2 i n − 1 i =1 Эта оценка характеризует сходимость результатов отдельных наблюдений, то есть степень их концентрации относительно среднего арифметического. Последнее имеет дисперсию в n раз меньшую дисперсии случайной погрешности. Поэтому в качестве точечной оценки дисперсии среднего арифметического принимается выражение n 1~ 1 ~ σ m~ = σx = ∑ (X i − m ~ )2 . n (n − 1) i =1 i n Интервальные оценки параметров наблюдений Интервальные оценки позволяют находить доверительные интервалы, между границами которых с определенными доверительными вероятностями находятся истинные значения оцениваемых параметров. Они позволяют найти не только числовое значение параметра, но и оценить его точность и надежность [6]. Если в результате обработки выборки X1; X2;…¾;Xn будем иметь две статистические характеристики ~z ′(X1 ,...X n ) и ~z ′′(X1 ,...X n ) такие, что при любом значении Z будем иметь вероятность P[~ z ′′(X1...X n )] = 1 − α. z ′(X1...X n ) < z < ~ Причем α>0 и мало. Интервал [~ z ′′] называют доверительным z ′, ~ интервалом для параметра z, отвечающей доверительной вероятности P=1-α. Рассмотрим определение доверительного интервала для математического ожидания измеряемой величины. Предположим, что распределение результатов наблюдений Xi подчиняется нормальному закону распределения N (x , m x , σ x ) и известны его дисперсия D x и с.к.о. σ x .Для оценки математического ожидания m x используется характеристика m ~ распределенная нормально. Для всякого α = q 100 мы x ~ − m < t σ x ⎞ = 1 − q = 1 − α. можем найти такое t q , что P⎛⎜ m x x q ⎟ ⎝ n⎠ 100 17
Страницы
- « первая
- ‹ предыдущая
- …
- 15
- 16
- 17
- 18
- 19
- …
- следующая ›
- последняя »