Автор работы: Пользователь скрыл имя, 19 Декабря 2012 в 16:11, курсовая работа
Стати́стика — отрасль знаний, в которой излагаются общие вопросы сбора, измерения и анализа массовых статистических (количественных или качественных) данных.Слово «статистика» происходит от латинского status — состояние дел. В науку термин «статистика» ввел немецкий ученый Готфрид Ахенваль в 1746 году, предложив заменить название курса «Государствоведение», преподававшегося в университетах Германии, на «Статистику», положив тем самым начало развитию статистики как науки и учебной дисциплины.
1. Проверка статистической гипотезы о виде неизвестного распределения..3
2. Определение корреляционной зависимости между рядами наблюдений..13
Заключение………………………………………………………………………19
Содержание
1. Проверка статистической гипотезы о виде неизвестного распределения..3
2. Определение корреляционной зависимости между рядами наблюдений..13
Заключение…………………………………………………
Введение
Стати́стика — отрасль знаний, в которой излагаются общие вопросы сбора, измерения и анализа массовых статистических (количественных или качественных) данных.Слово «статистика» происходит от латинского status — состояние дел. В науку термин «статистика» ввел немецкий ученый Готфрид Ахенваль в 1746 году, предложив заменить название курса «Государствоведение», преподававшегося в университетах Германии, на «Статистику», положив тем самым начало развитию статистики как науки и учебной дисциплины. Несмотря на это, статистический учет вёлся намного раньше: проводились переписи населения в Древнем Китае, осуществлялось сравнение военного потенциала государств, велся учет имущества граждан в Древнем Риме .Статистика разрабатывает специальную методологию исследования и обработки материалов: массовые статистические наблюдения, метод группировок, средних величин, индексов, балансовый метод, метод графических изображений и другие методы анализа статистических данных.Статисти́ческие ме́тоды — методы анализа статистических данных. Выделяют методы прикладной статистики, которые могут применяться во всех областях научных исследований и любых отраслях народного хозяйства, и другие статистические методы, применимость которых ограничена той или иной сферой. Имеются в виду такие методы, как статистический приемочный контроль, статистическое регулирование технологических процессов, надежность и испытания, планирование экспериментов.Статистические методы анализа данных применяются практически во всех областях деятельности человека. Их используют всегда, когда необходимо получить и обосновать какие-либо суждения о группе (объектов или субъектов) с некоторой внутренней неоднородностью.
1 Проверка статистической гипотезы о виде
неизвестного распределения
Таблица 1 – Исходные данные
1. Составляем не сгруппированный ряд. Элементы выборки записываем в порядке возрастания,
считаем частость =1/100=0,01
Таблица 2 – Не сгруппированный статистический ряд
N п/п |
Значения |
Частота |
Частость |
1 |
-2,42 |
1 |
0,01 |
2 |
-2,02 |
1 |
0,01 |
3 |
-1,9 |
1 |
0,01 |
4 |
-1,63 |
1 |
0,01 |
5 |
-1,62 |
1 |
0,01 |
6 |
-1,59 |
1 |
0,01 |
7 |
-1,54 |
1 |
0,01 |
8 |
-1,52 |
1 |
0,01 |
9 |
-1,46 |
1 |
0,01 |
Продолжение |
Табл.2 |
||
10 |
-1,42 |
1 |
0,01 |
11 |
-1,36 |
1 |
0,01 |
12 |
-1,34 |
1 |
0,01 |
13 |
-1,33 |
2 |
0,02 |
14 |
-1,22 |
1 |
0,01 |
15 |
-1,14 |
1 |
0,01 |
16 |
-1 |
1 |
0,01 |
17 |
-0,76 |
1 |
0,01 |
18 |
-0,75 |
1 |
0,01 |
19 |
-0,7 |
1 |
0,01 |
20 |
-0,62 |
1 |
0,01 |
21 |
-0,54 |
1 |
0,01 |
22 |
-0,53 |
1 |
0,01 |
23 |
-0,51 |
1 |
0,01 |
24 |
-0,48 |
1 |
0,01 |
25 |
-0,44 |
1 |
0,01 |
26 |
-0,43 |
2 |
0,02 |
27 |
-0,4 |
1 |
0,01 |
28 |
-0,37 |
1 |
0,01 |
29 |
-0,32 |
1 |
0,01 |
30 |
-0,28 |
1 |
0,01 |
31 |
-0,18 |
1 |
0,01 |
32 |
-0,12 |
3 |
0,03 |
33 |
-0,11 |
1 |
0,01 |
34 |
-0,09 |
1 |
0,01 |
35 |
-0,08 |
1 |
0,01 |
36 |
-0,06 |
3 |
0,03 |
37 |
0 |
1 |
0,01 |
38 |
0,03 |
1 |
0,01 |
39 |
0,09 |
1 |
0,01 |
40 |
0,13 |
1 |
0,01 |
41 |
0,15 |
1 |
0,01 |
42 |
0,16 |
2 |
0,02 |
43 |
0,18 |
1 |
0,01 |
44 |
0,25 |
1 |
0,01 |
45 |
0,26 |
1 |
0,01 |
46 |
0,28 |
1 |
0,01 |
47 |
0,29 |
1 |
0,01 |
48 |
0,34 |
1 |
0,01 |
49 |
0,38 |
2 |
0,02 |
50 |
0,4 |
1 |
0,01 |
51 |
0,41 |
1 |
0,01 |
52 |
0,43 |
2 |
0,02 |
Продолжение |
Табл.2 |
||
53 |
0,45 |
1 |
0,01 |
54 |
0,47 |
2 |
0,02 |
55 |
0,51 |
3 |
0,03 |
56 |
0,53 |
1 |
0,01 |
57 |
0,54 |
1 |
0,01 |
58 |
0,56 |
1 |
0,01 |
59 |
0,61 |
1 |
0,01 |
60 |
0,64 |
1 |
0,01 |
61 |
0,65 |
1 |
0,01 |
62 |
0,73 |
1 |
0,01 |
63 |
0,75 |
1 |
0,01 |
64 |
0,79 |
1 |
0,01 |
65 |
0,8 |
2 |
0,02 |
66 |
0,92 |
1 |
0,01 |
67 |
0,97 |
1 |
0,01 |
68 |
0,98 |
2 |
0,02 |
69 |
1,01 |
1 |
0,01 |
70 |
1,11 |
1 |
0,01 |
71 |
1,16 |
1 |
0,01 |
72 |
1,18 |
1 |
0,01 |
73 |
1,22 |
1 |
0,01 |
74 |
1,23 |
1 |
0,01 |
75 |
1,24 |
2 |
0,02 |
76 |
1,27 |
1 |
0,01 |
77 |
1,3 |
1 |
0,01 |
78 |
1,31 |
1 |
0,01 |
79 |
1,37 |
1 |
0,01 |
80 |
1,47 |
1 |
0,01 |
81 |
1,63 |
1 |
0,01 |
82 |
1,77 |
1 |
0,01 |
83 |
1,88 |
1 |
0,01 |
84 |
2,12 |
1 |
0,01 |
85 |
2,37 |
1 |
0,01 |
Всего |
100 |
1 |
2.Составления сгруппированный статистический ряд:
Находим число интервалов,c округлением до ближайшего целого
k=1+3,2*lgn=1+6,4=7,4
Находим границы интервалов
Длина интервала
Длина интервала разбиения
Находим середину каждого интервала
Находим частость (относительную частоту)
Находим плотность относительной частоты
Таблица 3.1 – Сгруппированный статистический ряд
Интервал |
Нач.Инт |
Кон.инт |
Середина Инт. |
mi |
p i |
f i |
1 |
-2,42 |
-1,7357 |
-2,07786 |
3 |
0,03 |
0,04384 |
2 |
-1,73571 |
-1,0514 |
-1,39357 |
13 |
0,13 |
0,18998 |
3 |
-1,05143 |
-0,3671 |
-0,70929 |
14 |
0,14 |
0,20459 |
4 |
-0,36714 |
0,31714 |
-0,025 |
24 |
0,24 |
0,35073 |
5 |
0,317143 |
1,00143 |
0,659286 |
28 |
0,28 |
0,40919 |
6 |
1,001429 |
1,68571 |
1,343571 |
14 |
0,14 |
0,20459 |
7 |
1,685714 |
2,37 |
2,027857 |
4 |
0,04 |
0,05846 |
∑ |
100 |
1 |
1,46138 | |||
Середина Инт. |
ni |
niXi |
niXi2 |
Xi-x |
ni(Xi-x)3 |
ni(Xi-x)4 |
-2,07786 |
3 |
-6,2336 |
12,95247 |
-2,1829 |
-31,204 |
68,1136 |
-1,39357 |
13 |
-18,116 |
25,24654 |
-1,4986 |
-43,751 |
65,5646 |
-0,70929 |
14 |
-9,93 |
7,043207 |
-0,8143 |
-7,5593 |
6,15554 |
-0,025 |
24 |
-0,6 |
0,015 |
-0,13 |
-0,0528 |
0,00686 |
0,659286 |
28 |
18,46 |
12,17041 |
0,55427 |
4,76788 |
2,6427 |
1,343571 |
14 |
18,81 |
25,27258 |
1,23856 |
26,5997 |
32,9452 |
2,027857 |
4 |
8,11143 |
16,44882 |
1,92284 |
28,4375 |
54,6808 |
Находим оценку математического ожидания случайной величины
Находим - выборочная исправленная дисперсия - статистическая оценка дисперсии случайной величины
Находим выборочное среднеквадратическое отклонение
Ϭ= =0,995171
Находим статистическую оценку 3-центрального момента
Находим оценку асимметрии кривой распределения
Находим статистическую оценку 4-центрального момента
Находим оценку эксцесса кривой распределения
3. По данным таблицы 3 строим
график эмпирических частот – гистограмму.
По внешнему виду графика выдвигаем гипотезу Н0,
что распределение нормальное с мат. ожиданием
=0,105014 и СКО=0,995171. Строим график плотности
нормального распределения НОРМРАСП(*;0,105014;0,995171;
Рисунок 1-Эмпирические и теоретические плотности вероятности.
Вывод: Нормальное распределение показывает соответствие более точно.
4. Если принять гипотезу из п.3, что распределение нормальное, коэффициент асимметрии анализируемого распределения должен быть равен 0. Также должен быть равен 0 коэффициент эксцесса. Гипотезы о коэффициентах асимметрии и эксцесса исходного распределения-эти коэффициенты равны 0, как и положено нормально распределенной случайной величине.
5. Проверка выдвинутой гипотезы с помощью критерия Колмогорова.
Проверка гипотезы с использованием критерия Колмогорова проводится для не сгруппированного статистического ряда следующим образом:
где nx – число наблюдений, при которых наблюдалось значение признака, меньшее х.
- рассчитывается теоретическая
функция распределения
Рисунок 2-Эмперическая функция
и функция нормального
Расчетное значение критерия
определяется как максимальное расхождение
между эмпирической и теоретической
функциями распределения
λ=Δ=0,80559
Критическое значение критерия λα находится из таблицы 4 при заданном уровне значимости α=0,05.
Таблица 4 – Уровни значимости для критерия согласия Колмогорова
α. |
0,999 |
0,99 |
0,95 |
0,9 |
0,5 |
λα |
0,374 |
0,440 |
0,520 |
0,571 |
0,828 |
α. |
0,1 |
0,05 |
0,01 |
0,001 |
0,0001 |
λα |
1,224 |
1,358 |
1,627 |
1,950 |
2,3 |
-Сравниваем с предельными
уровнями статистики
Гипотеза Н0, что распределение нормально, не отвергается по критерию Колмогорова.
6. Проверка выдвинутой гипотезы с помощью критерия Пирсона.
Критерий Пирсона применяется для сгруппированного статистического ряда.
При использовании этого критерия сравниваются статистические и теоретические pi вероятности попадания в интервал . В качестве меры расхождения используется характеристика χ2. Расчетное значение критерия
=5,150853
Теоретические вероятности попадания в интервалы для нормального закона распределения могут быть определены по формуле
Таблица 4-Вспомогательныя таблица для расчета хи-квадрат.
Интервал |
Нач.инт |
Кон.инт |
Середина Инт. |
ni |
ni |
F(начало инт) |
F(конец инт) |
Pi |
(ni-nPi)2/(nPi) |
1 |
-2,42 |
-1,73571 |
-2,07786 |
3 |
0,03 |
0 |
0,032181 |
0,032181 |
0,014784982 |
2 |
-1,73571 |
-1,05143 |
-1,39357 |
13 |
0,13 |
0,032181 |
0,122607 |
0,090425 |
1,73197163 |
3 |
-1,05143 |
-0,36714 |
-0,70929 |
14 |
0,14 |
0,122607 |
0,31759 |
0,194983 |
1,55047991 |
4 |
-0,36714 |
0,317143 |
-0,025 |
24 |
0,24 |
0,31759 |
0,584398 |
0,266808 |
0,26935577 |
5 |
0,317143 |
1,001429 |
0,659286 |
28 |
0,28 |
0,584398 |
0,816143 |
0,231745 |
1,004789249 |
6 |
1,001429 |
1,685714 |
1,343571 |
14 |
0,14 |
0,816143 |
0,94389 |
0,12775 |
0,117353579 |
7 |
1,685714 |
2,37 |
2,027857 |
4 |
0,04 |
0,943899 |
1 |
0,056101 |
0,462117572 |
∑ |
100 |
1 |
1 |
5,150852692 |
Информация о работе Статистическая обработка результатов исследования