Matlab  |  Mathcad  |  Maple  |  Mathematica  |  Statistica  |  Другие пакеты Поиск по сайту
Internet-класс  |  Примеры  |  Методики  |  Банк задач  |  Консультации & Форум  |  Download  |  Ссылки  |  Конкурсы
Научно-практический журнал "Exponenta Pro. Математика в приложениях". Вышел 1/2004 номер журнала
 
Лабораторные работы по курсу "Теория вероятностей"

Вернуться на страницу <Методические разработки>
В начало | Л.р.1 | Л.р.2 | Л.р.3 | Л.р.4 | Л.р.5 | Л.р.6 | Л.р.7

| Л.р.8 | Л.р.9 | Л.р.10 | Л.р.11 | Л.р.12Л.р.14 | Л.р.15

Лабораторная работа 13
Точечные оценки неизвестных параметров распределения

выборочное среднее ~ выборочная дисперсия ~ выборочное среднее квадратическое отклонение

Пусть x[1] , x[2] ,..., x[n] - наблюдавшиеся значения случайной величины x. Точечной оценкой для Mx служит выборочное среднее

m = 1/n*sum(x[i],i = 1 .. n)

Оценкой дисперсии является выборочная дисперсия

s^2 = sum((x[i]-m)^2,i = 1 .. n)/n

Для оценки дисперсии при малых n используется величина (исправленная выборочная дисперсия)

n*s^2/(n-1)

Корень квадратный из выборочной дисперсии называется выборочным средним квадратическим отклонением величины x .

(См. задачи в Агапов Г. И. Задачник по теории вероятностей: Учеб. пособие для студентов втузов. - М.: Высш. шк., 1986.

 

Задача 1 . В результате пяти измерений длины стержня одним прибором (без систематических ошибок, т.е. предполагается, что математическое ожидание измерений xi[i] совпадает с истинной длиной стержня) получены следующие результаты ( в мм): 92, 94, 103, 105, 106. Найти:

а) выборочную среднюю длину стержня;

б) выборочную дисперсию и несмещенную оценку дисперсии ошибок прибора.

Решение . Загрузим библиотеку и зададим выборку

> with(stats);

[anova, describe, fit, importdata, random, stateval...

> data:=[92,94,103,105,106];

data := [92, 94, 103, 105, 106]

Найдем выборочную среднюю, для чего используем команду mean из подбиблиотеки describe:

> describe[mean](data);

100

Найдем выборочную дисперию

> describe[variance](data);

34

Найдем несмещенную оценку дисперсии ошибок прибора:

> n/(n-1)*describe[variance](data);

85/2

Задача 2 . Приведены результаты измерения роста (в см) случайно отобранных 100 студентов

> data:=[Weight(154..158,10),Weight(158..162,14),Weight(162..166,26),Weight(166..170,28),Weight(170..174,12),Weight(174..178,8),Weight(178..182,2)];

data := [Weight(154 .. 158,10), Weight(158 .. 162,1...
data := [Weight(154 .. 158,10), Weight(158 .. 162,1...

Найти выборочное среднее и выборочную дисперсию роста обследованных студентов.

Задача 3 . На телефонной станции производились наблюдения за числом неправильных соединений в минуту. Наблюдения в течение часа дали следующие результаты:

> data:=[3,1,3,4,2,1,1,3,2,7,2,0,2,4,0,3,0,2,0,1,3,3,1,2,2,0,2,1,4,3,4,2,0,2,3,1,3,1,4,2,2,1,2,5,1,1,0,1,1,2,1,0,3,4,1,2,2,1,1,5]:

Найти среднее и дисперсию распределения. Сравнить с распределением Пуассона.

Решение . Найдем выборочную среднюю

> lambda:=describe[mean](data);

lambda := 2

Найдем выборочную дисперсию

> nu[2]:=describe[variance](data);

nu[2] := 21/10

Представим выборку в виде статистического ряда:

> data1:=transform[tally](data);

data1 := [Weight(0,8), Weight(1,17), Weight(2,16), ...

Найдем относительные частоты

> data2:=transform[scaleweight[1/describe[count](data1)]](data1);

data2 := [Weight(0,2/15), Weight(1,17/60), Weight(2...
data2 := [Weight(0,2/15), Weight(1,17/60), Weight(2...

Вычислим соответствующие вероятности по формуле Пуассона

> data3 := array(1..7):
for i from 1 to 7 do data3[i] :=evalf(exp(-lambda)*lambda^(i-1)/(i-1)!) od:

> print(data3);

vector([.1353352832, .2706705664, .2706705664, .180...

Для сравнения относительных частот и вероятностей получим массив относительных частот

> data4:=transform[frequency](data2);

data4 := [2/15, 17/60, 4/15, 1/6, 1/10, 1/30, 1/60]...

Сравним частоты и вероятности (в %)

> sum(abs(data3[k]-data4[k]),k=1..7)*100;

4.961841111

Очевидно, что относительные частоты мало отличаются от вероятностей. Поэтому распределение случайной величины (числа неправильных соединений в минуту) близко к распределению Пуассона.

 

Задача 3 . Измерен параметр транзистора, результаты измерений приведены в массиве

> data:=[4.4,4.31,4.4,4.4,4.65,4.56,4.71,4.54,4.34,4.56,4.32,4.42,4.6,4.35,4.5,4.4,4.43,4.48,4.42,4.45]:

Найти выборочную среднюю, выборочную дисперсию и ее несмещенную оценку.

 

Задача 4 . Измерительным прибором, практически не имеющим систематической погрешности, было сделано пять независимых измерений некоторой величины. Результаты измерений приведены в массиве

> data:=[2781,2836,2807,2763,2858]:

а) Найти выборочную дисперсию погрешности измерения, если измеряемая величина точно известна: 2800;

б) найти выборочное среднее, выборочную дисперсию и ее несмещенную оценку, если точное значение измеряемой величины неизвестно.

 

Задача 5 . При шприцевании в лабораторных условиях протекторной резиновой смеси были получены следующие значения усадки: 90, 93.1, 95, 96, 100, 101, 106. Найти выборочное среднее значение усадки, выборочную дисперсию и ее несмещенную оценку.

В начало | Л.р.1 | Л.р.2 | Л.р.3 | Л.р.4 | Л.р.5 | Л.р.6 | Л.р.7

| Л.р.8 | Л.р.9 | Л.р.10 | Л.р.11 | Л.р.12 | Л.р.14 | Л.р.15
Вернуться на страницу <Методические разработки>

Карта сайта | На первую страницу | Поиск |О проекте |Сотрудничество |
Exponenta Pro | Matlab.ru

Наши баннеры


Copyright © 2000-2003. Компания SoftLine. Все права защищены.

Дата последнего обновления информации на сайте: 11.05.04
Сайт начал работу 1.09.00

Программное обеспечение Microsoft, Macromedia, VERITAS, Novell, Borland, Symantec, Oracle и др.