- •5) Сопоставление намеченных показателей будущего состояния сфер влияния с предположениями об их развитии.
- •6) Введение в анализ разрушительных событий.
- •7) Установление последствий.
- •8) Принятие мер.
- •3. Прогнозирование на основе сезонных колебаний.
- •Интервальные оценки параметров распределения
- •Доверительные интервалы для некоторых параметров распределения
- •Генеральных совокупностей
- •Сравнение двух математических ожиданий нормально распределенных генеральных совокупностей, дисперсии которых неизвестны и одинаковы
- •1. Линейная регрессия
- •2. Нелинейная парная регрессия.
- •37. Общие понятия по моделированию численности популяции: популяция, численность, мальтузианский параметр, скорость прироста, плотность популяции, критическая плотность, давление среды.
- •38. Типы популяций. Структура популяций.
- •40. Изолированная популяция с ограниченными ресурсами (непрерывная и дискретная модель Ферхюльста).
- •41. Стабильный, лабильный и хаотический тип динамики популяции
- •42. Модель популяции, подлежащей промыслу.
- •43. Взаимодействие популяций, виды взаимодействий.
- •44. Модель Лотки-Вольтера.
- •45. Фазовое пространство. Фазовый портрет системы. Равновесие в экологической системе.
- •47. Оптимальное пп как необходимый компонент устойчивого развития
Интервальные оценки параметров распределения
Интервальной называют оценку, которая задается интервалом, покрывающим оцениваемый параметр генеральной совокупности. Доверительным называется интервал (,), который с заданной вероятностью покрывает оцениваемый параметр генеральной совокупности. Вероятность попадания оцениваемого параметра в доверительный интервал (,) называется доверительной вероятностью.
Доверительные интервалы для некоторых параметров распределения
Доверительный интервал для оценки математического ожидания a нормально распределенного количественного признака Х при известном среднем квадратическом отклонении генеральной совокупности задается формулой:
, (1)
где = 2Ф(t) – доверительная вероятность; – точность оценки.
Данная формула применяется для оценки математического ожидания М(Х) = а в двух случаях:
если известно СКО (х)=;
если СКО неизвестно, но объем выборки достаточно велик (n > 30). В этом случае в качестве берут ее оценку S.
Доверительный интервал для оценки математического ожидания a нормально распределенного количественного признака Х при известном среднем квадратическом отклонении генеральной совокупности задается формулой:
, (2)
где t = t(,n) –находят по таблице приложения 3; – точность оценки.
Доверительный интервал для оценки среднего квадратического отклонения нормально распределенного количественного признака Х задается формулой:
P{S(1 – q) < <S(1+q)} = , при q < 1 (3)
P{0 < <S(1+q)} = , при q > 1 . (4)
Здесь исправленное выборочное среднее квадратическое отклонение S служит оценкой для генерального среднего квадратического отклонения ;
q=q(,n) – находят по таблице приложения 4; n – объем выборки; – доверительная вероятность;
= qS – точность оценки.
Статистическое сравнение экологических показателей.
Вопрос эффективности применения новой технологии сводится к проверке статистической гипотезе о равенстве двух средних (математических ожиданий) генеральных совокупностей. Для корректного решения необходимо убедиться в равенстве дисперсий указанных генеральных совокупностей.
Выдвинем основную и альтернативную гипотезы.
Определение. Нулевой гипотезой называют основную гипотезу и обозначают символом Но. Обычно нулевые гипотезы утверждают, что различие между сравниваемыми величинами (параметрами или функциями распределения) отсутствуют, а наблюдаемые отклонения объясняются лишь случайными колебаниями выборки.
Определение. Альтернативной (конкурирующей) называется гипотеза, конкурирующая с нулевой гипотезой в том смысле, что если нулевая гипотеза отвергается, то принимается альтернативная, которую обозначают символом Н1 .
Генеральных совокупностей
Имеем параметры выборок
по признаку Х: n1 – объем выборки; Sx2 – исправленная выборочная дисперсия;
по признаку У: n2 – объем выборки; Sу2 – исправленная выборочная дисперсия.
Пусть для определенности Sx2 > Sу2.
Требуется при заданном уровне значимости сравнить дисперсии D(X) и D(Y) генеральных совокупностей.
Выдвинем основную и альтернативную гипотезы. Здесь рассмотрим два случая:
а) Н0: D(Х) = D(У) б) Н0: D(Х) = D(У)
Н1: D(Х) D(У) Н1: D(Х) D(У)
Для проверки гипотез по результатам выборок вычисляем наблюдаемое значение критерия (отношение большей дисперсии к меньшей):
Этот критерий является случайной величиной, которая подчиняется закону распределения Фишера–Снедекора.
Критические области и точки зависят от выдвинутых альтернативных гипотез H1 .
а) Н1: D(Х) D(У)
Критическая область является правосторонней. Критическая точка находится по таблице критических точек распределения Фишера–Снедекора (приложение 7)
Fкр=F(; k1; k2),
где – заданный уровень значимости; k1 = n1 –1 - число степеней свободы большей исправленной дисперсии (Sx2); k2 = n2 –1 - число степеней свободы меньшей исправленной дисперсии (Sy2).
Если в результате сравнения окажется Fнабл < Fкр, то нет оснований отвергнуть нулевую гипотезу H0; если же Fнабл > Fкр , то нулевая гипотеза H0 отвергается; принимается гипотеза H1.
б) Н1: D(Х) D(У)
Критическая область является двусторонней. Критическая точка находится по таблице критических точек распределения Фишера–Снедекора (приложение 7)
Fкр=F(/2; k1; k2),
где – заданный уровень значимости; k1 = n1 –1 - число степеней свободы большей исправленной дисперсии (Sx2); k2 = n2 –1 - число степеней свободы меньшей исправленной дисперсии (Sy2).
Если в результате сравнения окажется Fнабл < Fкр, то нет оснований отвергнуть нулевую гипотезу H0; если же Fнабл > Fкр , то нулевая гипотеза H0 отвергается; принимается гипотеза H1.