- •Ю.Ю. Герасимов, в.К. Хлюстов
 - •Математические методы и модели в расчетах на эвм: применение в лесоуправлении и экологии
 - •Часть 1. Вариационная статистика
 - •Глава 1.
 - •1.1. Общие положения
 - •1.2. Основные понятия статистики
 - •1.3. Основы теории вероятностей
 - •1.3.1. Понятие случайной величины
 - •1.3.2. Классическое и статистическое определения вероятности события
 - •1.3.3. Основные теоремы теории вероятностей
 - •1.4. Контрольные вопросы и задания
 - •Глава 2.
 - •2.1. Постановка задачи
 - •2.2. Классификация и группировка вариант
 - •2.3. Графическое представление вариационных рядов
 - •2.4.1. Показатели центральной тенденции
 - •2.4.2. Показатели вариации
 - •2.4.3. Достоверность статистических показателей
 - •2.4.4. Показатели скошенности и крутизны
 - •2.5. Доверительный интервал
 - •2.6. Контрольные вопросы и задания
 - •Глава 3.
 - •3.1. Постановка задачи
 - •3.2. Нормальное распределение
 - •3.3. Логнормальное распределение
 - •3.4.2. Бета-распределение
 - •3.5. Распределение Пуассона
 - •3.6. Семейство кривых распределения Джонсона
 - •3.7. Семейство кривых Пирсона
 - •Контрольные вопросы и задания
 - •Глава 4.
 - •4.1. Постановка задачи
 - •4.3. Сравнение эмпирического распределения с теоретическим (критерий "хи-квадрат")
 - •4.5. Сравнение дисперсий двух эмпирических совокупностей
 - •4.6. Сравнение частот взвешенных рядов по критерию
 - •4.7. Использование пакетов прикладных программ
 - •4.8. Контрольные вопросы и задания
 - •Глава 5.
 - •5.1. Постановка задачи
 - •5.2. Однофакторный комплекс
 - •5.3. Двухфакторный комплекс
 - •5.4. Использование ms Excel для проведения дисперсионного анализа
 - •5.4.1. Однофакторный дисперсионный анализ
 - •5.4.2. Двухфакторный дисперсионный анализ без повторения
 - •5.5. Контрольные вопросы и задания
 - •Глава 6.
 - •6.1. Постановка задачи
 - •6.2. Коэффициент корреляции
 - •6.3. Корреляционное отношение
 - •6.4. Схема полного корреляционного анализа
 - •6.5. Использование пакетов прикладных программ Вычисление коэффициента корреляции с использованием ms Excel
 - •Контрольные вопросы и задания
 - •Глава 7.
 - •7.1. Постановка задачи
 - •7.2. Статистический анализ одномерных моделей
 - •Уравнение прямой линии
 - •Уравнение гиперболы
 - •Уравнение показательной кривой
 - •Окончательный выбор типа уравнения регрессии
 - •7.4. Множественная регрессия
 - •7.5. Применение ms Excel для расчета регрессии
 - •Часть 2. Исследование операций
 - •Глава 8.
 - •8.1. Общие положения
 - •8.2. Основные понятия системного анализа
 - •8.3. Основные понятия исследования операций
 - •8.4. Постановка задач принятия оптимальных решений
 - •8.5. Контрольные вопросы и задания
 - •Глава 9.
 - •9.1. Постановка задачи
 - •9.2. Графическое решение задачи линейного программирования
 - •9.3. Задача линейного программирования в стандартной форме
 - •Преобразования неравенств
 - •Преобразование неограниченных по знаку переменных
 - •2.4. Основы симплекс - метода линейного программирования
 - •9.5. Метод искусственных переменных
 - •9.6. Анализ чувствительности в линейном программировании
 - •9.7. Решение задач линейного программирования на эвм
 - •9.8. Контрольные вопросы и задания
 - •Глава 10.
 - •10.1. Постановка задачи
 - •10.2. Метод ветвей и границ
 - •10.3. Рекомендации по формулировке и решению задач цп
 - •10.4. Задачи оптимизации раскроя
 - •XA  0, xB  0, k  0 - целые.
 - •XA  0, xB  0, k  0 - целые.
 - •10.5. Постановка задачи дискретного программирования
 - •Решение задач целочисленного и дискретного программирования на эвм
 - •10.7. Контрольные вопросы и задания
 - •Глава 11.
 - •11.1. Общие понятия
 - •11.2. Практические рекомендации при постановке задач динамического программирования
 - •11.3. Оптимальное распределение ресурсов
 - •11.4. Оптимальное управление запасами
 - •11.5. Оптимальная политика замены оборудования
 - •11.6. Контрольные вопросы и задания
 - •Глава 12.
 - •12.1. Постановка задачи
 - •12.2. Применение стохастического программирования
 - •12.3. Метод статистического моделирования
 - •12.4. Контрольные вопросы и задания
 - •Глава 13.
 - •13.1. Постановка задач нелинейного программирования
 - •13.2. Безусловная однопараметрическая оптимизация
 - •13.2.1. Методы исключения интервалов
 - •13.2.2. Методы полиномиальной аппроксимации
 - •13.2.3. Методы с использованием производных
 - •13.2.4. Сравнение методов безусловной однопараметрической оптимизации
 - •13.3. Безусловная многопараметрическая оптимизация
 - •13.3.1. Постановка задачи
 - •13.3.2. Методы прямого поиска
 - •13.3.3. Градиентные методы
 - •13.4. Нелинейная условная оптимизация
 - •13.4.1. Постановка задач условной нелинейной оптимизации
 - •13.4.2. Методы штрафных функций
 - •13.4.3. Методы прямого поиска
 - •13.4.4. Методы линеаризации
 - •13.5. Решение задач нелинейной оптимизации на эвм
 - •13.6. Контрольные вопросы и задания
 - •Приложение 1 Значения t - распределения Стьюдента при доверительной вероятности р и числе степеней свободы k
 - •Плотность вероятности нормального распределения
 - •Приложение 3 Значения χ2 при доверительной вероятности р и числе степеней свободы k
 - •Продолжение приложения 3
 - •Значения -функции
 - •Приложение 5 Значения - в распределении Джонсона
 - •Продолжение приложения 5
 - •Продолжение приложения 5
 - •Продолжение приложения 5
 - •Приложение 6
 - •Продолжение приложения 6
 - •Продолжение приложения 6
 - •Продолжение приложения 6
 - •Приложение 7
 - •Продолжение приложения 7
 - •Продолжение приложения 7
 - •Продолжение приложения 7
 
4.7. Использование пакетов прикладных программ
Ряд пакетов прикладных программ позволяют непосредственно проводить оценку статистических гипотез. К ним можно отнести:
Statistica;
SPSS;
Statgaphics;
MathCAD;
MS Exel.
Остановимся более подробно на последнем, т.к. он наиболее доступен в настоящее время для рядового пользователя. В состав Microsoft Excel входит набор средств анализа данных (называемый пакет анализа), предназначенный для решения сложных статистических и инженерных задач. Для проведения анализа данных с помощью этих инструментов следует указать входные данные и выбрать параметры; анализ будет проведен с помощью подходящей статистической или инженерной макрофункции, а результат будет помещен в выходной диапазон. Другие инструменты позволяют представить результаты анализа в графическом виде.
Двухвыборочный t-тест
Для вызова программы проведения t-теста необходимо выбрать команду «Анализ данных» в меню "Сервис". В списке "Инструменты анализа" (рис. 4.6) выбираем одну из строк
"Двухвыборочный t-тест с одинаковыми дисперсиями";
"Двухвыборочный t-тест с разными дисперсиями".
  
Рис. 4.6.
Для определенности рассмотрим решение в среде MS Excel задачи из примера 4.4 с применением процедуры "Двухвыборочный t-тест с разными дисперсиями". В появившемся диалоговом окне (рис. 4.7) последовательно вводим:
первый диапазон анализируемых данных, который состоит из столбца A2:A16;
второй диапазон анализируемых данных, который состоит из столбца В2:В14;
число, равное предполагаемой разности средних (0 указывает, что средние принимаются равными);
уровень надежности =0,05, который связан с вероятностью возникновения ошибки первого рода (опровержение верной гипотезы);
пометку, куда поместить результаты: на новый лист в текущей книге или на первый лист новой книги.
  
Рис. 4.7.
На рис. 4.8 приведены результаты расчета t-критерия tф=2,01, что соответствует результатам, полученным при решении примера 4.4 (см. рис. 4.3).
Двухвыборочный F-тест для дисперсий
Для вызова программы проведения t-теста необходимо выбрать команду "Анализ данных" в меню "Сервис". В списке "Инструменты анализа" (рис. 4.9) выбираем "Двухвыборочный F-тест для дисперсий". В появившемся диалоговом окне (рис. 4.10) последовательно вводим:
Рис. 4.8.
Рис. 4.9.
Рис. 4.10.
Рис. 4.11
первый диапазон анализируемых данных, который состоит из столбца B2:B9;
второй диапазон анализируемых данных, который состоит из столбца C2:C9;
уровень надежности =0,05, который связан с вероятностью возникновения ошибки первого рода (опровержение верной гипотезы);
пометку, куда поместить результаты: на новый лист в текущей книге или на первый лист новой книги.
Результаты расчета F-критерия для примера 4.6 (см. рис. 4.6) приведены на рис. 4.11.
Тест Хи-квадрат
Функция ХИ2ТЕСТ возвращает значение для распределения хи-квадрат (2). Критерий 2 используется для определения того, подтверждается ли гипотеза экспериментом.
Синтаксис:
ХИ2ТЕСТ(фактический интервал; ожидаемый интервал),
где
фактический интервал - это интервал данных, которые содержат наблюдения, подлежащие сравнению с ожидаемыми значениями;
ожидаемый интервал - это интервал данных, который содержит отношение произведений итогов по строкам и столбцам к общему итогу.
Критерий 2 сначала вычисляет 2 статистику, а затем суммирует разности между фактическими значениями и ожидаемыми значениями.
Пример
  | 
			A  | 
			B  | 
			C  | 
		
1  | 
			Диаметр  | 
			ni  | 
			ni'  | 
		
2  | 
			8  | 
			11  | 
			12  | 
		
3  | 
			12  | 
			118  | 
			120  | 
		
4  | 
			16  | 
			181  | 
			167  | 
		
5  | 
			20  | 
			124  | 
			131  | 
		
6  | 
			24  | 
			67  | 
			71  | 
		
7  | 
			28  | 
			31  | 
			34  | 
		
8  | 
			32  | 
			17  | 
			14  | 
		
9  | 
			36  | 
			9  | 
			9  | 
		
ХИ2ТЕСТ(B3:B9;C3:C9) равняется 0,903. 2 статистика для вышеприведенных данных (7 степеней свободы) ХИ2ОБР(0,903;7) равняется 2,8, что соответствует полученному ранее результату (см. пример 4.3)
