- •Кафедра эттм «Эксплуатация транспортно-технологических машин»
- •Содержание
- •2.2 Методы научного исследования 8
- •4.2 Тесты 34
- •5.5 Тесты 46
- •Обозначения:
- •Введение
- •1 Предварительная обработка экспериментальных данных 4
- •1.1 Вычисление характеристик эмпирических распределений
- •1 Содержание и объем отчета по самостоятельной работе
- •Оглавление Введение 3
- •1.1 Основные правила оформления пояснительной записки
- •2 Наука. Научное исследование
- •2.1 Основные сведения
- •Теория без практики мертва. Практика без теории неэффективна
- •2.2 Методы научного исследования
- •2. 3 Тесты:
- •2 Процесс научного исследования?
- •Синтез?
- •8 Индукция?
- •9 Дедукция?
- •10 Аналогия?
- •11 Моделирование?
- •12 Виды моделей?
- •13 Абстрагирование?
- •14 Метод «исторической аналогии»?
- •15 Теория подобия?
- •16 Теория?
- •17 Гипотеза?
- •18 Эвристика?
- •19 Математическая модель?
- •20 Закон?
- •21 Виды научных задач?
- •22 Наблюдение?
- •23 Теоретические задачи?
- •24 Эмпирические задачи?
- •25 Наука?
- •26 Цель науки?
- •27 Развитие науки?
- •28 Путь познания?
- •29 Процесс познания?
- •30 Познание?
- •31 Практика?
- •32 Научное исследование?
- •33 Методология?
- •3. Предварительная обработка экспериментальных данных
- •3.1 Основные понятия теории вероятностей и математической статистики
- •3.1.1 Относительная частота и вероятность
- •Генеральная совокупность и выборка
- •Вычисление характеристик эмпирических распределений (выборочных характеристик). Точечные оценки. Моменты
- •Распределение случайных ошибок измерения
- •3.3. Нормальный закон распределения
- •3.4 Основные законы распределения случайных величин
- •4 Пример статистической обработки данных
- •4.1 Порядок выполнения работы
- •Варианты заданий: Исходные данные и результаты расчетов
- •4.1.1 Отсев грубых погрешностей
- •4.1.2 Проверка гипотезы нормальности распределения
- •4.2 Тесты
- •Цель предварительной обработки экспериментальных данных?
- •2 Методы отсева грубых погрешностей?
- •3 Методы проверки гипотезы нормальности распределения?
- •4 Отличие между генеральной совокупностью и выборкой?
- •5 Закон больших чисел?
- •3. Меру рассеивания случайной величины. 4. Меру рассеивания генеральной совокупности.
- •20 Стандартное нормальное распределение?
- •21 Логарифмически-нормальное распределение?
- •22 Эксцесс? 23 Асимметрия?
- •24 Размах варьирования?
- •1. Случайная величина, у которой математическое ожидание равно 0, а дисперсия равна 1.
- •2. Случайная величина, у которой математическое ожидание равно 1, а дисперсия равна 0.
- •5.1 Факторы
- •5.2 Априорное ранжирование факторов
- •5.3. Порядок выполнения работы:
- •5.4 Варианты заданий:
- •5.5 Тесты
- •9. Учет «связанных» рангов? где п - произведение
- •10. Чему равно число факторов tj?
- •1. Стьюдента. 2. Фишера. 3. Кохрена. 4. Пирсона.
- •31. Априорная информация?
- •32. Цель априорного ранжирования факторов?
- •В зависимости от числа степеней свободы f
- •Критические значения для отсева грубых погрешностей
- •Процентные точки распределения Стьюдента
- •Критические границы отношения r/s
- •Предварительная обработка экспериментальных данных
Вычисление характеристик эмпирических распределений (выборочных характеристик). Точечные оценки. Моменты
Точечные оценки – это оценки, определяемые по одной выборке и выражаемые в виде одного числа: среднее арифметическое, мода, медиана, несмещенная оценка дисперсии.
К оценкам предъявляются требования состоятельности, несмещенности и эффективности.
Оценка называется состоятельной, если по мере роста числа наблюдений n она стремится к оцениваемому теоретическому значению параметра.
Оценка называется несмещенной, если при любом числе наблюдений n ее математическое ожидание точно равно величине оцениваемого параметра. Это требование особенно важно при малом количестве наблюдений (малом объеме выборки).
Оценка параметра называется эффективной, если среди прочих оценок того же параметра она обладает наименьшей дисперсией.
Пусть имеется ограниченный ряд наблюдений случайной величины.
Среднее значение величин этих наблюдений можно определить по формуле
.
Где представляет собой эмпирическое или выборочное среднее. Выборочное среднее выступает как приближенная оценка теоретического среднего – математического ожидания МХ или М(Х).
Абсолютное отклонение каждого наблюдения от среднего
∆Х
= di
= Хi
–
;
.
Моментом порядка k в случае одномерного эмпирического распределения называется сумма k-х степеней отклонений результатов наблюдений от произвольного числа С, деленная на объем выборки n. mk = (1/n) [∑(xi – c)];
где k может принимать любые значения натурального ряда чисел.
Если C = 0, то момент называется начальным.
Начальным моментом первого порядка является выборочное среднее.
m1н = = (1/n) [∑(xi – 0)];
При C = , момент называется центральным.
Первый
центральный момент
.
Второй центральный момент представляет собой дисперсию эмпирического распределения.
;
=
(1/n)
[∑xi
2–
(1/n)(∑xi
)2];
Эмпирическую
дисперсию
можно
рассматривать как приближенное значение
теоретической дисперсии:
Дисперсия служит характеристикой рассеивания случайной величины около среднего значения.
Немещенную
оценку для
(
- дисперсия теоретического распределения),
которая так же называется несмещенная
дисперсия,
можно найти по формуле
=
[1/(n-1)
] [∑xi
2–
(1/n)(∑xi
)2];
S2 содержит систематическую относительную погрешность - S2/ n.
Выборочные
среднеквадратические
отклонения
соответственно могут быть найдены по
формулам:
.
Значение
по-другому еще называют эмпирический
стандарт
или просто стандарт.
Среднеквадратическое отклонение используется наряду с дисперсией для характеристики степени рассеивания случайной величины и оказывается в ряде случаев более удобным и естественным, в первую очередь, с точки зрения своей однородности (в смысле единиц измерения) с различными характеристиками центра группирования.
Из других моментов чаще всего используют моменты третьего и четвертого порядка для оценки асимметрии и для оценки эксцесса:
.
.
Выборочное
значение коэффициента
вариации V,
являющееся мерой относительной
изменчивости наблюдаемой случайной
величины, вычисляют по формуле
.
