Понятие доверительного интервала и доверительной вероятности

1.7. Понятие доверительного интервала и доверительной вероятности

Как установлено ранее, истинное значение измеряемой величины Х отличается от среднеарифметического a на некоторую величину Dx. На рис. 2 представлено расположение истинного значения Х и а, полученного из некоторых измерений а₁, а₂, а₃.

Ясно, что случайные величины а₁, а₂, а₃ обусловят случайный характер абсолютной погрешности Dx результата серии измерений, которая будет распределена по закону Гаусса:

.

Рис. 2. Взаимное расположение Х и а, полученных

из трех измерений а₁, а₂, а₃

Тогда вместо выражения Х = а ± Dх можно записать а - Dх £ Х £ а + D.

Интервал (а - Dх; а + Dх), в который по определению попадает истинное значение X называют доверительным интервалом. Надежностью (уровнем значимости) результата серии измерений называется вероятность a того, что истинное значение X измеряемой величины попадет в доверительный интервал. Вероятность a выражается в долях единицы или процентах. Графически надежность отражается площадью под кривой нормального распределения в пределах доверительного интервала, отнесенной к общей площади. Выбор надежности определяется характером производимых измерений. Например, к деталям самолета предъявляются более жесткие требования, чем к лодочному мотору, а к последнему значительно больше, чем к ручной тачке. При обычных измерениях ограничиваются доверительной вероятностью 0,90 или 0,95. Для любой величины доверительного интервала (выраженного в долях s ) по формуле Гаусса может быть просчитана соответствующая доверительная вероятность. Эти вычисления проделаны и сведены в таблицу, имеющуюся практически во всей литературе по теории вероятности. На рис. 3 представлены значения надежности a при величине доверительного интервала ±s, ±2s, ±3s. Эти значения доверительной вероятности рекомендуется запомнить.

По рис. 3 видно, что величина абсолютной погрешности Dx может быть представлена в виде К×s_а, где К некоторый численный коэффициент, зависящий от надежности a. Однако это справедливо лишь для большого (бесконечного) числа n. При малых n этим коэффициентом пользоваться нельзя, т.к. величина s_а неизвестна. Для того, чтобы получить оценки границ доверительного интервала при малом n вводится новый коэффициент t_a. Этот коэффициент предложен английским математиком и химиком В.С. Госсетом, публиковавшим свои работы под псевдонимом ² Стьюдент ².

Рис. 3. Значения надежности a при различных значениях Dx/s

И коэффициент t_a назвали коэффициентом Стьюдента. Коэффициент Стьюдента отражает распределение случайной величины t = при различном n. При n®¥ ( практически при n ³ 20 ) распределение Стьюдента переходит в нормальное распределение. Значения коэффициента Стьюдента также приводятся практически во всей литературе по теории вероятности.

Зная величину t_a можно определить величину абсолютной погрешности Dх = t×S_a . Следует отметить, что величина абсолютной погрешности еще не определяет точность измерений. Точность измерений характеризует относительная погрешность, равная отношению абсолютной погрешности Dx результата измерений к результату измерений а: ε = ± Dх / а. .

1.8. Обнаружение промахов

Если в ряду измерений встречаются результаты, резко отличающиеся от большей части ряда, то возникает вопрос принадлежности ² выскакивающих ² значений этому ряду измерений. Большие ошибки имеют малую вероятность возникновения. Поэтому следует объективно оценить, является ли данное измерение промахом ( тогда его исключают из ряда ) или же это результат случайного, но совершенно закономерного отклонения. Можно считать каждое измерение промахом, если вероятность случайного появления такого значения является достаточно малой.

Если известно точное значение s, то вероятность появления значения, отличающегося от среднеарифметического а более чем на 3s £ 0,003 и все измерения, отличающиеся от а на 3s ( и больше ) могут быть отброшены, как маловероятные.

Следует иметь в виду, что для совокупности измерений вероятность появления измерения ³ 3s от а всегда больше 0,003. Действительно, вероятность того, что результат каждого измерения не будет отличаться от истинного более чем 3s составляет 1- 0,003 = 0,997. Вероятность того, что все n измерений не будут отличаться от среднего более чем на 3s по правилу умножения вероятностей составит ( 1 - 0,003 )ⁿ. Для не слишком большого n

(1 - 0,003)ⁿ » 1 - 0,003×n.

Это значит, что вероятность того, что из 10 измерений хотя бы одно будет случайно отличаться от среднего более чем на 3s будет уже не 0,003, а 0,03 или 3%. А при 100 измерениях вероятность такого события составит уже около 30%.

Обычно число измерений не очень велико. При этом точное значение s не известно, следовательно, отбрасывать измерения, отличающиеся от среднего более чем на 3s, нельзя.

Для оценки вероятности b случайного появления ²выскакивающих² значений в ряду n измерений составлены соответствующие таблицы.

Для применения таблицы вычисляется среднее арифметическое а и средняя квадратичная погрешность S_n из всех измерений, включая и подозреваемое значение а_k. Затем вычисляется уклонение подозреваемого значения а_k от среднего арифметического в долях среднеквадратичной ошибки

V_макс = .

По таблице определяется какой вероятности b соответствует полученное значение V_макс.

Если вероятность появления данного измерения в ряду лежит в диапазоне 0,1 > b > 0,01, то представляется одинаково правильным - оставить это измерение или отбросить. В случае же, когда b выходит за указанные пределы, вопрос об отбрасывании решается практически однозначно. Решая вопрос об отбрасывании полезно посмотреть, как сильно оно меняет окончательный результат по а и S_n.

Похожие работы

Обработка результатов эксперимента

Скачать

83728

10

12

... Как видно, с ростом числа измерений различие между результатами, вычислениями по распределению Стьюдента и по нормальному распределению уменьшается. Контрольные вопросы Цель математической обработки результатов эксперимента; Виды измерений; Типы ошибок измерения; Свойства случайных ошибок; Почему среднеарифметическое значение случайной величины при нормальном законе ее распределения является ...

Методы обработки результатов педагогического эксперимента

Скачать

18346

1

0

... распределения случайной величины. а) коэффициент асимметрии; б) момент случайной величины; в) коэффициент эксцесса; г) математическое ожидание. Ответ: в). Тема 9. МЕТОДЫ ВТОРИЧНОЙ СТАТИСТИЧЕСКОЙ ОБРАБОТКИ РЕЗУЛЬТАТОВ ПЕДАГОГИЧЕСКОГО ЭКСПЕРИМЕНТА   Тестовое задание 1. Выберите верные ответы. В зависимости от используемых источников информации исследования делятся на: а) кабинетные; б) ...

Эксперимент как основа естествознания

Скачать

66194

0

0

... , казалось бы, характеризуется чисто эмпирическими признаками: изменением управляемых условий, включением и выключением приборов и различных механизмов, фиксированием тех или иных свойств, эффектов и т. п. В ходе эксперимента как бы уменьшается роль теории. Но на самом деле наоборот - без теоретического знания невозможны постановка промежуточных задач и их решение. Экспериментальная установка - ...

Математическое моделирование при активном эксперименте

Скачать

38195

29

2

... свободы остается на проверку гипотезы адекватности. Если заранее пренебречь взаимодействиями высших порядков, то имеется возможность получить математическую модель при меньшем числу опытов, реализовав не весь план ДФЭ, а только его часть (дробную реплику). Эксперимент, реализующий часть (дробную реплику) полного факторного эксперимента, называется дробным факторным экспериментом (ДФЭ). ДФЭ ...