2015_4488
.pdfраспределения известна, то вероятность попадания случайной величины x в интервал (x1 ... x2 ) в конкретном наблюдении равна
P{x1 x x2} P(x2 ) P(x1). |
(3.2) |
На практике чаще используют дифференциальную функцию распределения – плотность вероятности:
f (x) dP . |
(3.3) |
dx |
|
Она имеет физическую размерность, обратную размерности величины x и также позволяет рассчитывать вероятность попадания слу-
чайной величины в интервал (x1 ... x2 ) :
x2 |
|
|
P{x1 x x2} |
f (x) dx . |
(3.4) |
x1 |
|
|
Функция f (x) подчиняется условию нормировки: вероятность попадания в интервал всей области определения равна единице:
|
f (x) dx 1 |
|
|
(3.5) |
(или 0)
(вдальнейшихформулах предполагается областьопределения ( , )).
Интегральными характеристиками распределения случайной величины является математическое ожидание или генеральное среднее
M{x} |
|
|
x f (x)dx , |
(3.6) |
первые моменты k-го порядка:
D{x} m2 |
|
[x M{x}]2 f (x)dx – дисперсия, |
|
||
|
(3.7) |
||||
|
|
|
|
|
|
|
|
m3 |
|
[x M{x}]3 f (x)dx, |
|
|
|
|
(3.8) |
21
|
|
|
|
|
|
|
m4 [x M{x}]4 f (x)dx |
|
|
|
|
и производные от них: |
|||
A{x} |
m3 |
– асимметрия, |
|
|
3/2 |
||
|
(m2 ) |
|
|
E{x} m4 |
3 |
– эксцесс. |
|
|
m2 |
|
|
|
2 |
|
|
(3.9)
(3.10)
(3.11)
Дисперсия характеризует разброс случайной величины относительно ее математического ожидания. Асимметрия характеризует симметричность распределения относительно M{x} . Положительная
асимметрия указывает на отклонение распределения в сторону, большую M{x} . Эксцесс характеризует остроконечность или сглаженность
вершины плотности вероятности распределения. Кроме этого используются характеристики:
мода ( md ) – значение x , при котором f (x) имеет максимум;
медиана ( m ) – значение x , делящее площадь под распределением f (x) пополам.
Наиболее простым является равномерный закон распределения, при котором плотность вероятности постоянна:
f (x) f const .
При этом условие нормировки требует, чтобы область определения этой величины (a, b) была ограниченной так, чтобы f (b a) 1 . При
этом f b 1 a .
Наиболее распространенным в практике измерения физических величин является нормальный или гауссов закон распределения
f (x) |
1 |
|
|
(x )2 |
|
(3.12) |
|
|
exp |
|
|
|
|||
|
|
2 |
|||||
|
2 |
|
|
2 |
|
|
|
|
|
|
|
|
|
||
|
|
22 |
|
|
|
|
|
с параметрами и . Для этого закона:
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
(x )2 |
|
|
||||||||||
|
|
|
|
M{x} |
|
|
|
|
x exp |
|
|
|
|
|
|
|
2 |
|
dx ; |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
(x )2 |
|
|||||||
|
|
|
D{x} |
|
|
|
|
|
(x )2 exp |
|
|
|
|
|
|
dx 2 ; |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
2 |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
(x ) |
2 |
|
|
|
|
|
||||||||
m |
|
|
|
|
|
(x )3 exp |
|
|
|
dx |
0 ; |
A{x} 0 ; |
||||||||||||||||
|
|
|
|
|
|
2 |
|
|
|
|||||||||||||||||||
3 |
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
(x ) |
2 |
|
|
|
|
|
|
|
||||||
m |
|
|
|
|
|
(x )4 exp |
|
|
|
dx 3 2 ; |
E{x} 0 ; |
|||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||||
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
2 |
|
|
|
|
|
|
|
|
|
||||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
md ; |
|
m . |
|
|
|
|
График функции плотности вероятности гауссова распределения показан на рис. 3.1. Функция имеет максимум в точке x . Пара-
метр 2 характеризует разброс случайной величины вокруг математического ожидания , поэтому чем больше 2 , тем более растянута вдоль оси x функция f (x) . Так как эта функция подчиняется условию
нормировки (3.5), площадь под каждой из кривых одинакова и равна единице.
Другими самыми распространенными статистическими распределениями являются t-распределение Стьюдента и χ2-распределение Пирсона.
t-распределение Стьюдента имеет вид
|
1 |
|
|
|
|
|
1 |
|
|
|||||
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
x |
2 |
|
|
|
|||||
|
|
2 |
|
|
|
|
||||||||
f (x) |
|
|
|
1 |
|
|
|
|
|
, |
(3.13) |
|||
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
где – параметр распределения, называемый числом степеней свободы;
23
(x ) e t t x 1 dt – гамма-функция.
0
График t-распределения Стьюдента при различных значениях параметра представлен на рис. 3.2.
0.4 |
f(x) |
|
|
|
|
|
|
|
|
|
|
|
= 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
0.3 |
|
|
|
|
|
|
|
|
0.2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
= 2 |
|
|
|
0.1 |
|
|
|
|
|
|
= 3 |
|
|
|
|
|
|
|
|
|
|
0.0 |
|
|
|
|
|
|
|
|
4 |
6 |
8 |
10 |
12 |
14 |
x |
16 |
|
|
|
|
|
|
|
|
|
|
Рис. 3.1. Кривые плотности нормального распределения |
||||||||
|
|
для различных значений дисперсии 2 |
|
|
||||
0.45 |
|
|
|
|
|
|
|
|
0.40 |
|
|
|
|
|
|
|
|
0.35 |
f(x) |
|
|
= 10 |
|
|
|
|
0.30 |
|
|
= 5 |
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
= 2 |
|
|
|
|
0.25 |
|
|
|
= 1 |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
0.20 |
|
|
|
|
|
|
|
|
0.15 |
|
|
|
|
|
|
|
|
0.10 |
|
|
|
|
|
|
|
|
0.05 |
|
|
|
|
|
|
|
|
0.00 |
-3 |
-2 |
-1 |
0 |
1 |
2 |
|
3 |
|
|
|||||||
|
|
|
|
x |
|
|
|
|
Рис. 3.2. Кривые плотности распределения Стьюдента |
||||||||
|
|
при различных значениях параметра |
|
|
||||
|
|
|
|
24 |
|
|
|
|
При |
распределение Стьюдента переходит в нормальное с |
|||||||||||||
параметрами = 0 и = 1. |
|
|
|
|
|
|
|
|||||||
Распределение Пирсона ( 2 ) имеет плотность вероятности: |
|
|||||||||||||
|
f (x) |
|
1 |
|
|
x |
/2 1 |
|
x |
; |
x |
2 |
0 , |
(3.14) |
|
|
|
|
|
|
exp |
|
|
||||||
|
2 |
/2 |
|
|
|
2 |
|
|
|
|
|
|||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где – параметр распределения (число степеней свободы) (рис. 3.3). |
||||||||||||||
|
0.30 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.25 |
|
= 2 |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f(x) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.20 |
|
|
|
= 4 |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
0.15 |
|
|
|
|
|
= 6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= 8 |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
0.10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.05 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.00 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
2 |
|
|
|
4 |
6 |
8 |
10 |
12 |
|
14 |
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
Рис. 3.3. Кривые плотности распределения Пирсона |
|
||||||||||||
|
|
при различных значениях параметра |
|
|
Распределения Стьюдента и Пирсона используются при оценке доверительных интервалов величин, имеющих нормальный закон распределения.
Распределение Фишера F имеет плотность вероятности:
|
|
|
m n |
|
m |
||
f (x) |
|
|
2 |
|
m |
2 |
|
|
|
|
|
n |
|
||
|
m |
|
n |
|
|||
|
|
2 |
2 |
|
|
|
m |
1 |
|
||
|
x 2 |
|
|
; |
0 x . |
1 |
m x |
m n |
|||
2 |
|
|
|||
|
n |
|
|
|
|
25
1.2 |
|
|
|
|
|
|
1.0 |
f(x) |
|
|
|
|
|
m=1; n=2; |
|
|
|
|
|
|
|
|
|
|
|
|
|
0.8 |
m=2; n=4; |
|
|
|
|
|
|
|
|
|
|
||
0.6 |
|
m=3; n=5; |
|
|
|
|
|
|
|
|
|
|
|
0.4 |
|
|
m=4; n=6; |
|
|
|
|
|
|
|
|
|
|
0.2 |
|
|
|
|
|
|
0.0 |
|
|
|
|
|
|
0.0 |
0.5 |
1.0 |
1.5 |
2.0 |
2.5 |
3.0 |
|
|
|
x |
|
|
|
Рис. 3.4. Кривые плотности распределения Фишера |
||||||
при различных значениях параметров m и n |
|
Параметрами этого распределения являются m и n.
Распределение Фишера используется для сравнения дисперсий случайных величин, распределенных по нормальному закону. График распределения показан на рис. 3.4.
3.3. КВАНТИЛИ РАСПРЕДЕЛЕНИЙ
Функции распределений f (x) позволяют по формуле (3.4) вычис-
лить вероятности попаданий случайной величины в заданный интервал. На практике часто необходимо решить обратную задачу – вычислить интервал, в котором с заданной вероятностью будет лежать случайная величина. Верхняя граница этого интервала называется кван-
тилем соответствующего распределения. Иными словами, квантиль есть корень уравнения:
F( ) |
|
f (x) dx P 0 . |
|
|
(3.15) |
||
|
или 0 |
|
|
Квантиль есть функция параметров распределения и заданной вероятности P . Квантиль распределения Стьюдента (его обычно обозначают t )
26
будет функцией двух переменных – |
t( , P) . Аналогично квантиль рас- |
|||||||
пределенияПирсона 2 есть функцияэтих жепеременных: 2 ( , P). |
||||||||
0.45 |
|
|
|
|
|
|
|
|
0.40 |
|
|
|
|
|
|
|
|
0.35 |
f(x) |
|
|
|
|
|
|
|
0.30 |
|
|
|
|
|
|
|
|
0.25 |
|
|
|
|
|
|
|
|
0.20 |
|
|
P = 0.9 |
|
|
|
|
|
0.15 |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
0.10 |
|
|
|
|
|
|
|
|
0.05 |
|
|
|
|
|
|
|
|
0.00 |
-3 |
-2 |
-1 |
0 |
1 |
2 |
x |
3 |
|
||||||||
|
|
|
|
|
t = 1.372 |
|
|
Рис. 3.5. Квантиль распределения Стьюдента |
|||||||
|
|
при 2 для P = 0.9 |
|
|
|||
0.15 |
|
|
|
|
|
|
|
|
f(x) |
|
|
|
|
|
|
0.10 |
|
|
|
|
|
|
|
|
|
P = 0.9 |
|
|
|
|
|
0.05 |
|
|
|
|
|
|
|
0.00 |
|
|
|
|
|
|
14 x |
0 |
2 |
4 |
6 |
8 |
10 |
12 |
|
|
|
|
|
|
2=10.645 |
|
|
Рис. 3.6. Квантиль распределения Пирсона |
|||||||
|
|
при 6 для P = 0.9 |
|
|
|||
|
|
|
|
27 |
|
|
|
Квантиль распределения Стьюдента при 2 , соответствующий уравнению (3.15) для вероятности P 0.9 , показан на рис. 3.5. Значе-
ние квантиля (он обозначен как t ) равно 1,372. |
Площадь под распре- |
||
делением |
слева от |
этого значения составляет |
P 0.9 , а справа – |
1 P 0.1. |
На рис. |
3.6 показан квантиль распределения Пирсона для |
6 и P 0.9 . Его значение составляет 10,645.
3.4. ОЦЕНКА ИНТЕРВАЛОВ
Во многих задачах статистики необходимо определить интервал, в который случайная величина попадает с заданной вероятностью. При этом может производиться односторонняя оценка (сверху или снизу) или двухсторонняя.
Если проводится односторонняя оценка сверху, то искомая граница x и есть квантиль:
x ..., P .
Для односторонней оценки снизу нужно вычислить квантиль с параметром вероятности 1 P :
x ... |
,1 P . |
При вычислении двухсторонних границ интервала слева от нижней границы и справа от верхней должны получиться одинаковые площади
под распределением, равные 1 2P . Следовательно, границы x1 и x2 могут быть вычислены через квантили
x |
..., |
1 P |
. |
(3.16) |
|||||
|
|
||||||||
1 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
||
x |
|
..., |
1 |
P |
. |
(3.17) |
|||
|
|
||||||||
2 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
Многоточием обозначен список параметров распределения, который для каждого конкретного распределения может быть различным.
Например, необходимо вычислить границы t1 и t2 , в которые ве-
личина t , подчиняющаяся распределению Стьюдента при 2 , попадает с вероятностью P 0.9 :
28
0.45 |
|
|
|
|
|
|
|
0.40 |
|
|
|
|
|
|
|
0.35 |
f(x) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.30 |
|
|
|
|
|
|
|
0.25 |
|
|
|
|
|
|
|
0.20 |
|
|
P = 0 .9 |
|
|
|
|
0.15 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.10 |
|
|
|
|
|
|
|
0.05 |
|
|
|
|
|
|
|
0.00 |
|
|
|
|
|
x |
|
-3 |
-2 |
-1 |
0 |
1 |
2 |
3 |
|
|
t1 |
= -1.812 |
|
t2 |
= 1 .812 |
|
|
Рис. 3.6. Двухсторонние границы распределения Стьюдента |
|||||||
|
|
при 2 для P = 0.9 |
|
|
|
||
0.15 |
|
|
|
|
|
|
|
f(x)
0.10
P = 0 .9
0.05
0.00
0 |
2 |
4 |
6 |
8 |
10 |
1 2 |
1 4 |
x |
2 |
= 1 .6 3 5 |
|
|
|
|
2 |
= 1 2 .5 9 2 |
|
1 |
|
|
|
|
|
2 |
|
|
Рис. 3.7. Двухсторонние границы распределения Пирсона при 6 для P = 0.9
29
|
t |
t |
,1 P t |
|
2,1 |
0,9 |
t 2, |
0.05 1,812 , |
|
|
|
|||||||
|
1 |
|
|
|
2 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
t2 |
|
|
1 P |
|
|
2, |
1 0,9 |
|
|
|
|
|
|||||
|
t , |
2 |
t |
|
|
2 |
|
t 2, 0.95 1,812 . |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Для распределения Пирсона при 6 и |
P 0.9 границы |
2 |
и |
2. |
||||||||||||||
будут равны: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
2 |
2 |
,1 P 2 |
6,1 0,9 2 6, |
0.05 1,635 , |
|
|
||||||||||||
1 |
|
|
|
|
2 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
22 |
|
|
|
1 |
P |
|
|
|
1 0,9 |
6, |
0.95 12,592 . |
|
|
|||||
2 , |
|
2 |
2 6, |
2 |
|
2 |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Эти значения границ показаны на рис. 3.6 и 3.7.
3.5. СТАТИСТИЧЕСКИЕ ФУНКЦИИ MathCAD И Excel
Самым лучшим пакетом, предназначенным для решения статистических задач, является специализированный пакет Statistica. Но и программы более широкого применения – MathCAD и Excel имеют ряд статистических функций.
Функции MathCAD, соответствующие рассмотренным выше задачам, следующие:
для расчета интегральных функций распределения P(x) :
punif(x,a,b) – функция равномерного распределения;
pnorm(x, , ) – функция нормального распределения;
pt(x, ) – функция распределения Стьюдента;
pchisq(x, ) – функция 2 -распределения Пирсона;
pF(x,n,m) – функция распределения Фишера;
для расчета функций плотности вероятности f (x) dPdx :
dunif(x,a,b) – плотность вероятности равномерного распределения;
dnorm(x, , ) – плотность вероятности нормального распределения;
30