Метрология: применение математической статистики при измерениях и испытаниях

Содержание

Слайд 2

МЕТРОЛОГИЯ
Применение математической статистики при измерениях и испытаниях

МЕТРОЛОГИЯ Применение математической статистики при измерениях и испытаниях

Слайд 3

Статистические гипотезы. Проверка гипотез. Односторонний и двухсторонний критерии

Генеральная совокупность случайной величины (СВ)

Статистические гипотезы. Проверка гипотез. Односторонний и двухсторонний критерии Генеральная совокупность случайной величины
- бесконечное (очень большое) число наблюдений СВ.
Выборочная совокупность – выборка ограниченного объема из генеральной совокупности.

Слайд 4

Закон распределения генеральной совокупности. Плотность распределения

- плотность непрерывного распределения

- непрерывная функция распределения

Х

Закон распределения генеральной совокупности. Плотность распределения - плотность непрерывного распределения - непрерывная
– случайная величина

- связь между функцией и плотностью распределения

Слайд 5

Статистическая гипотеза (СГ) – некоторое предположение относительно вида неизвестного или о параметрах

Статистическая гипотеза (СГ) – некоторое предположение относительно вида неизвестного или о параметрах
известного распределения генеральной совокупности СВ.
Проверка СГ заключается в сопоставлении неких статистических показателей (Θ - критериев проверки), вычисляемых по выборке, со значениями Θкр. , которые определены при верной проверяемой гипотезе.

Слайд 6

ЭТАПЫ ПРОВЕРКИ СГ
1 Выдвигают основную ( Н0 : ) и одновременно альтернативную

ЭТАПЫ ПРОВЕРКИ СГ 1 Выдвигают основную ( Н0 : ) и одновременно
( Н1 : ) гипотезы.
2 Вычисляют по выборке СВ некий статистический критерий ( Θрасч. ) .
3 Сравнивают рассчитанное значение Θрасч. с критическим Θкр. (табличным).
4 В зависимости от результатов сравнения Θ > Θрасч.(Θ < Θрасч.) принимают Н0 : или Н1 :

Слайд 7

Θрасч. - это специально подобранная CВ, точное или приблизительное распределение которой известно.

Θрасч. - это специально подобранная CВ, точное или приблизительное распределение которой известно.

Проверка СГ заключается в сопоставлении Θрасч. со значением Θкр. , которое определено в предположении, что проверяемая гипотеза верна.

Слайд 8

Условия принятия (отбрасывания) гипотез:

1 Н0 : - принимается, если Θрасч. не попадает

Условия принятия (отбрасывания) гипотез: 1 Н0 : - принимается, если Θрасч. не
в критическую область, при этом отвергается Н1 :
2 Н1 : - принимается, если Θрасч. попадает в критическую область, одновременно отвергается Н0 :

Слайд 9

Односторонний критерий принятия гипотезы

Для одностороннего (правостороннего) критерия вероятность попасть Θрасч. в

Односторонний критерий принятия гипотезы Для одностороннего (правостороннего) критерия вероятность попасть Θрасч. в
критическую область (заштрихована) равна Р (Θрасч.> Θкр.) = q
q - есть уровень значимости

Слайд 10

Для левостороннего критерия вероятность попадания Θрасч. в критическую область равна Р (Θрасч.<

Для левостороннего критерия вероятность попадания Θрасч. в критическую область равна Р (Θрасч.
Θкр.) = q
Вероятность попадания Θрасч. в область принятия гипотезы Н0 равна α = 1- q α - есть доверительная вероятность

Слайд 11

Двухсторонний критерий принятия гипотезы

Вероятность попадания Θрасч. в критическую область равна: Р (Θрасч.<

Двухсторонний критерий принятия гипотезы Вероятность попадания Θрасч. в критическую область равна: Р
Θкр.1 ) + Р (Θрасч.> Θкр.2 ) = q

Слайд 12

Если распределение Θ симметрично: - Θкр.1 = Θкр.2 = Θкр. , то

Если распределение Θ симметрично: - Θкр.1 = Θкр.2 = Θкр. , то
вероятность попадания Θрасч. в любую из критических областей равна: Р (Θрасч.> Θкр.) = q/2

0

Слайд 13

Для двухстороннего критерия численное значение q*/2 = 0,05 берут таким же, как

Для двухстороннего критерия численное значение q*/2 = 0,05 берут таким же, как
для одностороннего критерия q = 0,05
В этом случае вероятность ошибки второго рода будет одинаковой для одностороннего и двухстороннего критерия (для последнего критерия получаем q*= 0,10 )

Практическое правило:

Слайд 14

Как найти границы критической области ?

Рассмотрим правостороннюю область. Для нахождения Θкр. задаются

Как найти границы критической области ? Рассмотрим правостороннюю область. Для нахождения Θкр.
малой вероятностью q (0,05; 0,025; 0,01) . Затем ищут Θкр. , исходя из неравенства Р (Θ > Θкр.) = q

Слайд 15

Это означает, что вероятность события Θ > Θкр. мала, и в единичном

Это означает, что вероятность события Θ > Θкр. мала, и в единичном
испытании оно не должно наступить. Если все же событие произошло, то Н0 : ложна.

Слайд 16

Ошибки первого и второго рода:

Ошибка 1-го рода – отвергнуть верную гипотезу (Н0

Ошибки первого и второго рода: Ошибка 1-го рода – отвергнуть верную гипотезу
:) . Причем Н0 : действительно верна.
Её вероятность составляет не более q. При q = 0,05 ошибка 1-го рода произойдет в 5 случаях из 100. Ошибку 1-го рода называют риском производителя

Слайд 17

Ошибка 2-го рода – принять ложную гипотезу (Н0 :) за верную. Причем

Ошибка 2-го рода – принять ложную гипотезу (Н0 :) за верную. Причем
Н0 : действительно ложная. Оценить вероятность её очень сложно. При увеличении q , увеличивается число отвергаемых гипотез! Ошибку 2-го рода называют риском потребителя

Слайд 18

Если вероятность ошибки 2-го рода принять равным β, то (1- β) называют

Если вероятность ошибки 2-го рода принять равным β, то (1- β) называют
мощностью критерия - это вероятность отклонения Н0 : , когда она ложная. Мощность критерия характеризует вероятность ошибочного применения ложной гипотезы Н0 . 1- β – вероятность не совершить ошибку второго рода.

Слайд 19

H0: m = 0; если H0 : верна, то q зеленая
H1:

H0: m = 0; если H0 : верна, то q зеленая H1:
m = 3; если H0 : ложна, то β синяя

Слайд 20

Мощность критерия должна быть максимальной, это обеспечивает минимальность ошибки 2-го рода.
Если

Мощность критерия должна быть максимальной, это обеспечивает минимальность ошибки 2-го рода. Если
уменьшать q , то β будет возрастать при n = const . Единственный способ одновременного уменьшения q и β - это увеличение объема выборки (n) !

Слайд 21

Нормальный (гауссовский) закон распределения случайной величины

Карл Фридрих Гаусс 30.04.1777 - 23.02.1855

Нормальный (гауссовский) закон распределения случайной величины Карл Фридрих Гаусс 30.04.1777 - 23.02.1855
великий немецкий математик, астроном и физик. Считается одним из величайших математиков всех времён «Король математиков»

Слайд 22

– генеральное мат. ожидание СВ
σ 2 – генеральная дисперсия СВ

СВ

– генеральное мат. ожидание СВ σ 2 – генеральная дисперсия СВ СВ
распределена по нормальному закону, если плотность её распределения описывается выражением:

Слайд 24

Характеристики кривой НР:

1 Симметрия относительно центра распределения: Медиана равна мат. ожиданию
2

Характеристики кривой НР: 1 Симметрия относительно центра распределения: Медиана равна мат. ожиданию
Мода – в центре распределения
3 f ( x ) > 0
4 Точки перегиба – при

Слайд 25

Вычисление вероятности по нормальному закону распределения

Пусть случайная величина Х распределена по нормальному

Вычисление вероятности по нормальному закону распределения Пусть случайная величина Х распределена по
закону, тогда вероятность найти Х < х равна:

Слайд 26

Перейдем к интегралу вероятности

- центрирование, нормировка, замена переменной

→ из свойства F(x)

Перейдем к интегралу вероятности - центрирование, нормировка, замена переменной → из свойства F(x)

Слайд 27

- функция Лапласа

Свойства функции Лапласа:

нечетная функция

- функция Лапласа Свойства функции Лапласа: нечетная функция

Слайд 28

Пьер-Симо́н, маркиз де Лапла́с (Pierre-Simon de Laplace)  23.03.1749-05.03.1827. Французский математик, механик, физик и астроном. Известен работами

Пьер-Симо́н, маркиз де Лапла́с (Pierre-Simon de Laplace) 23.03.1749-05.03.1827. Французский математик, механик, физик
в области небесной механики, диф.уравнений, один из создателей теории вероятности. Заслуги Лапласа в области теоретической и прикладной математики 
и, особенно в астрономии, громадны: он усовершенствовал почти все отделы этих наук. Был членом Французского географического общества.

Слайд 29

Таблица значений функции

Таблица значений функции

Слайд 30

Вычисление вероятности нахождения СВ, распределенной по НЗ, в интервале от a до

Вычисление вероятности нахождения СВ, распределенной по НЗ, в интервале от a до
b по функции (интегралу) Лапласа

Слайд 31

Заменим СВ х по НЗ на

получим

Если генеральные МО и дисперсия известны, то

Заменим СВ х по НЗ на получим Если генеральные МО и дисперсия
вероятность найти “ х ” в интервале (a, b) :

Слайд 32

Перейдем от “ x ” к отклонению от мат.ожидания ,

и переформулируем

Перейдем от “ x ” к отклонению от мат.ожидания , и переформулируем задачу: где
задачу:

где

Слайд 33

Если интервал (А, В) симметричен: A= – B и В > 0

Если интервал (А, В) симметричен: A= – B и В > 0
, т.к. Ф(х) - нечетная:

Тогда вероятность найти:

(1)

Слайд 34

Пример 1: вычислим по (1) какова вероятность, что , т.к. В ≡

Пример 1: вычислим по (1) какова вероятность, что , т.к. В ≡
σ ,
то есть аргумент

При n→∞ в 2/3 наблюдений не превышает σ !!!

Слайд 35

Пример 2: вычислим какова вероятность, что , т.е.

Пример 3: вычислим вероятность,

Пример 2: вычислим какова вероятность, что , т.е. Пример 3: вычислим вероятность,

что , т.е.

Это правило 1, 2 и 3 σ !!!

Имя файла: Метрология:-применение-математической-статистики-при-измерениях-и-испытаниях.pptx
Количество просмотров: 48
Количество скачиваний: 0