Есть две выборки данных, значений электропроводности. Игрек-катое (понятно, что это такое? Нижний индекс я тут не напишу, yk, k – должно быть ниже строки) – экспериментально полученные, игрек-итое (yi) – расчетные. Число точек измерений и расчета (n) одинаково. Надо сравнить средние значения yk и yi. Сперва нужно убедиться, что дисперсии однородны, с помощью критерия Кохрена (или критерия Бартлетта – это точно есть в справочниках). Он-лайн программа для проверки однородности дисперсий http://chemstat.com.ru/online/kochren.html Если дисперсии неоднородны, то сравнение средних проводить нельзя.
Затем вычисляется дисперсия средних. После чего эти две дисперсии сравниваются между собой по критерию Фишера (среднюю дисперсию при этом нужно поделить на n). Число степеней свободны дисперсии средних равно m-1, число степеней свободы средней дисперсии - m(n-1). M=2, т.к. у нас всего две выборки. http://chemstat.com.ru/online/fisher.html Он-лайн программа для сравнения двух дисперсий Если средние различаются незначимо, то различие между средней дисперсией и дисперсией средних также должно быть незначимо. Это общий метод сравнения данных, полученных в разных лабораториях, или экспериментальных данных с расчетными. Без особых наворотов.
И попробуйте зайти сюда: http://chemstat.com.ru/glossary – это словарь.
Аппроксимация, или приближение (от approximation) - замена математического объекта более простым объектом, имеющим сходные свойства. Аппроксимация позволяет упростить исследование характеристик объекта, сведя задачу к изучению более простых или более известных объектов.
Наиболее распространенный в аналитической химии пример аппроксимации - это приближение градуировочной функции прямой. Такой прием позволяет упростить вычисления и просто и наглядно представить градуировочные характеристики. Дисперсия - (от лат. dispersio - рассеяние), в математической статистике наиболее употребительная мера рассеивания, отклонения случайных значений от среднего. Дисперсия является случайной величиной и подчиняется хи-квадрат распределению. Достоверность дисперсии определяется числом степеней свободы f. Применительно к обработке результатов измерения дисперсия характеризует случайную погрешность. Наряду с дисперсией используется стандартное отклонение, которое равно квадратному корню из дисперсии. Если на результат измерения влияют несколько независимых случайных факторов, то вступает в силу закон сложения дисперсий: дисперсия результата равна сумме "составляющих" дисперсий.
А также сюда: http://chemstat.com.ru/ Тут есть форум взаимопомощи: http://chemstat.com.ru/forum
Другой вариант: найти пакет MatCad и ввести в него свои данные. Пусть считает. :)
![[personal profile]](https://www.dreamwidth.org/img/silk/identity/user.png)
timeasmymeasure
Как поступают белые люди
Date: 2008-08-13 04:10 pm (UTC)Число точек измерений и расчета (n) одинаково.
Надо сравнить средние значения yk и yi.
Сперва нужно убедиться, что дисперсии однородны, с помощью критерия Кохрена (или критерия Бартлетта – это точно есть в справочниках).
Он-лайн программа для проверки однородности дисперсий http://chemstat.com.ru/online/kochren.html
Если дисперсии неоднородны, то сравнение средних проводить нельзя.
Затем вычисляется дисперсия средних. После чего эти две дисперсии сравниваются между собой по критерию Фишера (среднюю дисперсию при этом нужно поделить на n). Число степеней свободны дисперсии средних равно m-1, число степеней свободы средней дисперсии - m(n-1). M=2, т.к. у нас всего две выборки.
http://chemstat.com.ru/online/fisher.html
Он-лайн программа для сравнения двух дисперсий
Если средние различаются незначимо, то различие между средней дисперсией и дисперсией средних также должно быть незначимо.
Это общий метод сравнения данных, полученных в разных лабораториях, или экспериментальных данных с расчетными. Без особых наворотов.
И попробуйте зайти сюда:
http://chemstat.com.ru/glossary – это словарь.
Аппроксимация, или приближение (от approximation) - замена математического объекта более простым объектом, имеющим сходные свойства.
Аппроксимация позволяет упростить исследование характеристик объекта, сведя задачу к изучению более простых или более известных объектов.
Наиболее распространенный в аналитической химии пример аппроксимации - это приближение градуировочной функции прямой. Такой прием позволяет упростить вычисления и просто и наглядно представить градуировочные характеристики.
Дисперсия - (от лат. dispersio - рассеяние), в математической статистике наиболее употребительная мера рассеивания, отклонения случайных значений от среднего.
Дисперсия является случайной величиной и подчиняется хи-квадрат распределению. Достоверность дисперсии определяется числом степеней свободы f.
Применительно к обработке результатов измерения дисперсия характеризует случайную погрешность. Наряду с дисперсией используется стандартное отклонение, которое равно квадратному корню из дисперсии.
Если на результат измерения влияют несколько независимых случайных факторов, то вступает в силу закон сложения дисперсий: дисперсия результата равна сумме "составляющих" дисперсий.
А также сюда:
http://chemstat.com.ru/
Тут есть форум взаимопомощи:
http://chemstat.com.ru/forum
Другой вариант: найти пакет MatCad и ввести в него свои данные. Пусть считает. :)