- •1. Событие. Классификация событий
- •2. Вероятность события. Свойства вероятности. Классическая вероятность
- •3. Статистическое определение вероятности
- •4. Геометрическая вероятность
- •5. Задача о встрече
- •6. Действия над событиями
- •7. Теорема сложения вероятностей
- •8. Теорема умножения вероятностей
- •9. Условная вероятность события
- •10. Следствия из теоремы умножения вероятностей
- •11. Формула полной вероятности
- •12. Теорема гипотез (формула Байеса)
- •13. Дискретные и непрерывные случайные величины
- •14. Закон распределения случайной величины
- •15. Функция распределения случайной величины
- •16. Общие свойства функции распределения св
- •17. Плотность распределения случайной величины
- •18. Основные свойства плотности распределения
- •19. Математическое ожидание и его свойства
- •20. Математическое ожидание непрерывной случайной величины
- •21. Мода и медиана
- •22. Дисперсия случайной величины
- •23. Свойства дисперсии
- •24. Система случайных величин. Свойства распределения двумерного случайного вектора
- •25. Функция распределения дискретного двумерного случайного вектора
- •26. Функция и плотность распределения непрерывного двумерного случайного вектора
- •27. Условные законы распределения. Зависимые и независимые случайные величины
- •28. Функция одной дискретной св
- •29. Функция одной непрерывной св
- •30. Корреляционный момент случайных величин X и y и его свойства
- •31. Коэффициент корреляции и его свойства
- •32. Формула Бернулли
- •33. Наивероятнейшее число наступления события
- •34. Асимптотические формулы вычисления вероятностей
- •35. Биномиальный закон распределения
- •36. Закон распределения Пуассона
- •37. Равномерный закон распределения
- •38. Показательный закон распределения
- •39. Нормальный закон распределения
- •40. Математическое ожидание нормального закона распределения
- •41. Дисперсия нормального закона распределения
- •42. Функция Лапласа и ее связь с функцией распределения нормальной случайной величины
- •43. Правило 3σ
- •44. Неравенство Маркова
- •45. Неравенство Чебышева
- •46. Теорема Чебышева
- •47. Теорема Бернулли
- •48. Теорема Ляпунова
- •49. Интегральная теорема Лапласа
- •50. Виды статистических наблюдений
- •51. Виды измерений
- •52. Методы ранжирования
- •53. Группировка и табулирование количественных данных (дискретные и непрерывные вариационные ряды, кумулятивные ряды)
- •54. Графическое изображение вариационных рядов
- •55. Показатели центра распределения (мода, медиана, среднее арифметическое, среднее гармоническое, среднее геометрическое)
- •56. Показатели вариации (размах, лимиты, среднее линейное отклонение, дисперсия, стандартное отклонение)
- •57. Ассиметрия и эксцесс
- •Плосковершинный островершинный полигон
- •58. Оценка показателей альтернативного признака
53. Группировка и табулирование количественных данных (дискретные и непрерывные вариационные ряды, кумулятивные ряды)
Пусть в данной выборке изучается некоторый признак, который может быть измерен количественно. При переходе от одного члена совокупности к другому, признак принимает различные числовые значения, предугадать которые невозможно. Поэтому данный признак можно рассматривать как СВ.
СВ – величина, что принимает непредсказуемые значения, тогда измеряемый признак можно рассматривать как СВ. СВ бывают дискретными и непрерывными.
Дискретные вариационные ряды. Пусть имеется выборка объёма n для некоторого признака. Это значит существуют числа - это первичные эмпирические данные. Такая выборка называется неупорядоченной.
Если признак в статистической совокупности является дискретная СВ, то одно и тоже значение признака может встречаться несколько раз. Поведение дискретного признака описывается с помощью дискретного вариационного ряда. Пусть дискр. признак имеет конечное количество вариантов(различных значений).
Частота значения признака (варианта) – число членов выборки с одним и тем же вариантом.
Дискретный вариационные ряд – таблица, где объединены ряд варианта признака в порядке возрастания и ряд соответствующих им частот (экспериментальный эмпирический закон распределения частот). (*табл.) :
Варианты |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
Частоты |
2 |
5 |
8 |
11 |
19 |
9 |
3 |
3 |
Сумма частот = V выборке. n = 60.
(*табл.) – вариационный ряд сгруппированных данных.
Отношение частоты к объёму выборки называется относительной частотой или частостью.
Интервальные вариационные ряды. Если измеренный признак является непрерывным, то для его описания строят интервальный вариационный ряд.
ИВР (интервальный вариационный ряд) – совокупность ряда интервалов для значений признака и суммарных частот. ИРВ как и
дискретный представляются в виде таблицы, где интервалы выстраиваются по возрастанию.
Интервал |
6,5-7,5 |
7,5-8,5 |
8,5-9,5 |
9,5-10,5 |
10,5-11,5 |
Частоты |
3 |
12 |
23 |
14 |
8 |
Если признак принимает значение на границе двух интервалов, то это значение обычно относят к левому интервалу.
Если дискретный признак имеет больше 20 вариантов, то для него также строят интервальный вариационный ряд по тем же правилам.
Вопрос: как рассчитать количество интервалов? Существует эмпирический и теоретический подходы.
При эмпирическом мы самостоятельно определяем число интервалов (от 8 до 20).
Для построения такого ряда числовой промежуток разбивают на равные интервалы, а потом подсчитывают суммарные частоты попадания значений признака на каждый интервал, т.о. исходные данные группируют.
Теоретический подход чаще используют для больших выборок (n>100). Тогда число интервалов K (K в кружочке) вычисляют по формуле СТЕДРДЖЭСА: К=3,32*lgn+1.
При некоторых расчётах интервальный вариационный ряд заменяем дискретным. При этом в качестве вариант берут середины интервалов.
Кумулятивные вариационные ряды.
… - это вариационный ряд, в котором вместо ряда частот записывается ряд накопленных частот. Его можно строить как для дискретного, так и для непрерывного признака с помощью соответствующего вариационного ряда.
варианты |
17 |
18 |
19 |
20 |
21 |
22 |
23 |
24 |
||
частоты |
1 |
3 |
5 |
8 |
12 |
9 |
5 |
2 |
||
Накопление частоты |
1 |
4 |
9 |
17 |
29 |
38 |
43 |
45 |