
- •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)