51. Особенности статистического анализа количественных и качественных показателей.

Методы шкалирования при обработке качественных признаков.

Основной задачей статистического анализа является оценка связи признаков м/у собой. Необходимо измерить признаки, в гуманитарных исследованиях более сложны, т.к. они касаются измерения не только количественных, но и качественных признаков.

Суть статистических методов – анализ чисел как таковых, а не истинных значений некоторого признака.

Если количественные показатели можно, то для качественных показателей можно экспертным путем оценить степень сходства или различия м/у парами объектов.

Объекты отражают в некотором многомерном пространстве, где каждая точка – это объект, а координаты – признаки.

Для этого используют методы многомерного шкалирования.

- матрица парных расстояний (количественный признак)

- матрица парных отклонений (качественный признак)

По матрицам изучается степень сходства и различия.

30. Неравенство Чебышева.

Рассмотрим закон больших чисел в форме Чебышева.

Лемма Чебышева (Маркова). Если случайная вели­чина X принимает только неотрицательные значения и имеет математическое ожидание М(Х), то для любого α>0 име­ет место неравенство: P(X≥α)≤(M(X))/α.

Неравенство Чебышева. Если случайная величина X име­ет математическое ожидание М(Х) и дисперсию D(X), то для любого ε>0 имеет место неравенство:

Неравенство Чебышева является в теории вероятностей общим фактом и позволяет оценить нижнюю границу веро­ятности.

Теорема. Закон больших чисел Чебышева. Пусть Х₁, Х₂, .. .,Х_n - последовательность попарно независимых случай­ных величин, имеющих конечные математические ожидания и дисперсии, ограниченные сверху постоянной С = const (D(X_i)≤C(i=l, 2,...,n)). Тогда для любого ε>0,

Теорема показывает, что среднее арифметическое боль­шого числа случайных величин с вероятностью сколь угодно близкой к 1 будет мало отклоняться от среднего ариф­метического математических ожиданий.

Следствие 1. Если вероятность наступления события А в каждом из n независимых испытаний равна р, m - число наступлений события А в серии из n независимых испыта­ний, то, каково бы ни было число е > 0, имеет место предел:

Таким образом устанавливается связь между отно­сительной частотой появления события А и постоянной вероятностью р в серии из n независимых испытаний.

Следствие 2. Теорема Пуассона. Если в последовательности независимых испытаний вероятность появ­ления события А в к-ом испытании равна р, то

где m - число появлений события А в серии из n испытаний.

Следствие 3. Теорема Бернулли. Если X₁, Х₂,.. .,Х_n - пос­ледовательность независимых случайных величин таких, что М(Х₁) = М(Х₂)=...= М(Х_n) = а, D(Х₁)< С, D(X₂) < С,.. .,D(X_n)< С, где С = const, то, каково бы ни было постоянное число ε>0, имеет место предел:

Этот частный случай закона больших чисел позволяет обосновать правило средней арифметической.

Законы больших чисел не позволяют уменьшить неопре­делённость в каждом конкретном случае, они утверждают лишь о существовании закономерности при достаточно боль­шом числе опытов. Например, если при подбрасывании мо­неты 10 раз появился герб, то это не означает, что в 11 раз появится цифра.