- •Введение
- •1Теоретическая часть
- •1.1Первичная обработка статистических данных.
- •1.1.1Упорядочение данных наблюдения
- •1.1.2Способ равных интервалов
- •1.1.3Способ равных частот
- •1.1.4Группировка данных наблюдения над дискретной случайной величиной
- •1.2Порядковые статистики и ранги
- •1.2.1Статистическая процедура “Ранг и персентиль”
- •1.3.3Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с известными дисперсиями (двухвыборочный z- критерий)
- •1.3.4Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с равными неизвестными дисперсиями (двухвыборочный t- критерий, равные дисперсии)
- •1.3.5Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с различными неизвестными дисперсиями (двухвыборочный t- критерий, различные дисперсии)
- •1.3.6Проверка гипотезы о равенстве дисперсий двух независимых нормальных случайных величин (f-критерий)
- •1.3.7Проверка гипотезы о равенстве дисперсий нескольких независимых нормальных случайных величин (критерии Бартлета и Кокрена)
- •2.1.3Способ равных частот
- •2.1.4Группировка данных наблюдения над дискретной случайной величиной
- •2.1.5Эмпирическая функция распределения
- •2.1.6Эмпирическая плотность вероятности
- •2.1.7Эмпирический ряд распределения
- •2.1.8Статистическая процедура «Описательная статистика»
- •2.2Порядковые статистики и ранги
- •2.2.1Статистическая процедура “Ранг и персентиль”
- •2.2.2Функция ранг
- •2.3Проверка параметрических гипотез
- •2.3.1Проверка гипотезы о значении математического ожидания нормальной случайной величины с известной дисперсией (одновыборочный z-критерий)
- •2.3.2Проверка гипотезы о значении математического ожидания нормальной случайной величины с неизвестной дисперсией (одновыборочный t-критерий)
- •2.3.3Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с известными дисперсиями (двухвыборочный z- критерий)
- •2.3.4Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с равными неизвестными дисперсиями (двухвыборочный t- критерий, равные дисперсии)
- •2.3.5Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с различными неизвестными дисперсиями (двухвыборочный t- критерий, различные дисперсии)
- •2.3.6Проверка гипотезы о равенстве дисперсий двух независимых нормальных случайных величин (f-критерий)
- •2.3.7Проверка гипотезы о равенстве дисперсий нескольких независимых нормальных случайных величин (критерии Бартлета и Кокрена)
- •2.4Проверка гипотезы о законе распределения случайной величины (критерии согласия)
- •2.4.1Критерий Крамера-Мизеса-Смирнова
- •2.4.2Критерий Андерсона-Дарлинга
- •2.4.3Критерии w Шапиро-Уилка
- •2.4.4Критерий согласия хи-квадрат Пирсона
- •2.4.5Критерий согласия Колмогорова
- •Заключение Список литературы
- •Приложение а
1.2Порядковые статистики и ранги
1.2.1Статистическая процедура “Ранг и персентиль”
Номер элемента x(i) упорядоченной выборки называется рангом этого элемента. Если бы все элементы выборки были различными, то каждый из них имел бы свой “персональный” ранг, равный номеру i этого элемента в упорядоченной выборке. Однако при определении рангов приходится сталкиваться с проблемой совпадения наблюденных значений. Excel присваивает повторяющимся числам связки один и тот же ранг, равный номеру элемента связки в упорядоченной выборке.
Процентранги вычисляются по формуле:
(17)
где – ранги элементов выборки
1.2.2Функция РАНГ
Функция РАНГ в Excel вычисляется по следующей формуле:
(18)
где число – элемент выборки, ранг которого надо определить
массив – массив или диапазон ячеек, содержащий элементы исследуемой случайно выборки (неупорядоченные данные наблюдения)
порядок – величина, определяющая, как упорядочивать ( ранжировать) массив
1.3Проверка параметрических гипотез
1.3.1Проверка гипотезы о значении математического ожидания нормальной случайной величины с известной дисперсией (одновыборочный z-критерий)
1.3.2Проверка гипотезы о значении математического ожидания нормальной случайной величины с неизвестной дисперсией (одновыборочный t-критерий)
Под статистической гипотезой принято понимать любое (разумное с точки зрения теории вероятности) предположение о закономерностях, которым подчиняется исследуемый случайный объект (случайное событие, случайная величина, система случайных величин или случайная функция). Статистическую гипотезу принято обозначать символом H.
Параметрической гипотезой называется определенное предположение о значении параметра (числовой характеристики) исследуемого случайного объекта. Параметрические гипотезы проверяются с помощью статистических критериев, называемых параметрическими критериями.
Для проверки гипотезы H0: μ = μ0 о том, что среднее μ нормальной случайной величины Х равно заданному числу μ0, используется статистика называемая отношением Стьюдента:
(19)
где и выборочные оценки среднего μ и стандартного отклонения нормальной случайной величины Х:
(20)
(21)
1.3.3Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с известными дисперсиями (двухвыборочный z- критерий)
1.3.4Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с равными неизвестными дисперсиями (двухвыборочный t- критерий, равные дисперсии)
При проверке гипотезы H0: μx - μy = δ о том, что разность между математическими ожиданиями μx и μy независимых нормальных случайных величин X и Y с одинаковыми неизвестными дисперсиями и равна заданному числу δ, используется статистика
(22)
где , , , - выборочные оценки математических ожиданий и дисперсий исследуемых нормальных случайных величин X и Y
– гипотетическое значение разности математических ожиданий этих случайных величин
n и m – объемы выборок, по которым проверяется гипотеза
(23)
(24)
1.3.5Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с различными неизвестными дисперсиями (двухвыборочный t- критерий, различные дисперсии)
При проверке гипотезы H0: μx - μy = δ о том, что разность между математическими ожиданиями μx и μy независимых нормальных случайных величин X и Y с различными неизвестными дисперсиями и равна заданному числу δ, используется статистика Фишера – Беренса
(25)
1.3.6Проверка гипотезы о равенстве дисперсий двух независимых нормальных случайных величин (f-критерий)
При проверке гипотезы H0: = о равенстве дисперсий и двух независимых нормальных случайных величин, X и Y, используется статистика называемая дисперсионным отношением
(29)
где , – несмещенные оценки дисперсий и исследуемых нормальных случайных величин X и Y, найденные по данным двух независимых выборок объемов n и m.