- •Частина 1 Базові поняття статистики
- •Передмова
- •1. Вступ до геостатистики Характер геологічної інформації
- •Шкали вимірювання кількісних даних
- •Первинне опрацювання інформації
- •Системний аналіз геологічних об’єктів і процесів
- •Три типи математичних моделей
- •Роль математичної статистики в опрацюванні геологічних даних
- •Загальна схема розв’язування геологічних задач
- •Геостатистика: між ейфорією та скепсисом
- •Завдання математичної статистики
- •2. Головні поняття теорії Ймовірностей
- •Головні властивості ймовірностей
- •Приклад обчислення ймовірностей за допомогою частотного відношення
- •Властивості функції розподілу
- •Характеристики випадкових величин
- •4. Головні закони розподілу, які використовують у геостатистиці
- •Біноміальний закон розподілу
- •Закон розподілу Пуассона
- •Нормальний закон розподілу, або розподіл Гауcса
- •Логарифмічно нормальний (логнормальний) розподіл
- •Інші закони розподілу
- •Розподіл Стьюдента (t-розподіл)
- •Розподіл хі-квадрат
- •Розподіл Фішера (f-розподіл)
- •5. Точкові та інтервальні оцінки статистичного матеріалу (параметрів геологічної сукупності) Критерії оцінювання
- •Точкові оцінки для математичного сподівання, дисперсії, асиметрії та ексцесу
- •Інтервальна оцінка для математичного сподівання
- •Мінімально необхідна кількість вимірювань для оцінювання математичного сподівання із заданою точністю
- •Інтервальна оцінка для дисперсії
- •Дисперсія асиметрії та ексцесу й перевірка гіпотези про нормальний розподіл
- •6. Перевірка геологічних гіпотез Поняття про статистичне доведення
- •Шість етапів статистичного доведення
- •Похибки першого й другого роду
- •Параметричні й непараметричні критерії
- •Критерій погодженості хі-квадрат
- •7. Порівняння двох об’єктів за середнім та дисперсією Критерії Велча й Вілкоксона
- •Критерії Фішера й Сіджела–Тьюкі
- •Список Рекомендованої літератури
- •Список Довідкової Літератури
- •Деякі Інтернет-ресурси
- •Геостатистика
Логарифмічно нормальний (логнормальний) розподіл
Нехай маємо випадкову величину , логарифм якої розподілений нормально. Тобто нелінійне перетворення
(4.16)
має
нормальний закон розподілу з параметрами
(
).
Тоді розподіл величини
буде логнормальним з густиною розподілу
(рис. 4.3)
(4.17)
Тут
,
– параметри розподілу, однак вони не
збігаються із математичним сподіванням
та дисперсією величини
:
,
. (4.18)
Р ис. 4.3. Логнормальний закон розподілу для різних .
Як
бачимо, в логарифмічно-нормальному
розподілі
і
– залежні величини. На відміну від
нормального закону,
,
.
Цей розподіл має додатні асиметрію та ексцес (див. рис. 4.3).
Логнормальний закон розподілу часто використовують для опису геологічних даних (наприклад, вміст рідких елементів у породі), але як і для нормального закону його теоретичного обґрунтування, як звичайно, нема, тобто це тільки ймовірнісна модель, а не причинно-наслідковий зв’язок (детермінована модель).
Інші закони розподілу
Описані вище розподіли не вичерпують ані теоретичних моделей, ані багатство проявів природної мінливості. Можна сказати, що кожен об’єкт статистичного дослідження є унікальним, а отже, має свій закон розподілу. З іншого боку, фундаментальність нормального розподілу, як свідчить практика, часто є достатнім фактором на користь його вибору. В будь-якому разі, перш ніж відмовлятися від нормального закону розподілу або законів, пов’язаних з ним, потрібно мати важливі аргументи і передбачати додаткові труднощі, пов’язаних з дослідженням нових моделей.
Крім того, є низка спеціальних розподілів, які використовують не для опису безпосередньо спостережуваних результатів, а для опису поведінки перетворених даних та побудови критеріїв прийняття тих чи інших імовірнісних висновків. Найважливіші з них наведено нижче; вони тісно пов’язані з нормальним законом розподілу.
Розподіл Стьюдента (t-розподіл)
Розподіл Стьюдента має випадкова
величина
,
де
,
причому
– незалежні нормально розподілені
величини з нульовим середнім
та дисперсією
.
Густину розподілу описує функція
, (4.19)
де
– кількість ступенів вільності;
– гамма-функція,
,
.
Розподіл Стьюдента одномодальний і
симетричний відносно нуля. Математичне
сподівання
,
а дисперсія
Зі збільшенням кількості ступенів вільності розподіл Стьюдента наближається до стандартного нормального розподілу. Це один із важливих спеціальних розподілів, який часто використовують для перевірки різних критеріїв. Його ввів у теорію ймовірності В. Госсет, англійський науковець, що публікував праці під псевдонімом “Стьюдент”.
Розподіл хі-квадрат
Розподіл
(читають: хі-квадрат) описує функція
густини розподілу
, (4.20)
де
– гамма-функція;
– ступені вільності (натуральне число).
Широке застосування
-розподілу
зумовлене тим, що випадкову величину
можна записати як суму квадратів
незалежних величин, що мають
стандартний нормальний розподіл (
):
.
Якщо
ж
– незалежні випадкові величини зі
сподіваннями
,
але однаковими дисперсіями
,
то розподіл випадкової величини
називають нецентральним
-розподілом
із параметром нецентральності
.
Зі збільшенням кількості ступенів
вільності нецентральний
-розподіл
асимптотично наближається до нормального
розподілу з параметрами
.
Цей розподіл використовують у багатьох
статистичних критеріях перевірки
гіпотез.
