 
        
        - •Введение
- •1. Основные понятия теории вероятностей Операции над событиями
- •Частость наступления события
- •Свойства частости
- •Аксиоматика теории вероятности Построение вероятностного пространства
- •Теорема о продолжении меры
- •Определение вероятностного пространства
- •Классическое определение вероятности
- •Условная вероятность
- •Обоснование формулы условной вероятности в общем случае
- •Независимые события
- •Формула сложения вероятностей
- •Формула полной вероятности
- •Формула Байеса
- •Композиция испытаний
- •Композиция n испытаний
- •Композиция n независимых испытаний
- •Биномиальное распределение
- •Случайная величина Теорема Колмогорова
- •Дискретные случайные величины
- •Вероятностные характеристики дискретных случайных величин
- •Свойства математического ожидания
- •Производная функция
- •Первая модель распределения Пуассона
- •Вторая модель распределения Пуассона
- •Непрерывные случайные величины
- •Свойства плотности вероятности
- •Второе эквивалентное определение плотности вероятности
- •Вероятностные характеристики непрерывных случайных величин
- •Распределение Гаусса - нормальное
- •Функция Лапласа
- •Неравенство Чебышева
- •Многомерные случайные величины
- •Аксиоматика. Формальная вероятностная модель
- •Двумерные случайные величины
- •Двумерные непрерывные случайные величины
- •2. Основы математической статистики
- •2.1. Основные понятия математической статистики
- •Интервальная группировка и представление выборочных данных
- •Числовые характеристики распределения выборки
- •Точечные статистические оценки параметров распределения
- •2.1.5.3. "Исправленная" дисперсия и "исправленное" среднее квадратическое отклонение
- •Интервальные статистические оценки параметров распределения (доверительные интервалы)
- •2.1.6.3. Доверительный интервал для математического ожидания нормального распределения случайной величины
- •Основные законы распределения, используемые в статистических исследованиях
- •Асимметрия и эксцесс распределения
- •2.2. Основные методы математической статистики
- •2.2.1. Проверка статистических гипотез
- •Проверка гипотезы о нормальном распределении генеральной совокупности. Критерий Колмогорова
- •2.2.2. Исследование статистических различий между двумя выборками
- •Список использованных источников
- •Содержание Справочные материалы
- •Значения функции
- •Значения нормально распределенной случайной величины z
- •На интервале [0,1]
- •Значения функции
- •Табличные (критические) значения функции распределения χ2
Асимметрия и эксцесс распределения
Предварительно отметим, что асимметрия и эксцесс – это числовые характеристики, выражающие количественную меру степени близости данного распределения к нормальному.
Коэффициенты асимметрии и эксцесса теоретического распределения
Под теоретическим распределением понимается распределение вероятностей изучаемого признака Х генеральной совокупности, который трактуется как случайная величина Х. Для случайной величины Х введем безразмерные числовые характеристики:
 ,
,
 ,
,
которые называются соответственно коэффициентами асимметрии и эксцесса теоретического распределения. Они оценивают степень близости данного распределения к нормальному, а также характеризуют форму закона распределения вероятностей изучаемой случайной величины Х.
П режде
всего отметим, что для нормального
распределения коэффициенты асимметрии
и эксцесса равны нулю:
  
режде
всего отметим, что для нормального
распределения коэффициенты асимметрии
и эксцесса равны нулю: 
 ,
,
 .
.
Рис. 12. Кривые распределения:
 а
– 
 ;
б
–
;
б
– 
 
Если для данного
распределения 
,
то длинная часть кривой распределения
(графика плотности 
 )
расположена справа от вершины (рис.12,а);
если же 
,
то длинная часть кривой распределения
расположена слева от вершины (рис.12,б).
)
расположена справа от вершины (рис.12,а);
если же 
,
то длинная часть кривой распределения
расположена слева от вершины (рис.12,б).
Если для данного
распределения 
 ,
то кривая распределения имеет более
высокую и острую вершину, чем нормальная
кривая Гаусса (рис.13,а);
если же
,
то кривая распределения имеет более
высокую и острую вершину, чем нормальная
кривая Гаусса (рис.13,а);
если же 
 ,
то кривая распределения имеет более
низкую и пологую вершину, чем нормальная
кривая (рис. 13,б).
При этом сравнении предполагается, что
данное и нормальное распределения имеют
одинаковые математические ожидания и
дисперсии.
,
то кривая распределения имеет более
низкую и пологую вершину, чем нормальная
кривая (рис. 13,б).
При этом сравнении предполагается, что
данное и нормальное распределения имеют
одинаковые математические ожидания и
дисперсии.
С равнительно
небольшие по модулю значения  коэффициентов
  
равнительно
небольшие по модулю значения  коэффициентов
 и
и 
 свидетельствуют
о близости данного распределения к
нормальному. Большие же значения 
и 
 указывают
на значительное отклонение данного
распределения от нормального.
свидетельствуют
о близости данного распределения к
нормальному. Большие же значения 
и 
 указывают
на значительное отклонение данного
распределения от нормального.
Рис. 13. Кривая распределения:
а – ; б –
Выборочные коэффициенты асимметрии и эксцесса
Приведенные ниже коэффициенты являются точечными статистическими оценками коэффициентов асимметрии и эксцесса теоретического распределения, вычисленными по выборке, представленной в виде интервального статистического ряда.
 ,
,
 .
.
Выборочные коэффициенты асимметрии и эксцесса можно использовать для упрощенной проверки гипотезы о нормальности распределения. При этом необходимо руководствоваться следующими правилами:
1. Если оба выборочных коэффициента асимметрии и эксцесса по модулю меньше соответствующих табличных критических значений
 и
и 
 ,
,
то распределение изучаемой генеральной совокупности достаточно близко к нормальному.
2. Если хотя бы один
из модулей коэффициентов 
 или
или
 окажется больше соответствующего
табличного критического значения
окажется больше соответствующего
табличного критического значения
 или
или 
 ,
,
то распределение изучаемой генеральной совокупности существенно отличается от нормального.
Таблица критических значений коэффициентов асимметрии и эксцесса приведена в учебном пособии В.И. Лупандина "Математические методы в психологии".
С целью существенного
упрощения вычислений коэффициентов
 ,
, применим метод условных вариант. В
интервальном статистическом ряде
перейдем к условным вариантам 
(
).
В условных вариантах формулы для 
и 
запишутся следующим образом:
применим метод условных вариант. В
интервальном статистическом ряде
перейдем к условным вариантам 
(
).
В условных вариантах формулы для 
и 
запишутся следующим образом:
 ,
,
 ,
,
где 
,
 ,
,
 
 ,
,
 ,
,
 ,
,
 
 .
.
Для удобства вычисления организуются в форме расчетной таблицы (см. пример).
Пример. Дан интервальный статистический ряд
| 
			 | 50–53 | 53–56 | 56–59 | 59–62 | 62–65 | 65–68 | 
			 | 
| 
 | 1 | 2 | 11 | 21 | 11 | 4 | 
Найти
выборочные коэффициенты асимметрии и
эксцесса 
 ,
,
 .
.
Составим расчетную таблицу следующей формы:
| 
 | 
			 | 
 | 
 | 
			 | 
			 | 
			 | 
			 | 
			 | 
			 | 
			 | 
			 | 
| 1 | 50–53 | 51,5 | 1 | –3 | –3 | 9 | 9 | –27 | –27 | 81 | 81 | 
| 2 | 53–56 | 54,5 | 2 | –2 | –4 | 4 | 8 | –8 | –16 | 16 | 32 | 
| 3 | 56–59 | 57,5 | 11 | –1 | –11 | 1 | 11 | –1 | –11 | 1 | 11 | 
| 4 | 59–62 | 60,5 | 21 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 
| 5 | 62–65 | 63,5 | 11 | 1 | 11 | 1 | 11 | 1 | 11 | 1 | 11 | 
| 6 | 65–68 | 66,5 | 4 | 2 | 8 | 4 | 16 | 8 | 32 | 16 | 64 | 
| 
 | – | – | 50 | – | 1 | – | 55 | – | –11 | – | 199 | 
| 
			 | – | – | – | – | 0,02 | – | 1,1 | – | –0,22 | – | 3,98 | 
Здесь 
 ,
,
 ,
;
,
;
 ,
,
 .
.
Далее последовательно находим:
 ;
;
 
 ;
;
 
 ;
;
 
 .
.
Таким образом,
 =–0,248,
=–0,248,
 =0,309.
=0,309.

 
 
 
 
 
 
 
 
 
 
 
