Professional Documents
Culture Documents
ES Ch05 Print
ES Ch05 Print
ES Ch05 Print
آمار مهندسي
Applied Statistics for Engineers
Interval Estimation
حسین خسروشاهي
فهرست مطالب
صفحه عنوان
-1مقدمه 1 .............................................................................................................................................................
-۳فاصله اطمینان برای میانگین توزیع نرمال – واریانس جامعه معلوم 2 .............................................................................
-4فاصله اطمینان برای میانگین توزیع نرمال – واریانس جامعه نامعلوم 7 ...........................................................................
-6فاصله اطمینان برای تفاوت میانگینهای دو جامعه نرمال – انحراف معیارها معلوم 11 ......................................................
-7فاصله اطمینان برای تفاوت میانگینهای دو جامعه نرمال – انحراف معیارها نامعلوم ولي مساوی 1۳ ....................................
اهداف فصل
-1مقدمه
برآورد نقطهای معموال برای برآورد یک پارامتر و استنتاج در مورد آن ناکافي است .زیرا:
چون Lو Uپارامتر تصادفي هستند ،فاصله ] [L,Uهمواره شامل پارامتر مورد نظر نميشود .بنابراین یک موضوع مهم در برآورد
فاصلهای ،احتمال این است که برآورد ارائه شده شامل پارامتر مورد نظر بشود.
پارامتری را درنظر بگیرید که باید برآورد شود را با 𝜃 و برآورد فاصلهای را با ] [L,Uنمایش دهیم .اگر احتمال اینكه فاصله ][L,U
P (L U ) = 1−
فرض کنید ميخواهیم یک فاصله اطمینان ٪90برای پارامتر 𝜇 در یک جامعه نرمال به صورت ] [L,Uارائه دهیم .چون فاصله
اطمینان یک متغیر تصادفي است ،در نمونهگیریهای مختلف فواصل مختلفي ایجاد ميشود که این فواصل لزوما شامل 𝜇 نميشود.
نکته :ضریب اطمینان 90درصد بیان ميکند که در نمونهگیریهای مختلف و در بلندمدت انتظار ميرود در 90درصد موارد
فاصله اطمینان ایجاد شده شامل 𝜇 شود و در 10درصد موارد شامل 𝜇 نشود:
1
آمار مهندسي ،خسروشاهي دانشگاه صنعتي اصفهان ،دانشكده مهندسي صنایع و سیستمها
نكته :در عمل هر تجربه فقط یک بار انجام ميشود و عموما فواصل اطمینان مختلفي وجود ندارد که به طور متوسط ٪90آنها
شامل پارامتر 𝜇 شود .بنابراین معموال با توجه به یک نمونه تصادفي فاصله اطمینان محاسبه شده و چنین بیان ميشود:
متغیر تصادفي 𝑋 دارای توزیع نرمال با میانگین مجهول 𝜇 و واریانس معلوم 𝜎 2است .یک نمونه تصادفي با اندازه 𝑛 از این
𝜎2
= ̅ 𝜎𝑋2خواهد بود .بدین ترتیب داریم: 𝑛
توزیع ميگیریم .ميدانیم توزیع ̅𝑋 دارای توزیع نرمال با میانگین 𝜇 = ̅𝑋𝜇 و واریانس
(
P −z Z z = 1 −
2 2
)
2
دانشگاه صنتعي اصفهان ،دانشكده مهندسي صنایع و سیستمها فصل پنجم :برآورد فاصلهای
بنابراین فاصله اطمینان دوطرفه 100(1 − 𝛼)%برای پارامتر مجهول 𝜇 در جامعه نرمال با واریانس معلوم به صورت زیر
است:
X z
2 n
نکته L :و Uمتغیرهای تصادفي هستند (چون آماره هستند) .بنابراین فاصله ایجاد شده نیز متغیر تصادفي است .داریم:
𝜎
𝛼𝑧 حداکثر خطای برآوردگر گویند: نکته :به
𝑛√ 2
E = X − =z
2 n
U − L = 2E
مثال :مقاومت نوع خاصي از پارچه در مقابل پارگي از توزیع نرمال پیروی ميکند .یک نمونه 10تایي از این پارچهها گرفته
شده است که نتایج زیر برحسب psiبه دست آمده است:
براساس دادههای گذشته ميدانیم انحراف معیار مقاومت دادهها 2.5است .یک فاصله اطمینان 95درصدی برای میانگین
3
آمار مهندسي ،خسروشاهي دانشگاه صنعتي اصفهان ،دانشكده مهندسي صنایع و سیستمها
بنابراین یک فاصله اطمینان 95درصدی برای میانگین مقاومت این پارچه به صورت زیر است:
2.5 2.5
182.6 − 1.96 182.6 + 1.96
10 10
181.05 184.15 or [181.05,184.15] or 182.6 1.55
نکته :این تفسیر که به احتمال 0.95میانگین جامعه 𝜇 در بازه ] [181.05,184.15قرار ميگیرد اشتباه است.
مثال :برای جمعآوری اطالعات و برآورد میانگین یک جامعه نرمال با واریانس 𝜎 2 = 4چه تعداد نمونه باید انتخاب شود تا
یک فاصله اطمینان 95درصد به دست آید که حداکثر خطای برآوردگر برابر با 1باشد.
پاسخ:
2
E =z → n = z
2 n 2 E
2 2
2
n = z 0.025 = 1.96 = 15.37 16
E 1
نکته :فاصله اطمینان ارائه شده برای پارامتر میانگین توزیع نرمال ،یكتا نبوده و فوصل اطمینان متفاوت )𝛼 100(1 −درصدی
دیگر ميتوان ارائه کرد .مثال:
(
P −z Z z 2 = 1 −
3 3
)
P X − z 2 X +z = 1−
3 n 3 n
4
دانشگاه صنتعي اصفهان ،دانشكده مهندسي صنایع و سیستمها فصل پنجم :برآورد فاصلهای
به راحتي ميتوان نشان داد که طول فاصله اطمینان در حالت متقارن کمتر و بنابراین دقت آن بیشتر است .به همین دلیل
عموما فاصله اطمینانهای دوطرفه را به گونهای درنظر ميگیرند که سمت چپ و راست تابع توزیع به یک میزان حذف شده باشد
(به گونهای که طول فاصله اطمینان کمینه شود).
مثال :استاندارد ASTM E23روشهای استاندارد تست را برای تست ضربه با میله شیاردار که برروی مواد فلزی انجام ميشود
تعریف مي کند .تكنیک ) Charpy V-notch (CVNانرژی ضربه را اندازه گیری ميکند و غالباً برای تعیین اینكه آیا یک ماده
با کاهش دما تغییر شكلپذیری به شكل شكننده را تجربه مي کند یا نه استفاده ميشود .ده اندازه گیری انرژی ضربه (ژول) بر روی
نمونه های برش خورده فوالد A238در دمای 60درجه سانتیگراد به شرح زیر است:
64.1, 64.7, 64.5, 64.6, 64.5, 64.3, 64.6, 64.8, 64.2, 64.3
الف) فرض کنید انرژی ضربه به طور معمول به صورت نرمال با واریانس 1توزیع ميشود .یک فاصله اطمینان 95درصد برای
متوسط انرژی ضربه پیدا کنید.
ب) اگر بخواهیم یک فاصله اطمینان 95درصد برای متوسط انرژی ضربه داشته باشیم که مطمئن شویم طول فاصله اطمینان بیش
از 1ژول نميشود ،اندازه نمونه را بیابید.
پاسخ:
x i
= X i
= 64.46, = 1, n = 10, = 0.05 → z = z 0.025 = 1.96
n 2
بنابراین یک فاصله اطمینان 95درصد برای متوسط انرژی ضربه به صورت زیر است:
1 1
64.46 − 1.96 64.46 + 1.96 → 63.84 65.08 or 64.46 0.62
10 10
ب) از آنجایي که طول فاصله اطمینان باید حداکثر 1ژول باشد پس:
U −L 1
=E = = 0.5
2 2
بنابراین:
2
2 2
1
E =z → n = z → n = z = z 0.025 = 1.96 = 15.37 16
2 n 2E 2 n E 0.5
5
آمار مهندسي ،خسروشاهي دانشگاه صنعتي اصفهان ،دانشكده مهندسي صنایع و سیستمها
نکته :ميتوان فواصل اطمینان یک طرفه 100(1 − 𝛼)%نیز ایجاد نمود .در این صورت:
برای فاصله یک طرفه حد باال ،از طریق جانشین کردن 𝛼𝑧 به جای 𝛼𝑧 و قرار دادن ∞ 𝐿 = −در فاصله اطمینان دوطرفه
2
برای فاصله یک طرفه حد پایین ،از طریق جانشین کردن 𝛼𝑧 به جای 𝛼𝑧 و قرار دادن ∞ = Uدر فاصله اطمینان دوطرفه
2
مثال :مقاومت نوع خاصي از پارچه در مقابل پارگي از توزیع نرمال پیروی ميکند .یک نمونه 10تایي از این پارچهها گرفته
شده است و میانگین دادهها برحسب psiبرابر با 182.6به دست آمده است .براساس دادههای گذشته ميدانیم انحراف معیار
مقاومت دادهها 2.5است .یک فاصله اطمینان 95درصدی حد پایین برای میانگین مقاومت این پارچه بیابید.
پاسخ:
نکته :چنانچه نمونهها زیاد باشد ( ،)𝑛 ≥ 30با استفاده از قضیه حد مرکزی ميتوان این روش را برای برآورد فاصلهای میانگین
یک جامعه غیرنرمال هم استفاده کرد.
نکته :برای برآورد فاصلهای میانگین یک جامعه غیرنرمال با واریانس معلوم ،𝜎 2چنانچه اندازه نمونه کم باشد ،براساس نامساوی
چبیشف ،فاصله:
6
دانشگاه صنتعي اصفهان ،دانشكده مهندسي صنایع و سیستمها فصل پنجم :برآورد فاصلهای
X k
n
1
دارای ضریب اطمینان حداقل 1 − 𝑘2است .یعني:
اثبات:
𝜎2
𝑋̅ ±برای میانگین هر جامعه نامحدود دارای ضریب اطمینان حداقل 0.75است: مثال :فاصله اطمینان
𝑛√
1 3
1− 1− 2
→ 1−
2 4
در عمل وقتي پارامتر 𝜇 در یک جامعه نرمال مجهول است و قصد برآورد آن را داریم ،انتظار ميرود که پارامتر 𝜎 نیز مجهول
باشد .در این صورت اگر ̅𝑋 و 𝑆 میانگین و انحراف معیار یک نمونه تصادفي با اندازه 𝑛 از یک توزیع نرمال با پارامترهای مجهول
باشند داریم:
X −
~ t n −1
S
n
بنابراین فاصله اطمینان دوطرفه 100(1 − 𝛼)%برای پارامتر مجهول 𝜇 در جامعه نرمال با واریانس نامعلوم به صورت زیر
است:
7
آمار مهندسي ،خسروشاهي دانشگاه صنعتي اصفهان ،دانشكده مهندسي صنایع و سیستمها
S
U − L = 2t
, n −1 n
2
S
E = t
, n −1 n
2
همچنین فاصله اطمینان یک طرفه حد باالی 100(1 − 𝛼)%برای پارامتر مجهول 𝜇 در جامعه نرمال با واریانس نامعلوم
به صورت زیر است:
همچنین فاصله اطمینان یک طرفه حد پایین 100(1 − 𝛼)%برای پارامتر مجهول 𝜇 در جامعه نرمال با واریانس نامعلوم
به صورت زیر است:
مثال :مقاومت نوع خاصي از پارچه در مقابل پارگي از توزیع نرمال پیروی ميکند .یک نمونه 10تایي از این پارچهها گرفته
شده است که نتایج زیر برحسب psiبه دست آمده است:
اگر واریانس مقاومت پارچهها معلوم نباشد ،یک فاصله اطمینان ٪95برای میانگین این جامعه به دست آورید.
پاسخ:
(X )
2
i −X
= X = 182.6, S 2 i
= 5.38 → S = 2.32, t = t 0.025,9 = 2.26
n −1 2
, n −1
2.32 2.32
182.6 − 2.26 182.6 + 2.26 180.94 184.26
10 10
نکته :در صورتي که اندازه جامعه بزرگ باشد ( ،)𝑛 ≥ 30آنگاه آماره 𝑆 2به سمت 𝜎 2و توزیع 𝑡 به سمت توزیع نرمال
استاندارد میل مي کند .بنابراین معموال زماني که اندازه نمونه بزرگ باشد ،حتي اگر واریانس جامعه نامعلوم باشد ،ميتوان با
8
دانشگاه صنتعي اصفهان ،دانشكده مهندسي صنایع و سیستمها فصل پنجم :برآورد فاصلهای
جایگزین کردن 𝑆 به جای 𝜎 ،با تقریب بسیار خوبي از نرمال استاندارد به جای 𝑡 استفاده کرد.
فرض کنید 𝑋 دارای توزیع نرمال با پارامترهای مجهول باشد .در این صورت اگر ̅𝑋 و 𝑆 میانگین و انحراف معیار یک نمونه
تصادفي با اندازه 𝑛 از یک توزیع نرمال با پارامترهای مجهول باشند ،برای تشكیل برآورد فاصلهای واریانس جامعه ( )𝜎 2داریم:
n
(X )
2
−X
i
( n − 1) S 2 ~ 2 P 2 ( n − 1) S 2 2 = 1 −
i =1
= n −1
1− ,n −1
2 2
2 2 , n −1
2
1 1
2
( n − 1) S ( n − 1) S 2 2
بنابراین فاصله اطمینان دوطرفه 100(1 − 𝛼)%برای پارامتر مجهول 𝜎 2در جامعه نرمال به صورت زیر است:
یا به طور معادل فاصله اطمینان دوطرفه 100(1 − 𝛼)%برای پارامتر مجهول 𝜎 در جامعه نرمال به صورت زیر است:
مثال :فرض کنید مدت زمان آمادهسازی یک دستگاه برای تولید از توزیع نرمال پیروی ميکند .اگر نتایج حاصل از 12بار
اندازهگیری این زمان بر حسب دقیقه به صورت زیر باشد:
81, 82, 79, 87, 85, 79, 82, 71, 89, 83, 77, 86
یک برآورد فاصلهای 95درصدی برای انحراف معیار واقعي مدت زمان آمادهسازی این دستگاه به دست آورید.
9
آمار مهندسي ،خسروشاهي دانشگاه صنعتي اصفهان ،دانشكده مهندسي صنایع و سیستمها
پاسخ:
n
(X )
2
i −X
= X = 81.75, S i =1
= 4.90, 0.025,12
2
−1 = 21.920, 0.975,12 −1 = 3.816
2
n −1
( n − 1) , S ( n − 1) = S 12 − 1 12 − 1 12 − 1 12 − 1
S ,S = 4.90 , 4.90 = 3.47,8.32
2
2
2
0.025,12 −1 0.975,12−1
2
21.920 3.816
, n −1 1− , n −1
2 2
همچنین فاصله اطمینان یک طرفه حد باالی 100(1 − 𝛼)%برای پارامتر مجهول 𝜎 2در جامعه نرمال به صورت زیر
است:
02
( n − 1) S 2 ( n − 1) S 2
or 0, 2
12− ,n −1 1− ,n −1
همچنین فاصله اطمینان یک طرفه حد پایین 100(1 − 𝛼)%برای پارامتر مجهول 𝜎 2در جامعه نرمال به صورت زیر
است:
مثال :براساس یک نمونه تصادفي سهتایي از یک جامعه با توزیع نرمال ،یک فاصله اطمینان یک طرفه 95درصد با حدپایین
برای 𝜎 2تشكیل شده است .اگر حد پایین فاصله اطمینان بر اساس نتایج نمونه ،برابر با 3باشد ،مقدار واریانس نمونه چقدر بوده
است؟
پاسخ:
نکته :در عمل وقتي پارامتر 𝜎 در یک جامعه نرمال مجهول است ،انتظار داریم 𝜇 نیز مجهول باشد .اما اگر در مسئلهای پارامتر
𝜇 معلوم باشد ،در یک نمونه تصادفي با اندازه 𝑛 از توزیع مربع کای با 𝑛 درجه آزادی (و نه )𝑛 − 1به صورت زیر استفاده
ميکنیم:
10
دانشگاه صنتعي اصفهان ،دانشكده مهندسي صنایع و سیستمها فصل پنجم :برآورد فاصلهای
n n
-6فاصله اطمینان برای تفاوت میانگینهای دو جامعه نرمال – انحراف معیارها معلوم
فرض کنید متغیر تصادفي 𝑋 دارای توزیع نرمال با میانگین مجهول 𝑥𝜇 و واریانس 𝜎𝑥2باشد و ̅𝑋 و 𝑆𝑥2میانگین و واریانس یک
نمونه تصادفي با اندازه 𝑥𝑛 از آن باشد .همچنین متغیر تصادفي 𝑌 دارای توزیع نرمال با میانگین مجهول 𝑦𝜇 و واریانس 𝜎𝑦2باشد و
̅𝑌 و 𝑆𝑦2میانگین و واریانس یک نمونه تصادفي با اندازه 𝑦𝑛 از آن باشد.
در این صورت یک فاصله اطمینان دو طرفه )𝛼 100(1 −درصدی برای 𝑦𝜇 𝜇𝑥 −به صورت زیر به دست ميآید:
بنابراین فاصله اطمینان دوطرفه 100(1 − 𝛼)%برای 𝑦𝜇 𝜇𝑥 −در جامعه نرمال با واریانس معلوم به صورت زیر است:
همچنین فاصله اطمینان یک طرفه حد باالی 100(1 − 𝛼)%برای تفاوت میانگینهای دو جامعه نرمال به صورت زیر
است:
11
آمار مهندسي ،خسروشاهي دانشگاه صنعتي اصفهان ،دانشكده مهندسي صنایع و سیستمها
همچنین فاصله اطمینان یک طرفه حد پایین 100(1 − 𝛼)%برای تفاوت میانگینهای دو جامعه نرمال به صورت زیر
است:
نکته :چنانچه اندازه نمونهها زیاد باشد ( ،)𝑛𝑥 , 𝑛𝑦 ≥ 30با استفاده از قضیه حد مرکزی ميتوان این روش را برای برآورد
فاصلهای تفاوت میانگینهای دو جامعه غیرنرمال نیز استفاده نمود.
مثال :یک فاصله اطمینان 94درصد برای تفاضل میانگین طول عمر واقعي دو نوع المپ روشنایي ارائه کنید ،با این فرض که
نمونههای تصادفي 40و 50تایي از دو المپ روشنایي به طور متوسط و به ترتیب 418و 402ساعت در استفاده مستمر دوام
آوردهاند و انحراف معیار واقعي آنها به ترتیب برابر با 26و 22باشد.
مثال :فرض کنید از دو جامعه نرمال مستقل دو نمونه با اندازه یكسان 𝑛 گرفته شده است .واریانس جامعه اول برابر 9و واریانس
جامعه دوم برابر با 16است .اندازه نمونه گرفته شده از دو جامعه چقدر باشد تا طول فاصله اطمینان دوطرفه 95درصد ایجاد شده
برای تفاوت میانگینهای این دو جامعه حداقل برابر با 2باشد.
پاسخ:
نکته :باید توجه داشت که در نمونه گیری از جوامع نرمال ،اگر واریانس جوامع معلوم نباشد ،ولي اندازه نمونهها زیاد باشد،
ميتوان با جایگزین کردن 𝑥𝑆 به جای 𝑥𝜎 و 𝑦𝑆 به جای 𝑦𝜎 از روش اخیر برای برآورد فاصلهای تفاوت میانگینهای دو جامعه
استفاده نمود.
12
دانشگاه صنتعي اصفهان ،دانشكده مهندسي صنایع و سیستمها فصل پنجم :برآورد فاصلهای
-7فاصله اطمینان برای تفاوت میانگینهای دو جامعه نرمال – انحراف معیارها نامعلوم ولي مساوی
فرض کنید متغیر تصادفي 𝑋 دارای توزیع نرمال با میانگین مجهول 𝑥𝜇 و واریانس مجهول 𝜎 2باشد و ̅𝑋 و 𝑆𝑥2میانگین و
واریانس یک نمونه تصادفي با اندازه 𝑥𝑛 از آن باشد .همچنین متغیر تصادفي 𝑌 دارای توزیع نرمال با میانگین مجهول 𝑦𝜇 و واریانس
مجهول 𝜎 2باشد و ̅𝑌 و 𝑆𝑦2میانگین و واریانس یک نمونه تصادفي با اندازه 𝑦𝑛 از آن باشد .در این صورت:
nx + n y − 2
p
1 1
Sp +
nx n y
در این صورت یک فاصله اطمینان دو طرفه )𝛼 100(1 −درصدی برای 𝑦𝜇 𝜇𝑥 −به صورت زیر به دست ميآید:
بنابراین فاصله اطمینان دوطرفه 100(1 − 𝛼)%برای 𝑦𝜇 𝜇𝑥 −در جامعه نرمال با واریانس نامعلوم ولي مساوی به صورت
زیر است:
1 1
U − L = 2t Sp +
,nx + n y −2 nx n y
2
1 1
E = t Sp +
,nx + n y −2 nx n y
2
همچنین فاصله اطمینان یک طرفه حد باالی 100(1 − 𝛼)%برای تفاوت میانگینهای دو جامعه نرمال به صورت زیر
است:
13
آمار مهندسي ،خسروشاهي دانشگاه صنعتي اصفهان ،دانشكده مهندسي صنایع و سیستمها
همچنین فاصله اطمینان یک طرفه حد پایین 100(1 − 𝛼)%برای تفاوت میانگینهای دو جامعه نرمال به صورت زیر
است:
مثال :فرض کنید میزان برد دو نوع موشک از توزیع نرمال با واریانسهای یكسان پیروی ميکند .میانگین و واریانس یک
نمونه تصادفي 9تایي از موشک اول برابر با 2050و 50و میانگین و واریانس یک نمونه تصادفي 11تایي از موشک دوم برابر با
1950و 70است .یک فاصله اطمینان دو طرفه 95درصدی برای تفاوت میانگینهای واقعي این دو نوع موشک بیابید.
پاسخ:
مثال :برای مقایسه محتوای نیكوتین دو نوع سیگار ،نمونههای 10تایي و 8تایي از دو نوع سیگار گرفته شده است .میانگین و
انحراف معیار محتوای نیكوتین این دو نوع سیگار به صورت زیر است:
اگر محتوای نیكوتین سیگارها از توزیع نرمال با واریانسهای برابر پیروی کنند ،یک فاصله اطمینان 95درصد دو طرفه برای
تفاوت میانگین واقعي محتوای نیكوتین دو نوع سیگار بیابید.
پاسخ:
14
دانشگاه صنتعي اصفهان ،دانشكده مهندسي صنایع و سیستمها فصل پنجم :برآورد فاصلهای
فرض کنید متغیر تصادفي 𝑋 دارای توزیع نرمال با واریانس مجهول 𝜎𝑥2باشد و 𝑆𝑥2واریانس یک نمونه تصادفي با اندازه 𝑥𝑛
از آن باشد .همچنین متغیر تصادفي 𝑌 دارای توزیع نرمال با میانگین واریانس مجهول 𝜎𝑦2باشد و 𝑆𝑦2واریانس یک نمونه تصادفي
با اندازه 𝑦𝑛 از آن باشد .در این صورت:
در این صورت فاصله اطمینان دو طرفه 100(1 − 𝛼)%برای نسبت واریانسهای دو جامعه به صورت زیر به دست ميآید:
اما از آنجایي که معموال 𝐹1−𝛼,𝑛𝑦−1,𝑛𝑥−1در جدول توزیع Fوجود ندارد ،فاصله اطمینان 100(1 − 𝛼)%برای نسبت
2
همچنین فاصله اطمینان یک طرفه حد باالی 100(1 − 𝛼)%برای نسبت واریانسهای دو جامعه نرمال به صورت زیر
است:
و فاصله اطمینان یک طرفه حد پایین 100(1 − 𝛼)%برای نسبت واریانسهای دو جامعه نرمال به صورت زیر است:
15
آمار مهندسي ،خسروشاهي دانشگاه صنعتي اصفهان ،دانشكده مهندسي صنایع و سیستمها
مثال :فرض کنید میزان برد دو نوع موشک از توزیع نرمال پیروی ميکند .میانگین و واریانس یک نمونه تصادفي 9تایي از
موشک اول برابر با 2050و 50و میانگین و واریانس یک نمونه تصادفي 11تایي از موشک دوم برابر با 1950و 70است .یک
فاصله اطمینان دو طرفه 95درصدی برای نسبت واریانسهای برد دو نوع موشک بیابید.
پاسخ:
در بسیاری مواقع عالقهمندیم که پارامتر 𝑝 در یک توزیع برنولي را برآورد نماییم .این پارامتر عموما نشان دهنده نسبتها،
احتمالها ،درصدها و یا نرخها است .مثال:
ميدانیم ̅𝑋 برآوردگر نااریب پارامتر 𝑝 در توزیع برنولي است .اما برای برآورد فاصلهای پارامتر 𝑝 در صورتي که اندازه نمونه
زیاد باشد با استفاده از قضیه حدمرکزی داریم:
همانطور که مشاهده ميشود ،حدود باال و پایین به پارامتر مجهول وابسته هستند .یک راه ساده این است که در حدود باال و
پایین ،به جای 𝑝 از برآورد نقطهای آن یعني ̅𝑋 = ̂𝑝 استفاده کرد .چرا که ̂𝑝 در حد به 𝑝 میل ميکند .این کار باعث ميشود
برآورد با دقت کمتری انجام شود .اما اگر اندازه نمونه باال باشد ،دقت برآورد تغییر چنداني نميکند .در نهایت فاصله اطمینان به
صورت زیر خواهد شد:
16
دانشگاه صنتعي اصفهان ،دانشكده مهندسي صنایع و سیستمها فصل پنجم :برآورد فاصلهای
نکته :اگر برآوردی از 𝑝 از دادههای گذشته موجود باشد از آن در حدود باال و پایین استفاده میشود.
مثال :در یک نمونه تصادفي 200تایي از قطعات یک خط تولید ،تعداد 46عدد از آنها معیوب بودهاند .یک فاصله اطمینان
95٪برای درصد اقالم معیوب این خط تولید به دست آورید.
پاسخ:
مثال :قرار است نسبت افرادی از یک منطقه که به یک کاندیدای خاص رأی ميدهند برآورد شود .اگر بخواهیم 95درصد
اطمینان داشته باشیم که خطای برآورد حداکثر 0.05است ،حداقل از چند نفر باید سوال شود؟
پاسخ:
1
مشخص است که طول فاصله اطمینان بستگي به مقدار ̅𝑋 دارد .اما زماني )̅𝑋 𝑋̅(1 −حداکثر ميشود که 𝑋̅ = 2شود ،با قرار
1
دادن 𝑋̅ = 2حداکثر خطا به ازای یک مقدار ثابت 𝑛 به دست ميآید.
گاهي عالقهمندیم که تفاوت احتمال موفقیت (𝑝) در دو توزیع برنولي مستقل را برآورد کنیم .تفاوت نسبت اقالم معیوب در
دو خط تولید مختلف یک نمونه از آن است.
حال فرض کنید متغیر تصادفي 𝑋 دارای توزیع برنولي با پارامتر 𝑥𝑝 و متغیر تصادفي 𝑌 دارای توزیع برنولي با پارامتر 𝑦𝑝 باشد.
اگر ̅𝑋 = 𝑥̂𝑝 نسبت موفقیت در یک نمونه تصادفي با اندازه 𝑥𝑛 و اگر ̅𝑌 = 𝑦̂𝑝 نسبت موفقیت در یک نمونه تصادفي با اندازه
𝑦𝑛 باشد و 𝑦𝑛 𝑛𝑥 ,بزرگ باشند ،داریم:
) X −Y − ( p x − p y
Z
) p x (1 − p x ) p y (1 − p y
+
nx ny
17
آمار مهندسي ،خسروشاهي دانشگاه صنعتي اصفهان ،دانشكده مهندسي صنایع و سیستمها
از آنجایي که فاصله اطمینان به دست آمده بر حسب 𝑥𝑝 و 𝑦𝑝 است ،با جایگذاری ̅𝑋 = 𝑥̂𝑝 به جای 𝑥𝑝 و ̅𝑌 = 𝑦̂𝑝 به جای
𝑦𝑝 فاصله اطمینان تقریبي با اطمینان کمتری به صورت زیر حاصل ميشود:
مثال :در مورد تأسیس یک نیروگاه در یک منطقه ،از مردم شهر و حومه آن نظرخواهي شده است .از 100نفری که در شهر از
آنها سوال شده است 16 ،نفر و از 50نفری که در حومه از آنها سوال شده است 6 ،نفر با تاسیس نیروگاه مخالف بودهاند .یک
فاصله اطمینان 90درصد برای تفاوت بین نسبت مخالفین در دو جامعه بیابید.
پاسخ:
16 6
= pˆ x = X , pˆ y =Y = , = 0.1 z = z 0.05 = 1.645
100 50 2
ميدانیم که برآورد کننده نااریب پارامتر 𝜆 در توزیع پواسون ̅𝑋 است .اما برای یافتن برآورد فاصلهای با استفاده از قضیه حد
مرکزی داریم:
18
دانشگاه صنتعي اصفهان ،دانشكده مهندسي صنایع و سیستمها فصل پنجم :برآورد فاصلهای
حدود باال و پایین به 𝜆 وابسته هستند .بنابراین در حدود باال و پایین ،به جای 𝜆 از برآورد نقطهای آن یعني ̅𝑋 = ̂𝜆 استفاده
ميشود .درنهایت فاصله اطمینان به صورت زیر خواهد شد:
X X
X −z X +z
2 n 2 n
اگر میانگین توزیع نمایي را 𝜃 درنظر بگیریم ،برای یافتن برآورد فاصلهای آن با استفاده از قضیه حد مرکزی داریم:
برای اینكه حدود باال و پایین فاصله اطمینان به پارامتر مجهول وابسته نباشند ،داریم:
z z z z z z
P − 2 X − 2 = p − 2 X − 1 2 = p 1 − 2 X 1 + 2 1 −
n n n n n n
1 1 X X
z z 1− p 1−
p X z z
X X
z z
1+ 2 1− 2
n n
قبال توضیح داده شده است که برآوردگر روش MLEبرای پارامتر 𝜃 از هر توزیع ،زماني که اندازه نمونه (𝑛) بزرگ باشد،
به گونهای است که متغیر تصادفي ̂𝜃 دارای توزیع نرمال با میانگین 𝜃 و واریانسي برابر با حد پایین کرامر-رائو ( )𝜎𝑏2است .در این
19
آمار مهندسي ،خسروشاهي دانشگاه صنعتي اصفهان ،دانشكده مهندسي صنایع و سیستمها
گاهي الزم است برای چندین پارامتر به صورت همزمان برآورد صورت گیرد .مثال فرض کنید دو فرآیند مستقل در یک
کارخانه انجام ميشود .یک فاصله 100(1 − 𝛼1 )%برای میانگین فرآیند اول و یک فاصله 100(1 − 𝛼2 )%برای میانگین
فرآیند دوم وجود دارد .احتمال اینكه هر دو فاصله اطمینان شامل پارامترهای خود باشند برابر است با:
) 1 − T = (1 − 1 )(1 − 2
در حالت کلي نیز اگر 𝑘 فاصله اطمینان مستقل داشته باشیم که ضریب اطمینان هرکدام از آنها 100(1 − 𝛼𝑖 )%باشد ،احتمال
صحت توأم تمام فواصل اطمینان یا ضریب اطمینان کل به صورت زیر به دست ميآید:
k
) 1 − T = (1 − i
i =1
نکته :اگر ضریب اطمینان کل یا 𝑇𝛼 1 −توسط مهندس فرآیند قبال مشخص شده باشد و ضریب اطمینان هر یک از فرآیندها
مورد سوال بود ،در صورت برابر بودن ضریب اطمینان همه فرآیندها داریم:
k
1 − T = (1 − i ) = (1 − i ) 1 − i = k 1 − T
k
i =1
مثال :فرض کنید برای سه فاصله اطمینان مستقل ،ضریب اطمینان کل 95درصد تعیین شده است .در این صورت باید ضریب
اطمینان هر کدام از فواصل را چه میزان در نظر گرفت؟
پاسخ:
گاهي اوقات فواصل اطمینان همزمان به همدیگر وابسته هستند .مثال فرض کنید در یک فرآیند نرمال ،باید پارامترهای 𝜇 و 𝜎 2
به صورت توأم تحت کنترل باشند .فواصل اطمینان 100(1 − 𝛼𝑖 )%برای 𝜇 و 𝜎 2به صورت زیر است:
20
دانشگاه صنتعي اصفهان ،دانشكده مهندسي صنایع و سیستمها فصل پنجم :برآورد فاصلهای
X − t 1
S
X + t 1
S ( n − 1) S 2 2 ( n − 1) S 2
2
, n −1 n 2
, n −1 n 2 2
2
, n −1 1− 2
, n −1
2 2
اما این دو فاصله اطمینان شامل متغیر مشترک 𝑆 هستند .بنابراین نميتوان آنها را مستقل در نظر گرفت .در این شرایط برای
محاسبه ضریب اطمینان کل از نامساوی بونفروني استفاده ميشود:
k
1 − T 1 − 1 + 1 − 2 + ... + 1 − k − ( k − 1) = 1 − i
i =1
بدان معني که اگر ضریب اطمینان هر یک از 𝑘 فاصله اطمینان برابر با 100(1 − 𝛼𝑖 )%باشد ،آنگاه ضریب اطمینان کل
حداقل برابر با 𝑖𝛼 1 − ∑𝑘𝑖=1خواهد بود.
نکته :اگر ضریب اطمینان کل یا 𝑇𝛼 1 −توسط مهندس فرآیند قبال مشخص شده باشد ،در صورت برابر بودن ضریب اطمینان
همه فرآیندها داریم:
k
T T
1 − T 1 − i = 1 − k i 1 − i 1 − 1 − i 1 −
i =1 k k
𝛼
یعني اگر ضریب اطمینان هریک برابر با 𝑘 1 −باشد ،ضریب اطمینان کل حداقل برابر 𝛼 1 −است.
مثال :فرض کنید سه جامعه نرمال با واریانسهای مشترک و میانگینهای به ترتیب 𝑧𝜇 𝜇𝑥 , 𝜇𝑦 ,وجود دارد.اگر بخواهیم سه
فاصله اطمینان توأم با ضرایب یكسان برای 𝑦𝜇 ،𝜇𝑦 − 𝜇𝑧 ،𝜇𝑥 −و 𝑥𝜇 𝜇𝑧 −طوری بسازیم که ضریب اطمینان کل 95درصد
شود ،ضریب اطمینان هر یک از فواصل باید چقدر باشد؟
بدین معني که اگر ضریب اطمینان اطمینان تکتک فواصل اطمینان برابر با ٪98.33باشد ،فاصله اطمینان توأم حداقل برابر با
95٪ميشود.
21
آمار مهندسي ،خسروشاهي دانشگاه صنعتي اصفهان ،دانشكده مهندسي صنایع و سیستمها
مثال :1یک نمونه تصادفي به اندازه 36از توزیع نرمال با میانگین مجهول 𝜇 و واریانس 4انتخاب ميشود .احتمال اینكه فاصله
𝑋̅ ± 0.653شامل پارامتر 𝜇 شود چقدر است؟
پاسخ :فاصله اطمینان برای میانگین توزیع نرمال با واریانس معلوم به صورت زیر است:
X z
2 n
بنابراین داریم:
پس احتمال اینكه فاصله اطمینان 𝑋̅ ± 0.653شامل پارامتر 𝜇 شود 0.95است .به عبارت دیگر ضریب اطمینان این فاصله
اطمینان 95%است.
مثال :2اگر 𝑋1 , 𝑋2یک نمونه تصادفي از یک توزیع یكنواخت در فاصله ]𝜃 [0,باشد ،مقدار kچقدر باشد تا بازه ≤ 0
P 0 k ( X 1 + X 2 ) = 1 − P X 1 + X 2 = 1 − P X 1 + X 2 =
k k
همانطور که ميدانیم اگر تابع چگالي در یک ناحیه یكنواخت باشد ،احتمال یک بخش آن برابر با مساحت آن بخش به مساحت
کل است .پس:
P 0 k ( X 1 + X 2 ) = 1 − P X 1 + X 2 = 1 − P X 1 + X 2 =
k k
22
دانشگاه صنتعي اصفهان ،دانشكده مهندسي صنایع و سیستمها فصل پنجم :برآورد فاصلهای
مثال :۳یک شرکت تاکسیرانیدر فكر این است که الستیکهایي از نوع Aو یا از نوع Bخریداری نماید .شرکت عالقهمند
به تخمین نسبت واریانس بین دونوع الستیک ميباشد .برای این منظور ،نمونهای تصادفي با 3الستیک از هر نوع را درنظر گرفته
است .از الستیکها آنقدر استفاده شده است که قابل استفاده نباشند و نتایج 𝑆𝐴2 = 27002 , 𝑆𝐵2 = 35002به دست آمده است.
الف) اگر طول عمر الستیکها دارای متغیر تصادفي نرمال باشند ،یک فاصله اطمینان 95%برای نسبت واریانس الستیک A
𝜎2
ب) اگر یک فاصله اطمینان یکطرفه حد باال به صورت 𝑏 ≤ 0 ≤ 𝜎𝐴2باشد ،ضریب اطمینان را بیابید.
𝐵
پاسخ:
−1
1 1 1 1
= ) f F2,2 ( x
) (1 + x 2
= , x 0
F ,2,2
) (1 + x 2
= dx =
1 + x F ,2,2 1 + F ,2,2
= F ,2,2 = − 1
1 2
= 0.05 → F = = F0.025,2,2 − 1 = 39 0.015 A2 23.4
2
,2,2 0.025 B
ب)
مثال 𝑋 :4یک تک مشاهده از توزیع نمایي با تابع 𝑓(𝑥) = 𝜃𝑒 −𝜃𝑥 , 𝑥 ≥ 0است که در آن 𝜃 > 0است .اگر ]𝑋[𝑋, 2
1
یک فاصله اطمینان برای 𝜃 باشد ،ضریب اطمینان را بیابید.
23
خسروشاهي،آمار مهندسي دانشكده مهندسي صنایع و سیستمها،دانشگاه صنعتي اصفهان
:پاسخ
1 1 1 1 1 1 1
P x 2x = 1 − → P x = 1− → 1− = P x = F −F
2 2 2
(1 − e ) − (1 − e ) =e
1
−
− − − e −1 = e −0.5 (1 − e −0.5 )
1
→ 1− =
1
2
2
ضریب اطمینان برآورد فاصلهای،𝜇(𝑁 باشد, 𝜎 2 ) 𝑋 یک نمونه تصادفي دوتایي از یک توزیع1 , 𝑋2 اگر:۵ مثال
(𝑋[ برای 𝜇 کدام است؟1) , 𝑋(2) ]
:پاسخ
P ( X (1) X ( 2) ) = P ( X ( 2) ) − P ( X (1) )
P ( X ( 2) ) = 1 − P ( X ( 2) ) = 1 − P ( X 1 ) P ( X 2 ) = 1 −
1 1 3
=
2 2 4
P ( X (1) ) = P ( X 1 ) P ( X 2 ) =
1 1 1
=
2 2 4
P ( X (1) X ( 2) ) = P ( X ( 2) ) − P ( X (1) ) = − =
3 1 1
4 4 2
اگر فاصله اطمینان.[ باشد0, 𝜃] 𝑋 یک نمونه تصادفي از توزیع یكنواخت در بازه1 , … , 𝑋𝑛 فرض کنید:6 مثال
. مقدار 𝐶 را پیدا کنید، )𝑛(𝑋[ برای پارامتر 𝜃 دارای ضریب اطمینان 𝛼 باشد, 𝐶𝑋(𝑛) ]
:پاسخ
P ( X ( n ) CX ( n ) ) = 1 −
P ( X ( n ) CX ( n ) ) = P (CX ( n ) ) − P ( X ( n ) ) = P X ( n ) − P ( X (n ) )
C
n
k
P ( X ( n ) k ) = 1 − P ( X ( n ) k ) = 1 − P ( X 1 k ) P ( X 2 k ) ...P ( X n k ) = 1 −
k k
... = 1−
P X (n ) − P ( X (n ) ) = 1 −
C
n
n
1 1 1
1 − C 1 − = 1 − n − 0 = 1 − C = C = n
− n
C
24