Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Для того, чтобы при заданном уровне значимости α проверить Н0: “генеральная совокупность распределена нормально”, необходимо:
1. вычислить теоретические частоты;
2. вычислить наблюдаемое значение критерия:
3. по таблицам критических точек распределения χ2 по заданному уровню значимости и числу степеней свободы v=k–3, найти критическую точку: cкр2 =(α,v);
4. сравнить 2 имеющихся критерия:
- если < cкр2 - нет основания отвергать нулевую гипотезу о нормальном распределении.
- если > cкр2 - нулевую гипотезу о нормальном распределении отвергают.
Замечание:
объем выборки должен быть достаточно велик (более 50);
малочисленные группы следует объединять в одну, суммируя частоты;
т.к. возможные ошибки первого и второго рода, то в окончательном выводе следует проявить осторожность:
можно повторить опыт;
увеличить число наблюдений;
для проверки воспользоваться другими критериями;
построить график распределения;
вычислить эксцесс и асимметрию.
для контроля вычислений формулу
преобразуем к виду
Задача на критерии согласия
Теоретические частоты;
Пусть имеется следующее распределение 200 проб нити по крепости (графы 1 и2 таблицы):
Крепость нити, г | Число проб | Середина интервала | ||||
120-130 | -36,4 | -2,8 | 0,008 | |||
130-140 | -26,4 | -2,03 | 0,051 | |||
140-150 | -16,4 | -1,26 | 0,180 | |||
150-160 | -6,4 | -0,49 | 0,354 | |||
160-170 | 3,6 | 0,28 | 0,384 | |||
170-180 | 13,6 | 1,05 | 0,230 | |||
180-190 | 23,6 | 1,82 | 0,076 | |||
190-200 | 33,6 | 2,58 | 0,014 | |||
итого |
Исходя из гипотезы о нормальном распределении результатов испытаний необходимо выровнять ряд по кривой нормального распределения и оценить близость эмпирических и теоретических частот с помощью критерия согласия: Пирсона (), Романовского и Колмогорова .
Для нахождения теоретических частот используем формулу:
, или где - нормированные отклонения от средней, т.е. и - основные параметры кривой нормального распределения. Определяем 1) ; 2) =13.
Дальнейшие расчеты таковы:
3) находим отклонения отдельных вариантов от средней (графа 4);
4) делим каждое отклонение на (графа 5);
5) зная t, по таблице приложения 1 находим (графа 6);
6) так как ряд с равными интервалами, рассчитываем постоянный множитель ;
7) умножая последовательно 154 на и округляя результаты до целых чисел, находим теоретические частоты (графа 7).
Как видно из таблицы, теоретические частоты () близки к эмпирическим , хотя отдельные расхождения имеют место.
Для суждения о случайности или существенности этих расхождений используем ряд критериев согласия:
-1 | 0,04 | |||
0,16 | ||||
-3 | 0,15 | |||
-1 | 0,03 | |||
0,33 | ||||
В рассматриваемом примере ряд имеет 8 групп вариантов, следовательно и 8 групп частот. Поэтому число степеней свободы для последних Примем наиболее часто используемый уровень значимости и обратимся к таблице приложения 4. По таблице находим . Так как полученное значение , т. е. меньше табличного, то можно считать случайными расхождения между эмпирическими и теоретическими частотами и выдвинутая гипотеза о близости эмпирического распределения к нормальному не опровергается.
2. Применим критерий Романовского:
Поскольку 1,4<3, то можно считать расхождения между эмпирическими и теоретическими частотами случайными.
Для этого запишем накопленные частоты эмпирического и теоретического распределений и найдем максимальный разрыв между ними:
Накопленные частоты | ||||
Эмпирические (S) | Теоретические | |||
Максимальный разрыв D=2, поэтому По таблицам (см. приложение 6) находим для =0,2, что =1,000. Следовательно, вполне можно полагать, что расхождения между и носят случайный характер.
5.4 Корреляционно-регрессионный анализ
Во многих задачах требуется установить или оценить зависимость изучаемо случайной величины Y от одной или нескольких других случайных величин.
Две случайные величины могут быть связаны:
- функциональной зависимостью
- статистической
- независимой
Строгая функциональная зависимость реализуется редко, т.к. обе случайных величины или одна подвержены действию других случайных величин.
Статистической называется зависимость, при которой
изменение одной из величин влечет изменение распределения
другой.
В частности она проявляется в том что изменение одной из величин влечет изменение среднего значения другой. Такая статистическая зависимость называется корреляционной.
5.4.1 Корреляционная зависимость
Предположим изучается связь между случайными величинами Х и Y. Пусть каждому значению Х соответствует несколько значений Y.
Условным средним называется среднее арифметическое случайной величины Y соответствующее значению случайной величины Х равное х.
Если каждому значению Х соответствует одно значение, то очевидно что она – функция от х. В этом случае говорят, что случайная величина Y зависит от Х корреляционно.
Корреляционной зависимостью Yx называют функциональную зависимость от значений х. = f(x) - уравнение регрессии Y на Х, а график – линией регрессии Y на Х. f(x) – функция регрессии.
Аналогично определяется условная средняя Х на Y: = f(y).
Две основные задачи теории корреляции:
1. Оценить тесноту (силу) корреляционной связи
2. Если связь существует, то нужно установит ее форму – вид функциональной зависимости между и величиной Х.
Для решения первой задачи существует коэффициент корреляции.
Дата публикования: 2015-01-09; Прочитано: 521 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!