Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Элитные ответы.docx
Скачиваний:
1
Добавлен:
01.07.2025
Размер:
832 Кб
Скачать
☆

24.Кривые распределения. Критерии согласия.

Основной целью анализа вариационных рядов является выявление закономерности распределения, исключая при этом влияние случайных для данного распределения факторов. Этого можно достичь, если увеличивать объем исследуемой совокупности и одновременно уменьшать интервал ряда. При попытке изображения этих данных графически мы получим некоторую плавную кривую линию, которая для полигона частот будет являться некоторым пределом. Эту линию называют кривой распределения.

Иными словами, кривая распределения есть графическое изображение в виде непрерывной линии изменения частот в вариационном ряду, которое функционально связано с изменением вариант. Кривая распределения отражает закономерность изменения частот при отсутствии случайных факторов. Графическое изображение облегчает анализ рядов распределения

Для оценки близости эмпирических и теоретических частот применяются критерий согласия Пирсона, критерий согласия Романовского, критерий согласия Колмогорова.

Наиболее распространенным является критерий согласия К. Пирсона , который можно представить как сумму отношений квадратов расхождений между f' и f к теоретическим частотам.

Выяснение общего характера распределения предполагает оценку степени его однородности, а также исчисление показателей асимметрии и эксцесса.

Ряды распределения могут иметь один и тот же центр группирования (показатели центра распределения) и одинаковые пределы варьирования признака (показатели вариации), однако при этом отличаться характером распределения единиц совокупности вокруг центра. Если большая часть совокупности расположена левее центра, имеет место левосторонняя асимметрия, если правее – правосторонняя.

Для оценки степени асимметричности применяют моментный и структурный коэффициенты асимметрии.

Моментный коэффициент асимметрии определяется по формуле:

АS =  : σ3.

На направление асимметрии указывает знак коэффициента: если АS<0, то это левосторонняя асимметрия (ее называют также отрицательной асимметрией), при правосторонней (положительной) асимметрии АS>0, если АS = 0 – распределение симметричное. Чем больше абсолютная величина коэффициента, тем больше степень скошенности.

 

Рис. 2. АS<0 левосторонняя асимметрия Рис. 3. АS >0 правосторонняя асимметрия

Степень существенности асимметрии можно оценить с помощью средней квадратической ошибки коэффициента асимметрии, которая зависит от объема изучаемой совокупности и рассчитывается по формуле:

=  ,

где п – число единиц в совокупности.

Если отношение  > 3, асимметрия считается существенной и распределение признака в генеральной совокупности не является симметричным, если  < 3, то асимметрия признается несущественной, вызванной влиянием случайных обстоятельств.

Структурные показатели асимметрии характеризуют асимметричность только в центральной части распределения, т. е. основной массы единиц, и в отличие от моментного коэффициента не зависят от крайних значений признака. Наиболее часто применяют структурный коэффициент асимметрии, предложенный английским статистиком К. Пирсоном:

АS =  .

В симметричном распределении  Для симметричных распределений рассчитывается показатель эксцесса (островершинности):

ЕХ = ( : σ4) – 3.

Эксцесс может быть положительным и отрицательным. У островершинных распределений показатель эксцесса имеет положительный знак (+), а у плосковершинных – отрицательный знак (–). Предельным значением отрицательного эксцесса является значение ЕХ = –2; величина положительного эксцесса может быть величиной бесконечной. В нормальном распределении ЕХ = 0.

 

Рис. 4. ЕХ < 0 плосковершинное распределение Рис. 5. ЕХ > 0 островершинное распределение

Средняя квадратическая ошибка эксцесса исчисляется по формуле:

= 

где п – число наблюдений.

Оценка существенности показателей асимметрии и эксцесса позволяет сделать вывод о том, можно ли отнести данное эмпирическое распределение к типу кривых нормального распределения. Уравнение нормальной кривой:

,

где yt – ордината кривой нормального распределения;

t – нормированное отклонение, равное  ;

– арифметическая средняя распределения;

– математические константы.

Рис. 6. Кривая нормального распределения

Нормальная кривая имеет огромное значение в теории выборочного метода, поскольку может быть показано, что средние стандартные отклонения, рассчитанные по случайным выборкам, тяготеют к нормальным в случае больших размеров выборок, если даже совокупность, из которой они взяты, сама не является нормально распределенной.

Особенности кривой нормального распределения:

1) кривая симметрична относительно максимальной ординаты, которая соответствует  , ее величина равна  ;

2) кривая асимптотически приближается к оси абсцисс, продолжаясь в обе стороны до бесконечности. При этом, чем больше значения отклоняются от  , тем реже они встречаются;

3) равновероятны одинаковые по абсолютному значению, но противоположные по знаку отклонения значений переменной х от  :

а) кривая имеет две точки перегиба, находящиеся на расстоянии  от  ;

б) в промежутке  (при t = 1) находится 68,3% всех значений признака; в промежутке  (при t = 2) находится 95,4% всех значений признака; в промежутке  (при t = 3) – 99,7% всех значений признака.

Порядок

По несгруппированным данным

По сгруппированным данным

Первый

Второй

Третий

Четвертый

В нормальном (симметричном) распределении   = 0,   = Ме =Мо

При правосторонней асимметрии   ,   > Ме > Мо

При левосторонней асимметрии   ,   < Ме < Мо

M1 всегда = о в соответствии с нулевым сво-ом ср. арифметической и явл центром распределения.

М2 = диспресии

М3 при нормальном распределении = 0

 С помощью критериев согласия, которые дают возможность установить, когда расхождения между теоретическими и эмпирическими частотами следует признать несущественными, т.е. случайными, а когда – существенными (неслучайными). Таким образом, критерии согласия позволяют отвергнуть или подтвердить правильность выдвинутой при выравнивании ряда  гипотезы о характере распределения в эмпирическом ряду.

Критерий согласия Пирсона  – один из основных: где k – число групп, на которые разбито эмпирическое распределение,   – наблюдаемая частота признака в i-й группе, – теоретическая частота. Для распределения   составлены таблицы, где указано критическое значение критерия согласия  для выбранного уровня значимости   и степеней свободы df.(или  ) Уровень значимости   – вероятность ошибочного отклонения выдвинутой гипотезы, т.е. вероятность того, что будет отвергнута правильная гипотеза. В статистике пользуются тремя уровнями:

  • a= 0,10, тогда Р=0,90 (в 10 случаях их 100 может быть отвергнута правильная гипотеза);

  • a= 0,05, тогда Р=0,95;

  • a= 0,01, тогда Р=0,99.

Число степеней свободы df определяется как число групп в ряду распределения минус число связей: df = k –z.  Под числом связей понимается число показателей эмпирического ряда, использованных при вычислении теоретических частот, т.е. показателей, связывающих эмпирические и теоретические частоты. Например, при выравнивании по кривой нормального распределения имеется три связи: ;           ;            . Поэтому при выравнивании по кривой нормального распределения число степеней свободы определяется как df = k –3.   Для оценки существенности расчетное значение   сравнивается с табличным  . При полном совпадении теоретического и эмпирического распределений  , в противном случае  >0. Если  > , то при заданном уровне значимости и числе степеней свободы гипотезу о несущественности (случайности) расхождений отклоняем.  В случае, если  , заключаем, что эмпирический ряд хорошо согласуется с гипотезой о предполагаемом распределении и с вероятностью Р=(1-a) можно утверждать, что расхождение между теоретическими и эмпирическими частотами случайно. Критерий согласия Пирсона используется, если объем совокупности достаточно велик  , при этом частота каждой группы должна быть не менее 5.

 Критерий Романовского с основан на использовании критерия Пирсона,  т.е.  уже найденных значений  , и числа степеней свободы df: