Реферат: Комплексная статистическая обработка экспериментальных данных
--PAGE_BREAK--2.3 Графическое изображение рядов распределенияГрафическое изображение интервальных рядов включает построения полигона частот, гистограммы и кумуляты.
В пакете STATISTICA построение полигона происходит следующим образом:
а) Analysis → Frequency tables → Variables (выбратьпеременную);
б) установить количество интервалов в “No. of exact intervals”;
в) Frequency tables → Count;
г) нажать правую кнопку мыши и из выпадающего списка выбрать “Custom Graphs”;
д) 2D Graphs → Graph Type → Line Plot. [1]
Построение кумуляты:
а)Analysis→ Frequencytables→ Variables(выбрать переменную);
б) установить количество интервалов в “No. ofexactintervals”;
в) Frequency tables → Cumul. Count;
г) нажать правую кнопку мыши и выбрать “Custom Graphs”;
д) 2D Graphs → Graph Type → Line Plot (Bar <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1095">).
Построение гистограммы происходит следующим образом:
а) Analysis → Frequency tables → Variables (выбратьпеременную);
б) установить количество интервалов в “No. ofexactintervals”;
в) Frequencytables→ Percent;
г) нажать правую кнопку мыши и из выпадающего списка выбрать “CustomGraphs”;
д) 2D Graphs → Graph Type → Bar <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1096">
2.4 Точечные оценки средних показателей
Точечная оценка математического ожидания по вариационному ряду вычисляется по формуле (2.4):
<img width=«129» height=«73» src=«ref-1_1872492124-619.coolpic» v:shapes="_x0000_i1097">
где <img width=«25» height=«30» src=«ref-1_1872492743-178.coolpic» v:shapes="_x0000_i1098"> – значения элементов выборки.
Оценка дисперсии по вариационному ряду вычисляется по формуле (2.5).
<img width=«136» height=«73» src=«ref-1_1872492921-694.coolpic» v:shapes="_x0000_i1099">
Вычисление оценки математического ожидания по интервальному вариационному ряду осуществляется по формуле (2.6):
<img width=«96» height=«46» src=«ref-1_1872493615-373.coolpic» v:shapes="_x0000_i1100">
где <img width=«20» height=«25» src=«ref-1_1872493988-106.coolpic» v:shapes="_x0000_i1101">– середина <img width=«9» height=«17» src=«ref-1_1872480495-80.coolpic» v:shapes="_x0000_i1102">-го интервала;
<img width=«67» height=«47» src=«ref-1_1872494174-326.coolpic» v:shapes="_x0000_i1103"> – статистическая вероятность (частость) попадания в <img width=«9» height=«17» src=«ref-1_1872480495-80.coolpic» v:shapes="_x0000_i1104">-тый интервал.
Оценка дисперсии для интервального ряда вычисляется по формуле (2.7):
<img width=«165» height=«53» src=«ref-1_1872494580-731.coolpic» v:shapes="_x0000_i1105">
Вычисление точечных оценок по вариационному ряду в пакете STATISTICA:
Analysis →Descriptive statistics → Categorization → Number of intervals (установитьколичествоинтервалов) → More statistics → Mean, Variance. [2]
Значения точечных оценок математического ожидания и дисперсии для простого и интервального рядов приведены в таблице 2.8.
Таблица 2.8 – Оценки математического ожидания и дисперсии
Выборка
Математическое ожидание
Дисперсия
Простой ряд
Интервальный ряд
Простой ряд
Интервальный ряд
<img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1106">(<img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1107">)
16,254
16,279
27,849
28,517
<img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1108">(<img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1109">)
16,189
16,174
26,259
26,598
<img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1110">(<img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1111">)
15,950
16,006
27,608
28,330
<img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1112">(<img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1113">)
16,668
16,936
31,125
31,113
<img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1114">(<img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1115">)
15,989
16,007
30,406
31,242
<img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1116">(<img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1117">)
15,792
15,740
27,059
28,636
Из приведенных данных видно, что полученные оценки математического ожидания и дисперсии по вариационному (простому) и интервальному рядам имеют близкие значения. Причем, чем больше объем выборки, тем более точный результат. От номера эксперимента, то есть от количества испытаний величины точечной оценки не зависят. Это видно на рисунках 2.25 – 2.32.
<img width=«491» height=«273» src=«ref-1_1872496733-4945.coolpic» v:shapes="_x0000_i1118">
Рисунок 2.25 — Зависимость <img width=«41» height=«21» src=«ref-1_1872501678-139.coolpic» v:shapes="_x0000_i1119"> от объема выборки для <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1120">
<img width=«491» height=«226» src=«ref-1_1872501914-3966.coolpic» v:shapes="_x0000_i1121">
Рисунок 2.26 — Зависимость <img width=«37» height=«21» src=«ref-1_1872505880-130.coolpic» v:shapes="_x0000_i1122"> от объема выборки для <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1123">
<img width=«491» height=«264» src=«ref-1_1872506107-5090.coolpic» v:shapes="_x0000_i1124">
Рисунок 2.27 — Зависимость <img width=«41» height=«21» src=«ref-1_1872511197-141.coolpic» v:shapes="_x0000_i1125"> от объема выборки для <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1126">
<img width=«491» height=«252» src=«ref-1_1872511429-4716.coolpic» v:shapes="_x0000_i1127">
Рисунок 2.28 — Зависимость <img width=«37» height=«21» src=«ref-1_1872516145-133.coolpic» v:shapes="_x0000_i1128"> от объема выборки для <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1129">
<img width=«511» height=«242» src=«ref-1_1872516369-4436.coolpic» v:shapes="_x0000_i1130">
Рисунок 2.29 — Зависимость <img width=«41» height=«21» src=«ref-1_1872501678-139.coolpic» v:shapes="_x0000_i1131"> от номера эксперимента по <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1132">
<img width=«518» height=«242» src=«ref-1_1872521041-4588.coolpic» v:shapes="_x0000_i1133">
Рисунок 2.30 — Зависимость <img width=«41» height=«21» src=«ref-1_1872511197-141.coolpic» v:shapes="_x0000_i1134"> от номера эксперимента по <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1135">
<img width=«511» height=«259» src=«ref-1_1872525861-4499.coolpic» v:shapes="_x0000_i1136">
Рисунок 2.31 — Зависимость <img width=«37» height=«21» src=«ref-1_1872505880-130.coolpic» v:shapes="_x0000_i1137"> от номера эксперимента по <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1138">
<img width=«523» height=«225» src=«ref-1_1872530587-4515.coolpic» v:shapes="_x0000_i1139">
Рисунок 2.32 — Зависимость <img width=«37» height=«21» src=«ref-1_1872516145-133.coolpic» v:shapes="_x0000_i1140"> от номера эксперимента по <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1141">
В таблице 2.9 приведены оценки математического ожидания и дисперсии, вычисленные для 10 выборок по 1000 элементов в каждой для случайной величины <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1142"> и случайной величины <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1143">.
Таблица 2.9 – Точечные оценки выборок из 1000 элементов для <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1144"> и <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1145">
2.5 Доверительные интервалы
Для того чтобы оценить достоверность оценок, вводят понятие доверительный интервал и доверительная вероятность.
Доверительный интервал для математического ожидания определяется по формуле (2.7):
<img width=«182» height=«29» src=«ref-1_1872536433-619.coolpic» v:shapes="_x0000_i1152">
где <img width=«20» height=«15» src=«ref-1_1872481172-159.coolpic» v:shapes="_x0000_i1153"> – математическое ожидание генеральной совокупности;
<img width=«15» height=«23» src=«ref-1_1872537211-174.coolpic» v:shapes="_x0000_i1154"> — доверительная вероятность;
<img width=«20» height=«20» src=«ref-1_1872537385-182.coolpic» v:shapes="_x0000_i1155"> — оценка математического ожидания;
<img width=«13» height=«16» src=«ref-1_1872537567-145.coolpic» v:shapes="_x0000_i1156"> — величина доверительного интервала, вычисляется по формуле (2.8):
<img width=«87» height=«36» src=«ref-1_1872537712-344.coolpic» v:shapes="_x0000_i1157">
где <img width=«19» height=«28» src=«ref-1_1872538056-165.coolpic» v:shapes="_x0000_i1158"> — квантиль нормального распределения, получается обратным интерполированием из таблицы для функции распределения стандартного нормального закона. Вычисляется по формуле (2.9).
<img width=«149» height=«52» src=«ref-1_1872538221-788.coolpic» v:shapes="_x0000_i1159">
<img width=«28» height=«28» src=«ref-1_1872539009-195.coolpic» v:shapes="_x0000_i1160"> — оценка дисперсии, вычисляется по формуле (2.10).
<img width=«94» height=«54» src=«ref-1_1872539204-489.coolpic» v:shapes="_x0000_i1161">
Доверительный интервал для дисперсии определяется по формуле (2.11).
<img width=«176» height=«32» src=«ref-1_1872539693-624.coolpic» v:shapes="_x0000_i1162">,
<img width=«93» height=«35» src=«ref-1_1872540317-360.coolpic» v:shapes="_x0000_i1163">
где <img width=«19» height=«19» src=«ref-1_1872540677-164.coolpic» v:shapes="_x0000_i1164"> – дисперсия генеральной совокупности;
<img width=«19» height=«22» src=«ref-1_1872540841-187.coolpic» v:shapes="_x0000_i1165"> – оценка дисперсии.
<img width=«19» height=«28» src=«ref-1_1872538056-165.coolpic» v:shapes="_x0000_i1166"> – квантиль нормального распределения.
Оценка стандартного отклонения в зависимости от закона распределения случайной величины имеет различное значение.
Для нормального закона распределения эта величина будет равна:
<img width=«90» height=«37» src=«ref-1_1872541193-269.coolpic» v:shapes="_x0000_i1167"> продолжение
--PAGE_BREAK--
Для равномерного:
<img width=«176» height=«55» src=«ref-1_1872541462-919.coolpic» v:shapes="_x0000_i1168">
Ниже в таблицах 2.10-2.21 приведены доверительные интервалы математического ожидания исследуемых выборок.
-точный метод
Таблица 2.10 — Доверительные интервалы для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1169">, <img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1170">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1171">
15,378
17,130
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1172">
15,207
17,301
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1173">
15,053
17,455
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1174">
14,739
17,769
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1175">
14,481
18,027
-грубый метод
Таблица 2.11 – Доверительные интервалы для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1176">, <img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1177">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1178">
15,376
17,132
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1179">
15,207
17,301
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1180">
15,058
17,450
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1181">
14,753
17,755
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1182">
14,508
18,000
-точный метод
Таблица 2.12 — Доверительные интервалы для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1183">, <img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1184">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1185">
15,811
16,566
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1186">
15,738
16,639
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1187">
15,673
16,704
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1188">
15,542
16,835
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1189">
15,408
16,940
-грубый метод
Таблица 2.13 – Доверительные интервалы для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1190">, <img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1191">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1192">
15,795
16,553
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1193">
15,722
16,626
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1194">
15,657
16,691
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1195">
15,526
16,822
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1196">
15,420
16,928
-точный метод
Таблица 2.14 — Доверительные интервалы для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1197">, <img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1198">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1199">
15,677
16,224
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1200">
15,624
16,276
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1201">
15,577
16,323
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1202">
15,483
16,418
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1203">
15,447
16,565
-грубый метод
Таблица 2.15 – Доверительные интервалы для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1204">, <img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1205">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1206">
15,729
16,283
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1207">
15,676
16,336
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1208">
15,629
16,383
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1209">
15,533
16,479
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1210">
15,456
16,556
-точный метод
Таблица 2.16 – Доверительные интервалы для СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1211">, <img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1212">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1213">
15,742
17,595
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1214">
15,561
17,775
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1215">
15,399
17,938
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1216">
15,066
18,270
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1217">
15,084
18,788
-грубый метод
Таблица 2.17 – Доверительные интервалы для СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1218">, <img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1219">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1220">
16,018
17,854
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1221">
15,843
18,029
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1222">
15,687
18,185
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1223">
15,369
18,503
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1224">
15,112
18,760
-точный метод
Таблица 2.18 – Доверительные интервалы для СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1225">, <img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1226">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1227">
15,583
16,396
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1228">
15,505
16,474
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1229">
15,435
16,544
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1230">
15,294
16,685
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1231">
15,177
16,837
-грубый метод
Таблица 2.19 – Доверительные интервалы для СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1232">, <img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1233">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1234">
15,596
16,418
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1235">
15,517
16,497
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1236">
15,447
16,567
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1237">
15,305
16,709
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1238">
15,190
16,824
-точный метод
Таблица 2.20 – Доверительные интервалы для СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1239">, <img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1240">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1241">
15,521
16,063
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1242">
15,469
16,115
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1243">
15,423
16,161
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1244">
15,329
16,255
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1245">
15,178
16,302
-грубый метод
Таблица 2.21 – Доверительные интервалы для СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1246">, <img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1247">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1248">
15,462
16,018
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1249">
15,408
16,072
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1250">
15,361
16,119
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1251">
15,264
16,216
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1252">
15,187
16,293
Длины доверительных интервалов для математического ожидания при различных уровнях доверительной вероятности приведены в таблице 2.22.
Таблица 2.22 – Длины доверительных интервалов
Длина интервала
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1253">
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1254">
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1255">
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1256">
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1257">
<img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1258">(<img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1259">)
1,752
2,094
2,402
3,03
3,546
<img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1260">(<img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1261">)
0,755
0,901
1,031
1,293
1,532
<img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1262">(<img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1263">)
0,547
0,652
0,746
0,935
1,118
<img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1264">(<img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1265">)
1,853
2,214
2,539
3,204
3,704
<img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1266">(<img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1267">)
0,813
0,969
1,109
1,391
1,66
<img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1268">(<img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1269">)
0,542
0,646
0,738
0,926
1,124
В таблицах 2.23 – 2.34 указаны доверительные интервалы дисперсии исследуемых выборок.
-точный метод
Таблица 2.23 – Доверительные интервалы для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1270">, <img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1271">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1272">
25,059
32,793
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1273">
24,452
33,693
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1274">
23,926
34,524
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1275">
22,914
36,280
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1276">
22,095
37,873
-грубый метод
Таблица 2.24 – Доверительные интервалы для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1277">, <img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1278">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1279">
26,084
30,950
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1280">
25,619
31,415
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1281">
25,205
31,829
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1282">
24,362
32,672
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1283">
23,681
33,353
-точный метод
Таблица 2.25 – Доверительные интервалы для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1284">, <img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1285">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1286">
23,373
30,586
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1287">
22,807
31,426
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1288">
22,316
32,201
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1289">
21,372
33,838
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1290">
20,608
35,324
-грубый метод
Таблица 2.26 – Доверительные интервалы для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1291">, <img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1292">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1293">
24,329
28,867
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1294">
23,895
29,301
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1295">
23,508
29,688
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1296">
22,722
30,474
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1297">
22,088
31,108
-точный метод
Таблица 2.27 – Доверительные интервалы для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1298">, <img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1299">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1300">
22,258
29,128
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1301">
21,719
29,928
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1302">
21,252
30,666
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1303">
20,354
32,225
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1304">
19,626
33,640
-грубый метод
Таблица 2.28 – Доверительные интервалы для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1305">, <img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1306">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1307">
23,169
27,491
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1308">
22,756
27,904
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1309">
22,388
28,272
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1310">
21,639
29,021
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1311">
21,035
29,625
-точный метод
Таблица 2.29 – Доверительные интервалы для СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1312">, <img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1313">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1314">
27,340
35,779
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1315">
26,678
36,761
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1316">
26,104
37,667
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1317">
25,000
39,582
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1318">
24,106
41,321
-грубый метод
Таблица 2.30 – Доверительные интервалы для СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1319">, <img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1320">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1321">
28,459
33,767
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1322">
27,951
34,275
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1323">
27,499
34,727
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1324">
26,579
35,647
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1325">
25,837
36,389
-точный метод
Таблица 2.31 – Доверительные интервалы для СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1326">, <img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1327">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1328">
26,575
34,777
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1329">
25,931
35,732
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1330">
25,374
36,613
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1331">
24,301
38,474
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1332">
23,431
40,164
-грубый метод
Таблица 2.32 – Доверительные интервалы для СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1333">, <img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1334">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1335">
27,662
32,822
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1336">
27,168
33,316
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1337">
26,729
33,755
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1338">
25,835
34,649
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1339">
25,114
35,370
-точный метод
Таблица 2.33 – Доверительные интервалы для СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1340">, <img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1341">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1342">
25,163
32,930
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1343">
24,554
33,834
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1344">
24,026
34,668
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1345">
23,010
36,431
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1346">
22,187
38,031
-грубый метод
Таблица 2.34 – Доверительные интервалы для СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1347">, <img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1348">
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1349">
26,193
31,079
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1350">
25,726
31,546
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1351">
25,310
31,962
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1352">
24,463
32,809
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1353">
23,780
33,492
В таблице 2.35 показано изменение длины доверительного интервала для дисперсии в зависимости от объема выборки и величины доверительной вероятности.
Таблица 2.35 – Длины доверительных интервалов
Величина интервала
<img width=«53» height=«21» src=«ref-1_1872542618-147.coolpic» v:shapes="_x0000_i1354">
<img width=«61» height=«21» src=«ref-1_1872542765-159.coolpic» v:shapes="_x0000_i1355">
<img width=«69» height=«21» src=«ref-1_1872542924-171.coolpic» v:shapes="_x0000_i1356">
<img width=«69» height=«21» src=«ref-1_1872543095-171.coolpic» v:shapes="_x0000_i1357">
<img width=«69» height=«21» src=«ref-1_1872543266-174.coolpic» v:shapes="_x0000_i1358">
<img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1359">(<img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1360">)
7,734
9,241
10,598
13,366
15,778
<img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1361">(<img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1362">)
7,213
8,619
9,885
12,466
14,716
<img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1363">(<img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1364">)
4,322
5,148
5,884
7,382
8,590
<img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1365">(<img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1366">)
8,439
10,083
11,563
14,582
17,215
<img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1367">(<img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1368">)
8,202
9,801
11,239
14,173
16,733
<img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1369">(<img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1370">)
7,767
9,280
10,642
13,421
15,844
Анализируя полученные данные можно заметить, что при увеличении уровня доверительной вероятности увеличивается величина доверительного интервала, а при увеличении объема выборки она уменьшается. Это справедливо как для доверительных интервалов математического ожидания, так и для дисперсии. [3]
продолжение
--PAGE_BREAK--2.6 Другие точечные оценки интервального ряда (мода, медиана, коэффициент вариации, коэффициент асимметрии, эксцесс)
Модой в вариационном ряду является наиболее часто встречающееся значение признака.
Мода по интервальному ряду вычисляется по формуле (2.13):
<img width=«308» height=«47» src=«ref-1_1872572285-906.coolpic» v:shapes="_x0000_i1371"> (2.13)
где <img width=«20» height=«25» src=«ref-1_1872573191-102.coolpic» v:shapes="_x0000_i1372"> – левая граница модального интервала (модальным называется интервал, имеющий наибольшую частость);
<img width=«12» height=«29» src=«ref-1_1872573293-187.coolpic» v:shapes="_x0000_i1373"> – величина интервала группировки;
<img width=«37» height=«25» src=«ref-1_1872573480-163.coolpic» v:shapes="_x0000_i1374"> – частота модального интервала;
<img width=«48» height=«25» src=«ref-1_1872573643-176.coolpic» v:shapes="_x0000_i1375"> – частота интервала, предшествующего модальному;
<img width=«48» height=«25» src=«ref-1_1872573819-179.coolpic» v:shapes="_x0000_i1376"> – частота интервала, следующего за модальным.
Медиана – серединное наблюдение в выборке длиной n.
При нечетном nмедиана в вариационном ряду есть значение ряда с номером <img width=«43» height=«41» src=«ref-1_1872573998-246.coolpic» v:shapes="_x0000_i1377">.
При четном nмедиана есть полусумма значений с номерами <img width=«36» height=«25» src=«ref-1_1872574244-182.coolpic» v:shapes="_x0000_i1378"> и <img width=«47» height=«25» src=«ref-1_1872574426-198.coolpic» v:shapes="_x0000_i1379">. В интервальном ряду для нахождения медианы применяется формула (2.14):
<img width=«236» height=«67» src=«ref-1_1872574624-788.coolpic» v:shapes="_x0000_i1380">
где <img width=«20» height=«25» src=«ref-1_1872573191-102.coolpic» v:shapes="_x0000_i1381"> – нижняя граница медианного интервала (медианным называется интервал, накопленная частота которого превышает половину общей суммы частот);
<img width=«12» height=«29» src=«ref-1_1872573293-187.coolpic» v:shapes="_x0000_i1382"> – величина интервала группировки;
<img width=«36» height=«25» src=«ref-1_1872575701-131.coolpic» v:shapes="_x0000_i1383"> – частота медианного интервала;
<img width=«48» height=«25» src=«ref-1_1872575832-157.coolpic» v:shapes="_x0000_i1384">– накопленная частота интервала, предшествующего медианному.
Коэффициент вариации вычисляется по формуле (2.15):
<img width=«75» height=«55» src=«ref-1_1872575989-398.coolpic» v:shapes="_x0000_i1385">
На основе момента третьего порядка (смотри формулу 2.16) выборочный коэффициент асимметрии находится по формуле (2.17):
<img width=«139» height=«73» src=«ref-1_1872576387-710.coolpic» v:shapes="_x0000_i1386">
<img width=«93» height=«73» src=«ref-1_1872577097-545.coolpic» v:shapes="_x0000_i1387">
С помощью момента четвертого порядка характеризуют свойство рядов распределения, называемое эксцессом. Показатель эксцесса для ранжированного ряда находится по формуле (2.18).
<img width=«131» height=«64» src=«ref-1_1872577642-491.coolpic» v:shapes="_x0000_i1388">
Вычисление точечных оценок по вариационному ряду в пакете STATISTICA происходит следующим образом:
Analysis → Descriptive statistics:
а) Categorization → Number of intervals (установитьколичествоинтервалов);
б) нажать кнопку Morestatistics→ откроется окно Statistics, где можно выбрать следующие показатели:
- Mean – выборочноесреднее;
- Median – медиана;
- StandardDeviation– стандартное отклонение среднего значения;
- Variance – выборочная дисперсия;
- Skewness – выборочный коэффициент асимметрии;
- Kurtosis – выборочный коэффициент эксцесса;
в) выбрать необходимые параметры и нажать ОК.
Значения медианы, коэффициента вариации, коэффициента ассиметрии и эксцесса приведены в таблице 2.36.
Таблица 2.36 — Медиана, коэффициент вариации, коэффициент ассиметрии и эксцесс
Выборка
Медиана
Коэф. ассиметрии
Эксцесс
Коэф. вариации
<img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1389">(<img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1390">)
16,587
-0,009
-1,017
0,326
<img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1391">(<img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1392">)
16,501
-0,058
-1,160
0,317
<img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1393">(<img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1394">)
16,119
0,007
-1,192
0,329
<img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1395">(<img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1396">)
16,531
-0,086
-0,449
0,335
<img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1397">(<img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1398">)
16,013
-0,022
-0,138
0,345
<img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1399">(<img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1400">)
15,795
-0,080
0,170
0,329
Анализируя полученные данные, можно сказать, что обе случайные величины имеют практически симметричное распределение, т. к. коэффициенты асимметрии всех выборок близки к нулю,
Случайная величина <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1401"> имеет более пологое распределение (эксцесс для всех ее выборок имеет отрицательное значение). А эксцесс выборок случайной величины <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1402"> практически равен нулю, т.е. «крутизна» распределения случайной величины Yблизка к нормальному распределению.
2.7 Оценка однородности выборки
Любая исследуемая совокупность содержит как значения признаков, сложившихся под влиянием факторов, непосредственно характерных для анализируемой совокупности, так изначения признаков, полученных под воздействием иных факторов, не характерных для основной совокупности.
Совокупность считается однородной, если коэффициент вариации не превышает 33% (для распределений, близких к нормальному). [4]
Из таблицы 2.36 видно, что однородными можно считать выборки случайной величины <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1403"> при <img width=«13» height=«15» src=«ref-1_1872579840-84.coolpic» v:shapes="_x0000_i1404"> равном 100, 500, 1000 и <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1405"> при nравном 1000.
Однородность выборки можно проверить, также используя метод Ирвина, основанный на определении <img width=«19» height=«25» src=«ref-1_1872580015-102.coolpic» v:shapes="_x0000_i1406">-статистики. При его использовании выявление аномальных наблюдений производится по формуле (2.19).
<img width=«108» height=«59» src=«ref-1_1872580117-464.coolpic» v:shapes="_x0000_i1407">
где <img width=«15» height=«16» src=«ref-1_1872580581-88.coolpic» v:shapes="_x0000_i1408"> – упорядоченная (по возрастанию или по убыванию) исследуемая совокупность;
<img width=«17» height=«25» src=«ref-1_1872580669-96.coolpic» v:shapes="_x0000_i1409"> – значение ряда;
<img width=«29» height=«25» src=«ref-1_1872580765-110.coolpic» v:shapes="_x0000_i1410">– предыдущее значение ряда;
<img width=«27» height=«29» src=«ref-1_1872580875-111.coolpic» v:shapes="_x0000_i1411"> – среднеквадратическое отклонение.
Если расчетное значение превысит уровень критического, то оно признается аномальным.
Произведя соответствующие расчёты в MicrosoftExcelмы убедились, что ни одно из расчётных значений не превышает уровень критического значения. Это значит, что все выборки случайных величин <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1412"> и <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1413"> – однородны.
2.8 Проверка нормальности эмпирического распределения
2.8.1 Проверка нормальности эмпирического распределения на основе анализа точечных оценок числовых характеристик
Если среднее арифметическое, медиана и мода имеют близкие значения, это указывает на вероятное соответствие изучаемого распределения нормальному закону. Для нормального распределения коэффициент асимметрии и эксцесса равны нулю, а для равномерного эксцесс равен -1,2.
В таблице 2.37 приведены данные для проверки вышеуказанных утверждений.
Таблица 2.37 – Анализ числовых характеристик положения и вариации
равномерный закон (СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1414">)
нормальный закон (СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1415">)
выборка
<img width=«79» height=«21» src=«ref-1_1872581362-193.coolpic» v:shapes="_x0000_i1416">
<img width=«48» height=«19» src=«ref-1_1872581555-132.coolpic» v:shapes="_x0000_i1417">
<img width=«68» height=«19» src=«ref-1_1872581687-149.coolpic» v:shapes="_x0000_i1418">
выборка
<img width=«80» height=«21» src=«ref-1_1872581836-195.coolpic» v:shapes="_x0000_i1419">
<img width=«48» height=«19» src=«ref-1_1872582031-133.coolpic» v:shapes="_x0000_i1420">
100
16,254
16,587
-0,009
-1,017
100
16,668
16,531
-0,449
200
16,369
15,840
0,034
-1,264
200
15,688
15,703
0,712
300
16,355
16,335
-0,092
-1,270
300
15,696
15,655
0,472
400
15,658
15,581
0,056
-1,254
400
16,770
16,954
-0,196
500
16,189
16,501
-0,058
-1,160
500
15,989
16,013
-0,138
600
16,048
15,897
-0,022
-1,158
600
16,049
16,008
-0,077
700
15,964
15,956
-0,017
-1,159
700
16,319
16,576
-0,128
800
15,867
15,649
0,072
-1,218
800
15,990
16,082
0,172
900
16,132
16,028
-0,022
-1,243
900
15,885
15,749
-0,092
1000
15,950
16,119
0,007
-1,192
1000
15,792
15,795
0,170
Анализируя полученные данные, можно сделать вывод о том что значения медианы и среднего арифметического для выборок случайной величины <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1421"> и <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1422"> имеют практически равное значение. Для выборки <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1423"> значение коэффициента ассиметрии, а для выборки случайной величины <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1424"> значение эксцесса практически равно 0. Для случайной величины <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1425"> значение эксцесса практически -1,2. Таким образом, все это свидетельствует о близости распределения случайной величины <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1426"> нормальному распределению, а случайной величины <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1427"> равномерному.
продолжение
--PAGE_BREAK--2.9 Определение закона распределения случайных величин
2.9.1 Определение закона распределения случайной величины по виду гистограммы
По виду гистограмм, приведенных на рисунках 2.19-2.21 делаем предположение о том, что случайная величина <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1428"> подчиняется равномерному закону распределения, а случайная величина <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1429"> соответствует нормальному закону распределения, что можно увидеть на рисунках 2.22-2.24.
2.9.2 Определение оценок параметров распределений
Метод моментов
Метод моментов заключается в том, что определенное количество статистических начальных и (или) центральных моментов приравнивается к соответствующим теоретическим моментам распределения случайной величины. Уравнения метода показано в формуле (2.23).
<img width=«79» height=«70» src=«ref-1_1872583013-568.coolpic» v:shapes="_x0000_i1430">
где <img width=«23» height=«25» src=«ref-1_1872583581-106.coolpic» v:shapes="_x0000_i1431"> – теоретический начальный момент <img width=«12» height=«16» src=«ref-1_1872583687-144.coolpic» v:shapes="_x0000_i1432">-того порядка для непрерывной случайной величины, вычисляется по формуле (2.24):
<img width=«140» height=«57» src=«ref-1_1872583831-638.coolpic» v:shapes="_x0000_i1433">.
<img width=«23» height=«28» src=«ref-1_1872584469-201.coolpic» v:shapes="_x0000_i1434"> – статистическая оценка соответствующего теоретического момента <img width=«12» height=«20» src=«ref-1_1872584670-154.coolpic» v:shapes="_x0000_i1435">-того порядка, вычисляется по формуле (2.25):
<img width=«115» height=«55» src=«ref-1_1872584824-532.coolpic» v:shapes="_x0000_i1436">.
<img width=«21» height=«25» src=«ref-1_1872585356-103.coolpic» v:shapes="_x0000_i1437"> – теоретический центральный момент s-того порядка, вычисляется по формуле (2.26):
<img width=«197» height=«57» src=«ref-1_1872585459-798.coolpic» v:shapes="_x0000_i1438">.
<img width=«21» height=«28» src=«ref-1_1872586257-177.coolpic» v:shapes="_x0000_i1439"> – статистическая оценка теоретического центрального момента <img width=«12» height=«20» src=«ref-1_1872584670-154.coolpic» v:shapes="_x0000_i1440">-того порядка, вычисляется по формуле (2.27):
<img width=«168» height=«55» src=«ref-1_1872586588-694.coolpic» v:shapes="_x0000_i1441">.
Из системы (2.23) находятся параметры распределения. Число уравнений в системе зависит от количества неизвестных параметров. Для нормального и равномерного законов, система должна содержать два уравнения, для экспоненциального – одно.
Для равномерного закона распределения система (2.23) принимает вид (2.28):
<img width=«26» height=«86» src=«ref-1_1872587282-186.coolpic» v:shapes="_x0000_s1047"> <img width=«13» height=«25» src=«ref-1_1872587468-73.coolpic» v:shapes="_x0000_i1442"><img width=«85» height=«77» src=«ref-1_1872587541-436.coolpic» v:shapes="_x0000_i1443">
Из системы 2.28 нужно найти параметры <img width=«13» height=«15» src=«ref-1_1872587977-84.coolpic» v:shapes="_x0000_i1444"> и <img width=«13» height=«19» src=«ref-1_1872588061-88.coolpic» v:shapes="_x0000_i1445">.
В таблице 2.38 приведены значения этих параметров, найденные методом моментов и методом максимального правдоподобия.
Таблица 2.38 – Значения параметров <img width=«13» height=«15» src=«ref-1_1872587977-84.coolpic» v:shapes="_x0000_i1446"> и <img width=«13» height=«19» src=«ref-1_1872588061-88.coolpic» v:shapes="_x0000_i1447">
<img width=«13» height=«15» src=«ref-1_1872587977-84.coolpic» v:shapes="_x0000_i1448">(метод
моментов)
<img width=«13» height=«15» src=«ref-1_1872587977-84.coolpic» v:shapes="_x0000_i1449">(метод максимального
правдоподобия)
∆<img width=«13» height=«15» src=«ref-1_1872587977-84.coolpic» v:shapes="_x0000_i1450">
<img width=«13» height=«19» src=«ref-1_1872588061-88.coolpic» v:shapes="_x0000_i1451">(метод
моментов)
<img width=«13» height=«19» src=«ref-1_1872588061-88.coolpic» v:shapes="_x0000_i1452">(метод максимального
правдоподобия)
∆<img width=«13» height=«19» src=«ref-1_1872588061-88.coolpic» v:shapes="_x0000_i1453">
<img width=«52» height=«19» src=«ref-1_1872486190-140.coolpic» v:shapes="_x0000_i1454">
6,993
6,996
0,003
25,201
25,542
0,341
<img width=«53» height=«19» src=«ref-1_1872487898-139.coolpic» v:shapes="_x0000_i1455">
6,984
7,313
0,329
25,110
25,065
0,045
<img width=«60» height=«19» src=«ref-1_1872490054-150.coolpic» v:shapes="_x0000_i1456">
6,711
6,849
0,138
25,237
25,051
0,186
Из таблицы видно, что значения параметров, найденные разными методами, практически совпадают. Это подтверждает, что случайная величина <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1457"> распределена по равномерному закону.
Метод максимального правдоподобия
По методу максимального правдоподобия, строится так называемая функция правдоподобия (2.29):
<img width=«201» height=«39» src=«ref-1_1872589363-414.coolpic» v:shapes="_x0000_i1458">
где <img width=«115» height=«24» src=«ref-1_1872589777-213.coolpic» v:shapes="_x0000_i1459"> – выборка,
<img width=«115» height=«24» src=«ref-1_1872589990-217.coolpic» v:shapes="_x0000_i1460"> – вектор параметров.
Необходимо найти такие значения вектора <img width=«15» height=«17» src=«ref-1_1872590207-91.coolpic» v:shapes="_x0000_i1461">, чтобы функция <img width=«17» height=«17» src=«ref-1_1872590298-91.coolpic» v:shapes="_x0000_i1462"> достигала максимума. Для этого строят систему правдоподобия (2.30), содержащую частные производные от функции правдоподобия по всем переменным, приравненные к нулю. Для упрощения вычислений переходят к функции <img width=«15» height=«17» src=«ref-1_1872590389-88.coolpic» v:shapes="_x0000_i1463">, равной логарифму натуральному от <img width=«17» height=«17» src=«ref-1_1872590298-91.coolpic» v:shapes="_x0000_i1464">:
<img width=«72» height=«191» src=«ref-1_1872590568-1171.coolpic» v:shapes="_x0000_i1465"> .
Оценки параметров, получаемые из этой системы, называют оценками максимального правдоподобия.
Для равномерного закона функция правдоподобия будет иметь вид (2.31)
<img width=«179» height=«51» src=«ref-1_1872591739-568.coolpic» v:shapes="_x0000_i1466">
где <img width=«13» height=«15» src=«ref-1_1872587977-84.coolpic» v:shapes="_x0000_i1467"> и <img width=«13» height=«19» src=«ref-1_1872588061-88.coolpic» v:shapes="_x0000_i1468"> – параметры распределения.
Данная функция будет достигать максимума при условии (2.32):
<img width=«69» height=«51» src=«ref-1_1872592479-274.coolpic» v:shapes="_x0000_i1469">
Судя по полученным оценкам параметров распределения, можно сделать вывод, что наше предположение было верно изначально и случайная величина <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1470"> действительно распределена равномерно.
2.10 Проверка нормальности эмпирического распределения на основе критериев согласия Пирсона
Для проверки гипотезы о соответствии эмпирического распределения нормальному закону распределения необходимо ввести нулевую гипотезу, которая будет проверяться по критерию Пирсона.
<img width=«24» height=«24» src=«ref-1_1872592850-109.coolpic» v:shapes="_x0000_i1471">: генеральная совокупность распределена по нормальному закону.
В качестве меры расхождения для критерия <img width=«35» height=«28» src=«ref-1_1872592959-237.coolpic» v:shapes="_x0000_i1472"> выбирается величина, равная взвешенной сумме квадратов отклонений статистической вероятности от соответствующей теоретической вероятности, рассчитанных по нормальному закону теоретического распределения <img width=«35» height=«28» src=«ref-1_1872592959-237.coolpic» v:shapes="_x0000_i1473"> вычисляется по формуле (2.20)
<img width=«172» height=«53» src=«ref-1_1872593433-646.coolpic» v:shapes="_x0000_i1474">
где <img width=«24» height=«25» src=«ref-1_1872594079-143.coolpic» v:shapes="_x0000_i1475">– частота попадания в i-тый интервал;
<img width=«15» height=«16» src=«ref-1_1872594222-87.coolpic» v:shapes="_x0000_i1476"> – объем выборки;
<img width=«20» height=«25» src=«ref-1_1872594309-102.coolpic» v:shapes="_x0000_i1477"> – теоретическая вероятность попадания i-тый интервал:
<img width=«363» height=«51» src=«ref-1_1872594411-840.coolpic» v:shapes="_x0000_i1478"> .
Общая схема применения критерия <img width=«25» height=«29» src=«ref-1_1872595251-114.coolpic» v:shapes="_x0000_i1479">:
1. Определение меры расхождения по формуле 2.20;
2. Задание уровня значимости <img width=«15» height=«20» src=«ref-1_1872595365-172.coolpic» v:shapes="_x0000_i1480">;
3. Определение числа степеней свободы <img width=«13» height=«15» src=«ref-1_1872595537-86.coolpic» v:shapes="_x0000_i1481"> по формуле 2.22.
<img width=«91» height=«20» src=«ref-1_1872595623-199.coolpic» v:shapes="_x0000_i1482">, (2.22)
где <img width=«15» height=«20» src=«ref-1_1872595822-94.coolpic» v:shapes="_x0000_i1483"> – количество интервалов в интервальном ряду;
<img width=«16» height=«20» src=«ref-1_1872595916-95.coolpic» v:shapes="_x0000_i1484"> – число налагаемых связей, равное числу параметров
предполагаемого закона распределения
4. Область принятия основной гипотезы:
<img width=«98» height=«33» src=«ref-1_1872596011-397.coolpic» v:shapes="_x0000_i1485">.
Выполнение в пакете STATISTICA.
В модуле NonparametricStatistics(непараметрическая статистика), DistributionFitting. В поле ContinuousDistributionsпредставлены непрерывные распределения, а в поле DiscreteDistributions— дискретные распределения (закон распределения выбираем дважды щелкнув на его название мышью) ®Variable(выбрать переменную) ®в поле Plotdistributionвыбираем Frequencydistribution(частоты распределения) ®в поле Kolmogorov-Smirnovtestставим No→ установим необходимые параметры числа интервалов, верхней и нижней границ, среднего и дисперсии → Graph. Результаты проверки соответствия гипотезы приведены в таблице 2.39 и показаны на рисунках 2.41-2.46
Таблица 2.39 – Значения <img width=«35» height=«28» src=«ref-1_1872592959-237.coolpic» v:shapes="_x0000_i1486"> и χ2крит для случайных величин <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1487"> и <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1488">
На основе полученных данных можно сделать вывод, что случайная величина <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1533"> распределена по нормальному закону, а случайная величина <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1534"> не распределена по нормальному закону.
Анализируя получившиеся графики, делаем вывод, что случайная величина <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1535"> распределена по равномерному закону, а случайная величина <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1536"> – по нормальному.
продолжение
--PAGE_BREAK--Заключение
В ходе курсовой работы были освоены методы обработки данных статистического наблюдения, их анализа с помощью обобщающих показателей, установление теоретических законов распределения случайных величин и доказательство адекватности этих законов. Также в результате выполнения данной работы мы приобрели навыки и опыт работы в пакете STATISTICА.
В ходе анализа данных, были сделаны выводы, что основной частью статистического анализа является выявление закона распределения случайной величины, а также, выявление основных факторов, оказывающих влияние на качество оцениваемых параметров закона распределения (длина выборки, её однородность, величина доверительной вероятности). Был произведен статистический анализ каждой из полученных в ходе генерации выборок данных двух случайных величин, был найден закон их распределения. Рассмотрены основные числовые характеристики положения и вариации нормального и равномерного закона.
Полученный опыт работы со статистическими данными и методами их обработки на компьютере позволит гораздо быстрее и эффективнее применять эти методы обработки информации в повседневной жизни, в частности, для экономических исследований и разработок.
Перечень ссылок
случайный величина интервальный выборка
1. Теория статистики: Учебник / Под ред. проф. Р. А. Шмойловой. — 3-е изд., перераб. -М.: Финансы и статистика, 2000. — 560 с.
2. Елисеева И. И., Юзбашев М. М. Общая теория статистики: Учебник / Под ред. чл.-корр. РАН И. И. Елисеевой. – М.: Финансы и статистика, 1998. – 365 с.: ил.
3. Смирнов Н.В., Дунин-Барковский И.В. Курс теории вероятностей и математической статистики для технических приложений. – М.: Наука, 1969. – 509 с.
4. Гурман В.Е. Теория вероятностей и математическая статистика. Учеб. пособие для втузов. Изд. 5-е перераб. и доп. – М.: Высш. школа, 1977. – 397 с.
5. Кремер Н.Ш. Теория вероятностей и математическая статистика. – М.: Unity, 2000. – 544 с.
6. Вентцель Е.С. Теория вероятностей. – М.: Наука, 1969. – 576 с.
7. Боровиков В. STATISTICA: искусство анализа данных на компьютере. Для профессионалов. — СПб.: Питер, 2001. — 656 с.
Приложение А
Генерация исходных данных СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1537"> в пакете STATISTICA
Dim ADS As Spreadsheet
Dim STBReport As Report
Dim SUM As Double
Dim LOOP_CASE As Double
Dim I As Double
Sub Main
Set ADS = ActiveDataSet
Set STBReport = Reports.New
For LOOP_CASE = 1 To NCASES(ADS)
For I = 1 To n
SUM = 0
For L = 1 To 300
SUM = SUM + Uniform(1)
Next L
ADS.Value (LOOP_CASE, 1) = N * ((1 / 15) * SUM — 9)
Next I
NEXT_CASE:
Next LOOP_CASE
End Sub
Приложение Б
Интервальные ряды для СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1538"> и <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1539">
Таблица Д.1 — Интервальный ряд СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1540">,<img width=«55» height=«19» src=«ref-1_1872486613-142.coolpic» v:shapes="_x0000_i1541">
Частота
Кумул.
Процент
Кумул.
5,289175<x<=8,355050
14,000
14,000
7,000
7,000
8,355050<x<=11,42093
34,000
48,000
17,000
24,000
11,42093<x<=14,48680
33,000
81,000
16,500
40,500
14,48680<x<=17,55268
33,000
114,000
16,500
57,000
17,55268<x<=20,61855
29,000
143,000
14,500
71,500
20,61855<x<=23,68443
23,000
166,000
11,500
83,000
23,68443<x<=26,75030
34,000
200,000
17,000
100,000
Таблица Д.2 — Интервальный ряд СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1542">,<img width=«53» height=«19» src=«ref-1_1872487041-142.coolpic» v:shapes="_x0000_i1543">
Частота
Кумул.
Процент
Кумул.
5,502861<x<=8,114160
25,000
25,000
8,333
8,333
8,114160<x<=10,72546
37,000
62,000
12,333
20,667
10,72546<x<=13,33676
40,000
102,000
13,333
34,000
13,33676<x<=15,94806
39,000
141,000
13,000
47,000
15,94806<x<=18,55936
39,000
180,000
13,000
60,000
18,55936<x<=21,17066
41,000
221,000
13,667
73,667
21,17066<x<=23,78195
51,000
272,000
17,000
90,667
23,78195<x<=26,39325
28,000
300,000
9,333
100,000
Таблица Д.3 — Интервальный ряд СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1544">,<img width=«55» height=«19» src=«ref-1_1872487469-142.coolpic» v:shapes="_x0000_i1545">
Частота
Кумул.
Процент
Кумул.
5,555859<x<=8,176674
33,000
33,000
8,250
8,250
8,176674<x<=10,79749
69,000
102,000
17,250
25,500
10,79749<x<=13,41830
54,000
156,000
13,500
39,000
13,41830<x<=16,03912
54,000
210,000
13,500
52,500
16,03912<x<=18,65993
51,000
261,000
12,750
65,250
18,65993<x<=21,28075
58,000
319,000
14,500
79,750
21,28075<x<=23,90156
54,000
373,000
13,500
93,250
23,90156<x<=26,52238
27,000
400,000
6,750
100,000
Таблица Д.4 — Интервальный ряд СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1546">,<img width=«53» height=«19» src=«ref-1_1872488324-142.coolpic» v:shapes="_x0000_i1547">
Частота
Кумул.
Процент
Кумул.
5,616825<x<=7,918099
42,000
42,000
7,000
7,000
7,918099<x<=10,21937
60,000
102,000
10,000
17,000
10,21937<x<=12,52065
79,000
181,000
13,167
30,167
12,52065<x<=14,82192
78,000
259,000
13,000
43,167
14,82192<x<=17,12319
75,000
334,000
12,500
55,667
17,12319<x<=19,42447
69,000
403,000
11,500
67,167
19,42447<x<=21,72574
92,000
495,000
15,333
82,500
21,72574<x<=24,02701
70,000
565,000
11,667
94,167
24,02701<x<=26,32829
35,000
600,000
5,833
100,000
Таблица Д.5 — Интервальный ряд СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1548">,<img width=«53» height=«19» src=«ref-1_1872488754-142.coolpic» v:shapes="_x0000_i1549">
Частота
Кумул.
Процент
Кумул.
5,638499<x<=7,943963
48,000
48,000
6,857
6,857
7,943963<x<=10,24943
80,000
128,000
11,429
18,286
10,24943<x<=12,55489
80,000
208,000
11,429
29,714
12,55489<x<=14,86035
100,000
308,000
14,286
44,000
14,86035<x<=17,16582
91,000
399,000
13,000
57,000
17,16582<x<=19,47128
83,000
482,000
11,857
68,857
19,47128<x<=21,77675
94,000
576,000
13,429
82,286
21,77675<x<=24,08221
89,000
665,000
12,714
95,000
24,08221<x<=26,38767
35,000
700,000
5,000
100,000
Таблица Д.6 — Интервальный ряд СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1550"> продолжение
--PAGE_BREAK--,<img width=«53» height=«19» src=«ref-1_1872489178-142.coolpic» v:shapes="_x0000_i1551">
Частота
Кумул.
Процент
Кумул.
5,746050<x<=7,794074
50,000
50,000
6,250
6,250
7,794074<x<=9,842099
87,000
137,000
10,875
17,125
9,842099<x<=11,89012
88,000
225,000
11,000
28,125
11,89012<x<=13,93815
110,000
335,000
13,750
41,875
13,93815<x<=15,98617
77,000
412,000
9,625
51,500
15,98617<x<=18,03420
84,000
496,000
10,500
62,000
18,03420<x<=20,08222
83,000
579,000
10,375
72,375
20,08222<x<=22,13025
77,000
656,000
9,625
82,000
22,13025<x<=24,17827
96,000
752,000
12,000
94,000
24,17827<x<=26,22630
48,000
800,000
6,000
100,000
Таблица Д.7 — Интервальный ряд СВ <img width=«19» height=«17» src=«ref-1_1872483011-97.coolpic» v:shapes="_x0000_i1552">,<img width=«53» height=«19» src=«ref-1_1872489616-144.coolpic» v:shapes="_x0000_i1553">
Частота
Кумул.
Процент
Кумул.
5,747041<x<=7,795948
46,000
46,000
5,111
5,111
7,795948<x<=9,844855
118,000
164,000
13,111
18,222
9,844855<x<=11,89376
93,000
257,000
10,333
28,556
11,89376<x<=13,94267
84,000
341,000
9,333
37,889
13,94267<x<=15,99158
107,000
448,000
11,889
49,778
15,99158<x<=18,04048
85,000
533,000
9,444
59,222
18,04048<x<=20,08939
108,000
641,000
12,000
71,222
20,08939<x<=22,13830
88,000
729,000
9,778
81,000
22,13830<x<=24,18720
108,000
837,000
12,000
93,000
24,18720<x<=26,23611
63,000
900,000
7,000
100,000
Таблица Д.8 — Интервальный ряд СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1554">,<img width=«55» height=«19» src=«ref-1_1872486613-142.coolpic» v:shapes="_x0000_i1555">
Частота
Кумул.
Процент
Кумул.
-3,85839<x<=1,661475
2,000
2,000
1,000
1,000
1,661475<x<=7,181336
7,000
9,000
3,500
4,500
7,181336<x<=12,70120
47,000
56,000
23,500
28,000
12,70120<x<=18,22106
79,000
135,000
39,500
67,500
18,22106<x<=23,74092
54,000
189,000
27,000
94,500
23,74092<x<=29,26078
8,000
197,000
4,000
98,500
29,26078<x<=34,78064
3,000
200,000
1,500
100,000
Таблица Д.9 — Интервальный ряд СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1556">,<img width=«53» height=«19» src=«ref-1_1872487041-142.coolpic» v:shapes="_x0000_i1557">
Частота
Кумул.
Процент
Кумул.
-3,50252<x<=1,766314
2,000
2,000
0,667
0,667
1,766314<x<=7,035144
13,000
15,000
4,333
5,000
7,035144<x<=12,30397
63,000
78,000
21,000
26,000
12,30397<x<=17,57280
106,000
184,000
35,333
61,333
17,57280<x<=22,84163
91,000
275,000
30,333
91,667
22,84163<x<=28,11046
21,000
296,000
7,000
98,667
28,11046<x<=33,37929
3,000
299,000
1,000
99,667
33,37929<x<=38,64812
1,000
300,000
0,333
100,000
Таблица Д.10 — Интервальный ряд СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1558">,<img width=«55» height=«19» src=«ref-1_1872487469-142.coolpic» v:shapes="_x0000_i1559">
Частота
Кумул.
Процент
Кумул.
1,299935<x<=5,325310
5,000
5,000
1,250
1,250
5,325310<x<=9,350685
31,000
36,000
7,750
9,000
9,350685<x<=13,37606
63,000
99,000
15,750
24,750
13,37606<x<=17,40143
117,000
216,000
29,250
54,000
17,40143<x<=21,42681
109,000
325,000
27,250
81,250
21,42681<x<=25,45218
55,000
380,000
13,750
95,000
25,45218<x<=29,47756
16,000
396,000
4,000
99,000
29,47756<x<=33,50293
4,000
400,000
1,000
100,000
Таблица Д.11 — Интервальный ряд СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1560">,<img width=«53» height=«19» src=«ref-1_1872488324-142.coolpic» v:shapes="_x0000_i1561">
Частота
Кумул.
Процент
Кумул.
-1,98797<x<=1,772650
1,000
1,000
0,167
0,167
1,772650<x<=5,533271
12,000
13,000
2,000
2,167
5,533271<x<=9,293892
54,000
67,000
9,000
11,167
9,293892<x<=13,05451
100,000
167,000
16,667
27,833
13,05451<x<=16,81513
166,000
333,000
27,667
55,500
16,81513<x<=20,57576
154,000
487,000
25,667
81,167
20,57576<x<=24,33638
88,000
575,000
14,667
95,833
24,33638<x<=28,09700
17,000
592,000
2,833
98,667
28,09700<x<=31,85762
8,000
600,000
1,333
100,000
Таблица Д.12 — Интервальный ряд СВ <img width=«15» height=«17» src=«ref-1_1872483491-91.coolpic» v:shapes="_x0000_i1562"> продолжение
--PAGE_BREAK--
еще рефераты
Еще работы по мировой экономике
Реферат по мировой экономике
Господарство Правобережної та Західної України у другій половині XVII XVIII ст
3 Сентября 2013
Реферат по мировой экономике
Особенности формирования национального богатства
3 Сентября 2013
Реферат по мировой экономике
Проблемы развития франчайзинговых технологий российских сетевых компаний
3 Сентября 2013
Реферат по мировой экономике
Краткая хронология мирового менеджмента
3 Сентября 2013