Главная > Основы моделирования и первичная обработка данных
<< Предыдущий параграф Следующий параграф >>
Пред.
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

12.2.7. Аппроксимация «хвостов» распределений типа w^2

Определение точных значений распределения статистики критерия для проверки гипотезы согласия и статистик типа для проверки гипотезы нормальности представляет собой сложную вычислительную задачу (см., например, [52]). В то же время для хвостов соответствующих распределений возможна простая аппроксимация с достаточной для практических целей точностью. Именно для распределения статистики критерия Мизеса — Крамера эмпирически найдено [136], что верхний (правый) «хвост» хорошо аппроксимируется выражением

    (12.35)

Погрешность такова, что

Например, для приближенное значение, даваемое формулой (12.35), будет 0,0094, а для приближенное значение будет 0,0007.

Путем эмпирической подгонки можно получить и аппроксимации верхних «хвостов» распределений статистик типа предложенных для проверки нормальности (см. п. 11.1.7). Так, в случае когда по выборке оцениваются среднее значение и дисперсия, имеем

    (12.36)

а если оценивается только среднее значение при известной дисперсии, то

    (12.37)

О точности этих формул можно судить по табл. 12.4, в которой приведены величины уровня значимости критерия, вычисленные по формулам (12.36) и (12.37) в сопоставлении с номинальными значениями.

Таблица 12.4

1
Оглавление
email@scask.ru