Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Стат. обр. 4195-96. 2014 / Конспект лекции 2. Осн. статистика

.doc
Скачиваний:
82
Добавлен:
12.03.2015
Размер:
500.22 Кб
Скачать

Лекция 2

ОСНОВНАЯ СТАТИСТИКA

Математическая статистика изучает как отдельные переменные, так и совокупности переменных, устанавливая качественное или количественное соотношение между ними. Обязательным условием применения математических методов статистической обработки данных является случайность этих данных. Какие данные могут подвергаться статистической обработке? Во-первых в интернете имеется большое количество ежегодных статистических справочников, характеризующих состояние регионов РФ и РФ в целом. Во-вторых это могут быть данные по функционированию каких-либо объектов, например, информационных сетей. В третьих результаты имитационного моделирования.

Все эти исходные статистические данные представляют собой распределения случайных чисел. Полностью задать распределение случайной величины можно с помощью функции распределения (ФР), или функции плотности (ФП). Отметим что есть и другие возможности, например, – моментная производящая функция (МПФ).

ФР – это вероятность того, что случайная величина Х не превысит своего текущего значения х.. (2.1)

Наиболее часто используется ФП, как вероятность попадания случайной величины на участок .

(2.2)

(2.3)

Основные статистические законы распределения случайных чисел: равномерный, экспоненциальный и нормальный.

Равномерный закон

Функция распределения и функция плотности равномерного закона приведены на рис.2.3.

Рис.2.3. Функция распределения и функция плотности равномерного закона

Диапазон существования равномерного закона определяется границами a и b, которые являются его параметрами. ФР равномерного закона определяется двумя параметрами: a и b:

(2.4)

Функция плотности равномерного закона:

(2.5)

Экспоненциальный закон

ФР экспоненциального закона приведена на рис. 2.4.

Рис.2.4. Функция распределения экспоненциального закона

ФП экспоненциального закона приведена на рис. 2.5.

Рис.2.5. Функция плотности экспоненциального закона

Экспоненциальный закон имеет диапазон своего существования от 0 до ¥. Функция плотности экспоненциального закона:

(2.6)

ФП экспоненциального закона определяется всего одним параметром m. Для потоков событий это количество транзактов (заявок), поступающих за единицу времени, для процессов обслуживания – это количество заявок, которое может быть обслужено при их непрерывном поступлении.

ФР экспоненциального закона можно вычислить по ФП:

(2.7)

Нормальный закон

Нормальный закон имеет диапазон существования от -∞ до +∞. Функция плотности нормального закона определяется двумя параметрам: математическим ожиданием - m1 и средним квадратическим отклонением – σ:

(2.8)

Функция распределения нормального закона приведена на рис.2.6, функция плотности – на рис.2.7.

Основные статистические характеристики распределений

случайных величин

По ФП можно вычислить вероятность, что случайная величина примет значение хi, для этого требуется вычислить pi =f( xi),и вероятность попадания случайной величины в интервал с границами от a до b, для этого требуется вычислить:

(2.9)

ФР и ФП полностью определяют распределение случайной величины. Иногда этого не требуется и тогда ограничиваются вычислением только основных количественных характеристик.

Характеристики положения случайной величины – это начальные и центральные моменты, которые для непрерывных и дискретных законов распределений вычисляются по следующим формулам:

; (2.10)

, (2.11)

где

- математическое ожидание;

sпорядок момента.

Среднее квадратическое отклонение можно вычислить по следующей формуле:

(2.12)

Мо – мода – это значение случайной величины, при котором функция плотности максимальна.

Ме - медиана – это такое значение случайной величины, для которого вероятность появления случайного числа Х меньше медианы, равна вероятности появления случайного числа Х больше медианы:

(2.13)

Медиана делит распределение случайных чисел пополам.

I II

Асимметрия. . (2.14)

Для нормального закона А=0. Распределение I имеет положительную асимметрию; распределение II – отрицательную. Для симметричных распределений асимметрия равна нулю.

Рис.2.8. Асимметрия

Для оценки «островершинности» распределения используется эксцесс.

. (2.15)

Для нормального закона распределения и поэтому эксцесс равен нулю. Чем меньше среднее квадратическое отклонение, тем эксцесс больше и чем больше среднее квадратическое отклонение, тем эксцесс меньше.

Рис.2.9. Эксцесс

Основная статистика, вычисляемая по экспериментальному распределению случайных чисел

По эмпирическому распределению случайных чисел вычисляются:

  1. Оценка математического ожидания (среднее)

(2.16)

2. Оценка стандартного отклонения

; (2.17)

(2.18)

  1. Коэффициент вариации

. (2.19)

  1. Оценка дисперсии:

. (2.20)

Для нормального закона могут быть от до

  1. Cтандартная ошибка среднего

. (2.21)

  1. Оценка медианы – число, являющееся серединой совокупности случайных чисел, т.е. половина из них меньше медианы, а половина больше P{X<Me*}=P(X>Me*)

  2. Мода. Наиболее часто встречающееся значение. Для нормального закона медиана и мода в идеальном случае совпадают со средним значением.

  3. Оценка ассиметрии:

. (2.22)

  1. Стандартная ошибка ассиметрии:

. (2.23)

  1. Оценка эксцесса:

(2.24)

  1. Стандартная ошибка эксцесса:

(2.25)

  1. Ошибка вычисления дисперсии:

(2.26)

Проверка нормальности распределения по асимметрии, эксцессу и медиане

Если вычисление значения асимметрии и эксцесса по абсолютной величине меньше двух своих стандартных ошибок соответственно и , то считается, что имеющиеся статистические данные не противоречат гипотезе об их подчинении нормальному закону, в противном случае гипотезу рекомендуется опровергнуть.

a э

-2Sстасс 0 2Sстасс -2Sстэкс 0 2Sстэкс

Рис.2.10 Рис.2.11

Ещё один вид проверки экспериментального распределения на «нормальность» можно провести по разнице между медианой и средним значением которое не должно превышать двух стандартных ошибок среднего:

|m1*-Me* |≤2·Sст.

| m1* -Me*|

-2Sстср 0 2Sстср

Рис.2.12