Cтраница 2
В предыдущих разделах было показано, что сходимость результатов наблюдений можно оценить наиболее полно, если их распределение является нормальным. Поэтому исключительно важную роль при обработке результатов наблюдений играет проверка нормальности распределения. [16]
Ниже приводятся два критерия проверки соответствия эмпирического распределения многомерному нормальному. Уэгла - очень прост и соответствует интуи - тивному желанию исследователя ограничиться после некоторых преобразований проверкой нормальности распределений соответствующих одномерных характеристик. Второй критерий Мардиа более сложен, но и более чувствителен к отклонению выборочного распределения от многомерного нормального. [17]
Проверку по К-С - критерию проводят только в редких случаях. Для практического применения ( особенно при расчетах с использованием настольных ЭВМ) рекомендуются в основном две методики: по размаху варьирования и по % 2-критерию, причем первая служит для быстрой прикидочной проверки, а вторая - для основательной проверки нормальности распределения. [18]
Проверку по К - С-критерию проводят только в редких случаях. Для практического применения ( особенно при расчетах с использованием настольных ЭВМ) рекомендуются в основном две методики: по размаху варьирования и по х2 - критерию, причем первая служит для быстрой прчкидочной проверки, а вторая - для основательной проверки нормальности распределения. [19]
Проверку по К-С - критерию проводят только в редких случаях. Для практического применения ( особенно при расчетах с использованием настольных ЭВМ) рекомендуются в основном две методики: по размаху варьирования и по х2 - критерию, причем первая служит для быстрой прчкидочной проверки, а вторая - для основательной проверки нормальности распределения. [20]
Проверку по К - С-критерию проводят только в редких случаях. Для практического применения ( особенно при расчетах с использованием настольных ЭВМ) рекомендуются в основном две методики: по размаху варьирования и по х2 - критерию, причем первая служит для быстрой прчкидочной проверки, а вторая - для основательной проверки нормальности распределения. [21]
Предполагается, что выборка имеет приближенно нормальный закон распределения. Отклонения от гауссовского распределения могут иметь место, особенно при определении следовых содержаний компонентов. При необходимости следует осуществить проверку нормальности распределения. [22]
Построение гистограмм тесно связано со статистической проверкой гипотез. Класс этих задач весьма широк и теоретические основы их решения достаточно хорошо описаны в учебниках по теории вероятностей и математической статистике. Поэтому, в рамках этой работы мы не будем подробно останавливаться на возможных подходах и процедурах решения задач о проверки гипотез. Преследуя цель проиллюстрировать то, как существенно облегчается решение этих непростых задач с помощью MathCAD Pro, кратко остановимся лишь на задаче проверки нормальности распределения по выборочным данным. При этом будем предполагать, что основные положения теории этого вопроса читателю известны. [23]
В английском стандарте 600R: 1942 изложены вопросы выборочного контроля качества по количественному признаку с односторонним ограничением. В настоящее время в Англии министерство обороны серьезно занимается вопросами стандартизации статистических методов. Этот стандарт составлен на основе MIL-STD 414, по отличается от него наличием графических построений для принятия решения в случае двухсторонних ограничений контролируемого параметра. Поэтому в стандарте содержатся вводная теоретическая часть, раздел, позволяющий осуществлять проверку нормальности распределения с необходимыми таблицами, а также указания по построению графиков в случае двухстороннего ограничения и использованием правил перехода с одного уровня контроля на другой, а также оперативные характеристики, заданные в графическом виде. [24]