- •Исследование и оптимизация свойств строительных материалов с применением элементов математической статистики
- •Оглавление
- •Введение
- •1. Основные понятия и теоремы теории вероятностей, используемые в математической статистике
- •1.1. События. Свойства
- •1.2. Теорема сложения вероятностей несовместных событий
- •1.3. Теорема умножения вероятностей
- •Вопросы для самоконтроля
- •2. Основные понятия и методы математической
- •Вопросы для самоконтроля
- •3. Параметры математической статистики
- •Вопросы для самоконтроля
- •4. Распределение случайных величин
- •4.1. Нормальное распределение
- •Часто наблюдаются кривые с вершинами, сдвинутыми вправо (рис. 4.9, а) или влево (рис. 4.9, б). В первом случае они имеют отрицательную асимметрию, а во втором – положительную.
- •4.2. Основные виды теоретических распределений
- •4.3. Критерий близости распределения к нормальному
- •4.4. Закон распределения при малом числе испытаний
- •Например, при и становится равным 2,45, т. Е.
- •4.5. Обработка результатов измерений
- •4.6. Расчет числовых характеристик распределения и установка доверительных интервалов
- •Вопросы для самоконтроля
- •5. Основные методы математической статистики
- •5.1. Дисперсионный анализ
- •В отдельных вариантах относительно общей средней для всей совокупности.
- •5.2. Корреляционный анализ. Метод наименьших квадратов
- •6. Оптимизация исследований технических свойств материалов
- •Теперь определим -отношение
- •Заключение
- •2. Общие статистические термины
- •3. Общие термины, относящиеся к наблюдениям
- •4. Общие термины, относящиеся к выборочным методам
- •Общие требования и методические рекомендации
- •Библиографический список
- •Исследование и оптимизация свойств
Часто наблюдаются кривые с вершинами, сдвинутыми вправо (рис. 4.9, а) или влево (рис. 4.9, б). В первом случае они имеют отрицательную асимметрию, а во втором – положительную.
Отрицательная асимметрия свидетельствует о том, что преобладают варианты с большими значениями, а варианты с малыми значениями встречаются реже. Наоборот, положительная асимметрия свидетельствует о преобладании вариант с малыми значениями, но реже встречаются варианты с большими значениями.
Показатель асимметрии вычисляют по формуле
. (4.2)
Также часто встречаются кривые с приподнятой вершиной (рис. 4.9, в). Такие кривые распределения называются кривыми распределения с положительным эксцессом. Положительный эксцесс свидетельствует о скоплении большинства вариант в середине ряда, что дает характерный резкий подъём кривой в центре. Более или менее равномерное распределение вариант или скопление их по краям придают кривой распределения плосковершинную, двух-, иногда многовершинную форму (рис. 4.9, г, д, е). Такие кривые называются кривыми распределения с отрицательным эксцессом. Показатель эксцесса вычисляют по формуле
. (4.3)
Симметричные кривые распределения, не имеющие ни положительного, ни отрицательного эксцесса, называются кривыми нормального распределения (рис. 4.9, ж).
Дифференциальная кривая вместе с осью абсцисс ограничивает площадь, равную единице. Заштрихованная площадь, ограниченная ординатами, проходящими через точки хаи хb, определяет вероятность попаданияв интервал междуха ихb(рис. 4.10).
Функция распределения представляет собой некоторую абстрактную математическую модель, при помощи которой описывают случайные экспериментально наблюдаемые величины.
Аналитические выражения функции распределения содержат в себе параметры распределения. Если известен закон распределения случайной величины, то она может быть полностью охарактеризована численными значениями закона её распределения.
Рис. 4.9. Кривые распределения: а – с отрицательной асимметрией;
б – с положительной асимметрией; в – с положительным эксцессом;
г, д – с отрицательным эксцессом; е – с отрицательным эффектом в
высшей его форме; ж – кривая нормального распределения
Заштрихованная на рис. 4.10 площадь равна вероятности того, что случайная величина хзаключена в пределах (а,b), т. е.
. (4.4)
Рис. 4.10. График
дифференциальной функции распределения
непрерывной случайной величины
В большинстве случаев, когда имеет место большое количество измерений ( 50) случайной величины , её распределение соответствует нормальному закону распределения, именуемому законом Гаусса. Его главной особенностью является то, что он является предельным законом, к которому приближаются другие законы распределения вероятности
. (4.5)
Графически нормальный закон представлен симметричной относительно ординаты колоколообразной кривой (рис. 4.11) с двумя точками перегиба при, асимптотически приближающейся к оси абсцисс.
Рис. 4.11. График нормального распределения частот
Основная масса результатов измерений группируется около среднего значения . На участкеоказывается 68,3% всех измерений (68,3 % – это доля площади, ограниченная кривой распределения и этим интервалом). В границах размещается 95,4 % всех измерений, а в границах– 99,7 %.
Параметрами нормального распределения являются и. Среднее арифметическое (математическое ожидание) является центром рассеяния и определяет положение распределения на оси абсцисс, а параметропределяет форму кривой распределения. Наибольшая ордината кривой распределения обратно пропорциональна. Так как площадь, ограниченная кривой распределения и осью абсцисс, всегда равна 1, то при увеличениикривая становится плоской, и наоборот.
В практических расчетах обычно используют нормированное распределение, которое получается при переходе от величины хк её функции
. (4.6)
Тогда функция примет вид
или (4.7)
(4.8)