Дисперсии выборочная и генеральная

Выборочный коэффициент корреляции. Выборочный коэффициент корреляции г определяется так же, как и генеральный коэффициент г, только при этом используются выборочные средние и дисперсии. Допустим, что проведено п испытаний и при каждом отмечались значения двух случайных величин. Если через х и у обозначить средние значения [c.127]

Генеральная совокупность и выборка. Вариационный ряд. Гистограмма. Эмпирическая функция распределения. Выборочная средняя и дисперсия. [c.153]

Строго говоря, этот предел и следует называть стандартным отклонением, а квадрат этой величины — дисперсией измерений. Таким образом, в условиях аналитического определения обычно находят выборочное среднее х, а не генеральное среднее ц, и выборочное стандартное отклонение 5, а не а. [c.127]

Вероятность неравенств, противоположных (11.78) и (11.79), равна уровню значимости р, они образуют критическую область для нулевой гипотезы. Если полученное дисперсионное отношение попадает в критическую область, различие между дисперсиями надо считать значимым. Будем для удобства обозначать через 1 большую выборочную дисперсию. При проверке нулевой гипотезы. а1 = сг2 односторонний критерий применяется, если альтернативной гипотезой является гипотеза Ст1 >сг2 , т. е. если большей выборочной дисперсии 1 заведомо не может соответствовать меньшая генеральная. При этом различие между дисперсиями согласно (И.79) следует считать значимым, если [c.48]

Размерности математического ожидания и измеряемой величины совпадают. Размерность дисперсии соотносится с размерностью абсолютных отклонений и самой измеряемой величины как квадрат величины с ее первой степенью. Чтобы привести в метрологическое соответствие оценки отдельных значений измеряемой величины с абсолютными значениями отклонений, используют величину д/0( ) - В случае генеральной совокупности ее обозначают символом а и называют генеральным стандартным отклонением, а также просто стандартом и среднеквадратичным отклонением. Цля выборочной совокупности [c.818]

В основе микростатических оценок нормально распределенных случайных величин лежит распределение Стьюдента, которое связывает между собой три основные характеристики выборочной совокупности ширину доверительного интервала, соответствующую ему доверительную вероятность и объем выборки или число степеней свободы выборки = п — . Применение распределения Стьюдента для оценки неизвестного среднего ц нормальной случайной величины х основано на следующем. Пусть х, х , Хп — независимые наблюдения (результаты анализа) нормальной случайной величины X с неизвестными наблюдателю средним р, и дисперсией (т . Вычислим соответствующие выборочные параметры j и 5 и составим дробь t — х — р,) /5. Эта Дробь имеет рас- пределение Стьюдента с = п—1 числом степеней свободы. Сравним величину I с аргументом функции Лапласа и. Если ыл — мера отклонения среднего результата анализа от математического чэжидания р, в единицах генерального стандартного отклонения [c.92]

Показано, что если имеется несколько выборочных совокупностей из и результатов, являющихся составными частями одной генеральной совокупности, случайные величины которой распределены нормально с параметрами fl и <7 , то средние х этих выборок подчиняются также закону нормального распределения с параметрами fi и jn. Отсюда дисперсия среднего [c.47]

При обработке наблюдений обычно не удается получить эмпи- рическую функцию распределения. Даже простейший анализ условий проведения опытов позволяет с достаточной степенью уверенности определять тип неизвестной функции распределения. Окончательное уточнение неизвестной функции распределения сводится к определению некоторых числовых параметров распределения. По выборке могут быть рассчитаны выборочные статистические характеристики (выборочное среднее, дисперсия и т. д.), которые являются оценками соответствующих генеральных параметров. Оценки, [c.24]

Генеральную дисперсию получить нельзя из наблюдений, ее можно только оценить при помоши выборочной дисперсии 5 . Ошибка от замены генеральной дисперсии выборочной будет тем меньше, чем больше объем выборки п. На практике эту погрешность не учитывают при п 50 и в формуле (П.49) для доверительного интервала [c.41]

Объяснить значение фундаментальных статистических терминов дискретная и непрерывная случайная величина, генеральная совокупность, плотность вероятности, функция распределения случайной величины, моменты функции распределения, среднее, дисперсия, объем выборки, выборочное распределение, выборочные параметры. [c.416]

Действительно, пусть предполагается, что некоторая выборка с параметрами (х, 5 ) принадлежит к генеральной совокупности с параметрами Ц,а ). При этом можно выдвинуть гипотезу о том, что среднее значение параллельных измерений является оценкой истинного значения (т. е. Зс = ), а выборочная дисперсия — оценкой генеральной ( = а ). Эти предположения приводят к условиям [c.69]

В наиболее распространенных случаях, когда объем выборки мал, вместо неизвестной генеральной дисперсии <т используют выборочную дисперсию 8 , а вместо нормального распределения — -распределение Стьюдента. [c.430]

Степень приближения выборочной дисперсии к генеральной зависимости от числа степеней свободы /, определяемой как [c.129]

Оценка математического ожидания норд1ально распределенной случайной величины. При отсутствии грубых и систематических ошибок математическое ожидание случайной величины совпадает с истинным результатом наблюдений. Поэтому оценка математического ожидания имеет важное значение при обработке наблюдений. Легче всего оценить математическое ожидание при известной дисперсии генеральной совокупности (см. гл. II. 8). Генеральную дисперсию аг нельзя получить из наблюдений, ее можно только оценить при помощи выборочной дисперсии iP. Ошибка от замены генеральной дисперсии выборочной будет тем меньше, чем больше объем выборки и. На практике эту погрешность не учитьшают при л >50 и в формуле (11.49) для доверительного интервала генеральный параметр заменяют выборочным стандартом. В дальнейшем предполагается, что наблюдаемая случайная величина имеет нормальное распределение. [c.45]

Эти величины и называют дисперсиями измерения — генеральная дисперсия — выборочная дисперсия. Они характеризуют точность измерения. [c.25]

Чем меньше число степеней свободы, тем менее надежной характеристикой генеральной дисперсии является выборочная дисперсия 5 . При нормальном распределении появление больших погрешностей менее вероятно, чем малых, поэтому при уменьшении числу параллельных проб вероятность появления больших погрешностей уменьшается. Неучет этого приводит к необъективному, заниженному значению погрешности. Эта ненадежность, связанная с числом определений (параллельных проб), учитывается /-распределением Стьюдента, в котором предусматривается большая вероятность появления больших погрешностей, а малых меньше, чем в нормальном распределении. [c.129]

Величина X в генеральной совокупности является случайной и, как правило, подчиняется нормальному закону распределения. Например, статическая прочность материала определенной марки имеет некоторое среднее значение X и дисперсию о, составляющую около 10% от X. Разброс связан не только с погрешностью измерения X, а также со случайным изменением свойств материала. Будем считать, что дисперсия для генеральной совокупности известна и при выборочном контроле требуется оценить среднее значение X и сопоставить его с X. [c.46]

Таблица 12.1-1. Среднее и дисперсия для выборочной и генеральной совокупностей

Случайные отклонения при малом числе опытов. На практике экспериментатор выполняет не бесконечно большое число опытов, а довольно малое (2—10), и имеет дело не с генеральной, а с выборочной совокупностью вариант (см. табл. 7.3). При этом распределение случайных ошибок подчиняется уже не закону Гаусса, а /-распределению, имеющему ту же форму, что и кривая Гаусса, но с большей величиной а. При этом /-критерий (или иначе ко- эффициент Стьюдента — Фише- "щ ра) зависит от доверительной е вероятности (Р) и числа опытов минус 1 (р = п.—1). Последнее представляет собой число степе- ней свободы и вводится тогда, когда неизвестно истинное значе- ние, а рассчитывается среднее X, поэтому при расчете дисперсии выборочной совокупности (5 ) в знаменателе ставится л—1. [c.135]

Дисперсия косвенного измерения определяется так же, как обычная дисперсия., только отклонения берутся от среднего косвенного измерения а . Ее можно найти, зная дисперсии отдельных наблюдений и вид функции /. На практике определяют выборочные дисперсии Sx и по ним выборочную дисперсию косвенного измерения 5 2, которая служит оценкой генеральной дисперсии Чтобы найти разложим функцию г = 1(х1, Х2,. .., х ) в ряд Тейлора в точке (тх,, гпх ,..., ограничиваясь членами первого [c.32]

При соблюдении условия — к ЗО и небольшом отличии выборочных дисперсий 5 друг от друга (для количественной проверки этого условия служит так называемый критерий Фишера), параметр служит хорошей оценкой генерального параметра а. Это открывает возможность оценки погрешностей с помощью функций Гаусса — Лапласа. [c.830]

Оценка дисперсии нормально распределенной случайной величины. Дисперсию генеральной совокупности нормально рас-г ределенной случайной величины можно оценить, если известно распределение ее оценки — выборочной дисперсии Распределение выборочной дисперсии можно получить при помощи распределения Пирсона или -распределения. Если имеется выборка п независимых наблюдений х, х ,. .., Хп над нормально распределенной случайной величиной, то можно показать, что сумма [c.44]

Неравенство Чебышева используется в тех случаях, когда распределение результатов и случайных ошибок анализа заведомо отличается от нормального. С помощью этого неравенства удается получить загрубленные статистические оценки для генерального среднего л по выборочному среднему х, если известно значение генеральной или по крайней мере выборочной дисперсии. [c.96]

Введем понятие числа степеней свободы / Это число независимых переменных в выборочной совокупности за вычетом числа связей между ними. В уравнении (2.4) / = л -1, так как рассматривается рассеяние данных относительно среднего, т. е. на результаты наложена одна связь. Если известно генеральное среднее ц, то можно рассматривать рассеяние данных относительно и тогда дисперсия равна [c.46]

Поскольку выборочная дисперсия выборочной совокупности (хь Х2, Х5,. . ., Хп) не совпадает с дисперсией бесконечнозначной генеральной совокупности (хь Хг, Хз,. . ., Хоо), величины соответствующих среднеквадратичных отклонений тоже не совпадают, т. е. [c.63]

Подчеркнуть, что выборочные средние и дисперсия есть лишь оценки соответствующих (как правило, неизвестных) параметров генеральной совокупности. [c.416]

Проверка гипотезы об адекватности Гфоводится с использованием Р-критерия Фишера. Критерий Фишера позволяет проверить нуль-гипотезу о равенстве двух генеральных дисперсий Одд и а (у). Если выборочные дисперсии у), то / -критерий формируется как отношение [c.482]

Однако, если число параллельных результатов достаточно велико, выборочные параметры М х) и 5(j ) t большой точностью приближаются к генеральным. Уже при п > 30 и тем более при п > 50 или п > 100 выборочные параметры можно считать близко совпадающими с генеральными. Существенно отметить при этом, что совсем не обязательно, чтобы все п результатов были параллельными, т. е. повторными результатами- анализа одной и той же пробы. Вычислить стандартное отклонение 5->о можно по многократным анализам нескольких проб, близких по составу, когда общее число анализов п = т ГП2. .. + достаточно велико (о методах расчета генерализованной дисперсии речь пойдет в следующем параграфе). Несомненно поэтому, что каждую хорошо отработанную и многократно проверенную аналитическую методику можно и должно характеризовать выборочным стандартным отклонением, практически не отличающимся от генерального стандартного отклонения аналитического определения . [c.83]

Поскольку выборочная дисперсия 5 выборочной совокупности хи Х2. .. Хп) не совпадает с дисперсией бесконечнозначной генеральной совокупности (л 1, Х2,. .., Хоо), значения выборочного 5 [c.75]

Сравнение двух дисперсий. При обработке наблюдений часто возникает необходимость сравнить две или несколько выборочных дпснерсий. Основная гипотеза, которая нри этом проверяется можно ли считать сравниваемые выборочные дисперсии оценками одной и той же генеральной дисперспн. Рассмотрим две выборки [c.46]

Требуется выяснить, являются ли выборочные дисперсии 51 и значимо различными или же полученные выборки можно рассматривать как взятые из генеральных совокупностей с равными дис-. перснямн. Предположим, что первая выборка сделана из генеральной совокупности с дисперсией а вторая — из генеральной совокупности с дисперсией a2 . Проверяется нулевая гипотеза о равенстве генеральных дисперсий На. 01 = 02 . [c.47]

Наиболее сложной задачей является определение качества смешения. В качестве критериев качества смешения предлагают применять степень отклонения распределения компонентов от случайного. Они основаны на использовании статистических величин. По мере приближения смеси к случайной выборочная дисперсия (фактическая) приближается к предельному значению генеральной дисперсии (теоретической), т. е. индекс смешения [c.38]

В специальных руководствах и справочниках по математиче-> ской статистике табулированы значения Скр — критерия Кохрана для уровня значимости р = 0,05 и р = 0,01 как функции числа степеней свободы = к—1. Если найденное дисперсионное отношение О < Скр, все выборочные дисперсии можно считать оценками одной генеральной дисперсии. В этом случае наилучщей оценкой генеральной дисперсии будет среднее арифметическое выборочных дисперсий [c.107]

Полученное значение Fэк n сравнивают с табличным (табл. 2.5) при числе степеней свободы /1- Заметим, что в таблицах число степеней свободы большей дисперсии приводится в горизонтальном ряду, мёньшей — в вертикальном и что /2) Ф Р /2, /). Если при выбранном уровне значимости (обычно р = 0,05 или р = 0,01), то расхождение между дисперсиями значимо и рассматриваемые выборочные совокупности отличаются по воспроизводимости. Если < F 6л. то различие в воспроизводимости имеет случайный характер и обе дисперсии К, и являются приближенными оценкам одной и той же общей для обеих выборок дисперсии генеральной совокупности. [c.52]

При выполнении многих аналитических определений хпми-ку-аналитику неизвестна величина генеральной дисперсии и генерального стандарта. Вместе с тем ч Исло параллельных анализов отдельных образцов недостаточно велико, чтобы считать выборочные параметры совпадающими с генеральными. Однако, если под руками у аналитика имеются данные повторных анализов не одного образца, а серии образцов, схожих по составу, перед ним открывается возможность вычисления средневзвешенных параметров. [c.78]

Дисперсионный анализ состоит в выделении и оценке отдельных факторов, вызывающих изменчивость изучаемой случайной величины. Для этого производится разложение суммарной выборочно дисперсии на составляющие, обусловленные независимыми факторами. Каждая из этих составляющих представляет собой оценку дисперсии генеральной совокупности. Чтобы решить, значимо ли влияние данного фактора, необходимо оценить значимость соответ-стг(ую1цей выборочной диснерсии в сравнении с дисперсией воспроизводимости, обусловленной случайными факторами. Проверка значимости оценок дисперсий проводится по критерию Фишера (см. гл. И, 11). Если рассчитанное значение критерия Фишера окажется меньше табличного, то влияние рассматриваемого фактора нет оснований считать значимым. Если же рассчитаниос значение критерия Фишера окажется больше табличного, то рассматриваемый фактор влияет па изменчивость средних. В дальнейшем будем полагать, что выполняются следующие допущения 1) случайные ошибки наблюдений имеют нормальное расиределение 3) факторы [c.78]

Пусть имеются две серии результатов анализа одного образца А и В, представленные в форме выборочных совокупностей с объ емами Па и пв. Если сравнение дисперсий 5л и с помощью Р-критерия показывает, что они значимо не отличаются друг от друга, закономерна постановка вопроса о том, значимо ли различие выборочных средних ха и Хв. Если выборочные средние отличаются лишь в силу случайного разброса, обе выборки можно считать принадлежащими одной генеральной совокупности. Это открывает возможность уточнения оценки математического ожидания и стандартного отклонения, поскольку число степеней сво- боды объединенной выборки больше, чем у обеих выборок А и В. Значимое различие выборочных средних свидетельствует о нали- [c.107]

Генеральную дисперсию получить нельзя из цаблюдений. ее можно только оценить при помощи выборочной диспереит [c.41]

Рассмотрим две нормально распределенные выборочные совокупности результатов анализа объемами щ и п , полученные независимыми методами. Очевидно их выборочные дисперсии 5 и 51 не будут совпадать между собой. Однако различие между ними может носить только случайный характер, поскольку они являются приближенными оценками одной и той же общей для обеих выборок генеральной дисперсии а . В таком случае результаты обеих выборок можно считать равноточными. С другой стороны, различие дисперсий может быть обусловлено значимой причиной, например, снижением уровня шумов за счет стабилизации источника возбуждения (спектральный ана-iиз) или экранирования регистрирующей ячейки (потенциомет-рия) в одной серии определений в отличие от другой. Очевидно, выборочные совокупности результатов анализа в этом случае не будут равноточными. [c.104]

Если между диспер-сиями нет значимых различий, для оценки генеральной дисперсии характеризующей фактор случайности, используют выборочную дисперсию [c.81]

Если повторить один и тот же эксперимент п раз, мы получим выборку — серию из п независимых, идентично распределенных значений Х1,Х2,...Хп случайной величины X (нижний индекс соответствует номеру эксперимента). Любая функция случайных величин есть тоже случайная величина. Рассмотрим некоторую функцию 2(Х), аргументами которой служит серия из п значений Х1,Х2,... Хп случайной величины X. Эта функция является новой случайной величиной, распределение которой связано с распределением X и порождается им. Распределение величины 2 в этом случа называется выборочным распределением. Два важных примера функции 2(Х)—эгго выборочное среднее X и выборочная дисперсия Отметим, что необходимо строго различать выборочные параметры (например, X или з ) и генеральные параметры (соответственно, /х и <т ). [c.422]

Проанализировав п образцов, мы получим выборку из п независимых случайных величин Хг,Х2,... Хп, характеризующихся некоторой функцией распределения. Из этих данных можно оценить значение некоторого параметра распределения т (например, среднего /х или дисперсии ст ), используя соответствующую функцию Т Х) от результатов измерений она называется оценша-телем. Величина Т(Х) — также случайная она имеет свою собственную функцию распределения, среднее и дисперсию. Примером оценивателя может служить выборочное среднее, описанное в разд. 2.4. Разумеется, для каждой конкретной выборки мы получим свое значение реализацию) величины Т она называется оценкой. От надежных оценок требуется, чтобы вероятность их близости к истинному значению оцениваемого параметра была высокой. В идеальном случае центром распределения Т должно быть значение т, т. е. Е(Т) = г. Оцениватель, удовлетворяющий этому требованию, называется несмещенным. Как отмечено выше, Е(Х) = /х и Е з ) = поэтому выборочные среднее и дисперсия — несмещенные оценки соответствуюш,их генеральных параметров. [c.429]