- •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
2.3.6Проверка гипотезы о равенстве дисперсий двух независимых нормальных случайных величин (f-критерий)
Пример 1
На основе данных пункта 2.3.4, используя процедуру Двухвыборочный F-тест для дисперсий, проверим на уровне значимости α=0,05 гипотезу H0: = о том, что дисперсия числа голосов за СР равна дисперсии числа голосов за ЛДПР. Альтернативная гипотеза H1: ≠ .
. Результат представлен на листе Excel «f-критерий», а также на рисунке 2.17
Рисунок 2.17 – F-критерий, пример 1
Анализ результатов решения свидетельствует о том, расчетное f = 1,37 статистики F меньше её критического значения, которое равно 1,538. Это означает, что проверяемая гипотеза H0: = не противоречит фактическим данным наблюдения и её можно принять. К такому же выводу приводит сравнение значимости α* и α, α* > α, т.е. 0,075>0,05.
Пример 2
На основе данных пункта 2.3.5, используя процедуру Двухвыборочный F-тест для дисперсий, проверим на уровне значимости α=0,05 гипотезу H0: = о том, что дисперсия числа голосов за ЕР равна дисперсии числа голосов за ЛДПР. Альтернативная гипотеза H1: ≠ .
. Результат представлен на листе Excel «f-критерий2», а также на рисунке 2.18
Рисунок 2.18 – F-критерий, пример 2
Анализ результатов решения свидетельствует о том, расчетное f = 9,86 статистики F больше её критического значения, которое равно 1,434. Это означает, что проверяемая гипотеза H0: = противоречит фактическим данным наблюдения и, следовательно, её следует отклонить и принять альтернативную гипотезу H1: μ1 > μ2.. К такому же выводу приводит сравнение значимости α* и α, α*< α, т.е. 5,38*10-22<0,05.
2.3.7Проверка гипотезы о равенстве дисперсий нескольких независимых нормальных случайных величин (критерии Бартлета и Кокрена)
Критерий Бартлета
На основе данных о голосовании, проверим на уровне значимости α=0,05 гипотезу H0: о равенстве дисперсий четырех партий.
. Результат представлен на листе Excel «Бартлет», а также на рисунке 2.19
Рисунок 2.19 – критерий Бартлета
Используемые формулы представлены на рисунке 2.20
Рисунок 2.20 – формулы листа Excel «Бартлет»
Анализ результатов решения свидетельствует о том, что проверяемая гипотеза H0: о равенстве дисперсий четырех партий противоречит фактическим данным наблюдения и её нужно отклонить, т.к. α*< α, т.е. 0,016<0,05.
Критерий Кокрена
Проверим ту же гипотезу с помощью критерия Кокрена.
. Результат представлен на листе Excel «Кокрен», а также на рисунке 2.21
Рисунок 2.21 – критерий Кокрена
Полученный результат (g>gкр) свидетельствует о том, что гипотеза о равенстве дисперсий противоречит данным наблюдения, и поэтому её надо отклонить на уровне значимости α=0,05.
2.4Проверка гипотезы о законе распределения случайной величины (критерии согласия)
2.4.1Критерий Крамера-Мизеса-Смирнова
С помощью процедуры Генерация случайных чисел, входящих в Пакет анализа, сформирована стандартная нормальная последовательность из 10 случайных чисел.
Используя критерий согласия Крамера-Мизеса-Смирнова при уровне значимости α=0,05, проверим гипотезу H0 о том, что эти числа являются реализациями случайной величины X, имеющей стандартное распределение (нормальное распределение с параметрами M(X)=0 и σ(X)=1).
Результат представлен на листе Excel «КМС», а также на рисунке 2.22
Рисунок 2.22 – критерий Крамера-Мизеса-Смирнова
В ячейках C2:C11 находятся значения функции Ф(х) стандартного нормального распределения в точках x=x(j), j=1,…,10, вычисленные с помощью формулы массива =НОРМСТРАСП(В2:B11), введенные в диапазон C2:C11.
Поскольку расчетное значение w210 = 0,298 статистики Wn2 меньше ее критического значения, равного 0,4614, можно считать, что гипотеза о стандартном, нормальном распределении рассматриваемой последовательности случайных чисел не противоречит данным наблюдения. В пользу такого решения свидетельствует и значимость α*=P(Wn2 ≥0,307)=0,127