刀具寿命的测定.doc

PAGE  刀具寿命的测定 在现代社会中，数据是事物现象的反映，是科学推断的依据，起着至关重要的作用。由于各种随机因素的影响，实验数据往往带有一定的误差，这时需要从数据中分离出随机因素的成分，从而挖掘出事物规律性的成分，以此对所研究总体的性质作出推测性的判断。进行这样的分析建立在收集大量数据的基础之上，称为统计分析。 1．概率统计的基本概念 总体是人们研究对象的全体，又称为母体，而组成总体的每个单元叫做个体。任何一个总体都可以用一个随机变量来描述它。所以，总体就是一个带有确定概率分布的随机变量，常用，，等表示总体。一般情况下，总体的数目非常大，对于总体分布规律进行研究就必须对总体抽样观察，并分析推断，这种研究过程称为抽样。 从总体中，随机地抽取个个体，，…，（例如在10000件灯管中抽取100件检查次品数量），这样取得的（，，…，）称为总体的一个样本容量为的样本或子样。 　　统计推断就是根据样本来对总体进行分析、推断。通常的作法，依据某种理由或经验来假定总体服从已知形式的概率分布，只要由样本来推断总体概率分布中的若干参数。所以样本的获取会直接影响统计推断的结果，理想的样本是随机、相互独立且与总体同分布。 抽取样本后，我们并不直接利用样本的个观察值进行推断，需要对这些值进行加工、提炼，把样本中包含的对我们研究推断有用的信息、特征找出来，这便要针对不同问题构造样本的某种函数，这种不带未知参数的样本的函数称为统计量，几个最基本的统计量是： 均值（平均值、数学期望）：＝，反映了样本取值的中心； 　　中位数：将样本，，…，从小到大排序后位于中间位置的那个数； 　　标准差：＝，它是各个样本数据对于均值的偏离程度； 方差：标准差的平方； 协方差：＝，样本相关系数＝，反映了样本，，…，与样本，，…，的线性相关关系。若｜｜接近1，说两样本线性关系密切，若｜｜接近0说明两样本取值大小无线性关系。 当足够大时，样本均值和样本标准差结合起来可大致描述数据的分布结构。统计量的概率分布称为抽样分布，最常用的概率分布形式有正态分布、指数分布、分布、分布、分布等。一个随机变量的分位数定义为 　　　　　　　　（＜）＝，0≤≤1　　　　　　　（1） 一组样本数据往往是杂乱无章的，可以通过作频数表和直方图的方式，大致描绘出分布密度曲线，并对总体的分布函数作出假设判断。将数据的取值范围划分为若干个小区间，然后统计这组数据在每个区间中出现的次数，称为频数，由此得到一个频数表。以数据的取舍为横坐标，频数为纵坐标，画出一个阶梯形的图，称为直方图（频数分布图）。是否符合该假设的分布规律，我们通过对分布密度的参数估计的基础上用假充检验来加以验证。 2．统计推断方法 在统计推断中，总体概率分布的某些参数未知，需要根据样本，，…，估计的值，称为参数估计。参数估计分为两类：点估计和区间估计。点估计就是直接给出的估计值，如“大约等于某个数”，点估计缺乏对估计精度的说明。区间估计给出的估计值区间，并附加一个概率，如“的95%置信区间是［5.2，6.3］”，含意是：在［5.2，6.3］内的概率为0.95。 设有总体，其中参数未知，现有来自的一个样本，，…，，要估计的值。如有区间＝［，］，使得 　　　　　　　　（＜＜）＝－　　　　　　（2） 称为的100（1－）%置信区间。 设为正态总体，，未知，，，…，为样本，那么，的点估计分别为 　　　　　　　　＝，＝　　　　　　　　　　　（3） 它们的100（1－）%的置信区间分别为 　　　　　　　　　　　 （4） 　　 　　　　　　　　　 　　　（5） 　　许多统计推断常涉及对假设、估计的正确性作出“是”与否的判决，例如产品是否合格，某数学模型是否与现实相符等等。对于总体分布函数中的参数作出某种假设或估计，根据抽取的样本观察值，运用数理统计的分析方法，检验这种假设或估计是否正确，从而决定接受假设或拒绝假设，这就是假设检验。 假设检验依问题的性质常分为两大类型： 参数检验：如果观测的分布函数类型已知，这时构造出的统计量依赖于总体的分布函数，这种检验称为参数检验，其目的往往是对总体的参数及有关性质作出明确的判断。 非参数检验：如果所检验的假设并非是对某个参数作出明确的判断，因而必须要求构造出的检验统计量的分布函数不依赖观测值的分布函数类型，这种检验叫做非参数检验。如果要判断总体分布类型的检验就是非参数检验。 假设检验的一般步骤： （1）根据实际问题提出原假设与备择假设，即说明需要检验的假设的具体内容； （2）选择适当的统计量，并在原假设成立的条件下确定该统计量的分布； （3）按问题的具体要求，选取适当的显著水平，并根据统计量的分布查表，确定对应于的临界值，一般取0.05，0.01，0.10。 （4）根据样本观测值计算统计量的观测值，并