- •Содержание
- •1.8. Проверка однородности нескольких дисперсий, 23
- •1. Первичная обработка результатов мониторинга
- •1.1. Общие сведения
- •1.2. Статистические оценки результатов наблюдений
- •1.3. Расчет доверительного интервала для математического ожидания
- •1.4. Определение необходимого объема выборки
- •1.5. Отбрасывание сомнительных наблюдений
- •1.6. Проверка гипотезы об однородности двух дисперсий
- •1.7. Проверка однородности нескольких дисперсий, найденных по выборкам одинакового объема
- •1.8. Проверка однородности нескольких дисперсий, найденных по выборкам различного объема
- •1.9. Проверка однородности средних
- •1.10. Проверка нормальности распределения
- •1.11. Коэффициент корреляции
- •1.12. Ранговая корреляция
- •1.13. Обработка экспертных оценок при ранжировании
- •2.2. Дисперсионный анализ данных
- •2.3. Корреляционный анализ данных
- •3.2. Основные задачи планирования эксперимента
- •4.2. Метод наименьших квадратов для моделей с одной переменной
- •4.3. Метод наименьших квадратов для многофакторных экспериментов
- •4.3.1.Случай линейной регрессионной модели с k варьируемыми факторами. Регрессионная модель здесь имеет вид (4.2). Значения факторов, принимаемые в каждом опыте, можно свести в табл. 4.3.
- •4.5. Статистический анализ уравнения регрессии
- •4.5.4.Последовательность действий исследователя при проведении эксперимента с целью построения регрессионной модели объекта.
- •4.6. Пример обработки результатов экспериментальных исследований
- •5. Построение многофакторной линейной регрессионной модели в excel
- •6. Культура представления числовых значений измерений и вычислений
- •7. Контрольное задание
- •Методические рекомендации при оценке состояния загрязнения атмосферы населенных мест
- •Статистические характеристики загрязнения атмосферы (за)
- •Индексы загрязнения атмосферы
- •Список использованной литературы
1.5. Отбрасывание сомнительных наблюдений
Грубые наблюдения
(выбросы) подлежат исключению из выборки.
Для их обнаружения можно вновь
воспользоваться t-критерием
Стьюдента. В этом случае сомнительный
результат yi,
временно исключают из выборки, а по
оставшимся данным рассчитывают среднее
арифметическое
и оценку дисперсии s2.
Далее вычисляют величину tpaсч
.
Из таблиц распределения Стьюдента (см. табл. 1.1) по выбранному уровню значимости q и числу степеней свободы f, связанному с дисперсией s2, находят табличное значение t-критерия – tтaбл. Если tpaсч > tтaбл, то подозреваемый результат является промахом и должен быть исключен из выборки.
Иногда сомнение вызывают одновременно два или даже три элемента выборки. Исследование начинают с того из сомнительных элементов, значение которого ближе к среднему арифметическому выборки, а остальные сомнительные элементы временно отбрасывают. Затем рассчитывают значения y и s выборки без исключенных элементов, а также значение tpaсч для оставшегося сомнительного элемента. Далее решают вопрос об исключении этого элемента с уровнем значимости q. Если tpaсч > tтaбл, то оставшийся элемент выборки отбрасывают как грубое измерение. Тем более грубыми будут и остальные, ранее исключенные элементы. Если наименее сомнительный элемент не оказался промахом (tpaсч < tтaбл), то его присоединяют к выборке и исследуют следующий сомнительный элемент и т. д.
Пример. Проверим, не является ли промахом результат Н = 54 в примере из п. 1.3. Исключив это значение из выборки, найдем среднее и дисперсию по оставшимся данным:
Нср = 41,1, = 18,86, s ≈ 4,34, tpaсч = (54 – 41,1) / 4,34 ≈ 2,97.
Зададимся уровнем значимости q = 0,01. Для этого q при f = = 9 – 1 = 8 из табл. 1.1 найдем tтaбл = 3,36. Полученное соотношение tpaсч < tтaбл не дает оснований считать результат Н = 54 промахом при выбранном уровне значимости.
1.6. Проверка гипотезы об однородности двух дисперсий
Результаты экспериментальных исследований часто используют, например, для сравнения условий функционирования объектов, оценки сравнительной эффективности различных технологий, разных способов измерения и т. д. Во многих случаях соответствующие выводы делают на основе анализа и сравнения нескольких выборок. Одна из простых задач такого типа возникает, когда надо сравнивать точность двух измерительных приборов. В этом случае, очевидно, следует сравнить оценки дисперсий соответствующих выборок.
Пусть представлены
две выборки объемом n1
и n2,
по которым найдены выборочные дисперсии
и
.
Они являются оценками для генеральных
дисперсий соответственно
и
.
Предположим, что
=
.
Требуется выяснить, можно ли утверждать,
что обе выборки взяты из одной и той же
генеральной совокупности. Если это так,
то
.
В этом случае выборочные дисперсии
и
называются однородными, а различие
между ними объясняется влиянием случайных
ошибок. В противном случае генеральные
дисперсии
и
не равны друг другу. Тогда говорят, что
различие между выборочными дисперсиями
значимо.
Для проверки статистической гипотезы об однородности двух дисперсий используется критерий Фишера (F). Сначала вычисляется величина Fрасч, равная отношению большей из выборочных дисперсий к меньшей. Пусть для определенности > . Тогда
Fрасч
=
.
(1.16)
Далее задаются уровнем значимости q и вычисляют числа степеней свободы дисперсии числителя и знаменателя по формуле (1.5): f1 = n1 – 1 и f2 = n2 – 1. По трем величинам q, f1 и f2 из таблиц распределения Фишера (см.приложение 2) отыскивают величину F = Fтабл. Если Fрасч > Fтабл, то выборочные дисперсии считаются неоднородными (различие между ними значимо) для выбранного уровня значимости q. Если Fрасч ≤ Fтабл, то можно принять гипотезу об однородности дисперсий.
Пример. Для сравнения точности двух измерителей влажности воздуха каждым из них проведено 10 измерений. Результаты замеров влажности W, %, первым и вторым приборами следующие:
первый прибор |
35 |
41 |
47 |
38 |
41 |
43 |
42 |
37 |
49 |
39 |
второй прибор |
42 |
39 |
42 |
43 |
45 |
40 |
37 |
44 |
44 |
43 |
Вычисленные значения средних и выборочных дисперсий для каждого прибора соответственно равны: y1 = 41,2; y2 = 41,9; = = 18,84; = 6,32. Дисперсии существенно отличаются. Следует ли отсюда, что точность первого измерителя влажности меньше, чем второго? Вычислим Fрасч по формуле (1.16). В данном случае в числителе должна быть дисперсия :
Fрасч = / = 18,84 : 6,32 = 2,98.
Зададимся уровнем значимости q = 0,05. Числа степеней свободы каждой из дисперсии равны f1 = f2 = 10 – 1 = 9.
Из табл. 1.1 для q = 0,05, f1 = f2 = 9 найдем Fтабл = 3,18.
Полученное соотношение Fрасч < Fтабл не дает основания сделать вывод о значимости расхождения в точности исследуемых влагомеров по результатам данного эксперимента. Для окончательного решения вопроса необходимо повторить эксперимент, существенно увеличив объем каждой выборки.
