Статистическая проверка гипотез

Статистическими гипотезами называют предположения отно­сительно закона распределения F(х) рассматриваемой величины и, о параметрах этого распределения. Правильность гипотез проверяется путем вычисления некоторых числовых характеристик по данным наблюдений и сравнения их с теми, которые должны быть при условии, что проверяемая гипотеза Н0 истинна, а наблюдаемые отклонения объясняются случайными колебаниями в выборках. Такие характеристики называют кри­териями проверки статистической гипотезы. Они представляют собой случайные величины, значения которых определяются выборкой. Гипотезу считают правильной, если значение рассчи­танного критерия не выходит за границы значимости. Эти границы устанавливают по таблицам в соответствии с уровнем значимости, которому должна соответствовать вероятность ошибки 1-го рода - забраковать проверяемую гипотезу, когда она верна.

Обычно пользуются тремя уровнями значимости a: 0,05, 0,01 и 0,001 или соответствующими им тремя Q-процентными точками (Q = 100 a: 5, 1 и 0,1%). Поскольку a = 1 - q, то критические зна­чения рассматриваемой случайной величины можно опре­делять также по таблицам квантилей учитывая, что

xa = xq-1-a

C уменьшением уровня значимости увеличивается вероятность совершить ошибку 2-го рода - принять гипотезу, когда она не­верна, а справедлива альтернативная гипотеза Н1.

Области принятия нулевой гипотезы Н0 и ее отклонения (критической области) выбирают, пользуясь величи­ной , именуемой мощностью критерия.

Для оценки гипотез относительно отдельных параметров рас­пределения: среднее, дисперсия, коэффи­циент корреляции и т.д.- применяют критерии значимости. К числу наиболее часто используемых критериев относятся кри­терий t- Стьюдента, критерий F- Фишера, критерий - Пирсона и ряд других. Использование этих характеристик в качестве критериев основано на знании точных законов их распределения в том случае, когда случайная величина Х имеет нормальный закон распределения.

1. Проверка гипотез о законе распределения случайной величины

Существует много критериев для оценки пред­положения о законе распределения случайной величины. Наиболее часто применяемый критерий согласия -Пирсона, позволяет оценить подобие между эмпирическим распределе­нием величины х и его моделью при любом законе распределения. Этот критерий не является безупречным, его недостатки заключаются в нечувствительности к об­наружению адекватной модели при небольшом числе наблюдений (N < 100), а также в зависимости значения критерия от вели­чины и положения интервалов группировки. Проверку согласия между теоретической функцией распреде­ления и эмпирическим распределением осуществляют в последовательности:

1. Рассчитывают по выборке данных оценки математического ожида­ния

Мх = и дисперсии s2.

2. Ранжируют случайную величину х по возрастающему ее значению

x1 <= x2 <= x3 <=…<=xN

3. Область изменения случайной величины разбивают на k ин­тервалов. Число интервалов выбирают произвольно. Жела­тельно, чтобы математическое ожидание числа наблюдений Mni, в i-том интервале распределения согласно принятой модели и оценок параметров, было >=10; но не менее 5. Число интервалов k не рекомендуется делать более 25, так как это увеличивает объем вычислений, но не повышает чувствительности критерия.

Разбивку на интервалы осуществляют двумя способами. Если исходные данные были уже сгруппированы по интерва­лам до проверки согласия или если имеет место дискретное распределение, например распределение Пуассона, то сохраняют первоначальную группировку при условии, что она удовлетворяет требованиям п. 3. Если в каком-либо интервале ожидае­мое число наблюдений Mni меньше 5, то этот интервал объеди­няют с соседним.

При непрерывных распределениях, когда исходные данные предварительно не сгруппированы, границы интервалов опреде­ляют с помощью теоретического распределения и полученных в п.1 оценок его параметров таким образом, чтобы вероятность попадания случайной величины в каждый интервал равнялась 1/k. В соответствии с этим верхние границы интервалов хi, определяют из равенств

р (х <= х1) = 1/k, р (х <= х2) = 2/k, . . ., р (х <= хk-1) = (k-1)/k (11.9)

Cпособ группировки данных позволяет полу­чить свободный от второго из недостатков кри­терий .

4.Вероятность попадания случайной величины в i-тый интер­вал при первом способе группировки наблюдений оценивают сле­дующим образом:

а) Определяют величину нормированного отклоне­ния переменной величины, соответствующей верхней границе l-го интервала, от средней по выборке:

; (11.10)

б) По таблицам нормированной функции нормального распределения опреде­ляют Ф (ui), и рассчитывают: pi = Ф (ui) - Ф (ui-1) ; (11.11)

5. Умножая вероятность попадания в i-тый интервал на объем выборки , получают математическое ожидание Mni, числа наблюдений в i-том интервале.

6. Рассчитывают квадрат величины отклонения числа наблю­дений в каждом интервале от соответствующего математического ожидания и делят полученную величину на математическое ожи­дание.

7. Вычисляют критерий: (11.12)

При разбивке области изменения x на интервалы с одинаковым значением математического ожидания: (11.13)

8. Сравнивают вычисленное значение с табличным, для за­данного уровня значимости a и числа степеней свободы f = k- r - 1

где r- число параметров, оценки которых по­лучены на основе наблю­дений. Если расчет­ное значение превышает табличное, то модель рас­пределения отвергается, в ином случае считают, что она не противоречит наблюдениям.

2. Графический метод оценки распределения экспериментальных данных

Соответствие распределения экспериментальных данных закону распределения можно приближенно оценить, построив график, по оси абсцисс которого отложить зна­чения случайной величины, а по оси ординат - значения инте­гральной функции распределения, принятого в качестве модели.

Построение графика осуществляют в следующей последовательности.

1. Ранжируют случайную величину по возрастающему ее значению и рассчитывают значение накопленной (кумулятивной) частоты эмпирического распределения. При расчете накопленных частот часто используют оценку:

; (11.14)

где i- число данных, у которых х <= xi ; n - число испытаний.

Эта оценка применима и в случае неограниченных распреде­лений.

2. Приравнивая интегральную функцию теоретического рас­пределения минимальному и максимальному значениям накоплен­ной частоты, определяют пределы отклонения величины от нуля, и на этой основе определяют масштаб для нанесения вспо­могательной шкалы значений и на оси ординат.

; (11.15)

Она служит для построения шкалы интегральной функции распределения, вы­бранной в качестве модели. Обычно шкалу наносят справа от графика.

3. По таблицам нормированных распределений находят кван­тили и, соответствующие различным значениям интегральной функции распределения, и через них проводят прямые, параллель­ные оси абсцисс, которые образуют масштабную сетку вероят­ности p(u <= a) = F(а).

Для различных распределений эта сетка имеет различный вид.

4. Наносят на график значения накопленной частоты против соответствующих значений случайной величины. Если вид функ­ции распределения выбран правильно, то экспериментальные точки должны ложиться на прямую.








Дата добавления: 2015-10-05; просмотров: 574;


Поиск по сайту:

При помощи поиска вы сможете найти нужную вам информацию.

Поделитесь с друзьями:

Если вам перенёс пользу информационный материал, или помог в учебе – поделитесь этим сайтом с друзьями и знакомыми.
helpiks.org - Хелпикс.Орг - 2014-2024 год. Материал сайта представляется для ознакомительного и учебного использования. | Поддержка
Генерация страницы за: 0.01 сек.