stify"> Обробити масив експериментальних даних.
2. Висунути гіпотезу про закон розподілу ймовірності експериментальних даних.
3. Перевірити правдоподібність висунутої гіпотези за допомогою критерію згоди.
4. Вибрати характеристику положення закону розподілу ймовірності, визначити її оцінку, закон зміни її довірчих інтервалів і записати результат багаторазового вимірювання.
Глава 1. Визначення оцінок основних характеристик
У цій роботі обробляється масив експериментальних даних.
Таблиця 1.1 Масив даних
1.1 Середнє арифметичне (математичне очікування)
Математичне сподівання має простий фізичний зміст: якщо на прямій розмістити одиничну масу, помістивши в кожну точку деяку масу (для дискретного розподілу), або В«розмазавшиВ» її з певною щільністю (для абсолютно неперервного розподілу), то точка буде координатою В«центру тяжкості В»прямій. Середнє арифметичне, цей В«центр вагиВ», визначається за формулою [7]:
,
де n - кількість значень в таблиці експериментальних даних.
Середнє арифметичне обчислюється тільки для однорідних величин.
Для кращого уявлення про математичне сподівання вивчимо його властивості [8]:
. Математичне сподівання постійної З одно цієї постійної.
. Постійний множник можна виносити за знак математичного сподівання, тобто br/>В
. Математичне сподівання суми декількох випадкових величин дорівнює сумі математичних сподівань цих величин:
В
. Математичне сподівання добутку двох незалежних випадкових величин дорівнює добутку математичних сподівань цих величин:
В
Так само можна сказати, що якщо кожне число, що знаходиться в таблиці вимірювань, замінити на середнє арифметичне, то загальна сума не зміниться. p> У даній роботі отримали середнє значення рівне = 0,21.
1.2 Дисперсія і середньоквадратичне відхилення випадкової величини
У багатьох практично важливих випадках суттєвим є питання про те, наскільки великі відхилення випадкової величини від її математичного сподівання. Оцінимо розсіяння масиву експериментальних даних щодо середнього арифметичного значення. Обчислюємо несмещенную оцінку дисперсії S2 за формулою [8]:
В
Також дисперсією випадкової величини називається математичне сподівання квадрата відхилення випадкової величини від її математичного сподівання.
Обчислюємо середньоквадратичне відхилення S (СКО) [8]:
В <...
