Рекомендуемая категория для самостоятельной подготовки:
Курсовая работа*
Код |
590538 |
Дата создания |
2015 |
Страниц |
33
|
Мы сможем обработать ваш заказ (!) 9 сентября в 12:00 [мск] Файлы будут доступны для скачивания только после обработки заказа.
|
Содержание
Оглавление
Введение 3
Нормальное распределение 4
Критерий Шапиро-Уилка 8
Критерий Эппса-Палли 9
Модифицированный критерий Шапиро-Уилкса 10
Критерий проверки на симметричность 12
Критерий проверки на эксцесс 13
Совместный критерий проверки на симметричность и нулевой коэффициент эксцесса 13
Модификация D’Agostino критерия проверки на эксцесс 13
Критерий Ω2 Андерсона - Дарлинга при простой гипотезе 15
Пример расчета 16
Пример 1 16
Пример 2 16
Пример 3 17
Пример 4 17
Пример 5 20
Пример 6 21
Заключение 32
Список литературы 34
Введение
Введение
Многие исследуемые на практике случайные величины очень хорошо моделируются с помощью нормальных случайных величин. Это, например, таблицы значений проб прочности бетона в теории железобетонных конструкций, ошибки результатов измерений теодолитом в геодезии, разброс скоростей и энергий молекул в газе (при изучении курса физики – кривая Гаусса), рост или вес случайно взятого человека. Другим примером служит какой-либо экономический показатель, величина которого описывается взаимодействием большого числа независимых друг от друга причин и факторов.
Именно поэтому задача проверки параметров распределения на соответствие их нормальному распределения является важной. Этим и объясняется актуальность работы.
Целью работы является описание алгоритма проверки распределения на нормальные параметры в теории надежности.
Объектом исследования назовем статистические характеристики, предметом исследования – алгоритм проверки.
Фрагмент работы для ознакомления
Заключение
Проверка на нормальность имеет особое значение. Не секрет, что ошибки измерений, связанные с приборами, построенными на конкретных физических принципах, далеко не всегда описываются нормальным законом [5]. Поэтому следует ожидать, что не всегда измерения контролируемого показателя будут подчиняться нормальному закону. И если так окажется, то применение классического аппарата, используемого при статистическом анализе результатов измерений или при статистическом управлении качеством, может оказаться некорректным.
Реальные данные в приложениях (характеристики показателя процесса), как правило, фиксируются с ограниченной точностью, определяемой либо заданием технических условий, либо единицей шкалы измерительного прибора, либо условиями фиксации наблюдения, то есть данные оказываются поразрядно группированными. Это может оказывать серьезное влияние на оценки вычисляемых моментов и значения статистик, а, следовательно, приводить к неверным выводам даже при формировании оценок по выборкам достаточно большого объема.
Относительно большинства критериев, регламентированных стандартом, однозначно можно утверждать, что они весьма чувствительны к наличию аномальных наблюдений в связи с использованием оценок вторых, третьих и четвертых центральных моментов: оценки центральных моментов не являются робастными. Это означает, что отклонение гипотезы о нормальности может быть связано с наличием в рассматриваемой выборке аномальных наблюдений. Отсюда следует, что ограничение проверки нормальности использованием только перечня критериев, указанных в стандарте, не всегда обеспечивает корректности выводов о принадлежности (или непринадлежности) выборки нормальному закону. Они не всегда оказываются наиболее мощными.
Недостатком критериев Шапиро-Уилка, Эппса-Палли и критерия со статистикой при малых объемах выборок является то, что они обладают пониженной мощностью по отношению к законам, более плосковершинным по отношению к нормальному (не могут различить).
Для проверки нормальности целесообразно рекомендовать применение критерия со статистикой (целесообразно его включение в ГОСТ). Абсолютно не вредно из практических соображений в дополнение использованию рассмотренных критериев проверить принадлежность наблюдаемых данных к нормальному закону с использованием непараметрических критериев согласия и критериев согласия типа .
Список литературы
Список литературы
1. Большев Л.Н., Смирнов Н.В.. Таблицы математической статистики. М.:Наука, 1983.
2. Боровков А. А. Математическая статистика / А. А. Боровков. – М. : Наука, 1984. – 472 с.
3. Боровков А. А. Теория вероятностей / А. А. Боровков. – М. : Наука, 1976. – 354 с.
4. Воскобойников Ю. Е. Математическая статистика : учеб. пособие / Ю. Е. Воскобойников, Е. И. Тимошенко. – Новосибирск : Наука, 1996. – 99 с.
5. Гмурман В. Е. Руководство к решению задач по теории вероятностей и математической статистике / В. Е. Гмурман. – М. : Высш. шк., 1979. – 400 с.
6. Гмурман В. Е. Теория вероятностей и математическая статистика / В. Е. Гмурман. – М.: Высш. шк., 1997. – 479 с.
7. Ивченко Г.И., Медведев Ю.И.. Математическая статистика: Учеб.пособие для вузов.М.: Высш. школа, 1984
8. Тимошенко Е. И. Теория вероятностей : учеб. пособие / Е. И. Тимошенко, Ю. Е. Воскобойников. Новосибирск : НГАС, 1998. – 68 с.
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
bmt: 0.00385