Оценка параметров с помощью интервалов

В соответствии с методом максимального правдоподобия именно эти значения и принимаются в качестве точечных оценок истинного значения и среднеквадратического отклонения результатов наблюдений.

Наряду с методом максимального правдоподобия при определении точечных оценок широко используется метод наименьших квадратов. В соответствии с этим методом среди некоторого класса оценок выбирают ту, которая обладает наименьшей дисперсией, т.е. наиболее эффективную оценку. Легко заметить, что среди всех линейных оценок истинного значения вида, где некоторые постоянные, именно среднее арифметическое обращает в минимум дисперсию. Поэтому для случая нормально распределенных случайных погрешностей оценки, получаемые методом наименьших квадратов, совпадают с оценками максимального правдоподобия.

Смысл оценки параметров с помощью интервалов заключается в нахождении интервалов, называемых доверительными, между границами которых с определенными вероятностями (доверительными) находятся истинные значения оцениваемых параметров.

Вначале остановимся на определении доверительного интервала для среднего арифметического значения измеряемой величины. Предположим, что распределение результатов наблюдений нормально и известна дисперсия . Найдем вероятность попадания результата наблюдений в интервал.

Согласно формуле

.

Но и, если систематические погрешности исключены (m_X=Q),

.

Это означает, что истинное значение Q измеряемой величины с доверительной вероятностью находится между границами доверительного интервала .

Половина длины доверительного интервала называется доверительной границей случайного отклонения результатов наблюдений, соответствующей доверительной вероятности Р. Для определения доверительной границы (при выполнении перечисленных условий) задаются доверительной вероятностью, например Р=0,95 или Р=0,995 и по формулам

,

определяют соответствующее значение интегральной функции Ф(t_p) нормированного нормального распределения. Затем находят значение коэффициента t_p и вычисляют доверительное отклонение .

Стандартные табличные данные.

Проведение многократных наблюдений позволяет значительно сократить доверительный интервал. Действительно, если результаты наблюдений X _i (i=l, 2,..., n) распределены нормально, то нормально распределены и величины x_i / n, а значит, и среднее арифметическое , являющееся их суммой. Поэтому имеет место равенство

где t_p определяется по заданной доверительной вероятности Р.

Полученный доверительный интервал, построенный с помощью среднего арифметического результатов n независимых повторных наблюдений, в раз короче интервала, вычисленного по результату одного наблюдения, хотя доверительная вероятность для них одинакова. Это говорит о том, что сходимость измерений растет пропорционально корню квадратному из числа наблюдений.

Половина длины нового доверительного интервала

называется доверительной границей погрешности результата измерений, а итог измерений записывается в виде .

Рассмотрим случай, когда распределение результатов наблюдений нормально, но их дисперсия неизвестна. В этих условиях пользуются отношением

называемым дробью Стьюдента. Входящие в нее величины и σ_Х вычисляют на основании опытных данных; они представляют собой точечные оценки математического ожидания и среднеквадратического отклонения результатов наблюдений.

Плотность распределения этой дроби, впервые предсказанного Госсетом, писавшим под псевдонимом Стьюдент, выражается следующим уравнением:

,

где S(t, k) – плотность распределения Стьюдента. Величина k называется числом степеней свободы и равна n–1.

Вероятность того, что дробь Стьюдента в результате выполненных наблюдений примет некоторое значение в интервале (–t_p, +t_p), вычисляется по формуле

или, поскольку S(t, k) является четной функцией аргумента t,

.

Подставив вместо дроби Стьюдента t ее выражение через и , получим окончательно (формула 1- основная)

Величины t_p, были табулированы Фишером для различных значений доверительной вероятности Р в пределах 0,10 – 0,99 при

k = n –1 = 1, 2, …,30.

Таким образом, с помощью распределения Стьюдента по формуле 1 может быть найдена вероятность того, что отклонение среднего арифметического от истинного значения измеряемой величины не превышает , например 2, 3и т.д.

Пример 1. По результатам пяти наблюдений была найдена длина стержня. Итог измерений составляет L =15,785 мм, =0.005 мм, причем существуют достаточно обоснованные предположения о том, что распределение результатов наблюдений было нормальным. Требуется оценить вероятность того, что истинное значение длины стержня отличается от среднего арифметического из пяти наблюдений не больше чем на 0,01 мм.

Из условия задачи следует, что имеются все основания для применения распределения Стьюдента.

Вычисляем значение дроби Стьюдента

и число степеней свободы k = n –1 = 5 – 1 = 4.

По данным стандартных таблиц находим значение доверительной вероятности для t_p = 2 и k =4:

Для t_p = 3 вероятность составляет

т.е несколько меньше 0,9973, как при нормальном распределении. Итог измерений удобно записать в виде

L = (15,785±0,010) мм, Р = 0,8838

Для t_p =1 доверительная вероятность составляет приблизительно 0,62, поэтому итог измерений можно представить

L = (15,785±0,005) мм, Р = 0,62

также в виде

L = (15,785±0,015) мм, Р = 0,96.

Пример 2. В условиях предыдущей задачи найти доверительную границу погрешности результата измерений для доверительной вероятности Р = 0,99

По данным стандартных табл. при k = 4 находим t_p =4,604 и, следовательно, доверительная граница:

δ_0,99 = t_0,99·= 4,604·0,005 = 0,023 мм.

Итог измерений:

L = (15,785±0,023) мм, Р = 0,99.

При , а практически уже при n = 20–30 распределение Стьюдента переходит в нормальное распределение и

где Ф(t_p) – интегральная функции нормированного нормального распределения.

В тех случаях, когда распределение случайных погрешностей не является нормальным, все же часто пользуются распределением Стьюдента с приближением, степень которого остается неизвестной.

Кроме того, на основании центральной предельной теоремы теории вероятностей можно утверждать, что при достаточно большом числе наблюдений распределение среднего арифметического X_i / n как суммы случайных величин будет сколь угодно близким к нормальному. Заменяя дисперсию ее точечной оценкой, можно для оценки доверительной границы погрешности результата воспользоваться равенством

,

Число наблюдений n, при котором это становится возможным, зависит, конечно, от распределения случайных погрешностей.

Итог измерения не есть одно определенное число. В результате измерений мы получаем лишь полосу значений измеряемой величины.

Смысл итога измерений, например, L =20,00±0,05 заключается не в том, что L = 20,00, как для простоты считают, а в том, что истинное значение лежит где-то в границах от 19,95 до 20,05. К тому же нахождение внутри границ имеет некоторую вероятность, меньшую, чем единица, и, следовательно, нахождение вне границ не исключено, хотя и может быть очень маловероятным.

Теперь найдем доверительные интервалы для дисперсии и среднеквадратического отклонения результатов наблюдений.

Критерий согласия – распределение Пирсона со степенями свободы k = n – 1 его дифференциальная функция распределения описывается формулой

Кривые плотности – распределения при различных значениях k, представлены на рис.5.6.

Рис. 5.6. Кривые плотности – распределения при различных значениях k

Значения, соответствующие различным вероятностям Р чисел k степеней свободы сведены в стандартной таблице.

Пользуясь этой таблицей, можно найти доверительный интервал для оценки дисперсии результатов наблюдений при заданной доверительной вероятности. Этот интервал строится таким образом, чтобы вероятность выхода дисперсии за его границы не превышала некоторой малой величины q, причем вероятности выхода за обе границы интервала были бы равны между собой и составляли соответственно q/2.

Рис. 5.7. ***

Границы и такого доверительного интервала находят из равенства

,

С вероятностью истинное значение среднеквадратического отклонения результатов наблюдений лежит в интервале , границы которого равны

, .

Даны результаты двадцати измерений длины l_i мм детали

В качестве оценки математического ожидания длины детали принимаем ее среднее арифметическое мм.

Точечная оценка среднего квадратического отклонения результатов наблюдений составляет: мм.

Приняв уровень доверительной вероятности , находим для числа степеней свободы k = n –1=20–1=19 станд. табл.:

, ,

, .

Границы доверительного интервала для среднеквадратического отклонения результатов наблюдений находим по формуле:

мм,

мм.

Полученные результаты говорят о том, что истинное значение среднеквадратического отклонения результатов наблюдений с вероятностью 0,90 лежит в интервале 0,0020–0,0034 мм.

При k >30 можно пользоваться приближенной формулой

,

где t_p определяется из условия Ф(t_p)=P по таблицам, в которой помещены значения интегральной функции нормированного нормального распределения.

Тогда границы доверительного интервала для среднеквадратического отклонения результатов наблюдений при доверительной вероятности вычисляются при значениях , равных

,

.

на основании измерений n = 42, для находим:

, .

Величины при k = n –1 = 41 составляют:

,

.

Границы доверительного интервала:

мм,

мм.

Дата добавления: 2014-01-07; Просмотров: 689; Нарушение авторских прав?; Мы поможем в написании вашей работы!