Оценка параметров распределения по величине доверительных интервалов

Точность оценок и доверительные интервалы. Точность приближений величинами х и 5 параметров а и а распределений определяется размерами доверительных интервалов чем меньше ширина доверительного интервала, те.м точнее оценка. [c.42]

Случайные погрешности нельзя исключить полностью, но их влияние может быть уменьшено путем обработки результатов измерений. Для этого должны быть известны вероятностные и статистические характеристики (закон распределения, закон математического ожидания, СКО, доверительная вероятность и доверительный интервал). Часто для предварительной оценки закона распределения параметра используют относительную величину СКО — коэффициент вариации [c.54]

Однородность поля АЯ, установленная на основании анализа сечений карт локального эффекта, свидетельствует о том, что данной степенью приближения полинома описаны все пространственные закономерности, и все же модель такого поля приходится рассматривать как грубую, приближенную. Причина этого — в большой роли случайной компоненты в структуре поля моделируемого параметра или в значительном вкладе высокочастотной периодической компоненты. Очевидно, нельзя получить более достоверную модель для поля, в дисперсию которого большой вклад вносит случайная компонента изменчивости геологического параметра. При значительном вкладе высокочастотных периодических компонент поля недоучтенной оказывается часть неслучайной компоненты, что во многих ситуациях, в зависимости от цели моделирования, является критерием грубости модели. Предложены разные методы оценки качества модели. Например, предлагается считать модель грубой , если отклонения от нее экспериментальных точек превышают точность измерения параметра или выходят за пределы классификационного интервала признака. Рекомендуется строить поверхности доверительных уровней выше и ниже поверхности тренда и внутри них качество модели можно признать удовлетворительным, а значения признака, оказавшиеся вне пределов этих уровней, рассматривать как ошибку аппроксимации. По величине ошибки предлагается оценивать пригодность полученной модели для прогноза признака. Автор считает, что модель можно оценить, приняв в качестве граничного условия поле среднего квадратического отклонения параметра (или поле иной меры рассеяния). Тогда качественно аппроксимированная поверхность поля должна лежать по отношению к экспериментальной так, чтобы величина в некоторой точке или области поля I не превышала среднего квадратического отклонения показателя в этой точке (области) т. е. [1 А г и < . Если же для некоторой части поля величина отклонений превысит величину среднего квадратического отклонения, то качество аппроксимации для нее следует считать неудовлетворительным по принятому критерию. Чем больше аномальных по принятому критерию участков окажется на моделируемой территории, тем хуже, грубее полученная модель поля. Распределение аномалий в пространстве поля может иметь случайный характер или быть не случайным, а связанным с каким-либо геологическим явлением или процессом. Для анализа карты локального эффекта по принятому граничному условию на нее 232 [c.232]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...