- •1 Расчёт основных статистических показателей для выборочных совокупностей
- •1. 1 Малая выборочная совокупность
- •Расчет статистических показателей для малой выборочной совокупности
- •Ошибки репрезентативности (представительности)
- •Точность опыта (относительная ошибка опыта)
- •Достоверность статистических показателей (надежность)
- •Доверительный интервал для генеральной средней
- •Необходимое число наблюдений для будущих исследований
- •Статистическое заключение
- •1.2. Большая выборочная совокупность
- •1.2.1 Схематическое представление вариационного ряда
- •1.2.2. Графическое представление вариационного ряда
- •Гистограмма
- •Кумулята
- •Полигон распределения
- •2. 3. Расчет статистических показателей для большой выборочной совокупности
- •По исходным данным
- •По преобразованным данным
- •Ошибки репрезентативности (представительности)
- •Необходимое число наблюдений для будущих исследований
- •Статистическое заключение
- •Расчёт показателей центральной тенденции
- •Расчёт показателей скошенности и крутизны рада распределения
- •2.0 Теоретические законы распределения случайных величин
- •Расчет теоретических частот для кривой нормального распределения
- •3. Критерии оценки статистических гипотез
- •Критерии проверки статистических гипотез
- •Нулевая гипотеза
- •3.1. Статистическое сравнение эмпирического распределения с теоретическим по критерию χ- квадрат Пирсона
- •Статистическое заключение
- •3.2. Статистическое сравнение эмпирического распределения с теоретическим по критерию λ Колмогорова – Смирнова
- •Статистическое заключение
- •3.3. Статистическое сравнение двух эмпирических рядов распределения по критерию λ Колмогорова – Смирнова
- •Статистическое заключение
- •3.4. Статистическое сравнение двух выборочных средних
- •Статистическое заключение
- •3.5. Статистическое сравнение двух выборочных средних
- •Статистическое заключение
- •4.0 Дисперсионный анализ
- •4.1 Схема обработки полученной информации на примере однофакторного, равномерного статистического комплекса
- •Вычисление суммы квадратов отклонений
- •Статистическое заключение
- •5. Корреляционный анализ
- •5.1. Расчё показателей корреляции на примере малой выборочной совокупности
- •Статистическое заключение
- •6.0 Расчет среднеквадратических ошибок
- •Основные свойства ошибок и причины их возникновения
- •Статистическое заключение
- •7.0 Регрессионный анализ Постановка задачи
- •7.1. Линейное уравнение с логарифмированием факторного признака
- •Статистическое заключение
- •7.2. Уравнение гиперболы
- •Статистическое заключение
- •7.3. Уравнение показательной кривой
- •Статистическое заключение
- •Окончательный выбор типа уравнения регрессии
- •Библиографический список
- •Задачи для контрольной работы
Статистическое заключение
По результатам дисперсионного анализа можно сделать заключение, что различия между сравниваемыми вариантами существенные, т.к. фактическое значение F критерия Фишера больше F критерия на 5 и 1 % уровне значимости.
Для производства рекомендуется вариант № V (сорт Нижегородская), т.к. его фактическая разность со стандартом превышает значение НСР05 (47,53 >5,83).
5. Корреляционный анализ
Отличительной чертой лесохозяйственных объектов является многообразие признаков, характеризующих каждый из них. Так, дерево можно характеризовать возрастом, размерами, объемом и т. д. Чем больше размеры дерева, тем обычно больше объем его стволовой части.
Существуют функциональные и коррелятивные зависимости.
Функциональные - это зависимости, при которых каждому конкретному значению независимой переменной (х) соответствует строго определенное значение зависимой переменной (y).
Коррелятивной зависимостью называют зависимость, при которой каждому конкретному значению независимой соответствует множество значений зависимой переменной.
При выявлении корреляционной зависимости могут иметь место тренды различной направленности. Если с увеличением независимой переменной зависимая увеличивается, то зависимость называют прямой корреляционной зависимостью. Есть случаи, когда с увеличением независимой переменной зависимая уменьшается. В этом случае зависимость называется обратной корреляционной зависимостью.
Корреляционный анализ имеет своей задачей количественное определение тесноты связей между признаками при парной связи и между результативным (изменяющемся под действием других, связанных с ним признаков) и множеством факторных признаков (обуславливающих изменения результативных признаков) при многофакторной связи.
Теснота связи количественно выражается величиной коэффициентов корреляции.
Корреляционная зависимость характеризует лишь прямолинейное изменение. Коэффициент корреляции может принимать значения от - 1 до + 1. При полной прямой корреляции r = + 1, при полной обратной корреляции r = - 1. При r = 0 прямолинейная связь отсутствует (криволинейная связь при этом может наблюдаться).
,
где N – число наблюдений;
Sx , Sy – средние квадратические отклонения распределений x и y.
Для определения значимости коэффициента корреляции необходимо рассчитать его ошибку:
.
Значимость r (коэффициента корреляции) определяется отношением:
.
Вычисленный tr сравнивается с t – критерием на пяти- и однопроцентном уровне значимости при числе степеней свободы ν = n – 2, где n - объем выборки. Если tр > t05, то зависимость существенная. А если tp < t05, то зависимость отсутствует.
Корреляционное отношение – это градация тесноты взаимосвязей по значению r. Наличие криволинейной связи оценивается по корреляционному отношению (η). Вычисляется корреляционное отношение как отношение среднего квадратического отклонения групповых средних Syx к общему среднему квадратическому отклонению Sy.
.
,
,
где My – общее среднее арифметическое; Myi - групповое среднее арифметическое; fi – частота ряда x.
Корреляционное отношение показывает, какую часть общей вариации результативного признака составляет вариация частных средних этого признака. Корреляционное отношение имеет всегда положительное значение, изменяющееся от 0 до 1. Когда групповые средние одинаковы, то η = 0 и связь отсутствует. В случае строгой прямолинейной связи (все точки лежат на одной прямой) η = r = 1. Чем ближе η к 1, тем связь теснее. Чем больше различие между η и r, тем связь более криволинейна. В предельном случае, когда связь строго криволинейна и кривая проходит через групповые средние так, что Syx = Sy, то η = 1, а r = 0.
Значимость корреляционного отношения определяется через ошибку корреляционного отношения
.
.
В заключение tр сравнивается с t табличным на пяти- и однопроцентном уровне значимости. Если tр > t05, то нулевую гипотезу отвергают на принятом уровне значимости.
Схема полного корреляционного анализа
Если при обработке информации возникает задача установления связи между двумя величинами, то работу проводят в определенной последовательности:
- на график наносят значения пар (xi, yi) для визуальной оценки наличия и тесноты связи;
- если связь явно нелинейная, то вычисляют и оценивают корреляционное отношение η;
- если определенного заключения по графику сделать нельзя, то наряду с корреляционным отношением η вычисляют коэффициент корреляции r, после чего вычисляется мера линейности ε и ее основная ошибка mε :
.
.
Величина меры линейности характеризует отклонение связи от прямолинейной. Если ε / mε > 2, то гипотезу о нелинейности связи принимают, в противном случае (ε / mε < 2) связь приближенно можно считать линейной.
Для более точной оценки наличия криволинейности взаимосвязи пользуются F - критерием линейности корреляции, который сравнивается с табличным при уровнях значимости α = 0, 05 и α = 0,01 при К1 = Кх – 2 и К2 = n – 2 степенях свободы.
Fр =( ( η2 – r2 ) × ( n – Кx ) )/ ( ( 1 – η2 ) × ( Кx – 2 ) ),
где η2 – квадрат корреляционного отношения y по x; r2 – квадрат линейной корреляции; n – объем выборки; Кx – число групп по ряду х.
Гипотеза о прямолинейности взаимосвязи отвергается, если Fр > Fт при уровне значимости α = 0,01 и принимается, если Fр < Fт при α = 0,05.
В природных, биологических объектах во всем диапазоне закономерных изменений зависимой переменной от независимой, как правило, проявляется криволинейность.