- •Теория вероятностей § 1. Основные понятия
- •§ 2. Последовательные испытания. Формула бернулли
- •§ 3. Случайные величины
- •§4. Числовые характеристики случайных величин
- •§ 5. Законы больших чисел
- •§ 6. Теоремы ляпунова и лапласа
- •Приложение теории вероятностей к обработке результатов измерений
- •Применение теории вероятностей к статистике
- •Элементы теории корреляций
- •Приложение
- •Значения функции
- •Значения функции
Приложение теории вероятностей к обработке результатов измерений
Пусть для определения неизвестной физической постоянной а производится п независимых измерений, причем считается, что грубые и систематические ошибки отсутствуют (см. §6, п.2 раздела теории вероятностей). Возможный результат каждого из п измерений есть случайная величина, которую мы обозначим через ξi (i – номер измерения). Так как каждое измерение не зависит от результатов других измерений, то мы имеем п случайных независимых величин x1, x2, … xn. Обозначив через х1, х2, ..., хп фактически полученные результаты п измерений величины а. Таким образом, xi есть одно из возможных значений ξi.
На основании закона больших чисел Чебышева (см. §5, п.2) можно утверждать, что с практической достоверностью для достаточно большого числа п измерений средняя арифметическая результатов измерений отличается от истинного значения физической постоянной сколь угодно мало, т. е. с вероятностью, сколь угодно близкой к единице, имеет место приближенное равенство
Оценим точность этого приближенного равенства. Для этого, прежде всего, заметим, что в силу основного закона ошибок (см §6, п.2 раздела теории вероятностей) каждый возможный результат измерения ξi есть случайная величина, подчиняющаяся нормальному закону распределения вероятностей с одним и тем же математическим ожиданием, равным истинному значению а измеряемой величины: M(ξi) = a (i = l, 2, … n). Далее будем предполагать, что все измерения проводятся с одинаковой степенью точности (равноточные измерения). Поэтому дисперсии всех случайных величин должны быть одинаковыми, т. е. D(ξi) = σ2.
Сначала рассмотрим случай оценки неизвестного значения а, предполагая известным значение σ. Так как возможный результат i-го измерения есть случайная величина ξi, подчиняющаяся нормальному закону распределения вероятностей с математическим ожиданием M(ξi) = a и дисперсией D(ξi) = σ2, то случайная величина = (ξ1 + ξ2 + … + ξn)/n также имеет нормальное распределение с тем же математическим ожиданием M( ) = a и средним квадратическим отклонением (см. §4, п.3 раздела теории вероятностей). Поэтому плотность распределения вероятностей для средней арифметической имеет вид
где параметры распределения равны а и
Следовательно, вероятность того, что при п измерениях мы получим такую совокупность значений x1, x2, … xn, что при любом ε > 0 интервал ] –ε, +ε[ будет содержать а, на основании формулы (33) определяется соотношением
(58)
Интервал ] –ε, +ε[ имеет случайные границы –ε и +ε. Соотношение (58) справедливо для любого значения n ≥ 1. Вероятность не зависит от конкретных значений, которые принимают случайные величины x1, x2, … xn, и, при возрастании числа измерений п, в силу свойства функции Ф(x), возрастает (см. §3, п.4). Соотношение (58) показывает, что каковы бы ни были значения x1, x2, … xn, полученные при измерении, имеет место формула
(59)
где . Величина называется средней выборочной. Формулой (59) в большинстве случаев пользоваться нельзя, так как обычно значение σ неизвестно. Поэтому рассмотрим случай, когда обе величины а и σ неизвестны.
Введём случайную величину s2, определенную соотношением
(60)
где = (ξ1 + ξ2 + … + ξn)/n. Можно показать, что величина s2 имеет математическое ожидание, равное σ2, и дисперсию, σ равную ; т. е. М(s2) = σ2, D(s2) = (доказательство не приводится ввиду громоздкости вычислений). Применим к случайной величине s2 вторую лемму Чебышева (см. §5, п.1):
где ε > 0. Подставляя значения М(s2) и D(s2), получим
(61)
Соотношение (61) показывает, что если п → ∞, то P[|s2 σ2| < ε] → 1, т. е. s2 стремится по вероятности к σ2.
Рассмотрим величину . Так как есть одно из возможных значений s2, то при достаточно больших п с практической достоверностью можно утверждать, что имеет место приближение равенство
или (62)
где . Величину называют выборочной дисперсией.
На практике для оценки вероятности того, что истинное значение а измеряемой величины лежит в интервале ] –ε, +ε[, пользуются формулой (59), где вместо σ подставляют ее приближенное значение , найденное по формуле (62).
Итак, для достаточно больших значений п имеем
(63)
где (64)
Интервал ] –ε, +ε[ называется доверительным интервалом а вероятность, вычисленная по формуле (63) – надежностью17*.
Пример. Для определения процентного содержания хрома в стали были выполнены 34 измерения, результаты которых сведены в следующую таблицу.
№ |
|
|
|
№ |
|
|
|
1 |
4,505 |
0∙10-3 |
0∙10-6 |
19 |
4,507 |
2∙10-3 |
4∙10-6 |
2 |
4,525 |
19∙10-3 |
361∙10-6 |
20 |
4,502 |
-3∙10-3 |
9∙10-6 |
3 |
4,492 |
-13∙10-3 |
169∙10-6 |
21 |
4,497 |
-8∙10-3 |
64∙10-6 |
4 |
4,500 |
-5∙10-3 |
25∙10-6 |
22 |
4,485 |
-20∙10-3 |
400∙10-6 |
5 |
4,493 |
-12∙10-3 |
144∙10-6 |
23 |
4,511 |
6∙10-3 |
36∙10-6 |
6 |
4,515 |
10∙10-3 |
100∙10-6 |
24 |
4,519 |
14∙10-3 |
196∙10-6 |
7 |
4,504 |
-1∙10-3 |
1∙10-6 |
25 |
4,513 |
8∙10-3 |
64∙10-6 |
8 |
4,508 |
3∙10-3 |
9∙10-6 |
26 |
4,517 |
12∙10-3 |
144∙10-6 |
9 |
4,517 |
12∙10-3 |
144∙10-6 |
27 |
4,508 |
3∙10-3 |
9∙10-6 |
10 |
4,513 |
8∙10-3 |
54∙10-6 |
28 |
4,504 |
-1∙10-3 |
1∙10-6 |
11 |
4,519 |
14∙10-3 |
196∙10-6 |
29 |
4,515 |
10∙10-3 |
100∙10-6 |
12 |
4,511 |
6∙10-3 |
36∙10-6 |
30 |
4,493 |
-12∙10-3 |
144∙10-6 |
13 |
4,485 |
-20∙10-3 |
400∙10-6 |
31 |
4,500 |
-5∙10-3 |
25∙10-6 |
14 |
4,497 |
-8∙10-3 |
64∙10-6 |
32 |
4,492 |
-13∙10-3 |
169∙10-6 |
15 |
4,502 |
-3∙10-3 |
9∙10-6 |
33 |
4,424 |
19∙10-3 |
361∙10-6 |
16 |
4,507 |
2∙10-3 |
4∙10-6 |
34 |
4,505 |
0∙10-3 |
0∙10-6 |
17 |
4,501 |
-4∙10-3 |
16∙10-6 |
∑ |
153,186 |
|
6968∙10-6 |
18 |
4,501 |
-4∙10-3 |
16∙10-6 |
Найти доверительный интервал с надежностью α = 0,9973.
Решение. Здесь n = 34. Используя табличные данные, находим
; ; .
При надежности α = 0,9973 по формуле (63) получим
Следовательно, Ф(ε/0,0025) = 0,49865. Из табл.II Приложения найдем ε/0,0025 = 3, откуда получаем ε = 0,0025 ∙ 3 = 0,0075.
В данном случае доверительный интервал ] –ε, +ε[ = ]4,5055 – 0,0075; 4,5055 + 0,0075[ = =]4,498; 4,513[.
Итак, с надежностью α = 0,9973 процентное содержание хрома в стали находится в интервале ]4,498; 4,513[.