Лекции СТАТИСТИКА
.pdfМОМЕНТЫ РАСПРЕДЕЛЕНИЯ
Момент k-го порядка – это средняя арифметическая k-ой степени отклонений отдельных вариант от какой-то постоянной величины а.
Mk xi a k i .
i
Если принять a 0, то момент называется начальным:
xik i mk i .
Тогда начальный момент первого порядка равен m1 xi i x, начальный момент второго по-
i
|
|
xi2 i |
|
|
|
|
xi3 i |
|
|
|
|
рядка - m |
|
x2 , начальный момент третьего порядка - m |
|
x3 , и. т. д. |
|||||||
i |
i |
||||||||||
2 |
|
3 |
|
|
|
|
Если принять a x, то моменты называются центральными:
|
|
|
|
|
|
|
|
|
|
xi |
|
k i |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Центральные моменты первых трех порядков: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
xi |
|
i |
|
|
|
|
|
xi |
|
|
2 i |
|
|
|
|
xi |
|
|
3 i |
||||
|
x |
|
; |
|
|
x |
2 ; |
|
|
x |
||||||||||||||
|
|
|
|
0 |
2 |
|
|
|
|
|
|
3 |
|
|
. |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
1 |
i |
|
|
|
|
|
i |
|
|
|
i |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
ВИДЫ РАСПРЕДЕЛЕНИЯ
ПОНЯТИЕ О ЗАКОНОМЕРНОСТЯХ РАСПРЕДЕЛЕНИЯ
В приведенных выше примерах можно заметить определенную зависимость между изменением значений варьирующего признака и частот. Частоты в этих рядах с увеличением значения варьирующего признака первоначально увеличиваются, а затем после достижения какой-то максимальной величины в середине ряда уменьшаются. Это свидетельствует о том, что частоты в вариационных рядах изменяются закономерно в связи с изменением варьирующего признака. Такие закономерности изменения частот в вариационных рядах называются закономерностями распределе-
ния.
Одна из важных целей статистического изучения вариационных рядов состоит в выявлении закономерности распределения и определении ее характера. Закономерности распределения наиболее отчетливо проявляются только при массовом наблюдении. Поэтому основной путь в выявлении закономерностей распределения состоит в построении вариационных рядов для достаточно больших выборок. Кроме того, большое значение для нахождения закономерностей распределения имеет правильное построение самого вариационного ряда: необходимо определить оптимальное число групп и размер интервала, при котором закономерность распределения видна более отчетливо.
Закономерности распределения выражают свойства явлений, общие условия, влияющие на формирование вариации признака.
ИЗУЧЕНИЕ ФОРМЫ РАСПРЕДЕЛЕНИЯ
Основная задача анализа вариационных рядов – выявление подлинной закономерности распределения путем исключения влияния второстепенных, случайных для данного распределения факторов – достигается увеличением объема исследуемой совокупности при одновременном уменьше-
21
нии интервала ряда. Если изобразить эти данные графически, то гистограмма распределения все более и более приближается к некоторой плавной линии – кривой распределения.
Кривая распределения – это графическое изображение в виде непрерывной линии изменения частот в вариационном ряду, функционально связанного с изменением вариант.
Получение кривой распределения на основе гистограммы можно представить лишь для гипотетического случая, соответствующего бесконечно большой выборке и бесконечно малой ширине интервала ряда. Только при этих идеализированных условиях кривая распределения будет выражать функциональную связь между значениями варьирующего признака и соответствующими им частотами и представлять так называемое теоретическое распределение.
Теоретической кривой распределения называется кривая, выражающая общую закономерность данного типа распределения в чистом виде, исключающего влияние случайных для него законо-
мерностей факторов. Но получение кривой распределения из эмпирических данных (гистограмма) возможно лишь для описанного выше идеального случая. Поэтому при проведении анализа вариационных рядов целесообразно свести эмпирическое распределение к одному из хорошо исследованных видов теоретического распределения, рассматриваемых статистикой. При этом теоретическое распределение играет роль некоторой идеализированной модели эмпирического распределения, а сам анализ вариационных рядов сводится к сопоставлению эмпирического и теоретического распределений и определению степени различия междуними.
Различают следующие разновидности кривых распределения:
1.Одновершинные
симметричные
Для симметричных распределений средняя, мода и медиана (примерно) равны. Также равны частоты любых двух вариант, равноотстоящих в обе стороны от центра распределения.
асимметричные
Для асимметричных рядов выполняется соотношение Mo x 3 Me x .
2.Многовершинные (бимодальные)
При сравнении асимметрии нескольких распределений с разными единицами измерения вычисля-
ется относительный показатель асимметрии:
As x Mo или As 3 x Me
Если As 0, то асимметрия является правосторонней (Рис. 6), если As 0, то асимметрия является левосторонней (Рис. 7).
Рис. 6. Правосторонняя асимметрия |
Рис. 7. Левосторонняя асимметрия |
Для симметричных распределений рассчитывается показатель эксцесса («крутость» ряда):
E 4 3.
4
Если E 0, то распределение островершинное (Рис. 8), если E 0, то плосковершинное (Рис. 9).
22
Рис. 8. Островершинное распределение |
Рис. 9. Плосковершинное распределение |
НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ
Многие явления, рассматриваемые каждое в отдельности, кажутся случайными. Однако если анализировать эти явления в совокупности с другими аналогичными, то часто удается обнаружить закономерность, связанную с их возникновением. Например, мы не можем предсказать уровень дохода человека, если не располагаем о нем некоторой дополнительной информацией (о возрасте, профессиональной принадлежности, месте работы и т. д.). В то же время при рассмотрении группы людей закономерности формирования доходов проявляются более отчетливо. Так, во многих странах большинство населения имеет относительно низкий уровень дохода, некоторые – более высокий и только у незначительной части уровень дохода очень высокий. Именно существование подобных статистических закономерностей делает необходимым изучение индивидуальных, на первый взгляд беспорядочно колеблющихся данных.
В статистике широко используются различные виды теоретических распределений: нормальное, биноминальное, распределение Пуассона и др. Чаще всего в качестве теоретического распределения используется нормальное распределение. Графиком нормального распределения является симметричная колоколообразная кривая, которая выражается уравнением:
|
|
1 |
|
|
(x x)2 |
|
||
|
|
|
|
2 |
|
|||
f (x) |
|
|
|
|
e |
2 |
|
. |
|
|
|
|
|
||||
|
|
2 |
|
|
|
|
|
Кривая нормального распределения полностью определяется средней арифметической и стан-
дартным отклонением – N x, .
Для удобства вычислений выборочные значения изучаемого признака стандартизируются, т. е.
вводится стандартизированная переменная t |
xi |
x |
. Тогда уравнение кривой нормального рас- |
||||||
|
|
|
|||||||
i |
|
|
|
|
|
|
|||
пределения примет вид: |
|
|
|
|
|
|
|||
f (t) |
|
|
1 |
|
e |
t2 |
|||
|
|
|
2 |
. |
|||||
|
|
|
|||||||
2 |
|||||||||
|
|
|
|
|
|
|
|
В этом случае параметры нормального распределения N(0;1).
23
1 t2
Величина e 2 определяется по таблице.
2
Свойства кривой нормального распределения.
f (t) четная функция, т. е. f (t) f ( t). Следовательно, изображающая ее кривая распределена симметрично относительно оси ординат, т. е. x Mo Me;
функция имеет бесконечно малые значения при t . Это означает, что ветви кривой удалены в бесконечность и асимптотически приближаются к оси абсцисс;
функция имеет максимум при t 0. Отсюда следует, что модального значения кривая достига-
ет при x x. Величина максимума составляет 1 .
2
На практике можно сделать первичное предположение о нормальности распределения рассматриваемой выборки по гистограмме и ящику с усами. В случае нормальности гистограмма и ящик будут (почти) симметричны.
Идея построения диаграммы ящик с усами представлена на Рис. 10.
Рис. 10. Идея построения ящика с усами
Построим еще раз гистограммуи ящик с усами по данным Табл. 5 (Рис. 11, Рис. 12). И гистограмма и ящик являются симметричными, что, скорее всего, указывает на нормальное распределение.
18 |
|
|
|
|
|
|
16 |
|
|
|
|
|
|
|
|
|
|
16 |
|
|
|
|
|
|
|
|
14 |
|
|
|
|
|
|
14 |
|
|
|
|
|
|
|
|
|
|
12 |
|
|
|
|
|
|
12 |
|
|
|
|
|
|
|
|
|
|
10 |
|
|
|
|
|
|
|
|
8 |
|
|
|
|
|
|
10 |
|
|
|
|
|
|
|
|
|
|
6 |
|
|
|
|
|
|
8 |
|
|
|
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
6 |
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
4 |
|
5,1 |
6,8 |
8,5 |
10,2 |
11,9 |
13,6 |
15,3 |
|
|
N = |
50 |
|||||||
ПРОДАЖИ |
|
|
|
|
|
|
ПРОДАЖ И |
|
|
|
|
|
|
|
|
||
|
|
|
Рис. 11 |
|
|
|
|
Рис. 12 |
Важно! Если объем выборки N 30, то считают, что данные распределены не нормально.
Но если известно, что выборка извлечена из нормально распределенной совокупности, то тогда можно говорить о нормальности.
24
Часто обращаются к другому графическомуспособупроверки на нормальность.
Для построения теоретической кривой нормального распределения необходимо вычислить теоретические частоты (т.е. как если бы распределение было нормальным):
|
h i |
|
|
1 |
|
|
t2 |
|
h i |
|
|
|
|
|
|
2 |
|
||||||
' |
|
|
|
|
|
e |
|
|
|
f (t), |
|
|
|
|
|
|
|||||||
2 |
|||||||||||
|
|
|
|
|
|
|
|
где h – длина интервала группировки.
Рассмотрим расчет значений теоретических частот ряда распределения на основании данных примера из Табл. 5:
|
|
|
|
|
|
x' |
|
|
|
|
|
№ |
xi |
i |
t |
|
|
x |
|
f (ti ) |
' |
||
инт. |
i |
i |
|
|
|
||||||
|
|
||||||||||
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|||
1 |
5,1 |
4 |
|
|
-1,67 |
|
|
0,0989 |
3 |
||
2 |
6,8 |
7 |
|
|
-1,04 |
|
|
0,2323 |
7 |
||
3 |
8,5 |
16 |
|
|
-0,41 |
|
|
0,3668 |
12 |
||
4 |
10,2 |
9 |
|
|
0,21 |
|
|
0,3902 |
12 |
||
5 |
11,9 |
6 |
|
|
0,84 |
|
|
0,2803 |
9 |
||
6 |
13,6 |
5 |
|
|
1,47 |
|
|
0,1354 |
4 |
||
7 |
15,3 |
3 |
|
|
2,10 |
|
|
0,0440 |
1 |
||
Сумма: |
— |
50 |
|
|
— |
|
— |
48 |
Замечание. Округленный коэффициент для расчета теоретических частот h i 31,4.
Расхождения полученных теоретических и эмпирических (фактических) частот невелики. На графике (Рис. 13) видна довольно большая близость фактических частот распределения к теоретическим.
18 |
|
|
|
|
|
|
16 |
|
|
|
|
|
|
14 |
|
|
|
|
|
|
12 |
|
|
|
|
|
|
10 |
|
|
|
|
|
|
8 |
|
|
|
|
|
|
6 |
|
|
|
|
|
|
4 |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
0 |
|
|
|
|
|
|
5,1 |
6,8 |
8,5 |
10,2 |
11,9 |
13,6 |
15,3 |
Эмпирические частоты Теоретические частоты
Рис. 13. График эмпирических и теоретических частот
Сопоставление графиков эмпирических и теоретических частот, с целью определения соответствия эмпирического распределения нормальному, позволяет оценивать эти расхождения только субъективно. Объективная характеристика соответствия может быть получена с помощью критериев согласия.
25
КРИТЕРИИ СОГЛАСИЯ
Подчиняется выборка определенному закону распределения (в частности, нормальному) или нет, можно проверить с помощью критериев согласия: Пирсона 2 и Колмогорова ( ).
критерий согласия Пирсона
Выдвигается гипотеза H0 о нормальном распределении выборки. Далее вычисляется фактическое значение критерия Пирсона:
|
|
|
|
' |
2 |
|
|
|
|
i |
|
|
|||
факт2 |
|
i |
|
|
. |
||
|
|
' |
|
|
|||
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
Фактическое значение сравнивается с теоретическим табл2 (определяется по таблице критических значений критерия Пирсона) на уровне значимости и определенном числе степеней свободы.
Уровень значимости – это вероятность допустить ошибку. В данном случае, утверждая, что распределение не является нормальным. Обычно 0,05.
Число степеней свободы определяется следующим образом:
число интервалов (n) – 1 – число параметров распределения.
Для нормального распределения число параметров равно двум (x и ), значит число степеней свободы n 3.
Если факт2 табл2 , то расхождение между выборочными и теоретическими частотами считается случайным и гипотеза H0 о выдвинутом законе распределения принимается с вероятностью ошибки .
Если факт2 табл2 , то гипотеза о нормальном распределении отклоняется. Проверим, подчинен ли ряд из Табл. 5 нормальномузакону.
Выдвигаем гипотезу H0 о нормальном распределении выборки.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
' |
2 |
|
|
|
|
№ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
i |
|
|
||||
|
|
|
|
|
|
x |
|
|
i |
' |
|
i |
' |
|
' |
|
|
|
|
|
|
|||||
|
|
инт. |
|
|
i |
|
|
i |
|
i |
i |
i |
|
|
|
|
' |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
1 |
|
|
|
5,1 |
|
4 |
3 |
|
|
1 |
|
1 |
|
|
|
|
0,33 |
|
|
|||
|
|
|
|
2 |
|
|
|
6,8 |
|
7 |
7 |
|
|
0 |
|
0 |
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
3 |
|
|
|
8,5 |
|
16 |
12 |
|
|
4 |
|
16 |
|
|
|
|
1,33 |
|
|
|||
|
|
|
|
4 |
|
|
|
10,2 |
|
9 |
12 |
|
|
-3 |
|
9 |
|
|
|
|
0,75 |
|
|
|||
|
|
|
|
5 |
|
|
|
11,9 |
|
6 |
9 |
|
|
-3 |
|
9 |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
6 |
|
|
|
13,6 |
|
5 |
4 |
|
|
1 |
|
1 |
|
|
|
|
0,25 |
|
|
|||
|
|
|
|
7 |
|
|
|
15,3 |
|
3 |
1 |
|
|
2 |
|
4 |
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
Итого: |
|
50 |
48 |
|
|
— |
|
— |
|
|
|
|
7,66 |
|
|
|||
|
|
|
|
|
' |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
факт2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
i |
|
' |
i |
7,66. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
табл2 |
9,49 |
при 0,05 |
и числе степеней свободы n 3 7 3 4. |
|
|
|
|
|
|
|
|
|
факт2 7,66 табл2 9,49, следовательно, гипотеза H0 принимается, и расхождение между выборочными и теоретическими частотами считается случайным.
26
критерий согласия Колмогорова
Величина критерия рассчитывается по формуле:
|
|
D |
, |
|
|
|
|||
факт |
|
|
N |
|
|
|
|
где D – максимальная разность между накопленными частотами эмпирического и теоретическо-
го распределений, N – число наблюдений (сумма всех частот).
По таблице критических значений критерия Колмогорова находят табл на уровне значимости .
Если факт табл , то можно считать, что отклонения фактических частот от теоретических явля-
ется случайным. Следовательно, в основе фактического распределения лежит закон нормального распределения.
Рассмотрим данные из Табл. 5.
xi |
Частота |
Накопленная частота |
Абсолютная |
||
эмпирическая |
теоретическая |
эмпирическая |
теоретическая |
разность накоп- |
|
|
( i ) |
( ') |
ленных частот |
||
5,1 |
4 |
3 |
4 |
3 |
1 |
6,8 |
7 |
7 |
11 |
10 |
1 |
8,5 |
16 |
12 |
27 |
22 |
5 |
10,2 |
9 |
12 |
36 |
34 |
2 |
11,9 |
6 |
9 |
42 |
43 |
1 |
13,6 |
5 |
4 |
47 |
47 |
0 |
15,3 |
3 |
1 |
50 |
48 |
2 |
Итого: |
50 |
48 |
— |
— |
— |
Максимальное значение разности между эмпирическими и теоретическими частотами составляет
5, т. е. D 5.
Величина критерия равна |
|
D |
|
|
5 |
0,71. |
|
|
|
|
|
||||
факт |
|
|
N |
50 |
|
||
|
|
|
|
По таблице определяем: табл 1,36 факт 0,71. Значит, в основе фактического распределения лежит закон нормального распределения.
27
СПОСОБЫ ОПИСАНИЯ КОЛИЧЕСТВЕННЫХ ПРИЗНАКОВ
Количественный
признак
Построить:
гистограмму
«ящик с усами»
|
|
Критерии |
|
|
согласия |
|
|
|
Да |
Распределение |
Нет |
|
является |
|
|
нормальным? |
|
Рекомендуется найти:
среднее
стандартное отклонение
размах
Рекомендуется найти:
медиану
квартили
квартильный размах
размах
28
АНАЛИЗ ВЛИЯНИЯ ФАКТОРОВ
фактор |
каким-то образом |
отклик |
|
влияет на |
|
|
|
|
Общая идея методов: определить, влияет ли фактор на отклик или нет. Вопросы о качественном характере этого влияния («каким образом влияет?») статистикой не рассматриваются.
В зависимости от типа переменной фактора и отклика будут использоваться разные методы обработки.
T-КРИТЕРИЙ СТЬЮДЕНТА
Рассмотрим, как один качественный фактор влияет на количественный отклик.
Ограничения критерия
1.Качественный фактор должен иметь строго два значения.
2.Количество элементов в двух группах n1,n2 , определенных значениями качественного при-
знака, должны быть примерно равны и не менее 30 для каждой.
3.Распределение в двух группах, определенных значениями качественного признака, должно быть близко к нормальному, или известно, что обе выборки извлечены из нормально распределенной совокупности.
Постановка задачи
Повлияла ли проведенная рекламная акция на объем продаж некоторого товара? Исходные данные представлены в Табл. 10.
Табл. 10. Исходные данные
Объем продаж (тыс.р) |
Период продаж |
504 |
до акции |
560 |
до акции |
420 |
до акции |
600 |
до акции |
580 |
до акции |
530 |
до акции |
490 |
до акции |
580 |
до акции |
470 |
до акции |
580 |
после акции |
692 |
после акции |
700 |
после акции |
621 |
после акции |
640 |
после акции |
561 |
после акции |
680 |
после акции |
630 |
после акции |
Были получены данные объемов продаж за 9 дней до проведения акции и за 8 дней после. Фактически задача сводится к проверки существенности различия средних объемов продаж до и после проведения данной акции. Предположим, что данные о продажах подчинены нормальному распределению (как до, так и после проведения акции).
Алгоритм использования критерия
1)выдвинуть гипотезуо несущественном различии средних в группах: H0 : x1 x2 ;
2)рассчитать объединенную дисперсию:
29
2 12 n1 1 22 n2 1 ,
n1 n2 2
а затем, фактическое значение t-критерия:
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
факт |
|
|
х1 х2 |
|
|
. |
|||||
|
||||||||||||
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
1 |
|
|
1 |
|
||||
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
||||||
|
|
|
|
|
n1 n2 |
Затем полученное фактическое значение сравнивается с tтабл на уровне значимости и числе степеней свободы n1 n2 2. Если tтабл tфакт , то гипотеза о равенстве средних принимается,
в противном случае – отвергается; Используем критерий для нашего примера. Составим расчетную таблицу(Табл. 11).
Табл. 11. Расчетная таблица
|
|
|
Объем продаж |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
2 |
||||||||
x1i x1 |
x2i x2 |
|||||||||||||||||||||||||
|
до акции |
после акции |
|
|
||||||||||||||||||||||
|
504 |
|
|
580 |
|
484 |
|
|
|
3364 |
|
|
||||||||||||||
|
560 |
|
|
692 |
|
1156 |
|
|
|
2916 |
|
|
||||||||||||||
|
420 |
|
|
700 |
|
11236 |
|
|
3844 |
|
|
|||||||||||||||
|
600 |
|
|
621 |
|
5476 |
|
|
|
289 |
|
|
||||||||||||||
|
580 |
|
|
640 |
|
2916 |
|
|
|
4 |
|
|
|
|
||||||||||||
|
530 |
|
|
561 |
|
16 |
|
|
|
5929 |
|
|
||||||||||||||
|
490 |
|
|
680 |
|
1296 |
|
|
|
1764 |
|
|
||||||||||||||
|
580 |
|
|
630 |
|
2916 |
|
|
|
64 |
|
|
|
|||||||||||||
|
470 |
|
|
|
|
|
|
|
|
3136 |
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
526 |
|
|
|
|
638 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
x1 |
|
x2 |
|
|
|
|
2 |
|
|
|
|
|
|
|
2 |
|
|
|||||||
|
|
|
x1i |
x1 |
28632 |
x2i |
x2 |
18174 |
||||||||||||||||||
|
|
n 9 |
|
|
|
n 8 |
|
|
||||||||||||||||||
|
1 |
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Выдвигаем гипотезу H0 : |
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
x1 |
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Найдем дисперсии продаж до и после акции и общую дисперсию:
|
|
x1 |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
12 |
|
x1 |
28632 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3181,3 |
|
|||||||||||||
|
|
|
|
n1 |
|
|
|
9 |
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
x2i |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
2 |
|
x2 |
18174 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2271,8 |
|
||||||||||
|
|
|
|
n2 |
|
|
|
|
|
|
8 |
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
2 |
n 1 |
2 |
n |
|
1 |
3181,3 (9 1) 2271,8 (8 1) |
|
|||||||||||||||||||||||||||||
2 |
|
|
1 |
1 |
|
|
|
|
|
|
|
2 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
2757. |
|||||||||||||
|
|
|
|
|
|
|
n1 n2 2 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
9 8 2 |
|
|||||||||||||||||
Фактическое значение t-критерия: |
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
t |
|
|
|
|
х1 |
х2 |
|
|
|
|
|
|
|
|
|
526 638 |
|
|
4,39. |
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
факт |
|
|
|
1 |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
1 |
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
2757 |
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
n2 |
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
n1 |
|
|
|
|
|
|
|
|
|
9 8 |
|
|
|
||||||||||||||||||
Табличное |
|
значение |
tтабл 2,133 на уровне значимости |
0,05 и числе степеней свободы |
|||||||||||||||||||||||||||||||||||
n1 n2 2 9 8 2 15. |
|
|
|
|
|
|
|
|
|
|
|
|
tтабл 2,133 tфакт 4,39, значит гипотеза H0 отклоняется, средние не равны и акция сущест-
венно повлияла на объем продаж. В среднем объем продаж увеличился на 526 638 112 тыс.р. 30