Примеры
1 Определение настроенности станка-автомата при механической обработке (например, токарного, шлифовального). Точность станка, определяемая разбросом получаемых размеров деталей без изменения настройки, считается известной, а центр настройки m требуется определить. Возможны оценки в виде точечного значения или в виде интервала, который с известной степенью доверия (доверительной вероятностью) включает неизвестное значение m. Интервал может быть:
- двусторонним, если необходима уверенность с заданной доверительной вероятностью в каких пределах может лежать m;
- односторонним с верхней границей, если необходима уверенность, что m не выше какого-то значения:
- односторонним с нижней границей, если необходима уверенность, что m не ниже какого-то значения.
2 Оценка настройки автоматического оборудования для розлива жидкости в тару. Условие и возможные типы оценок - как в примере 1.
3 Многие другие технологические процессы с известной или оцененной заранее точностью (т. е. известным параметром s20), в которых выходной контролируемый параметр имеет равновозможные отклонения в большую и меньшую стороны от центра настройки m. Условие и возможные типы оценок - как в примере 1.
6.2 Алгоритм точечного и интервального оценивания среднего значения при неизвестной дисперсии приведен в таблице 6.2.
Таблица 6.2 - Оценка среднего значения при неизвестной дисперсии
|
Статистические и исходные данные |
Табличные данные и вычисления |
|
1 Объем выборки: n = |
1 Квантиль распределения Стьюдента уровня (1 - a) с v степенями свободы: t1-a(v) = |
|
2 Сумма значений наблюдаемых величин: Sx = |
2 Квантиль распределения Стьюдента уровня (1 - a/2) с v степенями свободы: t1-a/2(v) = |
|
3 Сумма квадратов значений наблюдаемых величин: Sx2 = |
3 Вычисляем:
|
|
4 Степени свободы: v = n – 1 = |
4 Вычисляем:
|
|
5 Выбранная доверительная вероятность: 1 - a |
5 Вычисляем:
|
|
|
6 Вычисляем:
|
|
|
7 Вычисляем:
|
|
Результаты: 1 Точечная оценка параметра m: = = |
|
|
2 Точечная оценка параметра D: = S2 |
|
|
3 Двусторонний симметричный доверительный интервал для параметра m: - l2S £ m £ + l2S |
|
|
4 Односторонние доверительные интервалы для параметра m: m £ + l1S или (1) m ³ - l1S (2) |
|
|
Примечание - Квантили распределения Стьюдента определяют по таблице Б.1 приложения Б |
|
Пример - Примеры те же, что и в 6.1, но точность, определяемая разбросом контролируемых значений, заранее неизвестна.
6.3 Алгоритм решения задачи сравнения неизвестного среднего значения с заданным значением m0 при известной дисперсии приведен в таблице 6.3.
Таблица 6.3 - Сравнение среднего значения с заданным значением m0 при известной дисперсии
|
Статистические и исходные данные |
Табличные данные и вычисления |
|
1 Объем выборки: n = |
1 Квантиль стандартного нормального закона распределения уровня (1 - a): u1-a = |
|
2 Сумма значений наблюдаемых величин: Sx = |
2 Квантиль стандартного нормального закона распределения уровня (1 - a/2): u1-a/2 = |
|
3 Заданное значение: m0 = |
3 Вычисляем:
|
|
4 Известное значение дисперсии генеральной совокупности: s20 = или стандартного отклонения: s0 = |
|
|
5 Выбранный уровень значимости: a = |
|
|
Результаты: |
|
|
Сравнение выборочного среднего значения с заданным значением m0: |
|
|
1 В двустороннем случае: |
|
|
Предположение равенства выборочного среднего и заданного значений (нулевая гипотеза) отклоняется, если:
|
|
|
1 В одностороннем случае: |
|
|
а) Предположение о том, что выборочное среднее не меньше чем m0 (нулевая гипотеза) отклоняется, если:
|
|
|
б) Предположение о том, что выборочное среднее не больше чем m0 (нулевая гипотеза) отклоняется, если:
|
|
|
Примечание - Квантили стандартного нормального закона распределения определяют по таблице А.1 приложения А.1 |
|
Пример - Проверка правильности настройки технологического процесса на середину поля допуска или на заданное оптимальное значение. Точность технологического процесса предполагается известной или заранее оцененной, т. е. значение s20 известно.
Возможные технологические процессы: механическая обработка, расфасовка и другие, где равновозможны отклонения контролируемого параметра в большую и меньшую сторону от центра настройки.
6.4 Алгоритм решения задачи сравнения неизвестного среднего значения с заданным значением m0 при неизвестной дисперсии приведен в таблице 6.4.
Таблица 6.4 - Сравнение среднего значения с заданным значением m0 при неизвестной дисперсии
|
Статистические и исходные данные |
Табличные данные и вычисления |
|
1 Объем выборки: n = |
1 Квантиль распределения Стьюдента уровня (1 - a) с v степенями свободы: t1-a(v) = |
|
2 Сумма значений наблюдаемых величин: Sx = |
2 Квантиль распределения Стьюдента уровня (1 - a/2) с v степенями свободы: t1-a/2(v) = |
|
3 Сумма квадратов значений наблюдаемых величин: Sx2 = |
3 Вычисляем:
|
|
4 Заданное значение: m0 = |
4 Вычисляем:
|
|
5 Степени свободы: v = n - 1 |
5 Вычисляем:
|
|
6 Выбранный уровень значимости: a = |
|
|
Результаты: |
|
|
Сравнение выборочного среднего значения с заданным значением m0: |
|
|
1 В двустороннем случае: |
|
|
Предположение равенства выборочного среднего и заданного значений (нулевая гипотеза) отклоняется, если:
|
|
|
1 В одностороннем случае: |
|
|
а) Предположение о том, что выборочное среднее не меньше чем m0 (нулевая гипотеза) отклоняется, если:
|
|
|
б) Предположение о том, что выборочное среднее не больше чем m0 (нулевая гипотеза) отклоняется, если:
|
|
|
Примечание - Квантили распределения Стьюдента определяют по таблице Б.1 приложения Б |
|
Примеры
1 То же, что и в примере 6.3, но точность технологического процесса заранее неизвестна.
2 Контрольные проверки в розничной торговле и сфере обслуживания.
Например, у пяти человек, купивших по 1 кг сливочного масла, проводят повторное взвешивание товара на контрольных, более точных весах. При этом должен быть получен ответ на вопрос:
являются ли отклонения от точного веса случайными или имеется систематическое обвешивание покупателей.
То же - при отпуске бензина и масел на автозаправочных станциях, то же - при продаже тканей в магазинах и т. п.
6.5 Алгоритм решения задачи сравнения двух неизвестных средних значений при известных дисперсиях приведен в таблице 6.5.
Таблица 6.5 - Сравнение двух средних значений при известных дисперсиях
|
Статистические и исходные данные |
Табличные данные и вычисления |
||
|
|
Первая выборка |
Вторая выборка |
1 Квантиль стандартного нормального закона распределения уровня (1 - a): u1-a = |
|
1 Объем выборки: |
n1 = |
n2 = |
2 Квантиль стандартного нормального закона распределения уровня (1 - a/2): u1-a/2 = |
|
2 Суммы значений наблюдаемых величин: |
Sx1 = |
Sx2 = |
3 Вычисляем: ; |
|
3 Известные значения дисперсий генеральных совокупностей: |
s201 = |
s202 = |
4 Вычисляем:
|
|
4 Выбранный уровень значимости: |
a = |
|
|
|
Результаты: |
|||
|
Сравнение средних значений двух совокупностей: |
|||
|
1 Двусторонний случай: |
|||
|
Предположение равенства средних значений (нулевая гипотеза) отклоняется, если:
|
|||
|
2 Односторонний случай: |
|||
|
а) Предположение о том, что первое среднее не меньше второго (нулевая гипотеза) отклоняется, если:
|
|||
|
б) Предположение о том, что первое среднее не больше второго (нулевая гипотеза) отклоняется, если:
|
|||
|
Примечание - Квантили стандартного нормального закона распределения определяют по таблице А.1 Приложения А |
|||
Примеры
1 Технологический процесс механической обработки проводят параллельно на двух станках, точность каждого из них известна, т. е. известны параметры s01 и s02. Можно ли считать, что оба станка настроены одинаково? Можно ли смешивать детали, произведенные на этих двух станках? Это бывает существенно, если дальнейшие технологические процессы подстраивают под среднее значение - параметр данного технологического процесса.
2 Требуется определить, одинаково ли среднее значение - параметр содержание кофеина в двух партиях таблеток аскофена, выпущенных разными фармацевтическими заводами. При этом заранее известны характеристики разброса этого содержания (т. е. дисперсии) для каждого из двух заводов.
6.6 Алгоритм решения задачи сравнения двух средних значении при неизвестных, но равных дисперсиях приведен в таблице 6.6.
Таблица 6.6 - Сравнение двух средних значений при неизвестных дисперсиях
|
Статистические и исходные данные |
Табличные данные и вычисления |
||
|
|
Первая выборка |
Вторая выборка |
|
|
1 Объем выборки: |
n1 = |
n2 = |
1 Квантиль распределения Стьюдента уровня (1 - a) с v степенями свободы: t1-a(v) = |
|
2 Суммы значений наблюдаемых величин: |
Sx1 = |
Sx2 = |
2 Квантиль распределения Стьюдента уровня (1 - a/2) с v степенями свободы: t1-a/2(v) = |
|
3 Сумма квадратов значений наблюдаемых величин: |
Sx21 = |
Sx22 = |
3 Вычисляем: ; |
|
4 Степени свободы v = n1 + n2 - 2 = |
4 Вычисляем:
|
||
|
5 Выбранный уровень значимости: a |
5 Вычисляем:
|
||
|
Результаты: |
|||
|
Сравнение средних значений двух совокупностей: |
|||
|
1 Двусторонний случай: |
|||
|
а) Предположение о том, что m1³ m2 (нулевая гипотеза) отклоняется, если: 1 < 2 - t1-a(v)Sd |
|||
|
2 Односторонний случай: |
|||
|
а) Предположение о том. что m1£ m2 (нулевая гипотеза) отклоняется, если: 1 > 2 + t1-a(v)Sd |
|||
|
б) Предположение о том, что первое среднее не больше второго (нулевая гипотеза) отклоняется, если: /1 - 2/ > t1-a/2(v)Sd |
|||
|
Примечание - Квантили распределения Стьюдента определяют по таблице Б.1 приложения Б |
|||
Примечание - Дисперсии неизвестны, но в предположении могут быть равными.
Примеры
1 Примеры те же, что и для 6.5, но дисперсии неизвестны. Применение этих задач может встречаться чаще, чем задач в 6.5, т. к. в большинстве случаев в двух сравниваемых процессах или совокупностях дисперсии неизвестны.
2 Пример 2 из 6.5 может быть распространен на сравнение содержания различных химических веществ или примесей в двух совокупностях.
6.7 Алгоритм точечного и интервального оценивания разности двух средних при известных дисперсиях приведен в таблице 6.7.
