Курсовая по твимсу
Описание файла
Файл "Курсовая по твимсу" внутри архива находится в следующих папках: Курсовая по ТВиМСу, Курсовая по твимсу. Документ из архива "Курсовая по ТВиМСу", который расположен в категории "". Всё это находится в предмете "теория вероятностей и математическая статистика" из 4 семестр, которые можно найти в файловом архиве МАИ. Не смотря на прямую связь этого архива с МАИ, его также можно найти и в других разделах. Архив можно найти в разделе "курсовые/домашние работы", в предмете "теория вероятности и математическая статистика" в общих файлах.
Онлайн просмотр документа "Курсовая по твимсу"
Текст из документа "Курсовая по твимсу"
Московский Авиационный Институт
(государственный технический университет)
Кафедра 508
Теория вероятностей и математическая статика
Курсовая работа по теме:
«Использование вероятностно-статистических методов при принятии решений в технических задачах»
Выполнила студентка
Группы 20…
Проверил: Мирошкин В.Л.
Москва 2007
Содержание
Задание..........................................................................................................................3
Теоретическая часть
-
Основные непрерывные распределения: равномерное, экспоненциальное(показательное), нормальное(гауссовское)................................5
-
Распределения хи-квадрат, Стьюдента, Фишера............................................10
-
Понятие о точечном и интервальном оценивании. Свойства точечных
оценок: несмещенность, состоятельность................................................................13
-
Выборочные моменты.......................................................................................16
-
Метод наименьших квадратов..........................................................................19
Практическая часть.....................................................................................................20
Список литературы.....................................................................................................25
Исходные данные: Даны моделируемые на ЭВМ результаты измерений полезного сигнала, содержащие случайные ошибки. Ошибки измерений – центрированные гауссовские независимые случайные величины с известными одинаковыми дисперсиями D=δ2 (т.е. измерения – равноточные)
Задание:
-
Используя метод наименьших квадратов (МНК), подобрать наилучшую линейную аппроксимацию измеряемого полезного сигнала (найти точечные оценки параметров линейного уравнения регрессии точечную оценку неизвестной дисперсии ошибки измерения).
-
Выписать закон распределения найденных оценок.
-
Построить доверительные интервалы для этих оценок надёжности 0,95.
Вариант (номер по списку) № 8
Датчик, регулирующий реализацию случайных величин.
Xi имеет нормальное распределение N (0; 1)
N=N№ по списку +15=8+15=23
δ2= N№ по списку /2=4
a= N№ по списку /3=2,67
b= N№ по списку=8
Теоретическая часть.
-
Основные непрерывные распределения
-
1. Равномерное распределение
Определение 1.1 СВ Х распределена равномерно на отрезке [a,b] (X~R(a;b)), если плотность вероятности имеет вид
(рис. 1)
Свойства R(a;b)
-
Функция распределения имеет вид (рис. 2)
-
Характеристическая функция СВ X~R(a;b) равна
-
МО и дисперсия по определению равны
В данном случае МО можно было бы найти проще, так как график плотности вероятности равномерного закона симметричен относительно прямой x=(a+b)/2.
-
Если СВ Y имеет непрерывную строго возрастающую функцию распределения FY(y), то СВ имеет распределение R(0;1). В этом случае функция имеет обратную функцию и эти функции являются взаимно обратными. Поэтому для всех получаем
Кроме того, , если x<0, и , если x>1. Таким образом, СВ будет иметь требуемую функцию распределения FY(y), если X~R(0;1).
Замечание 1. Свойство 5)R(0;1), верное и в более общем случае, когда функция распределения лишь непрерывна, используется для моделирования СВ с произвольно заданным законом распределения.
Замечание 2. Равномерное распределение является непрерывным аналогом дискретного распределения вероятностей для опытов с равновероятными исходами.
-
2. Экспоненциальное распределение.
Определение 1. 2. СВ X имеет экспоненциальное (показательное) распределение с параметром λ > 0, т. е. X ~ Е(λ), если плотность вероятности имеет вид (рис. 3)
Свойства Е(λ)
-
Функция распределения СВ X ~ Е(λ) равна (рис. 4) F(x) = 0, если х < 0, и
-
Характеристическая функция СВ X ~ Е(λ):
-
Найдем МО и дисперсию CB X~ E(λ):
Замечание 3. Экспоненциальное распределение является одним из основных распределений, используемых в теории надежности.
-
3. Нормальное распределение
Определение 1. 3. СВ X имеет нормальное (гауссовское) распределение с параметрами т и σ2 > 0, т.е. X~N(m;σ2), если
При этом СВ называется нормальной (гауссовской). График плотности нормального распределения, называемый кривой Гаусса, имеет единственный максимум в точке х = т (рис. 5).
Свойства N(m;σ2)
1) Найдем выражение для функции распределения СВ X ~N(m;σ2):
Здесь введено обозначение для функции распределения стандартной нормальной СВ X ~ N(0; 1). Вместо Ф(y) в справочниках встречается также функция Лапласа .
2) Характеристическая функция СВ X ~ N(0; 1) имеет вид .
3) МО и дисперсия СВ X ~ N(m;σ2) равны
В данном случае МО можно было бы найти проще, воспользовавшись свойством 9) mХ, так как график плотности вероятности нормального закона распределения симметричен относительно прямой х = m.
4) С помощью линейного преобразования Х*= (X — т)/σ нормальное распределение N(m;σ2) переходит в стандартное нормальное N(0;1) с функцией распределения .
5) Нормально распределенная СВ с большой вероятностью принимает значения, близкие к своему МО, что описывается «правилом к сигм»:
Замечание 4. Нормальное распределение имеет широкое распространение в прикладных задачах. Это связано с тем, что в реальности многие исследуемые СВ являются следствием различных случайных событий. В частности, при достаточно общих предположениях сумма большого числа независимых СВ имеет распределение, близкое к нормальному.
-
Основные распределения в статистике
-
1. Распределение хи-квадрат
Определение 2. 1. Пусть Uk, , - набор из n независимых нормально распределенных СВ, ~N(0;1). Тогда СВ
Имеет распределение хи-квадрат с n степенями свободы, что обозначается Xn~χ2(n)
Свойства распределения хи-квадрат χ2(n)
-
СВ Xn имеет следующую плотность распределения:
-
Характеристическая функция СВ Xn имеет вид
-
СВ Xn~χ2(n) имеет моменты:
-
Сумма любого числа m независимых СВ Xk, , имеющих распределение хи-квадрат с nk степенями свободы, имеет распределение хи-квадрат с степенями свободы.
-
Распределение хи-квадрат обладает свойством асимптотической нормальности:
где СВ U имеет распределение N(0;1). Это означает, что при достаточно большом объеме п выборки можно приближенно считать Xn~N(n; 2n). Фактически эта аппроксимация имеет место уже при n > 30.
2.2. Распределение Стьюдента
Определение 2.2. Пусть U и Хп — независимые СВ, U ~N(0; 1), Хп ~ χ2(п) . Тогда СВ имеет распределение Стьюдента с п степенями свободы, что обозначают как Тп~S(n).
Свойства распределения Стьюдента S(n)
1) СВ Тп имеет плотность распределения
2) СВ Tn имеет МО, равное М[Тn] = 0 для всех n 2, и дисперсию D[Tn] = п/(п - 2) при n > 2. При n = 2 дисперсия .
3) При п = 1 распределение Стьюдента называется распределением Коши, плотность которого равна
Математическое ожидание и дисперсия СВ T1, имеющей распределение Коши, не существуют, так как бесконечен предел
4) Можно показать, что при распределение S (n) асимптотически нормально, т. е. , где СВ U имеет распределение
N(0; 1). При п 30 распределение Стьюдента S (п) практически не отличается от N(0; 1).
3.3. Распределение Фишера
Определение 3.3. Пусть независимые СВ Хп и Хт имеют распределения хи-квадрат соответственно с n и m степенями свободы. Тогда СВ имеет распределение Фишера с n и m степенями свободы, что записывают как Vn,m ~F (n; m).
Свойства распределения Фишера F(n;m)
1) СВ Vn,m имеет плотность f(v,n,m) = 0 при v 0 и
Графики функции f(v,n,m), называемые кривыми Фишера, асимметричны и при п > 2 достигают максимальных значений в точках
близких к единице при больших значениях тип.
2) СВ Vn,m имеет следующие моменты:
-
Понятие о точечном и интервальном оценивании. Свойства точечных оценок: несмещенность, состоятельность
Точечное оценивание
Определение 3.1. Параметром распределения СВ X называется любая числовая характеристика этой СВ (математическое ожидание, дисперсия и т.п.) или любая константа, явно входящая в выражение для функции распределения.
В общем случае будем предполагать, что параметр распределения θ может быть векторным, т. е.
В случае параметрической статистической модели ( ) таким параметром распределения может служить неизвестный вектор , характеризующий распределение .
Пусть имеется выборка Zn = со1(X1, ... ,Хп) с реализацией zn = col(x1, ...,хп).
Определение 3.2. Точечной (выборочной) оценкой неизвестного параметра распределения называется произвольная статистика (Zn), построенная по выборке Zn и принимающая значения в множестве .
Замечание 3.1. Реализацию (zn) оценки (Zn) принимают, как правило, за приближенное значение неизвестного параметра θ.
0>