- •Введение
- •1Теоретическая часть
- •1.1Первичная обработка статистических данных
- •1.1.1Исходные данные
- •1.1.2Упорядочение данных наблюдения
- •1.1.3Способ равных интервалов
- •1.1.4Способ равных частот
- •1.1.5Группировка данных наблюдения над дискретной случайной величиной
- •1.2Порядковые статистики и ранги
- •1.2.1Статистическая процедура “Ранг и персентиль”
- •1.2.2Функция ранг
- •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)
- •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 разности математических ожиданий двух кореллированных нормальных случайных величин с неизвестными дисперсиями (двухвыборочный t-критерий, сопряженные пары наблюдений)
- •1.4Проверка гипотезы о законе распределения случайной величины (критерии согласия)
- •1.4.1Критерий согласия хи-квадрат Пирсона
- •1.4.2Критерий согласия Колмогорова
- •1.4.3Критерий Крамера-Мизеса-Смирнова
- •1.4.4Критерий Андерсона-Дарлинга
- •1.4.5Критерии w Шапиро-Уилка
- •2.1.6Эмпирическая функция распределения
- •2.1.7Эмпирическая плотность вероятности
- •2.1.8Эмпирический ряд распределения
- •2.1.9Статистическая процедура «Описательная статистика»
- •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 согласия хи-квадрат Пирсона
- •2.4.2Критерий согласия Колмогорова
- •2.4.3Критерий Крамера-Мизеса-Смирнова
- •2.4.4Критерий Андерсона-Дарлинга
- •2.4.5Критерии w Шапиро-Уилка
- •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 гипотезу H0: о том, что дисперсия равна дисперсии . Альтернативная гипотеза H1: .
Результат представлен на листе Excel «Двухвыб. F-тест для дисп. 1», а также на рисунке 2.18.
Рисунок 2.18. Двухвыборочный F-тест для дисперсий
Анализ результатов решения свидетельствует о том, расчетное значение статистики больше её критического значения, которое равно 1,39. Это означает, что проверяемая гипотеза H0: противоречит фактическим данным наблюдения и, следовательно, её надо отклонить (на уровне значимости ) и принять альтернативную гипотезу H1: . К такому же выводу приводит и сравнение значимости с заданным уровнем значимости , .
Пример 2.
На основе данных пункта 2.3.5, используя процедуру Двухвыборочный F-тест для дисперсий, проверим на уровне значимости гипотезу H0: о том, что дисперсия равна дисперсии . Альтернативная гипотеза H1: .
Результат представлен на листе Excel «Двухвыб. F-тест для дисп. 2», а также на рисунке 2.19.
Рисунок 2.19. Двухвыборочный F-тест для дисперсий, пример 2
Анализ результатов решения свидетельствует о том, расчетное статистики больше её критического значения, которое равно 0,406. Это означает, что проверяемая гипотеза H0: противоречит фактическим данным наблюдения и, следовательно, её надо отклонить (на уровне значимости ) и принять альтернативную гипотезу H1: . К такому же выводу приводит и сравнение значимости с заданным уровнем значимости , , т.е. .
2.3.7Проверка гипотезы о равенстве дисперсий нескольких независимых нормальных случайных величин (критерии Бартлета и Кокрена)
Критерий Бартлета.
На основе данных о температуре, проверим на уровне значимости гипотезу H0: о равенстве дисперсий четырех наборов данных.
. Результат представлен на листе Excel «Бартлет», а также на рисунке 2.20.
Рисунок 2.20. Критерий Бартлета
Сравнивая расчетное значение статистики равное 8,642 с ее критическим значением , приходим к выводу, что гипотеза о равенстве дисперсий противоречит данным наблюдения и, следовательно, её надо отклонить на уровне значимости . К такому же выводу приводит и сравнение значимости с заданным уровнем значимости , , т.е. .
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 согласия хи-квадрат Пирсона
На основании данных о значениях игровых показателей игроков НБА за сезон 2011/2012г проверим с помощью критерия хи-квадрат Пирсона на уровне значимости гипотезу о показательном законе распределения температуры.
Результат представлен на листе Excel «Хи-квадрат Пирсона», а также на рисунке 2.22.
Рисунок 2.22. Критерий хи-квадрат Пирсона
Расчетное значение статистики больше ее критического значения , поэтому можно считать, что проверяемая гипотеза противоречит данным наблюдения. К такому же выводу приводит и сравнение значимости с заданным уровнем значимости , , т.е. .