Matlab-statistics da eksperiment natijalariga ishlov berish va baholash


Download 348.52 Kb.
bet2/4
Sana23.04.2023
Hajmi348.52 Kb.
#1393416
1   2   3   4
Bog'liq
6-amaliy mashg

Пирсон критерияси
Асосий тўпламнинг нормал тақсимот гипотезасини текшириш
Энг кенг тарқалган тақсимот қонунларидан бири Пирсон критериясини таҳлил қиламиз-
Тажрибавий маълумотларнинг ихтиёрий катталикнинг тақсимот қонунинга бўйсуниши ҳақидаги гипотеза билан солиштириб кўриш талаб қилинади. Бу тақсимот қонунини назарий деб атаб уни қуйидагича белгилаймиз: Назарий тақсимот қонуни параметрлари [Mx_asterisk] ва [SIGMA_asterisk] лардан фойдаланиб қуйидагига эга бўламиз: [m, xout] = hist(x, 10);
for i = 1:length(m)
Mx_asterisk(i) = xout(i)*(m(i)/length(x));
Mx_asterisk = sum(Mx_asterisk);
end
for i = 1:length(m)
ALPHA2_asterisk(i) = xout(i)^2*(m(i)/length(x));
ALPHA2_asterisk = sum(ALPHA2_asterisk);
end
Dx_asterisk = ALPHA2_asterisk - Mx_asterisk^2;
SIGMA_asterisk = sqrt(Dx_asterisk);
Разрядларга тушиш эхтимоллиги [m] ни топамиз

for i = 1:length(m)


u(i) = (xout(i)-Mx_asterisk)/SIGMA_asterisk;
end
f_theoretical = (length(x)/SIGMA_asterisk)*normpdf(u, 0, 1);

Тарқалиш ўлчов қийматини топамиз: [chi2_empirical]


for i = 1:length(m)
chi2_empirical(i) = ((m(i)-f_theoretical(i))^2)/f_theoretical(i);
end
chi2_empirical = sum(chi2_empirical);
chi2_empirical =
2.0537


қиймат бўйича ўнг тараф критик соханинг критик нуқтаси [chi2_critical] ни топамиз:
chi2_critical = chi2inv(0.99, length(m) - 3);
chi2_critical =
18.4753

Нормал тақсимот қонуни гипотезасига асосланиб қуйидаги тенгликни келтириб чиқарамиз:


Колмогоров тақсимто қонунини тахлил қиламиз. Эмперик ва назарий тақсимот қонуни ўртасидаги тарқалиш ўлчови сифатида эмперик тақсимот функцияси-[Fx_empirical] ва назарий тақсимот функцияси-[Fx_theoretical] ўртасидаги фарқнинг абсолют максимал қийматини оламиз. Бу иккала функцияни тузамиз.


% Calculate and plot the empirical (Kaplan-Meier) cumulative distribution function
[Fx_empirical, xx] = ecdf(x, 'alpha', 0.01); % Dependencies on 'ecdf'
stairs(xx, Fx_empirical, 'r');
hold on
% Calculate and plot the teoretical (normal) cumulative distribution function
MU = mean(x); SIGMA = std(x); alpha = 0.01;
Fx_teoretical = normcdf(x, MU, SIGMA, alpha); % Dependencies on 'normcdf'
stairs(x, Fx_teoretical, ':b');
grid on
hold off



Назарий тақсимот ва эмперик тақсимот ўртасидаги ажралиш ўлчовини аниқлаб, [LAMBDA_empirical] катталикни топамиз:
Fx_empirical = Fx_empirical'; Fx_empirical(:,1) = []; % Observe cumulative distribution function
D = max(abs(Fx_empirical - Fx_teoretical));
D =
0.0499
LAMBDA_empirical = D*sqrt(length(x));
LAMBDA_empirical =
0.3349


қиймат бўйича Колмогоров критериясининг критик нуқтасини топамиз.
LAMBDA_critical = kolminv(0.99);
LAMBDA_critical =
1.6276


бўлганлиги учун нормал тақсимот қонуни хақилаги гипотезани қабул қиламиз.
Аппроксимация бу яқинлашув бўлиб- у математик усул ҳисобланади. Унда математик объектлар бир бири билан алмаштирилади, қисқача қилиб айтганда объектлар ўзига яқинлари билан алмаштирилади лекин бир мунча соддароғига. Аппроксимация аниқ бир қийматга эга бўлган миқдорларни ва объектларнинг сифатини аниқлаб берувчи хусусиятларини ўрганишга имкон беради, бундай изланишларда масалани содда қийматлар ва аввал мавжуд бўлган хусусиятларни ўрганишга олиб келади. Сонлар назариясида диофант яқинлашувлар, хусусан рационал сонларнинг иррационал сонлар билан яқинлашуви ўрганилади. Геометрияда эгри синиқ чизиқлар аппроксимацияси ўрганилади. Математиканинг баъзи бир бўлимлари том маънода бутунлай аппроксимациялашга бағишланган масалан функциялар яқинлашув назарияси ва х.к.з.



Download 348.52 Kb.

Do'stlaringiz bilan baham:
1   2   3   4




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©fayllar.org 2024
ma'muriyatiga murojaat qiling