O`zbekiston respublikasi oliy va o`rta maxsus ta`lim vazirligi
Download 1.11 Mb. Pdf ko'rish
|
- Bu sahifa navigatsiya:
- 18-§. Statistik nisbotlar
- Statistik bog`lanshi
§. Statistik baholar
Yuqorida aytib o`tganimizdek, matematik statistikaning asosiy masalasi bosh to`plamni o`rganish, ya`ni uning belgisi taqsimot qonunini topishdir. Aytaylik, biror yo`l bilan bunday taqsimot qonuni topilgan bo`lsin (masalan, u binomial qonuni yoki Puasson qonuni yoki normal qonun bo`lsin). U holda uning noma`lum parametrlarining statistik baholarini ko`rish masalasi yuzaga keladi. (Masalan, normal qonun bo`lganda a va σ
λ
bo`lsa uning taqsimot qonunini aniqlash lozim. Umumiy holda bu ikkala vazifa ham noma`lum bo`lishi mumkin. Umuman taqsimot qonunining noma`lum parametrlarini yoki empirik taqsimot qonunini kuzatishlar natijasidan, ya`ni bosh to`plamdan ajratilgan tanlanmadan foydalanib topish lozim bo`ladi. Noma`lum parametrlarni aniqlashda turli xatoliklarga (statistik xatolarga) duch kelamiz. Avvalo shuni aytish kerakki, bosh to`plamdan olingan turli tanlanmalar bo`yicha topilgan parametrlarning qiymatlari umuman aytganda, turlicha bo`ladi. Odatda bosh to`plamdan tanlanma to`plam elementlarini tasodifiy tanlash usuli bilan ajratma hosil bo`lgan tanlanma to`plamda reprezentativlik yaxshi saqlanadi. Ma`lumki, tanlanma to`plam bosh to`plamning biror qismi. Binobarin, tanlanma to`plam to`g`risidagi fikrlar bosh to`plamni to`liq xarakterlamasa, bu hol statistik xatoga olib keladi. Ravshanki, tanlanma to`plamdagi kuzatishlar soni ham bosh to`plamni xarakterlashga bog`liq. Tanlanma to`plamning tashkil etgan elementlar soni qancha ko`p bo`lsa, statistik xato shuncha kam bo`ladi. Demak, tanlanmadan foydalanib taqsimot qonunining parametrlarini shunday aniqlash lozimki, bunda statistik xatolar imkon boricha kam bo`lsin. Biror taqsimot qonunining parametri θ ni tajriba asosida topilgan x 1 , x 2 , …, x p sonlar, ya`ni tanlanma ma`lumotlar yordamida hosil qilingan θ bilan baholansin. Odatda θ ni
θ uchun
baho deyiladi. Ravshanki, bunda θ baho x 1 , x 2 , …, x p larga bog`liq bo`ladi: ( )
х х х ...,
, , 2 1 θ θ = . Modomiki, x 1 , x 2 , …, x p lar tasodifiy miqdor ekan, unda θ ham tasodifiy miqdor bo`ladi. Agar
θ bahoning matematik kutilishi θ ga teng, ya`ni M θ =
θ bo`lsa, θ ni siljimaydigan baho deyiladi. Agar
∀a > 0 uchun 34 { } 0 lim = > − ∞ →
P n θ θ bo`lsa, u holda θ baho
θ ning asosli bahosi deyiladi. Faraz qilaylik, θ parametr uchun 1 θ va 2 θ baholar bo`lsin. Agar ( ) ( ) 2 2 2 1 θ θ θ θ −
−
bo`lsa, 1 θ baho 2 θ bahoga qaraganda effektivroq baho deyiladi. Statistik taqsimot qonunlarining parametrlarini baholashda ularning siljimaydigan, asosli hamda effektiv baho bo`lishi kabi xususiyatlarga egaligi talab qilinadi.
17- §. Statistik gipotezalar x 1
2 ,...,x
n - noma`lum F(x) taksimot funktsiyasining tanlanmasi bulsin. Faraz kilaylik, kuyidagi gipotezani tekshirish kerak:
N 0 : F(x)=F 0 (x) (1) bu erda F 0 (x)-berilgan uzluksiz eki diskret taksimot funktsiyasidir. Ushbu (1)-chi gipotezani tekshirish masalasi muvofiklikni tekshirish masalasi deb ataladi. (1)-chi uchun xar kanday kriteriy muvofiklik kriteriysi deb ataladi. Muvofiklik gipotezalari oddiy va murakkab gipotezalarga bulinadi. Agar F 0 (x) tulik aniklangan bulsa, (1) -gipoteza oddiy gipoteza buladi. Masalan, tanlanma urta kiymati va dispersiyasi berilgan normal taksimot buyicha tanlangan degan gipoteza oddiy gipotezadir. Boshka tarafdan, agar tanlanmaning parametrlari noma`lum bulgan normal taksimotdan ekanligini tekshirish kerak bulsa, bunday gipoteza murakkab gipoteza buladi. 1.
χ 2 muvofiklik kriteriysi. (1)-oddiy gipotezani kuramiz. R- son ukini shunday z 1, z 2 ,..., z
k
a) z i z J = ∅, i≠j b) z 1 +z 2 +...+z k =R
k intervalga bulamiz. Shunda F 0 (x) funktsiyasi ma`lum bulganligidan tanlanma elementlarining bu intervallarga moslik extimolini xisoblashimiz mumkin. Bularni p i (i=1,k) bilan, bu intervallarga mos elementlarni n i (i=1,k) bilan belgilaymiz. K. Pirson (1900) n →∞ da
X 2 = ( ) n nП nП i i i k − = ∑ 2 1 (2) statistikasi erkinlik darajasi k-1 bulgan χ 2
tekshirgan va np i uzaro yakin eki teng bulgan xolda bu fark juda kichik bulishini kursatgan. χ 2 kriteriysining kullanish koidasi kuyidagicha: χ 2 statistika kiymatini (2) formula buyicha xisoblab va muximlik darajasi α ni tanlab χ 2 -taksimoti jadvalidan χ 2 k-1; α ning kritik kiymati aniklanadi. Agar
χ 2 > χ 2 k-1; α bulsa, u xolda N 0 gipotezasi kabul kilinmaydi, agar χ 2 ≤χ 2 k-1;
α bulsa, u xolda N 0
tekshiriladi. 2.
Murakkab gipoteza uchun χ 2
N 0 : F(x)=F 0 (x;
θ 1 , θ 2 ,..., θ s ) (3) murakkab gipotezasini kurib chikamiz, ya`ni F 0 (x) funktsiyasining funktsional kurinishi ma`lum, lekin ba`zi bir (eki xamma) parametrlari noma`lum. Oddiy gipotezadan farki shundaki, nazariy P i extimollari bevosita xisoblash imkoniyati yuk, chunki ular noma`lum S( θ 1 , θ 2 ,..., θ s larga boglik. Shunday kilib, ularni p i (
1 , θ 2 ,...,
θ s ) kurinishda ezishimiz shart. Noma`lum θ 1 , θ 2 ,..., θ s parametrlarni ularning θ 1 , θ 2 ,..., θ s baxo kiymatlari bilan almashtiramiz. U xolda (2)- statistika kuyidagi kurinishga keladi:
X 2 = ( ( , ,..., )) ( , ,..., ) n nП nП i i s i s i k − = ∑ θ θ
θ θ θ
θ 1 2 2 1 2 1 (4) 35 Tushunarliki, χ 2 taksimoti xakidagi masala xam uzgaradi, chunki p i ( θ θ θ 1 2 , ,..., ) s lar uz navbatida tasodifiy kiymatlar bulib, (4) statistikaning asimptotik taksimoti oddiy N 0 gipoteza bilan bir xil kurinishga ega ekanligi uz-uzidan oshkor emas.
R.Fisher (1928) n →∞ da χ 2 statistikasi (4) agar θ 1 , θ 2 ,..., θ s noma`lum parametrlarning θ 1 , θ 2 ,..., θ s baxo kiymatlari χ 2 minimum usuli bilan olingan bulsa, eki χ 2 minimum modifikatsiyasi erdamida gruppalangan tanlanmalar buyicha aniklangan bulsa, k-s-1 erkinlik darajasiga ega bulgan χ 2 - taksimotga ega ekanligini isbotlagan. Shu bilan birga Fisher agar θ 1 , θ 2 ,..., θ s kiymatlar ixtieriy usul bilan aniklangan bulsa, u xolda R{ χ 2 k-s-1
≥x}≥ lim {
} { } n k s P x P x →∞ − − ≤ ≥ ≤ χ χ 2 1 2 (5) ekanligini kursatgan.
α muximlik darajasining ma`lum bir kiymati uchun χ χ α α 2 1 2 1
k − −
− ≤ ; ; urinli bulganligidan, χ 2
buyicha χ 2 statistik kiymatini xisoblab, bu erda θ 1 , θ 2 ,..., θ s kiymatlar biror usul bilan xisoblangan va α muximlik darajasini tanlab olingandan keyin, χ 2 taksimot jadvalidan χ 2 k-1; α va
χ 2 k-s-1; α lar aniklanadi. Agar
χ α 2 2 1 ≤ − k ; bulsa, N
0 gipoteza kabul kilinmaydi. Agar χ χ
2 2 1 ≤ − −
k s ; bulsa, N
0
gipoteza kabul kilinadi. Agar χ χ α α 2 1 2 1 k k s − − − ≥ × > ; ; bulsa, u xolda θ 1 , θ 2 ,..., θ s kiymatlarni aniklash uchun χ 2 minimum usuli eki χ 2
→∞ da χ 2 statistika k-s-1 erkinlik darajasiga ega bulgan χ 2 taksimotiga egadir. Shu sababdan, agar χ χ α 2 2 1 f
− − ; bulsa, N
0
gipoteza kabul kilinmaydi. Aksincha, agar χ χ α 2 2 1 ≤ − −
k s ; bulsa, N 0 gipoteza kabul kilinadi. 3.
χ 2 kriteriysi uchun interval tanlash.
Shungacha kurilgan χ 2 kriteriysining asimptotik nazariyasi tanlanma elementlarini gruppalash tanlanma elementlariga boglik bulmagan xolda aniklanadigan intervallarni itieriy ravishda aniklashda urinlidir. Bu shart intervallar chegarasi tasodifiy kiymatlar ekanligi nazarda tutilmagan xollarda mavjuddir. Odatda amaliet intervallarga bulish chegaralarini aniklash, ba`zida berilgan tanlanmaning umumiy kurinishini aniklashdan iboratdir. Biz intervallarga bulish usullarini muloxaza kilib undan keyin asimptotik nazariyaga ta`sirini kurib chikishimiz kerak. Oldin intervallar chegarasini aniklashni kurib chikamiz. Amalda bu masalaning echimi arifmetik kulaylikka boglik: intervallar uzunliklarda olinadi, chetkilardan tashkari.
Interval uzunligi takriban taksimot dispersiyasi bilan aniklanadi, shunda taksimot xolati markaziy intervalning kaerda bulishini aniklashda erdam beradi. Masalan, biz tanlanma elementlari uchun 6 ta interval tuzishimiz kerak bulganda edi, normal taksimot buyicha tekshirilaetganda, x takribiy kiymati va S 2 tanlanma dispersiyasini aniklab, x+S i , i=0,1,2 intervallarning chegaralari sifatida kabul kilardik. U xolda kuyidagi intervallar xosil bulardi: ]-
∞;x-2S], ]x-2S;x-S],]x-S;x],]x-x+S],]x+S;x+2S],]x+2S;+∞[
Bu tadbir unchalik anik bulmasada, uning erdamida intervallar chegaralarini tasodifiy kiymatlar xoliga keltirish mumkin. Shu bilan birgalikda, xuddi shu usul bilan aniklangan intervallar uchun xisoblangan χ 2
xattoki, intervallar oldindan uzgarmas kilib olinganda xam. Uzliksiz taksimotning umumiy xoli uchun kurilgan asimptotik nazariya intervallar chegarasi tanlanma buyicha aniklanganda xam urinli ekanligini Vatson (1959) kursatib bergan. Shunday kilib, χ
statistikaning N 0 gipoteza buyicha asimptotik taksimoti kurilganda intervallar chegaralarining tasodifiyligini xisobga olmasak xam buladi. 4.
Intervallarni kurishni teng extimollik usuli. Biz chegaralarni aniklashning optimal usulini kriteriy kuvvati atamalarida aniklashimiz kerak, ular berilgan muximlik darajasi uchun kriteriyga maksimum kuvvat beradigan bulsin. G. Mann va A. Val`d (1942) shunday taklif kilgan edilar: berilgan K uchun intervallarni shunday tanlash kerakki, xamma P i nazariy extimollar 1 к ga teng bulsin. Bu anik va bir kiymatli 36 protseduradir. U odatdagi usuldan (teng uzunlikdagi intervallar) shunisi bilan fark kiladiki, P i larning bir xil bulishi uchun jadvallardan foydalanishga tugri keladi. Buni anik amalga oshirish uchun berilgan ma`lumotlar gruppalanmagan bulishi kerak. Misol. Kuyidagicha tanlanma berilgan:
0,01 0,I 0,17 0,18 0,22 0,22 0,25 0,25 0,29 0,42 0,46 0,47 0,47 0,56 0,59 0,67 0,68 0,70 0,72 0,76 0,78 0,83 0,85 0,87 0,93 0,IV 1,00 0,01 0,01 1,02 1,03 1,32 1,34 1,37 1,47 1,50 1,52 1,05 1,54 1,59 1,71 1,90 2,10 2,35 2,46 2,46 2,50 3,73 4,07 6,03
N
: dF(x)=e -x dx, 0 ≤x<∞
nolinchi gipotezani tekshiramiz. χ 2 uchun biz turtta sinf tashkil etishimiz kerak, deylik. Bir xil uzunlikdagi intervallarga gruppalash kuyidagicha bular edi.
Z i
n i NP
i
]0;0.50] 14 19.7 ]0.50;1.00] 13 11.9 ]1.00;1.50] 10 7.2 ]1.50;+ ∞[
13 11.2 P i ning kiymatlari darajali taksimot jadvalidan olingan. (2)- formuladan χ 2 =3,1 ni aniklaymiz. Erkinlik darajasi 3 ga teng χ 2
α=0,37 dan kichik xar kanday kriteriy nolinchi gipotezani rad kila olmaydi. Endi teng extimollik usuli kullanilganda berilganlarni ishlash tartibini kurib chikamiz. K=4 bulganligi uchun bu extimollar 0,250 ga teng. Darajali taksimot jadvali bu xolda intervallar chegarasi uchun 0,228, 0,693, 1,386sonlarni beradi.
Biz kuyidagi jadvalni tuzamiz: Z i n i nP i
]0;0.28] 9 12.5 ]0.28;0,69] 9 12,5 ]0,69;1.38] 17 12,5 ]1.38;+
∞[ 15 12,5
Bunda
χ 2 statistikani xisoblash oson, chunki (2) kuyidagi kurinishga keltiriladi:
χ 2 =
n n n i i k 2 1 − = ∑ (*) ya`ni P
i =- 1 к (i=1,k) bulganligidan χ 2
χ 2 ning bu kiymatida agar muximlik darajasi α=0,27 dan ortmasa, N 0 gipoteza rad kilinmaydi. Bu kanoatli natijadir, ammo teng extimollik kriteriysi birinchi kriteriyga nisbatan talabchandir.
Matematikada va texnikada funktsional bog`lanish tushunchasini ko`p uchratish mumkin. Masalan, doira yuzi radiusiga bog`liq ( )
R S π = , gaz bosimi hajm va temperaturasiga bog`liq ( v t R p ⋅ = , r — gaz bosimi, t — temperatura, V — hajm, R — o`zgarmas koeffitsient) va hokazo. Funktsional bog`lanish tasodifiy miqdorlar orasida ham bo`lishi mumkin.
ikkinchisi taqsimotining o`zgarishiga olib keladi. Xususan, statistik bog`liqlik miqdorlardan birining
37 o`zgarishi ikkinchisining o`rtacha qiymatini o`zgarishida ko`rinadi; bu holda statistik bog`lanish korrelyatsion bog`lanish deb ataladi.
Masalan, maydoni bir xil bo`lgan er uchastkalariga bir xil miqdorda o`g`it solinsa ham har xil hosil olinadi. Lekin o`rtacha hosildorlik solingan o`g`it miqdoriga bog`liq bo`ladi. Bu erda hosildorlikning o`rtacha qiymati bilan o`g`it miqdori orasida korrelyatsion bog`lanish mavjud deb karash mumkin.
x y deb Ү ning X = x qiymatga mos qiymatlarining o`rtacha arifmetik qiymatiga aytiladi.
x y shartli o`rtacha qiymatning x ga funktsional bog`liqligiga aytiladi:
( ) x f y x = . (27.1) (27.1) tenglama Ү ning X ga regressiya tenglamasi deyiladi;
( ) x f funktsiya Ү ning X ga regressiyasi, uning grafigi esa Ү ning X ga regressiya chizig`i deyiladi.
Ushbu ( )
y x y ϕ = (27.2) tenglama X ning Ү ga regressiya tenglamasi deyiladi. Korrelyatsion bog`liqlik ikki xil bo`ladi: chiziqli va egri chiziqli. Korrelyatsion bog`liqlik chiziqli bo`lganda regressiya tenglamasi b ax y x + = . (27.3) ko`rinishda bo`ladi. Bu tenglamadagi
tanlanmaning regressiya koeffitsienti deyiladi. (26.3) dagi
va b ni eng kichik kvadratlar usuli yordamida quyidagi normal tenglamalar sistemasidan topamiz: = + = + ∑ ∑ ∑ ∑ ∑ = = = = = n i i n i i n i i i n i i n i i y x a bn y x x a x b 1 1 1 1 2 1 (27.4) Ү ning X ga regressiya to`g`ri chizig`ining tanlanma tenglamasi ( )
x x r y y x y T x − = − σ σ (27.3) ko`rinishda bo`ladi, bu erda x y
— shartli o`rtacha qiymat, x va
y tekshirilayotgan X va Ү belgilarning tanlanma o`rtacha qiymatlari;
σ σ , — tanlanma o`rtacha kvadratik chetlanishlari,
— tanlanma korrelyatsiya koeffitsienti quyidagi formula orqali topiladi: y x xy T n nXY XY n r σ σ ∑ − = . (27.6) Chiziqli korrelyatsion bog`lanish zichligini baholash uchun ana shu tanlanma korrelyatsiya koeffitsienti
xizmat kiladi; T r birga qancha yaqin bo`lsa, bog`lanish shuncha kuchli bo`ladi. Hisoblashlarni soddalashtirish uchun hisoblash jadvalini tuzish qulay. Agar X va Ү belgilar ustida kuzatish ma`lumotlari teng uzoqlikdagi variantali korrelyatsion jadvali ko`rinishida berilgan bo`lsa, u holda quyidagi shartli variantalarni kiritamiz: 1 1
c x u i i − = , 2 2 h c y v i i − = , 38 bu erda 2 1 , c c - mos ravishda «soxta» nollar, 2 1
h h - mos ravishda qadamlar. Shartli variantalar orqali tanlanma korrelyatsiya koeffitsienti quyidagicha topiladi:
σ σ ∑ − = , (27.7) bu erdagi ∑ ⋅ v u n uv ni hisoblashni kelgusida misol orqali tushuntiramiz. n u n u u ∑ = , n v n v v ∑ = , ( )
2 2
u u − = σ ,
( ) 2 2 v v v − = σ
ifodalar ko`paytmalar usuli orqali topiladi. Ularni topgandan so`ng regressiya tenglamasidagi ifodalarni quyidagicha topamiz: 1 1 c h u x + = , 2 2 c h v y + = , h u x ⋅ = σ σ , 2 h v y ⋅ = σ σ
Download 1.11 Mb. Do'stlaringiz bilan baham: |
ma'muriyatiga murojaat qiling