1 Ð. Ð. Шейнин СÑаÑÑи по иÑÑоÑии ÑеоÑии ... - Sheynin, Oscar
1 Ð. Ð. Шейнин СÑаÑÑи по иÑÑоÑии ÑеоÑии ... - Sheynin, Oscar
1 Ð. Ð. Шейнин СÑаÑÑи по иÑÑоÑии ÑеоÑии ... - Sheynin, Oscar
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Если для некоторой величины получены из наблюдений многие<br />
значения, то ее вероятнейшим значением является среднее<br />
арифметическое …<br />
В наше время Chakrabarti (1989) попытался применить тот же<br />
принцип к термодинамике.<br />
Без особого обоснования и Ламберт, см. также [iii, § 3.3], и<br />
Лаплас [vi, § 2] указывали, что следует применять среднее<br />
арифметическое, а Марков (1924, с. 323), и видимо только он,<br />
фактически заявил, что следовало предположить, что истинное<br />
значение измеряемой константы существует. Но важнее указать,<br />
что Фурье [vi, § 3] определил подобное истинное значение как<br />
предел среднего арифметического при неограниченном<br />
возрастании числа наблюдений.<br />
Многие авторы, начиная быть может с Энке (Encke 1832),<br />
пытались обосновать принцип среднего арифметического<br />
детерминированными аксиомами. В 1831 г. Гаусс (W-8, с. 145 –<br />
146), который, видимо, прочёл его работу в рукописи, указал, что<br />
не без интереса ознакомился с ней. Цох (1935) заключил, что,<br />
хотя успех и не был никем здесь достигнут, этот принцип всётаки<br />
может быть установлен без привлечения стохастических<br />
понятий. Содержательная сторона подобных исследований<br />
привела к появлению элементов теории инвариантных гипотез и<br />
оценок (Lehmann 1959/1997, гл. 6).<br />
5. Определение точности наблюдений (1816)<br />
5.1. Мера точности и вероятная ошибка. Гаусс определял<br />
меру точности h, – параметр нормального закона (4), – исходя из<br />
квадратов и более высоких степеней ошибок.<br />
Пусть ошибки m [независимых] наблюдений обозначены через<br />
α, β, γ, … Гаусс указал, что вероятнейшее значение ĥ меры h<br />
определяется из условия<br />
h m exp[– h 2 (α 2 + β 2 + γ 2 + …)] = max,<br />
откуда<br />
h ˆ =<br />
m<br />
2 2 2<br />
2(α + β + γ + ...)<br />
.<br />
Заметим, что ĥ = 1/(µ√2), где µ – средняя квадратическая<br />
ошибка наблюдения. Гаусс также установил, что<br />
t<br />
ˆ ˆ λ m 2<br />
2<br />
( − λ ≤ ≤ + λ) = θ( ), θ( ) = exp( − ) ,<br />
P h h h t z dz<br />
hˆ<br />
π<br />
∫<br />
0<br />
так что, для Р = 1/2, λ = ρ ĥ /√m, где ρ ≈ 0.477 – корень уравнения<br />
θ(t) = 1/2.<br />
Наконец, для распределения (4) P(|x| ≤ ρ/h) = 1/2 и,<br />
58