Эмпирическая функция распределения

Методы обработки ЭД опираются на базовые понятия теории вероятностей и математической статистики. К их числу относятся понятия генеральной совокупности, выборки, эмпирической функции распределения [3, 5].

Под генеральной совокупностью понимают все возможные значения параметра, которые могут быть зарегистрированы в ходе неограниченного по времени наблюдения за объектом. Такая совокупность состоит из бесконечного множества элементов. В результате наблюдения за объектом формируется ограниченная по объему совокупность значений параметра x ₁, x ₂, …, x_n. С формальной точки зрения такие данные представляют собой выборку из генеральной совокупности. Наблюдаемые значения x_i называют вариантами, а их количество – объемом выборки n. Для того чтобы по результатам наблюдения можно было делать какие-либо выводы, выборка должна быть репрезентативной (представительной), т. е. правильно представлять пропорции генеральной совокупности. Это требование выполняется, если объем выборки достаточно велик, а каждый элемент генеральной совокупности имеет одинаковую вероятность попасть в выборку.

Пусть в полученной выборке значение x ₁параметра наблюдалось n ₁ раз, значение x ₂– n ₂раз, значение x_k – n_k раз, n ₁ + n ₂ + … + n_k = n. Совокупность значений, записанных в порядке их возрастания, называют вариационным рядом, величины n_i – частотами, а их отношения к объему выборки ω _i = n_i / n – относительными частотами (частостями). Очевидно, что сумма относительных частот равна единице.

Под распределением понимают соответствие между наблюдаемыми вариантами и их частотами или частостями. Пусть n_x – количество наблюдений, при которых случайные значения параметра Х меньше x. Частость события X<x равна n_x/ n. Это отношение является функцией от x и от объема выборки: F_n (x) = n_x/ n. Величина F_n (x) обладает всеми свойствами функции распределения: F_n (x)неубывающая функция, ее значения принадлежат отрезку [0 – 1]; если x ₁ – наименьшее значение параметра, а x_k – наибольшее, то F_п (x) = 0, когда x < x ₁, и F_п (x_k) = 1,когда x > x_k. Функция F_п (x) определяется по ЭД, поэтому ее называют эмпирической функцией распределения. В отличие от эмпирической функции F_n (x) функцию распределения F (x) генеральной совокупности называют теоретической функцией распределения, она характеризует не частость, а вероятность события X < x. Из теоремы Бернулли вытекает, что частость F_n (x) стремится по вероятности к вероятности F (x)при неограниченном увеличении n. Следовательно, при большом объеме наблюдений теоретическую функцию распределения F (x) можно заменить эмпирической функцией F_n (x). График эмпирической функции F_n (x) представляет собой ломаную линию. В промежутках между соседними членами вариационного ряда F_n (x)сохраняет постоянное значение. При переходе через точки оси x, равные членам выборки, F_n (x)претерпевает разрыв, скачком возрастая на величину 1/ n, а при совпадении l наблюдений – на l / n.

Пример 2.1. Построить вариационный ряд и график эмпирической функции распределения по результатам наблюдений, табл. 2.1.

Таблица 2.1

i
x_i

Решение. Построим вариационный ряд, упорядочив по возрастанию значения варианты, табл. 2.2.

Таблица 2.2

i
X_i

Искомая эмпирическая функция, рис. 2.1:

При большом объеме выборки (понятие “большой объем” зависит от целей и методов обработки, в данном случае будем считать п большим, если n >40) в целях удобства обработки и хранения сведений прибегают к группированию ЭД в интервалы. Количество интервалов следует выбрать так, чтобы в необходимой мере отразилось разнообразие значений параметра в совокупности и в то же время закономерность распределения не искажалась случайными колебаниями частот по отдельным разрядам. Существуют нестрогие рекомендации по выбору количества k и размера h таких интервалов, в частности:

Рис. 2.1. Эмпирическая функция распределения

в каждом интервале должно находиться не менее 5 – 7 элементов. В крайних разрядах допустимо всего два элемента; количество интервалов не должно быть очень большим или очень маленьким. Минимальное значение k должно быть не менее 6 – 7. При объеме выборки, не превышающем несколько сотен элементов, величину k задают в пределах от 10 до 20. Для очень большого объема выборки (n >1000) количество интервалов может превышать указанные значения. Некоторые исследователи рекомендуют пользоваться соотношением k =1,441ln(n)+1; длины интервалов удобно выбирать одинаковыми и равными величине h= (x _max– x _min)/k, где x _max– максимальное и x _min– минимальное значение параметра. При значительной неравномерности закона распределения длины интервалов можно задавать меньшего размера в области быстрого изменения плотности распределения.

Группирование результатов наблюдений по интервалам предусматривает: определение размаха изменений параметра х; выбор количества интервалов и их величины; подсчет для каждого i-го интервала [x_i – x_i₊₁] частоты n_i или относительной частоты (частости v_i) попадания варианты в интервал. В результате формируется представление ЭД в виде интервального или статистического ряда.

Графически статистический ряд отображают в виде гистограммы, полигона и ступенчатой линии. Часто гистограмму представляют как фигуру, состоящую из прямоугольников, основаниями которых служат интервалы длиною h, а высоты равны соответствующей частости. Однако такой подход неточен. Высоту i- го прямоугольника n _i следует выбрать равной n_i/(nh). Такую гистограмму можно интерпретировать как графическое представление эмпирической функции плотности распределения f_n (x), в ней суммарная площадь всех прямоугольников составит единицу. Гистограмма помогает подобрать вид теоретической функции распределения для аппроксимации ЭД.

Полигоном называют ломаную линию, отрезки которой соединяют точки с координатами по оси абсцисс, равными серединам интервалов, а по оси ординат – соответствующим частостям. Эмпирическая функция распределения отображается ступенчатой ломаной линией: над каждым интервалом проводится отрезок горизонтальной линии на высоте, пропорциональной накопленной частости в текущем интервале. Накопленная частость равна сумме всех частостей, начиная с первого и до данного интервала включительно.

Пример 2.2. Имеются результаты регистрации значений затухания сигнала x_i на частоте 1000 Гц коммутируемого канала телефонной сети. Эти значения, измеренные в дБ, в виде вариационного ряда представлены в табл. 2.3. Необходимо построить статистический ряд.

i
x_i	25,79	25,98	25,98	26,12	26,13	26,49	26,52	26,60	26,66	26,69	26,74
i
x_i	26,85	26,90	26,91	26,96	27,02	27,11	27,19	27,21	27,28	27,30	27,38
i
x_i	27,40	27,49	27,64	27,66	27,71	27,78	27,89	27,89	28,01	28,10	28,11
i
x_i	28,37	28,38	28,50	28,63	28,67	28,90	28,99	28,99	29,03	29,12	29,28

Решение. Количество разрядов статистического ряда следует выбрать минимальным, чтобы обеспечить достаточное количество попаданий в каждый из них, возьмем k = 6. Определим размер разряда

h= (x _max– x _min)/k = (29,28 – 25,79)/6 = 0,58.

Сгруппируем наблюдения по разрядам, табл. 2.4.

Таблица 2.4

i
x_i	25,79	26,37	26,95	27,53	28,12	28,70
n_i
n _i=n_i/n	0,114	0,205	0,227	0,205	0,114	0,136
z _i=n _i/h	0,196	0,353	0,392	0,353	0,196	0,235

На основе статистического ряда построим гистограмму, рис. 2.2, и график эмпирической функции распределения, рис. 2.3.

График эмпирической функции распределения, рис. 2.3, отличается от графика, представленного на рис. 2.1 равенством шага изменения варианты и величиной шага приращения функции (при построении по вариационному ряду шаг приращения кратен 1/ n, а по статистическому ряду – зависит от частости в конкретном разряде).

Рассмотренные представления ЭД являются исходными для последующей обработки и вычисления различных параметров