Реферат нормальный закон распределения

Обновлено: 05.07.2024

Случайной называют величину, принимающую в результате эксперимента одно только значение из некоторой их совокупности и неизвестное заранее, какое именно.
Случайная величина, к примеру, представляет собой обоснованную модель описания геологических данных, учитывающую влияние различных факторов на физическое поле.

Содержание

I. Теоретические основы закона о нормальном распределении случайной величины……..3
1. Случайная величина и её основные характеристики……………………………………………. 3
1.1. Определения.………………………………………………………………………………………3
1.2. Гистограмма. Полигон частот. Непрерывное распределение………………………………….5
1.3. Свойства основных характеристик случайной величины……………………………………. 6
1.4. Свойства показателей вариации………………………………………………………………….7
2. Функции распределения случайной величины. Свойства………………………………………. 8
2.1. Функция распределения…………………………………………………………………………..8
2.2. Свойства функции распределения……………………………………………………………. 10
2.3. Свойства функции плотности распределения………………………………………………….10
3. Нормальное распределение………………………………………………………………………..13
3.1. Определение нормального распределения……………………………………………………..13
3.2. Свойства нормального распределения…………………………………………………………17
3.3. Сравнение экспериментального распределения с нормальным законом…………………….19
4. Моделирование нормальной случайной величины………………………………………………22
4.1. Центральная предельная теорема……………………………………………………………….22
4.2. Преобразования Бокса-Мюллера……………………………………………………………….23
5. Проверка статистических гипотез…………………………………………………………………25
5.1. Этапы проверки статистических гипотез………………………………………………………28
5.2. Виды критической области……………………………………………………………………. 29
5.3. Критерий хи-квадрат Пирсона…………………………………………………………………..29
5.4. Критерий Колмагорова…………………………………………………………………………..30
5.5. Критерий Вилкоксона……………………………………………………………………………31
5.6. Критерий Стьюдента…………………………………………………………………………….32
II. Краткий обзор теории по петрофизики………………………………………………………. 34
1. Определение петрофизики…………………………………………………………………………34
2. Проницаемость……………………………………………………………………………………. 36
2.1. Определение. Уравнение Дарси………………………………………………………………. 36
2.2. Определение проницаемости в лабораторных условиях……………………………………. 39
III. Сопоставление экспериментальных данных с нормальным законом распределения…..42

Целью моей работы является изучение нормального закона распределения и критерий согласия.
В связи с этим передо мной поставлены следующие задачи: рассмотреть нормальный закон распределения, то есть в чем заключается его суть и определить, какие существуют критерии согласия.

Содержание

ВВЕДЕНИЕ. 3
1. НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ 5
2. СТАТИСТИЧЕСКАЯ ГИПОТЕЗА 5
3. ОШИБКИ ПЕРВОГО И ВТОРОГО РОДА. УРОВЕНЬ ЗНАЧИМОСТИ 6
4. СТЕПЕНЬ СВОБОДЫ ПАРАМЕТРА 7
5. КРИТИЧЕСКАЯ ОБЛАСТЬ. ОБЛАСТЬ ПРИНЯТИЯ ГИПОТЕЗЫ. 7
6.КРИТЕРИИ СОГЛАСИЯ 8
6.1.КРИТЕРИЙ СОГЛАСИЯ ПИРСОНА. 9
6.2.КРИТЕРИЙ СОГЛАСИЯ КОЛМОГОРОВА- СМИРНОВА 10
ЗАКЛЮЧЕНИЕ. 13
ГЛОССАРИЙ. 14
СПИСОК ЛИТЕРАТУРЫ. 15

Работа содержит 1 файл

реферат по статистике.doc

В качестве самостоятельной семестровой научно-исследовательской работы я выбрала проблему нормального закона распределения. Данная тема, на мой взгляд, является актуальной, поскольку в настоящее время нормальный

закон широко распространен в технике, биологии, социологии, психологии и многих других сферах человеческих знаний.

Целью моей работы является изучение нормального закона распределения и критерий согласия.

В связи с этим передо мной поставлены следующие задачи: рассмотреть нормальный закон распределения, то есть в чем заключается его суть и определить, какие существуют критерии согласия.

Нормальное (гауссовское) распределение занимает центральное место в теории и практике вероятностно-статистических исследований. В качестве непрерывной аппроксимации к биномиальному распределению его впервые рассматривал А.Муавр в 1733 г. Через некоторое время нормальное распределение снова открыли и изучили К.Гаусс (1809 г.) и - П.Лаплас, которые пришли к нормальной функции в связи с работой по теории ошибок наблюдений.

Цель их объяснения механизма формирования нормально распределенных случайных величин заключается в следующем. Постулируется, что значения исследуемой непрерывной случайной величины формируются под воздействием очень большого числа независимых случайных факторов, причем сила воздействия каждого отдельного фактора мала и не может превалировать среди остальных, а характер воздействия - аддитивный (т.е. при воздействии случайного фактора F на величину а получается величина, где случайная "добавка" мала и равновероятна по знаку).

Во многих случайных величинах, изучаемых в технике и других областях, естественно видеть суммарный аддитивный эффект большого числа независимых причин. Но центральное место нормального закона не следует объяснять его универсальной приложимостью.

В этом смысле нормальный закон - один из многих типов распределения, имеющихся в природе, однако с относительно большим удельным весом практической приложимости.

Однако полнота теоретических исследований, относящихся к нормальному закону, а также сравнительно простые математические свойства делают его наиболее привлекательным и удобным в применении. Даже в случае отклонения исследуемых экспериментальных данных от нормального закона существует, по крайней мере, два пути его целесообразной эксплуатации: во-первых, использовать нормальный закон в качестве первого приближения (при атом нередко оказывается, что подобное допущение дает достаточно точные с точки зрения конкретных целей исследования результаты); во-вторых, подобрать такое преобразование исследуемой случайной величины, которое видоизменяет исходный "не нормальные" закон распределения, превращая его в нормальный.

Удобно для статистических приложений и свойство "самовоспроизводимости" нормального закона, заключающееся в том, что сумма любого числа нормально распределенных случайных величин тоже подчиняется нормальному закону распределения. Кроме того, с помощью закона нормального распределения выведен целый ряд других важных распределений, построены различные статистические критерии.

В приложениях статистики чаще всего используется нормальное (гауссовское) распределение. Непрерывная случайная величина Х называется распределенной по нормальному закону с параметрами, если ее плотность распределения есть

Часто необходимо знать закон распределения генеральной совокупности. Если он неизвестен, но есть основания предположить, что он имеет определенный вид (назовем его А), выдвигают гипотезу: генеральная совокупность распределена по закону А. Таким образом, в этой гипотезе речь идет о виде предполагаемого распределения. Возможен случай, когда закон распределения известен, а его параметры неизвестны. Если есть основания предположить, то неизвестный параметр Q равен определенному значению Q₀ , выдвигают гипотезу: Q = Q₀. Таким образом, в этой гипотезе речь идет о предполагаемой величине параметра одного известного распределения.

Возможны и другие гипотезы: о равенстве параметров двух или нескольких распределений, о независимости выборок и многие другие.

Статистической называют гипотезу о виде неизвестного распределения или о параметрах известных распределений.

Например, статистическими будут гипотезы; генеральная распределена по закону Пуассона, дисперсии двух нормальных совокупностей равны между собой.

В первой гипотезе сделано предположение о виде неизвестного распределения, во второй - о параметрах двух известных распределений.

Наряду с выдвинутой гипотезой рассматривают и противоречивую ей гипотезу. Если выдвинутая гипотеза будет отвергнута, имеет место противоречащая гипотеза. По этой причине эти гипотезы необходимо различать.

Нулевой (основной) называют выдвинутую гипотезу Н₀.

Конкурирующей (альтернативной) называют гипотезу Н₁, противоречащую нулевой.

Выдвинутая гипотеза может быть правильной или неправильной, поэтому возникает необходимость проверить ее. Поскольку проверку производят статистическими методами, ее называют статистической. В итоге статистической проверки гипотезы в двух случаях может быть принято неправильное решение, т.е. могут быть допущены ошибки двух родов.

Ошибка первого рода состоит в том, что будет отвергнута правильная гипотеза.

Правильное решение может быть принято также в двух случаях: гипотеза принимается; причем и в действительности она правильная; гипотеза отвергается, причем и в действительности она неверна.

Вероятность совершить ошибку первого рода принято обозначать q. Ее называют уровнем значимости. Наиболее часто уровень значимости принимают равным 0,05 или 0,01. Если, например, принят уровень значимости, равный 0,05, то это означает, что в пяти случаях из ста мы рискуем допустить ошибку первого рода (отвергнуть правильную гипотезу).

Степень свободы у какого-либо параметра определяют числом опытов, по которым рассчитывают данный параметр, за вычетом количества констант, найденных по этим опытам независимо друг от друга.

Для проверки нулевой гипотеза используют специально подобранную случайную величину, точное или приближенное распределение которой известно. Ее обозначают t если она распределена по закону Стюдента, X 2 - по закону Пирсона, F- по закону Фишера, G - по закону Кохрэна. Обозначим эту величину К.

Статистическим критерием (или просто критерием) называется случайная величина К, служащая для проверки нулевой гипотезы.

Для проверки гипотезы по данным выборок вычисляют частные значения входящих в критерий величин и таким образом получают частное (наблюдаемое) значение критерия.

Наблюдаемым значением (К_набл) называют значение критерия, вычисленное по выборкам.

После выбора определенного критерия множество всех его возможных значений разбивают на два непересекающихся подмножества; одно из них содержит значения критерия, при которых нулевая гипотеза отвергается, а другое - при которых она принимается.

Критической областью называют совокупность значений критерия, при которых нулевую гипотезу отвергают.

Областью принятия гипотезы (областью допустимых значений) называют совокупность значений критерия, при которых гипотезу принимают.

Основной принцип проверки статистических гипотез можно сформулировать так: если наблюдаемое значение критерия принадлежит критической области - гипотезу отвергают, если наблюдаемое значение критерия принадлежит области принятия гипотезы - гипотезу принимают.

Поскольку критерий К - одномерная случайная величина, все ее возможные значения принадлежат некоторому интервалу. Поэтому критическая область и область принятия гипотезы также являются интервалами, и, следовательно, существуют точки, которые их разделяют.

Критическими точками К_кр называют точки, отделяющие критическую область от области принятия гипотезы.

Различают, одностороннюю (правостороннюю или левостороннюю) и двустороннюю критические области.

Правосторонней называют критическую область, определяемую неравенством К>К_кр , где К_кр- положительное число.

Левосторонней называют критическую область, определяемую неравенством К

Односторонней называют правостороннюю или левостороннюю критическую областью.

Двусторонней называют критическую область, определяемую неравенствами K K2, где К2>К1.

В статистике применяется большое количество различных критериев согласия. Среди них наиболее популярными являются критерии хи-квадрат Пирсона, Колмогорова-Смирнова, t-критерий Стьюдента и др.

Критерий Пирсона, или критерий χ 2 — наиболее часто употребляемый критерий для проверки гипотезы о законе распределения. Во многих практических задачах точный закон распределения неизвестен, то есть является гипотезой, которая требует статистической проверки.

Обозначим через X исследуемую случайную величину. Пусть требуется проверит гипотезу H₀ о том, что эта случайная величина подчиняется закону распределения F(x). Для проверки гипотезы произведём выборку, состоящую из n независимых наблюдений над случайной величиной X. По выборке можно построить эмпирическое распределение F * (x) исследуемой случайной величины. Сравнение эмпирического F * (x) и теоретического распределений производится с помощью специально подобранной случайной величины — критерия согласия. Одним из таких критериев и является критерий Пирсона.

Для проверки критерия вводится статистика:

где — предполагаемая вероятность попадания в i-й интервал, — соответствующее эмпирическое значение, n_i — число элементов выборки из i-го интервала.

Эта величина в свою очередь является случайной (в силу случайности X) и должна подчиняться распределению χ 2 .

Перед тем, как сформулировать правило принятия или отвержения гипотезы необходимо учесть, что критерий Пирсона обладает правосторонней критической областью.

Правило.
Если полученная статистика превосходит квантиль закона распределения заданного уровня значимости с или с степенями свободы, где k — число наблюдений или число интервалов (для случая интервального вариационного ряда), а p — число оцениваемых параметров закона распределения, то гипотеза отвергается. В противном случае гипотеза принимается на заданном уровне значимости .

Функция "чтения" служит для ознакомления с работой. Разметка, таблицы и картинки документа могут отображаться неверно или не в полном объёме!

СОДЕРЖАНИЕ ВВЕДЕНИЕ

Нормальное (гауссовское) распределение занимает центральное место в теории и практике вероятностно-статистических исследований. В качестве непрерывной аппроксимации к биномиальному распределению его впервые рассматривал А.Муавр в 1733 г. Через некоторое время нормальное распределение снова открыли и изучили К.Гаусс (1809 г.) и -П.Лаплас, которые пришли к нормальной функции в связи с работой по теории ошибок наблюдений.

Цель их объяснения механизма формирования нормально распределенных случайных величин заключается в следующем. Постулируется, что значения исследуемой непрерывной случайной величины формируются под воздействием очень большого числа независимых случайных факторов, причем сила воздействия каждого отдельного фактора мала и не может превалировать среди остальных, а характер воздействия - аддитивный (т.е. при воздействии случайного фактора F на величину а получается величина ___________, где случайная "добавка" ______ мала и равновероятна по знаку).

Однако полнота теоретических исследований, относящихся к нормальному закону, а также сравнительно простые математические свойства делают его наиболее привлекательным и удобным в применении. Даже в случае отклонения исследуемых экспериментальных данных от нормального закона существует, по крайней мере, два пути его целесообразной эксплуатации: во-первых, использовать нормальный закон в качестве первого приближения (при атом нередко оказывается, что подобное допущение дает достаточно точные с точки зрения конкретных целей исследования результаты); во-вторых. подобрать такое преобразование исследуемой случайной величины, которое видоизменяет исходный "не нормальные" закон распределения, превращая его в нормальный.

Нормальное распределение

В приложениях статистики чаще всего используется нормальное (гауссовское) распределение. Непрерывная случайная величина Х называется распределенной по нормальному закону с параметрами ______, если ее плотность распределения есть

Статистическая гипотеза

Часто необходимо знать закон распределения генеральная совокупности. Если он неизвестен, но есть основания предположить, что он имеет определенный вид (назовем его А), выдвигают гипотезу: генеральная совокупность распределена по закону А. Таким образом, в этой гипотезе речь вдет о виде

Пример 6.10. Рост взрослых мужчин является случайной величиной, распределенной по нормальному закону. Пусть математическое ожидание равно 170 см, а дисперсия — 36. Найти плотность вероятности этой случайной величины. Вычислить вероятность того, что хотя бы один из наудачу выбранных четырех мужчин будет иметь рост от 168 до 172 см. Сравнив наблюдаемые значения Р, с вероятностями р, соответствующих… Читать ещё >

теория вероятностей и математическая статистика

Нормальное распределение. Теория вероятностей и математическая статистика ( реферат , курсовая , диплом , контрольная )

Нормальным законом распределения (законом Гаусса) называют распределение вероятностей непрерывной случайной величины X, если ее плотность вероятности определяется следующей формулой:

где а и a 2 = D (X) — параметры распределения, интерпретируемые соответственно как математическое ожидание (среднее значение) и дисперсия случайной величины X.

Соответствующая функция распределения вероятностей случайной величины имеет следующий вид:

График плотности вероятности /х) и функции распределения F (x) для нормального закона распределения случайной величины X представлены на рисунке.

Плотность вероятности/(х) и функция распределения F (x)

Отметим некоторые свойства графика/х).

Нормальное распределение с параметрами, а и, а кратко записывается как X~N (a, а). Нормальное распределение X ~ N (a, a)

с параметрами а = 0, а = 1 называется стандартным или нормированным. Обозначение: X~N (0,1).

Функция распределения F (x) случайной величины X~N (a, ст) может быть выражена через функцию Лапласа.

Вероятность того, что случайная величина при нормальном распределении примет значение, принадлежащее интервалу (дц, хт):

Вероятность того, что абсолютная величина отклонения меньше положительного числа 6 (по абсолютной величине),.

В частности, при а = 0 справедливо равенство.

Решение. Пусть случайная величина X выражает рост взрослых мужчин, Х -из наудачу выбранных четырех мужчин имеет рост от 168 до 172 см.

По условию математическое ожидание а=170, а дисперсия ?> = 36. Отсюда среднее квадратичное отклонение.

Следовательно, искомая плотность вероятности.

Подставив Х = 168, *2 = 172, а- 170, о = 6, и учитывая свойство функции Лапласа Ф (-х) = - Ф (х), получим.

По таблице прил. 2 находим 2Ф (0,33) = 2 • 0,1293 = 0,2586.

Таким образом, вероятность того, что случайно выбранный мужчина имеет рост от 168 до 172 см Обозначим A_hA₂, A₃ и Л₄ — события, состоящие в появлении мужчин с ростом от 168 до 172 см соответственно в первом, втором, третьем и четвертом испытаниях. Эти события независимы в совокупности и имеют одинаковую вероятность:

По формуле (3.8) искомая вероятность того, что хотя бы один из наудачу взятых четырех мужчин имеет рост от 168 до 172 см равна.

Пример 6.11. Исследования показали, что здоровые люди в значительной мере отличаются по содержанию в крови фермента каталазы. В табл. 6.6 приведены данные обследования 1000 людей. Определите математическое ожидание и среднее квадратичное отклонение фермента каталазы. Сравните данные распределения с нормальным законом, имеющим те же параметры (М и о).

Таблица 6.6. Содержание в крови фермента каталазы.

Содержание фермента каталазы, X,.

Решение. Составим расчетную таблицу 6.7, для этого:

1) запишем числовые значения случайной величины X (содержание фермента каталазы в крови) во вторую строку;
2) запишем вероятности в третью строку; в последнем столбце помещаем накопленную вероятность событий (контроль: 0,04 + 0,1 + 0,2 + 0,3 + 0,2 + 0,12 + 0,04 = I);
3) произведения вероятности р, на значения х, запишем в четвертую строку; сумму чисел строки (т.е. математическое ожида-

П ние М (Х) = ^?^р₁х,)) помещаем в последнем столбце;

4) произведение вероятности р, на квадрат отклонения случайной величины х, от ее математического ожидания М (Х) запишем в пятую строку; сумму чисел строки (т.е. дисперсию) помещаем в последнем столбце ["https://referat.bookap.info", 18].

В итоге получаем следующую расчетную табл.6.7:

Таблица 6.7. Результаты расчета параметров распределения.

3,5

4.0

4,5

5,0

5,5

6,0

6,5

0,04

0,1

0,2

0,3

0,2

0,12

0,04

0,14

0.4

0,9

1,5

0.72

0,26

5,02

0,0924

0,1040

0,0541

0,0001

0.0461

0,1152

0,0876

0,4995

По данным таблицы находим параметры распределения:

Далее составим статистическое распределение фермента каталазы в крови (табл. 6.8). Для этого:

х‘

Таким образом, искомая вероятность.

Пример 6.13. Длина скальпеля X представляет собой случайную величину, распределенную по нормальному закону распределения и имеет среднее значение 150 мм, а среднее квадратичное отклонение — 0,2 мм. Необходимо: а) записать выражение плотности распределения; б) найти вероятность того, что длина скальпеля будет заключена в интервале от 149,7 до 150,3 мм; в) найти вероятность того, что величина отклонения (абсолютная погрешность) не превышает 0,1 мм; г) найти, каким должно быть задано отклонение, чтобы процент скальпелей, отклонение которых от среднего не превышает заданного, повысился до 54%.

Решение. а) Подставляя исходные данные в формулу (6.12), полагая при этом гаг = 150, а = 0,2, получим выражение для плотности вероятности случайной величины X

б) Вероятность того, что длина скальпеля окажется в пределах от 149,7 до 150,3 мм, по формуле (6.15) равна.

По таблице прил. 2 находим Ф (1,5) = 0,4332, отсюда искомая вероятность

в) По формуле (6.16) найдем вероятность того, что величина отклонения не превышает заданного значения.

г) По условию процент скальпелей, отклонение которых от среднего не превышает заданного, повысился до 54%.

Поэтому можно записать

С другой стороны, Р (X -1501 Показать весь текст Стоимость уникальной работы

Читайте также: