- •П.Я. Бушин
- •Статистические методы принятия решений
- •Учебное пособие
- •Хабаровск 2002
- •П.Я. Бушин
- •Статистические методы принятия решений
- •Учебное пособие
- •Введение
- •Рис. 1. Распределение интервалов по числу автомобилей
- •Рис. 6. Описательные статистики и гистограмма для примера
- •Рис. 7 Диаграмма “ящик-с-усами”
- •Выполнить следующие задания
- •ГЛАВА 2. Оценка параметров генеральной совокупности
- •Оценка стандартной ошибки рассчитывается по формуле
- •Контрольные вопросы
- •Рис. 16. Область принятия гипотезы при использовании F – критерия
- •Рис. 17. Отчет о решении задачи сравнения двух дисперсий в Statgraphics
- •Контрольные вопросы и упражнения
- •Рис. 18. Сравнение частот в ППП Statistica
- •Таблица наблюдаемых частот
- •Таблица ожидаемых частот
- •Контрольные вопросы и упражнения
- •Контрольные вопросы и упражнения
- •Таблица дисперсионного анализа регрессии
- •Рис. 34. Таблица исходных данных
- •Рис. 35. Выборочные статистики для рассматриваемого примера
- •Рис. 36. Матрица парных коэффициентов корреляции
- •Рис. 37. Матрица частных коэффициентов корреляции
- •Рис. 38. Оценки точности уравнения регрессии
- •Рис. 41. Отчет о последовательном исключении переменных
- •Рис. 42. Показатели точности уравнений регрессии
- •Контрольные вопросы и упражнения
- •Холта линейное экспоненциальное сглаживание предполагает, что среднее прогнозируемого показателя yt изменяется линейно по времени:
- •Таблица 7.3.2.1
- •Поквартальные данные продажи учебников
- •Рис. 44. График исходных данных и тренда
- •Рис. 45. График сезонной компоненты
- •Таблица 7.2
- •Расчет прогноза с учетом сезонной компоненты
- •Контрольные вопросы и упражнения
- •БИБЛИОГРАФИЧЕСКИЙ СПИСОК
- •ОГЛАВЛЕНИЕ
дисперсии к меньшей, и тогда достаточно проверять, правее или левее F /2 находится
|
S |
2 |
, где S12 |
> S22 (как это указано на рис. 16). |
|
вычисленное значение F |
1 |
|
|||
S2 |
2 |
||||
|
|
|
|||
|
|
|
|
Рис. 16. Область принятия гипотезы при использовании F – критерия
Обычно в таблицах F-критерия число степеней свободы числителя соответствует выборке с большей дисперсией, а знаменателя – с меньшей.
Рассмотрим пример, в котором полезна рассмотренная процедура.
Пример. Фирма для перевозки своих рабочих к месту работы и обратно каждый год заключает контракты с одной из транспортных фирм. Критерием заключения контракта является стабильность работы транспортной фирмы. Стабильность же определяется по величине дисперсии времени прибытия транспорта на конечную остановку. Невысокая величина дисперсии указывает на высокий уровень обслуживания.
Предположим, что до заключения контракта были обследованы две
транспортные фирмы и в выборке из 25 записей для одной из них S12 = 48, |
а в выборке |
|
из 16 записей для другой S22 = 20. Проверить значимость различия дисперсий времени |
||
прибытия на конечную остановку автобусов этих двух фирм с |
= 0,10. |
|
Имеем: n1 = 25, n2 = 16, S12 = 48, S22 = 20. Т.к. S12 > S22, то |
F = S12 / S22 |
= 48/20 = 2,4. По таблице значений распределения Фишера при числе степеней
свободы числителя |
1 = n1-1 = 24, числе степеней свободы знаменателя |
2 = n2 -1 = 15 и |
уровня значимости |
= 0,10 находим, что F0,05; 24; 15 = 2,29. Т.к. F = 2,4 |
> F 0,05 = 2,29, |
то можем считать, что уровень обслуживания во второй фирме значимо выше и, следовательно, с ней нужно заключать контракт.
Результаты решения этой же задачи с помощью ППП Statgraphics приведены ниже (с учетом того, что S1=6.93 и S2=4.47):