Объеме выборки

Классическая теория, основанная на нормальном законе распределения, при малых выборках неприменима. В этом случае используются другие законы распределения, разработанные микростатистикой: распределения Стьюдента и Фишера.

- распределение Стьюдента. Известно, что если из нормально распределенной совокупности значений случайной величины путем - кратного независимого выбора взять выборки объемом , то средние значения этих выборок будут тоже распределены нормально с тем же средним значением, но с меньшей дисперсией, т.е.

Отношение отклонения выборочного среднего значения от его математического ожидания (среднее значение генеральной совокупности) к основной ошибке называется статистикой. Эта статистика имеет нормальное распределение с равным нулю средним значением и равной 1 дисперсией

При научных исследованиях дисперсия генеральной совокупности почти всегда неизвестна и поэтому нельзя выполнить нормирование. По выборке можно определить несмещенную оценку дисперсии

Отклонение выборочного среднего значения от среднего значения генеральной совокупности, нормированное при помощи этой оценки, называется статистикой:

При =30 - распределение практически мало отличается от нормального распределения. При малых значениях - распределение заметно отличается от нормального распределения. Оно более островершинное.

- распределение Фишера. Рассмотрим распределение статистики . Имеются две независимые выборки разных объемов, средние значения которых и . По данным этих выборок получены оценки и дисперсий генеральных совокупностей с числами свободы и .

Требуется выяснить, являются ли эти оценки существенно различными, или данные выборки можно рассматривать как взятые наудачу из нормальных генеральных совокупностей, имеющих равные дисперсии .

Для решения этой задачи применяется статистика , называемая дисперсионным отношением. Статистика представляет отношение оценок и , полученных из независимых выборок, взятых наудачу из нормальных генеральных совокупностей с одинаковой дисперсией :

при > .

- распределение Фишера выражает вероятность того, что некоторое значение будет больше или равно :

- распределение не зависит от дисперсии генеральной совокупности, а зависит от чисел степеней свободы. График плотности распределения приведен на рис. 1.8.

Рис. 1.8. - распределение Фишера

Статистика чаще всего применяется при дисперсионном анализе, в котором требуется только односторонний критерий значимости. Нулевая гипотеза, которая проверяется при помощи статистики , состоит в том, что выборки взяты из одной нормальной генеральной совокупности или из разных нормальных генеральных совокупностей, имеющих равные дисперсии.

Распределения Фишера и Стьюдента используются при формировании выборки из выборок малого объема и установлении статистической значимости случайных величин, параметров и уравнений.

Малая выборка содержит мало информации об интересующем свойстве. Для получения более надежных выводов требуется объединить малые выборки в одну, но при этом необходимо установить их однородность. Совокупности однородны, если их математические ожидания равны.

Критериями для сравнения выборок служат: равенство двух выборочных дисперсий, равенство двух выборочных средних и однородность ряда выборочных дисперсий.

Критерий однородности ряда дисперсий. Однородность дисперсий ошибок измерений случайной величины в случае равного объема выборок оценивают по критерию Кохрена, расчетное значение которого определяют по формуле

где - дисперсия ошибок измерения СВ - й выборки; - число выборок.

Критическое значение критерия определяют по таблице (приложение 1) при заданных значениях уровня значимости и степенях свободы: ; , где - число измерений (объем выборки).

Пример 1.3. При определении предела прочности получены следующие значения дисперсий ошибок измерений пяти партий бетона: 2,5; 2,8; 3,2; 2,4; 2,7. Ошибки во всех случаях подсчитывались по 17 – ти измерениям.

Оценить однородность дисперсий ошибок измерений прочности, т.е. возможность проведения дисперсионного анализа.

Определяем расчетное значение критерия

= =0,235.

Критическое значение критерия при и равно 0,3645. Таким образом, , гипотеза об однородности дисперсий ошибок измерений подтверждается с вероятностью 95 % и можно проводить дисперсионный анализ. Результаты расчета в среде ЭТ приведены в таблице 1.5.

Т а б л и ц а 1.5

Расчет в среде ЭТ

Критерий равенства двух дисперсий. Для сравнения дисперсий двух выборок используют - критерий Фишера. Определяют расчетное значение - критерия в виде отношения большей дисперсии к меньшей

Так как проверяется гипотеза о равенстве генеральных дисперсий, то желательно, чтобы это отношение было как можно ближе к единице. Критическое значение - критерия вычисляем с помощью статистической функции РАСПОБР. Число степеней свободы принимают соответственно , где - объем выборки. Гипотеза о равенстве дисперсий подтверждается, если .

Критерий равенства двух средних. Для сравнения двух выборочных средних используют - статистику. После проверки гипотезы о равенстве двух выборочных дисперсий, вычисляют общую дисперсию двух выборок и расчетное значение - статистики по формулам:

Критическое значение - статистики определяем с помощью статистической функции СТЬЮДРАСПОБР. Число степеней свободы . Гипотеза о равенстве средних значений подтверждается, если .

Пример 1.4. Сравним результаты испытаний двух выборок образцов бетона. В первой выборке объемом 29 образцов средний предел прочности =40,1 МПа, дисперсия =8,2. Во второй выборке объемом 13 образцов средний предел прочности =40,9 МПа, дисперсия =7,1.

Расчетное значение - критерия:

=8,2/7,1=1,155.

Диалоговое окно функции РАСПОБР представлено на рис. 1.9.

Степени свободы

=28+12=40. Критические значения - критерия при различных значениях уровня значимости приведены в таблице 1.6.

Рис. 1.9. Диалоговое окно функции FРАСПОБР

Т а б л и ц а 1.6

Результаты расчета в среде ЭТ

Так как расчетное значение - критерия меньше критических значений при всех уровнях значимости, то гипотеза о равенстве дисперсий подтверждается.

Определим общую дисперсию

Вычислим расчетное значение - статистики.

Критические значения - статистики при различных значениях уровня значимости приведены в таблице 1.6.

Расчетное значение - статистики при всех уровнях значимости меньше критического значения. Следовательно, между средними значениями прочности бетона двух выборок нет существенного различия.

Для установления статистической значимости случайной величины определяют расчетное значение - статистики по формуле