Как найти генеральную среднюю статистика

Пусть изучается дискретная
генеральная совокупность относительно
количественного признака X.

Генеральной средней
называют среднее
арифметическое значений признака
генеральной совокупности.

Если все значения x1,
х2,
…, xN
признака генеральной
совокупности объема N
различны, то

.

Если же
значения признака
x1,
х2,
…, xk
имеют
соответственно частоты
N1,
N
2,
…, Nk
,
причем N1
+
N2+…+Nk=N
,то

,

т. е. генеральная средняя есть средняя
взвешенная значений признака с весами,
равными соответствующим частотам.

Замечание.
Пусть генеральная совокупность объема
N
содержит объекты с различными значениями
признака X,
равными
x1,
х2,
…,
xN.
Представим
себе, что из этой совокупности наудачу
извлекается один объект. Вероятность
того, что будет извлечен объект со
значением признака, например x1
очевидно, равна 1/N.
С этой же вероятностью может быть
извлечен и любой другой объект. Таким
образом, величину признака X
можно
рассматривать как случайную величину,
возможные значения которой x1,
х2,
…, xn
имеют одинаковые вероятности, равные
1 /N.
Найдем
математическое ожидание М(Х):

Итак,
если рассматривать обследуемый признак
X
генеральной
совокупности как случайную величину,
то математическое ожидание признака
равно генеральной средней этого признака:

.

Этот вывод мы
получили, считая, что все объекты
генеральной совокупности имеют различные
значения признака. Такой же итог будет
получен, если допустить, что генеральная
совокупность содержит по нескольку
объектов с одинаковым значением признака.

Обобщая
полученный результат на генеральную
совокупность с непрерывным распределением
признака
X,
и в этом
случае определим генеральную среднюю
как математическое ожидание признака:

.

§ 4. Выборочная средняя

Пусть для изучения генеральной
совокупности относительно количественного
признака X
извлечена выборка
объема п.

Выборочной средней
называют среднее
арифметическое значение признака
выборочной совокупности.

Если все значения x1,
х2,
…, xn
признака выборки
объема n
различны, то

Если же значения признака
x1,
х2,
…, xk
имеют соответственно
частоты n1,
n2,
…, nk,
причем п1
+ п
2+…
+ n
k
= n
,
то

,

или

,

т.е. выборочная средняя есть средняя
взвешенная значений признака с весами,
равными соответствующим частотам.

Замечание.
Выборочная средняя, найденная по данным
одной выборки, есть, очевидно, определенное
число. Если же извлекать другие выборки
того же объема из той же генеральной
совокупности, то выборочная средняя
будет изменяться от выборки к выборке.
Таким образом, выборочную среднюю можно
рассматривать как случайную величину,
а следовательно, можно говорить о
распределениях (теоретическом и
эмпирическом) выборочной средней и о
числовых характеристиках этого
распределения (его называют выборочным),
в частности о математическом ожидании
и дисперсии выборочного распределения.

Заметим, что в теоретических
рассуждениях выборочные значения x1,
х2,
…, xn
признака X,
полученные в итоге
независимых наблюдений, также рассматривают
как случайные величины Xl,
X
2,
…, Хn,
имеющие то же
распределение и, следовательно, те же
числовые характеристики, которые имеют
X.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

  • #
  • #
  • #
  • #
  • #
  • #
  • #
  • #
  • #
  • #
  • #
Автор статьи

Эксперт по предмету «Математика»

Задать вопрос автору статьи

Генеральная средняя

Пусть нам дана генеральная совокупность относительно случайной величины $X$. Для начала напомним следующее определение:

Определение 1

Генеральная совокупность — совокупность случайно отобранных объектов данного вида, над которыми проводят наблюдения с целью получения конкретных значений случайной величины, проводимых в неизменных условиях при изучении одной случайной величины данного вида.

Определение 2

Генеральная средняя — среднее арифметическое значений вариант генеральной совокупности.

Пусть значения вариант $x_1, x_2,dots ,x_k$ имеют, соответственно, частоты $n_1, n_2,dots ,n_k$. Тогда генеральная средняя вычисляется по формуле:

Рассмотрим частный случай. Пусть все варианты $x_1, x_2,dots ,x_k$ различны. В этом случае $n_1, n_2,dots ,n_k=1$. Получаем, что в этом случае генеральная средняя вычисляется по формуле:

Выборочная средняя

Пусть нам дана выборочная совокупность относительно случайной величины $X$. Для начала напомним следующее определение:

Определение 3

Выборочная совокупность — часть отобранных объектов из генеральной совокупности.

Определение 4

Выборочная средняя — среднее арифметическое значений вариант выборочной совокупности.

Пусть значения вариант $x_1, x_2,dots ,x_k$ имеют, соответственно, частоты $n_1, n_2,dots ,n_k$. Тогда выборочная средняя вычисляется по формуле:

Рассмотрим частный случай. Пусть все варианты $x_1, x_2,dots ,x_k$ различны. В этом случае $n_1, n_2,dots ,n_k=1$. Получаем, что в этом случае выборочная средняя вычисляется по формуле:

«Средняя выборки: генеральная, выборочная» 👇

!!! В случае, когда значение вариант не являются дискретными, а представляют из себя интервалы, то в формулах для вычисления генеральной или выборочной средних значений за значение $x_i$ принимается значение середины интервала, которому принадлежит $x_i.$

Примеры задач на нахождение средней выборки

Пример 1

В магазин завезли 10 видов шоколадных конфет. По ним проведена следующая выборка по цене за килограмм: 70, 65, 97, 83, 120, 107, 77, 88, 100, 86. Построить ряд распределения данной генеральной совокупности и найти её генеральное среднее.

Решение.

Видим, что все значения вариант различны, поэтому частоты равны единице. Ряд распределения можно записать следующим образом, перечислив значения вариант в порядке возрастания:

Рисунок 1.

Так как наша совокупность является генеральной и все варианты различны, то мы будем пользоваться следующей формулой:

[overline{x_г}=frac{sumlimits^k_{i=1}{x_i}}{n}]

Получим:

[overline{x_г}=frac{65+70+77+83+86+88+97+100+107+120}{10}=89,3]

Ответ: 89,3.

Пример 2

Выборочная совокупность задана следующей таблицей распределения:

Рисунок 2.

Найти среднее выборочное данной совокупности.

Решение.

Для нахождения значения выборочной средней будем пользоваться следующей формулой:

[overline{x_в}=frac{sumlimits^k_{i=1}{x_in_i}}{n}]

Обычно, для наглядности и удобности вычислений составляется расчетная таблица, в которую входят необходимые промежуточные вычисления. В нашем случае составим таблицу со следующей «шапкой»:

Рисунок 3.

Внизу таблицы также добавляется строка «итог», в которой подсчитывается сумма по всем значениям столбцов. Проведя необходимые вычисления, получим следующую расчетную таблицу:

Рисунок 4.

Используя формулу, получим:

[overline{x_в}=frac{sumlimits^k_{i=1}{x_in_i}}{n}=frac{305}{20}=15,25]

Ответ: 15,25.

Пример 3

Проводится социальный опрос среди 100 пенсионеров об уровне их пенсии. Получена следующая таблица распределения результатов опроса (размер пенсии указан в тысячах рублей):

Рисунок 5.

Найти среднее выборочное данной совокупности.

Данная совокупность является выборочной, поэтому будем пользоваться следующей формулой:

[overline{x_в}=frac{sumlimits^k_{i=1}{x_in_i}}{n}]

Составим, для начала, расчетную таблицу.

Рисунок 6.

Получаем:

[overline{x_в}=frac{sumlimits^k_{i=1}{x_in_i}}{n}=frac{964}{100}=9,64]

Ответ: 9,64.

Находи статьи и создавай свой список литературы по ГОСТу

Поиск по теме



3.1. Показатели центральной тенденции

Простейший пример такого показателя нам уже встречался – это среднее арифметическое значение. Но средней

дело не ограничивается, впрочем, обо всём по порядку:

3.1.1. Генеральная и выборочная средняя

Пусть исследуется некоторая генеральная совокупность объёма , а именно её числовая характеристика , не важно, дискретная или непрерывная.

Генеральной средней называют среднее арифметическое всех значений этой совокупности:

Если среди чисел  есть одинаковые (что

характерно для дискретного ряда), то формулу можно записать в более компактном

виде:
, где:
варианта  повторяется  раз;
варианта  –  раз;
варианта  –  раз;

варианта  –  раз.

Живой пример вычисления генеральной средней встретился в Примере 2, но чтобы не занудничать, я даже не буду

напоминать его содержание. Далее.

Как мы помним, обработка всей генеральной совокупности часто затруднена либо невозможна, и поэтому из неё организуют представительную выборку объема , и на основании исследования этой выборки делают вывод обо всей совокупности.

Выборочной средней называется среднее арифметическое всех значений выборки:

и при наличии одинаковых вариант формула запишется компактнее:
 – как сумма произведений вариант  на соответствующие частоты , делённая на объём совокупности .

Выборочная средняя  позволяет достаточно

точно оценить истинное значение , при этом, чем

больше выборка, тем точнее будет эта оценка.

Практику начнём с дискретного вариационного ряда и знакомого условия:

Пример 8

По результатам выборочного исследования  рабочих цеха были установлены их квалификационные разряды: 4, 5, 6, 4, 4, 2, 3, 5, 4,

4, 5, 2, 3, 3, 4, 5, 5, 2, 3, 6, 5, 4, 6, 4, 3.

Это числа из Примера 4, но теперь нам требуется: вычислить выборочную среднюю, и, не отходя от станка, найти моду

и медиану.

Как решать задачу? Если нам даны первичные данные (конкретные варианты ), то их можно тупо просуммировать и разделить результат на объём

выборки:
 – средний квалификационный разряд рабочих

цеха.

Но здесь удобнее составить вариационный ряд:

и использовать «цивилизованную» формулу:

3.1.2. Мода

3. Основные показатели статистической совокупности

| Оглавление |



Приступим к изучению элементов математической статистики, в которой разрабатываются научно обоснованные методы сбора статистических данных и их обработки.

Пусть требуется изучить множество однородных объектов (это множество называют статистической совокупностью) относительно некоторого качественного или количественного признака, характеризующего эти объекты. Например, если имеется партия деталей, то качественным признаком может служить соответствие детали стандартам, а количественным — контролируемый размер детали.

Лучше всего осуществить сплошное обследование, т. е. изучить каждый объект. Однако в большинстве случаев по разным причинам это сделать невозможно. Препятствовать сплошному обследованию может большое число объектов, их недоступность и т. п. Если, например, нужно знать среднюю глубину воронки при взрыве снаряда из опытной партии, то, проводя сплошное обследование, мы должны будем уничтожить всю партию.

Если сплошное обследование невозможно, то из всей совокупности выбирают для изучения часть объектов.

Статистическая совокупность, из которой отбирают часть объектов, называется генеральной совокупностью. Множество объектов, случайно отобранных из генеральной совокупности, называется выборкой.

Число объектов генеральной совокупности и выборки называется соответственно объемом генеральной совокупности и объемом выборки.

Пример. Плоды одного дерева (200 шт.) обследуют на наличие специфического для данного сорта вкуса. Для этого отбирают 10 шт. Здесь 200 —объем генеральной совокупности, а 10 —объем выборки.

Если выборку отбирают по одному объекту, который обследуют и снова возвращают в генеральную совокупность, то выборка называется повторной. Если объекты выборки уже не возвращаются в генеральную совокупность, то выборка называется бесповторной. На практике чаще используется бесповторная выборка. Если объем выборки составляет небольшую долю объема генеральной совокупности, то разница между повторной и бесповторной выборками незначительна

Свойства объектов выборки должны правильно отражать свойства объектов генеральной совокупности, или, как говорят, выборка должна быть репрезентативной (представительной). Считается, что выборка репрезентативна, если все объекты генеральной совокупности имеют одинаковую вероятность попасть в выборку, т. е. выбор осуществляется случайно. Например, для того чтобы оценить будущий урожай, можно сделать выборку из генеральной совокупности еще не созревших плодов и исследовать их характеристики (массу, качество и пр.). Если вся выборка будет взята с одного дерева, то она не будет репрезентативной. Репрезентативная выборка должна состоять из случайно выбранных плодов со случайно выбранных деревьев.

Статистическое распределение выборки. Полигон. Гистограмма

Пусть из генеральной совокупности извлечена выборка, причем Генеральная совокупность и выборка, наблюдалось Генеральная совокупностьраз, Генеральная совокупность раз, Генеральная совокупностьраз и Генеральная совокупность объем выборки. Наблюдаемые значения Генеральная совокупность называются вариантами, а последовательность вариант, записанная в возрастающем порядке,— вариационным рядом. Числа наблюдений Генеральная совокупность называют частотами, а их отношения к объему выборки Генеральная совокупностьГенеральная совокупностьотносительными частотами. Отметим, что сумма относительных частот равна единице:

Генеральная совокупность

Статистическим распределением выборки называют перечень вариант и соответствующих им частот или относительных частот. Статистическое распределение можно задать также в виде последовательности интервалов и соответствующих им частот (непрерывное распределение). В качестве частоты, соответствующей интервалу, принимают сумму частот вариант, попавших в этот интервал.

Заметим, что в теории вероятностей под распределением понимают соответствие между возможными значениями случайной величины и их вероятностями, а в математической статистике — соответствие между наблюдаемыми вариантами и их частотами или относительными частотами.

Пример:

Перейдем от частот к относительным частотам в следующем распределении выборки объема n = 20:

Генеральная совокупность

Найдем относительные частоты:

Генеральная совокупность

Поэтому получаем следующее распределение:

Генеральная совокупность

Для графического изображения статистического распределения используются полигоны и гистограммы.

Для построения полигона в декартовых координатах на оси Ох откладывают значения вариант Генеральная совокупность на оси Оу— значения частот Генеральная совокупность (относительных частот Генеральная совокупность).

Пример:

Рис. 14 представляет собой полигон следующего распределения:

Генеральная совокупность

Полигоном обычно пользуются в случае небольшого количества вариант. В случае большого количества вариант и в случае непрерывного распределения признака чаще строят гистограммы. Для этого интервал, в котором заключены все наблюдаемые значения признака, разбивают на несколько частичных интервалов шириной h и находят для каждого частичного интервала Генеральная совокупность — сумму частот вариант, попавших в і-й интервал. Затем на этих интервалах как на основаниях строят прямоугольники с высотами Генеральная совокупность (или Генеральная совокупность, где n —объем выборки). Площадь i-го частичного прямоугольника равна Генеральная совокупность

Генеральная совокупность

Генеральная совокупность

(или Генеральная совокупность). Следовательно, площадь гистограммы равна сумме всех частот (или относительных частот), т. е. объему выборки (или единице).

Пример:

Рис. 15 показывает гистограмму непрерывного распределения объема n =100, заданного следующей таблицей:

Генеральная совокупность

Оценки параметров генеральной совокупности по ее выборке

Выборка как набор случайных величин

Пусть имеется некоторая генеральная совокупность, каждый объект которой наделен количественным признаком X. При случайном извлечении объекта из генеральной совокупности становится известным значение х признака X этого объекта. Таким образом, мы можем рассматривать извлечение объекта из генеральной совокупности как испытание, X—как случайную величину, а х —как одно из возможных значений X.

Допустим, что из теоретических соображений удалось установить, к какому типу распределений относится признак X. Естественно, возникает задача оценки (приближенного определения) параметров, которыми описывается это распределение. Например, если известно, что изучаемый признак распределен в генеральной совокупности нормально, то необходимо оценить, т. е. приближенно найти математическое ожидание и среднее квадратическое отклонение, так как эти два параметра полностью определяют нормальное распределение.

Обычно в распоряжении исследователя имеются лишь данные выборки генеральной совокупности, например значения количественного признака Генеральная совокупность полученные в результате n наблюдений (здесь и далее наблюдения предполагаются независимыми). Через эти данные и выражают оцениваемый параметр.

Опытные значения признака X можно рассматривать и как значения разных случайных величин Генеральная совокупность с тем же распределением, что и X, и, следовательно, с теми же числовыми характеристиками, которые имеет X. Значит, Генеральная совокупность Величины Генеральная совокупность можно считать независимыми в силу независимости наблюдений. Значения Генеральная совокупность в этом случае называются реализациями случайных величин Генеральная совокупность Отсюда и из предыдущего следует, что найти оценку неизвестного параметра — это значит найти функцию от наблюдаемых случайных величин Генеральная совокупностьГенеральная совокупность которая и дает приближенное значение оцениваемого параметра.

Генеральная и выборочная средние. Методы их расчета

Пусть изучается дискретная генеральная совокупность объема N относительно количественного признака X.

Определение:

Генеральной средней Генеральная совокупность (или а) называется среднее арифметическое значений признака генеральной совокупности.

Если все значения Генеральная совокупность признака генеральной совокупности объема N различны, то

Генеральная совокупность

Если же значения признака Генеральная совокупность имеют соответственно частоты Генеральная совокупность причем Генеральная совокупность то

Генеральная совокупность

или

Генеральная совокупность

Как уже отмечалось (п. 1), извлечение объекта из генеральной совокупности есть наблюдение случайной величины X.

Пусть все значения Генеральная совокупность различны. Так как каждый объект может быть извлечен с одной и той же вероятностью 1/N, то

Генеральная совокупность

т. е.

Генеральная совокупность

Такой же итог следует, если значения Генеральная совокупность имеют соответственно частоты Генеральная совокупность

В случае непрерывного распределения признака X по определению полагают Генеральная совокупность

Пусть для изучения генеральной совокупности относительно количественного признака X произведена выборка объема n.

Определение:

Выборочной средней Генеральная совокупность, называется среднее арифметическое значений признака выборочной совокупности.

Если все значения Генеральная совокупность признака выборки объема n различны, то

Генеральная совокупность

Если же значения признака Генеральная совокупность имеют соответственно частоты Генеральная совокупность причем Генеральная совокупность, то

Генеральная совокупность

или

Генеральная совокупность

Пример:

Выборочным путем были получены следующие данные о массе 20 морских свинок при рождении (в г): 30, 30, 25, 32, 30, 25, 33, 32, 29, 28^27, 36, 31, 34, 30, 23, 28, 31, 36, 30. Найдем выборочную среднюю Генеральная совокупность

Согласно формуле (4.4), имеем:

Генеральная совокупность

Итак, Генеральная совокупность

Далее, не уменьшая общности рассуждений, будем считать значения Генеральная совокупность признака различными.

Разумеется, выборочная средняя для различных выборок того же объема n из той же генеральной совокупности будет получаться, вообще говоря, различной. И это не удивительно — ведь извлечение і-го по счету объекта есть наблюдение случайной величины Генеральная совокупность а их среднее арифметическое

Генеральная совокупность

есть тоже случайная величина.

Таким образом, всевозможные получающиеся выборочные средние есть возможные значения случайной величины Генеральная совокупность, которая называется выборочной средней случайной величиной.

Найдем Генеральная совокупность, пользуясь тем, что Генеральная совокупность (см. п. 1).

С учетом свойств математического ожидания (см. гл. II) получаем:

Генеральная совокупность

Итак, Генеральная совокупность (математическое ожидание выборочной средней) совпадает с а (генеральной средней).

Теперь найдем Генеральная совокупность Так как Генеральная совокупность (п. 1) и Генеральная совокупность независимы, то, согласно свойствам дисперсии (см. гл. II), получаем

Генеральная совокупность

T. e.

Генеральная совокупность

Наконец, отметим, что если варианты Генеральная совокупность—большие числа, то для облегчения вычисления выборочной средней применяют следующий прием. Пусть С — константа.

Так как

Генеральная совокупность

то формулу (4.3) можно преобразовать к виду

Генеральная совокупность

За константу С (так называемый ложный нуль) берут некоторое среднее значение между наименьшим и наибольшим значениями х, (і- 1, 2, …, n).

Пример:

Имеется выборка:

Генеральная совокупность

Требуется найти Генеральная совокупность

Возьмем С =72,00 и вычислим разности Генеральная совокупность

Генеральная совокупность

Их сумма: Генеральная совокупность их среднее арифметическоеГенеральная совокупность Выборочная средняя

Генеральная совокупность

Генеральная и выборочная дисперсии

Для того чтобы охарактеризовать рассеяние значений количественного признака X генеральной совокупности вокруг своего среднего значения, вводят следующую характеристику — генеральную дисперсию.

Определение:

Генеральной дисперсией D, называется среднее арифметическое квадратов отклонений значений признака X генеральной совокупности от генеральной средней Генеральная совокупность

Если все значения Генеральная совокупность признака генеральной совокупности объема N различны, то

Генеральная совокупность

Если же значения признака Генеральная совокупность имеют соответственно
частоты Генеральная совокупность причем Генеральная совокупность то

Генеральная совокупность

Пример:

Генеральная совокупность задана таблицей распределения:

Генеральная совокупность

Найдем генеральную дисперсию.

Согласно формулам (4.1) и (4.7), имеем:

Генеральная совокупность

Генеральным средним квадратическим отклонением (стандартом) называется Генеральная совокупность

Пусть все значения Генеральная совокупностьразличны.

Найдем дисперсию признака X, рассматриваемого как случайная величина:

Генеральная совокупность

Так как Генеральная совокупность(см. п. 2), то

Генеральная совокупность

т. е.

Генеральная совокупность

Таким образом, дисперсия D(X) равна Генеральная совокупность

Такой же итог можно получить, если значения Генеральная совокупность имеют соотвественно частоты Генеральная совокупность

В случае непрерывного распределения признака X по определению полагают

Генеральная совокупность

С учетом формулы (4.8) формула (4.5) (п. 2) перепишется в виде

Генеральная совокупность

откуда Генеральная совокупность или Генеральная совокупность Величина Генеральная совокупность называется средней квадратической ошибкой.

Для того чтобы охарактеризовать рассеяние наблюдаемых значений количественного признака выборки вокруг своего среднего значения Генеральная совокупность вводят выборочную дисперсию.

Определение:

Выборочной дисперсией Генеральная совокупность, называется среднее арифметическое квадратов отклонений наблюдаемых значений признака X от выборочной средней Генеральная совокупность

Если все значения Генеральная совокупностьпризнака выборки объема n различны, то

Генеральная совокупность

Если же значения признака Генеральная совокупность имеют соответственно частоты Генеральная совокупность причем Генеральная совокупность то

Генеральная совокупность

Пример:

Пусть выборочная совокупность задана таблицей распределения:

Генеральная совокупность

Найдем выборочную дисперсию. Согласно формулам (4.4) и (4.10), имеем:

Генеральная совокупность

Выборочным средним квадратическим отклонением (стандартом) называется квадратный корень из выборочной дисперсии:

Генеральная совокупность

В условиях примера 2 получаем, что Генеральная совокупность

Далее, не уменьшая общности рассуждений, будем считать значения Генеральная совокупностьпризнака различными.

Выборочную дисперсию, рассматриваемую нами как случайная величина, будем обозначать Генеральная совокупность

Генеральная совокупность

Теорема:

Математическое ожидание выборочной дисперсии равно Генеральная совокупность т.е.

Генеральная совокупность

Доказательство:

С учетом свойств математического ожидания (см. гл. II) получаем

Генеральная совокупность

Вычислим одно слагаемое Генеральная совокупность Имеем

Генеральная совокупность

Вычислим по отдельности эти математические ожидания.

Согласно свойству I дисперсии (см. гл. И) и формулам (4.2), (4.8) имеем

Генеральная совокупность

Далее, с учетом свойства 4 математического ожидания (см. гл. II)

Генеральная совокупность

но слагаемое этой суммы, у которого второй индекс равен і, т.е. Генеральная совокупность, равно Генеральная совокупность У всех остальных слагаемых Генеральная совокупность индексы разные. Поэтому в силу независимости Генеральная совокупность (см. гл. II)

Генеральная совокупность

Так как имеется n-1 таких слагаемых, то

Генеральная совокупность

В силу свойства 1 дисперсии (см. гл. П) получаем

Генеральная совокупность

Нами уже найден (см. пп. 2 и 3):

Генеральная совокупность

Поэтому

Генеральная совокупность

Таким образом,

Генеральная совокупность

и не зависит от индекса суммирования і. Поэтому

Генеральная совокупность

Что и требовалось доказать.

В заключение этого пункта отметим, что если варианты Генеральная совокупность— большие числа, то для облегчения вычисления выборочной дисперсии Генеральная совокупность, формулу (4.9) преобразуют к следующему виду:

Генеральная совокупность

где С—ложный нуль.

Действительно, с учетом формулы (4.3) имеем

Генеральная совокупность

откуда

Генеральная совокупность

Пример:

Для выборки, указанной в примере 2 из п. 2, найдем Генеральная совокупность (ложный нуль остается прежним С= 72,00)

Генеральная совокупность

Наконец, согласно формуле (4.11)

Генеральная совокупность

Оценки параметров распределения

Одной из задач статистики является оценка параметров распределения случайной величины X по данным выборки. При этом в теоретических рассуждениях считают, что генеральная совокупность бесконечна. Это делается для того, чтобы можно было переходить к пределу при Генеральная совокупность где n — объем выборки. Для оценки параметров распределения X из данных выборки составляют выражения, которые должны служить оценками неизвестных параметров. Например, Генеральная совокупность (см. п. 2) является оценкой генеральной средней, а Генеральная совокупность (см. п. 3) — оценкой генеральной дисперсии Генеральная совокупность Обозначим через Генеральная совокупность оцениваемый параметр, через Генеральная совокупность — оценку этого параметраГенеральная совокупность является выражением^ составленным из Генеральная совокупность (см. п. 1)]. Для того чтобы оценка Генеральная совокупность давала хорошее приближение, она должна удовлетворять определенным требованиям. Укажем эти требования.

Несмещенной называют оценку Генеральная совокупность математическое ожидание которой равно оцениваемому параметру Генеральная совокупность, т. е. Генеральная совокупность в противном случае оценка называется смещенной.

Пример:

Оценка Генеральная совокупность является несмещенной оценкой генеральной средней а, так как Генеральная совокупность (см. п. 2).

Пример:

Оценка Генеральная совокупность является смещенной оценкой генеральной дисперсии Генеральная совокупность так как, согласно установленной выше теореме (см. п. 3),

Генеральная совокупность

Пример:

Наряду с выборочной дисперсией Генеральная совокупность рассматривают еще так называемую исправленную дисперсию Генеральная совокупность которая является также оценкой генеральной дисперсии. Для Генеральная совокупность с учетом установленной выше теоремы (см. п. 3) имеем

Генеральная совокупность

Таким образом, оценка Генеральная совокупность в отличие от оценки Генеральная совокупность является несмещенной оценкой генеральной дисперсии. Явное выражение для Генеральная совокупность имеет вид

Генеральная совокупность

T. e.

Генеральная совокупность

Естественно в качестве приближенного неизвестного параметра брать несмещенные оценки для того, чтобы не делать систематической ошибки в сторону завышения или занижения.

Состоятельной называют такую оценку Генеральная совокупность параметра Генеральная совокупность, что для любого наперед заданного числа Генеральная совокупность вероятность Генеральная совокупность при Генеральная совокупностьстремится к единице*. Это значит, что при достаточно больших n можно с вероятностью, близкой к единице, т. е. почти наверное, утверждать, что оценка Генеральная совокупность отличается от оцениваемого параметра Генеральная совокупность меньше, чем на Генеральная совокупность

Очевидно, такому требованию должна удовлетворять всякая оценка, пригодная для практического использования.

Заметим, что несмещенная оценка Генеральная совокупность будет состоятельной, если при Генеральная совокупность дисперсия стремится к нулю: Генеральная совокупность Это следует из неравенства Чебышева ((2.33) см. § 2.8, п. 1).

Пример:

Как было установлено (см. п. 3), Генеральная совокупность. Отсюда следует, что несмещенная оценка Генеральная совокупность является и состоятельной, так как

Генеральная совокупность

Можно показать, что несмещенная оценка Генеральная совокупность является также состоятельной. Поэтому в качестве оценки генеральной дисперсии принимают исправленную дисперсию. Заметим, что оценки Генеральная совокупность отличаются множителемГенеральная совокупность, который стремится к 1 при Генеральная совокупность. На практике Генеральная совокупность не различают при n > 30.

Для оценки генерального среднего квадратического отклонения используют исправленное среднее квадратическое отклонение, которое равно квадратному корню из исправленной дисперсии:

Генеральная совокупность

Левые части формул (4.12), (4.13), в которых случайные величины Генеральная совокупность заменены их реализациями Генеральная совокупностьвыборочной средней Генеральная совокупность будем обозначать соответственно через Генеральная совокупностьи s

Отметим, что если варианты Генеральная совокупность — большие числа, то для облегчения вычисления Генеральная совокупность формулу для Генеральная совокупность аналогично формуле (4.9) преобразуют к виду

Генеральная совокупность

где С—ложный нуль.

Оценки, обладающие свойствами несмещенности и состоятельности, при ограниченном числе опытов могут отличаться дисперсиями.

Ясно, что чем меньше дисперсия оценки, тем меньше вероятность грубой ошибки при определении приближенного значения параметра. Поэтому необходимо, чтобы дисперсия оценки была минимальной. Оценка, обладающая таким свойством, называется эффективной.

Из отмеченных требований, предъявляемых к оценке, наиболее важными являются требования несмещенности и состоятельности.

Пример:

С плодового дерева случайным образом отобрано 10 плодов. Их массы Генеральная совокупность (в граммах) записаны в первой колонке приведенной ниже таблицы. Обработаем статистические данные выборки. Для вычисления Генеральная совокупность и s пo формулам (4.6) и (4.14) введем ложный нуль С=250 и все необходимые при этом вычисления сведем в указанную таблицу:

Генеральная совокупность

Следовательно,

Генеральная совокупность

Генеральная совокупность

Отсюда Генеральная совокупность

Итак, оценка генеральной средней массы плода равна 243 г со средней квадратической ошибкой 9 г.

Оценка генерального среднего квадратического отклонения массы плода равна 28 г.

Пример:

Через каждый час измерялось напряжение в электросети. Результаты измерений (в вольтах) представлены в следующей таблице:

Генеральная совокупность

Найти оценки для математического ожидания и дисперсии результатов измерений. Оценки для математического ожидания и дисперсии найдем по формулам (6) и (14), положив С=220. Все необходимые вычисления приведены в нижеследующей таблице:

Генеральная совокупность

Следовательно,

Генеральная совокупность

Доверительные интервалы для параметров нормального распределения

Пусть Генеральная совокупность — оцениваемый параметр, Генеральная совокупность — его оценка, составленная из Генеральная совокупность

Если известно, что оценка Генеральная совокупность является несмещенной и состоятельной, то по данным выборки вычисляют значение Генеральная совокупность и считают его приближением истинного значения Генеральная совокупность. При этом среднее квадратическое отклонение (если его вообще вычисляют) оценивает порядок ошибки. Такие оценки называются точечными. Например, в предыдущем параграфе речь шла о точечных оценках генеральной средней и генеральной дисперсии. В общем случае, когда о распределении признака X ничего неизвестно, это уже немало.

Если же о распределении имеется какая-либо информация, то можно сделать больше.

Здесь речь будет идти об оценке параметров а и Генеральная совокупность случайной величины, имеющей нормальное распределение. Это очень важный случай. Например (см. § 2.7), результат измерения имеет нормальное распределение. В этом случае становится возможным применять так называемое интервальное оценивание, к изложению которого мы и переходим.

Пусть Генеральная совокупность — некоторое число. Если выполняется неравенство Генеральная совокупность что можно записать в виде Генеральная совокупностьГенеральная совокупность то говорят, что интервал Генеральная совокупность покрывает параметр Генеральная совокупность. Однако невозможно указать оценку Генеральная совокупность такую, чтобы событие Генеральная совокупность было достоверным, поэтому мы будем говорить о вероятности этого события. Число Генеральная совокупность называется точностью оценки Генеральная совокупность

Определение:

Надежностью (доверительной вероятностью) оценки Генеральная совокупность параметра Генеральная совокупность0 для заданного Генеральная совокупность называется вероятность Генеральная совокупность того, что интервал Генеральная совокупность покроет параметр Генеральная совокупность, т. е.

Генеральная совокупность

Заметим, что после того, как по данным выборки вычислена оценка Генеральная совокупность, событие Генеральная совокупность становится или достоверным, или невозможным, так как интервал Генеральная совокупность или покрывает Генеральная совокупность, или нет. Но дело в том, что параметр Генеральная совокупность нам неизвестен. Поэтому мы называем надежностью Генеральная совокупность уже вычисленной оценки Генеральная совокупность вероятность того, что интервал Генеральная совокупность, найденный для произвольной выборки, покроет Генеральная совокупность. Если мы сделаем много выборок объема n и для каждой из них построим интервал Генеральная совокупность, то доля тех выборок, чьи интервалы покроют Генеральная совокупность, равна Генеральная совокупность.

Иными словами, Генеральная совокупность есть мера нашего доверия вычисленной оценке Генеральная совокупность
Ясно, что, чем меньше число Генеральная совокупность, тем меньше надежность Генеральная совокупность.

Определение:

Доверительным интервалом называется найденный по данным выборки интервал Генеральная совокупность, который покрывает параметр Генеральная совокупность с заданной надежностью Генеральная совокупность.

Надежность Генеральная совокупность обычно принимают равной 0,95 или 0,99, или 0,999.

Конечно, нельзя категорически утверждать, что найденный доверительный интервал покрывает параметр Генеральная совокупность. Но в этом можно быть уверенным на 95% при Генеральная совокупность = 0,95, на 99% при Генеральная совокупность=0,99 и т. д. Это значит, что если сделать много выборок, то для 95% из них (если, например, Генеральная совокупность = 0,95) вычисленные доверительные интервалы действительно покроют Генеральная совокупность.

Доверительный интервал для математического ожидания при известном

Доверительный интервал для математического ожидания при известном Генеральная совокупность

В некоторых случаях среднее квадратическое отклонение о ошибки измерения (а вместе с нею и самого измерения) бывает известно. Например, если измерения осуществляются одним и тем же прибором при одних и тех же условиях.

Итак, пусть случайная величина X распределена нормально с параметрами а и Генеральная совокупность, причем Генеральная совокупность известно. Построим доверительный интервал, покрывающий неизвестный параметр а с заданной надежностью Генеральная совокупность. Данные выборки есть реализации случайных величин Генеральная совокупность имеющих нормальное распределение с параметрами а и Генеральная совокупность (§ 4.2, п. 1). Оказывается, что и выборочная средняя случайная величина Генеральная совокупность тоже имеет нормальное распределение (это мы примем без доказательства). При этом (см. § 4.2, пп. 2, 3)

Генеральная совокупность

Потребуем, чтобы выполнялось соотношение Генеральная совокупность где Генеральная совокупность—заданная надежность. Пользуясь формулой (2.27) (§ 2.7, п. 2), получим

Генеральная совокупность

или

Генеральная совокупность

где

Генеральная совокупность

Найдя из равенства (4.15) Генеральная совокупность можем написать

Генеральная совокупность

Так как Р задана и равна Генеральная совокупность, то окончательно имеем (для получения рабочей формулы выборочную среднюю заменяем на Генеральная совокупность):

Генеральная совокупность

Смысл полученного соотношения таков: с надежностью у можно утверждать, что доверительный интервал Генеральная совокупность покрывает неизвестный параметр а; точность оценки Генеральная совокупность. Здесь число t определяется из равенства Генеральная совокупность(оно следует из Генеральная совокупность по таблице приложения 3.

Как уже упоминалось, надежность Генеральная совокупность обычно принимают равной или 0,95 или 0,99, или 0,999.

Пример:

Признак X распределен в генеральной совокупности нормально с известным Генеральная совокупность = 0,40. Найдем по данным выборки доверительный интервал для а с надежностью Генеральная совокупность = 0,99, если n = 20, Генеральная совокупность = 6,34.

Для Генеральная совокупность находим по таблице приложения 3
t=2,58. Следовательно, Генеральная совокупность. Границы доверительного интервала 6,34 — 0,23 = 6,11 и 6,34 + 0,23 = 6,57. Итак, доверительный интервал (6,11; 6,57) покрывает а с надежностью 0,99.

Доверительный интервал для математического ожидания при неизвестном

Доверительный интервал для математического ожидания при неизвестном Генеральная совокупность.

Пусть случайная величина X имеет нормальное распределение с неизвестными нам параметрами а и Генеральная совокупность. Оказывается, что случайная величина (ее возможные значения будем обозначать через t)

Генеральная совокупность

где n —объем выборки; Генеральная совокупность — выборочная средняя; S—исправленное среднее квадратическое отклонение, имеет распределение, не зависящее от а и Генеральная совокупность. Оно называется распределением Стьюдента*.

Плотность вероятности распределения Стьюдента дается формулой

Генеральная совокупность

где коэффициент Генеральная совокупность зависит от объема выборки.

Потребуем, чтобы выполнялось соотношение

Генеральная совокупность

где Генеральная совокупность—заданная надежность.

Так как S(t, n) — четная функция от t, то, пользуясь формулой
(2.15) (см. § 2.5), получим

Генеральная совокупность

Отсюда

Генеральная совокупность

Следовательно, приходим к утверждению: с надежностью Генеральная совокупность можно утверждать, что доверительный интервал Генеральная совокупность покрывает неизвестный параметр а, точность оценки Генеральная совокупность-. Здесь случайные величины Генеральная совокупность и S заменены неслучайными величинами Генеральная совокупность и s, найденными по выборке.

В приложении 4 приведена таблица значений Генеральная совокупность для различных значений n и обычно задаваемых значений надежности.

Заметим, что при Генеральная совокупность распределение Стьюдента практически не отличается от нормированного нормального распределения
(см. § 2.7, п. 2). Это связано с тем, что Генеральная совокупность

Пример. Признак X распределен в генеральной совокупности нормально. Найдем доверительный интервал для Генеральная совокупность с надежностью Генеральная совокупность =0,99, если Генеральная совокупность Для надежности Генеральная совокупность =0,99 и n = 20 находим по таблице приложения 4 Генеральная совокупность Следовательно, Генеральная совокупность. Концы доверительного интервала 6,34-0,26 =
= 6,08 и 6,34 + 0,26 = 6,60. Итак, доверительный интервал (6,08; 6,60) покрывает Генеральная совокупность с надежностью 0,99.

Доверительный интервал для среднего квадратического отклонения

Для нахождения доверительного интервала для среднего квадратического отклонения Генеральная совокупность будем использовать следующее предложение, устанавливаемое аналогично двум предыдущим (пп. 2 и 3).

С надежностью Генеральная совокупность можно утверждать, что доверительный интервал Генеральная совокупность покрывает неизвестный параметр Генеральная совокупность; точность оценки Генеральная совокупность

В приложении 5 приведена таблица значений Генеральная совокупность для различных значений n и обычно задаваемых значений надежности Генеральная совокупность.

Пример:

Признак X распределен в генеральной совокупности нормально. Найдем доверительный интервал для Генеральная совокупность с надежностью Генеральная совокупность=0,95, если n = 20, s = 0,40.

Для надежности Генеральная совокупность=0,95 и n = 20 находим в таблице приложения 5 q = 0,37. Далее, sq = 0,40 0,37 = 0,15. Границы доверительного интервала 0,40-0,15 = 0,25 и 0,40 + 0,15 = 0,55. Итак, доверительный интервал (0,25; 0,55) покрывает Генеральная совокупность с надежностью 0,95.

Пример:

На ферме испытывалось влияние витаминов на прибавку в массе телят. С этой целью было осмотрено 20 телят одного возраста. Средняя масса их оказалась равной 340 кг, а «исправленное» среднее квадратическое отклонение — 20 кг.

Определим: 1) доверительный интервал для математического ожидания а с надежностью 0,95; 2) доверительный интервал для среднего квадратического отклонения с той же надежностью.

При решении задачи будем исходить из предположения, что данные пробы взяты из нормальной генеральной совокупности.

Решение:

1) Согласно условиям задачи, Генеральная совокупностьn = 20.

Пользуясь распределением Стьюдента, для надежности у=0,95 и n = 20 находим в таблице приложения 4 Генеральная совокупность Следовательно, Генеральная совокупность Границы доверительного интервала 340-9,4 =
= 330,6 и 340 + 9,4 = 349,4. Итак, доверительный интервал (330,6; 349,4) покрывает а с надежностью 0,95.

Можно считать, что в данном случае истинная масса измерена 9 4 достаточно точно (отклонение порядка Генеральная совокупность).

2) Для надежности у =0,95 и n = 20 находим в таблице приложения 5 q = 0,37. Далее, sq = 20 * 0,37 = 7,4. Границы доверительного интервала 20 — 7,4 = 12,6 и 20 + 7,4 = 27,4. Таким образом, 12,6 < Генеральная совокупность < 27,4, откуда можно заключить, что Генеральная совокупность определено неудовлетворительно (отклонение порядка Генеральная совокупность — почти половина!). Чтобы сузить доверительный интервал при той же надежности, необходимо увеличить число проб n.

Примечание. Выше предполагалось, что q<1. Если q> 1, то, учитывая, что Генеральная совокупность>0, получаем 0<Генеральная совокупность<s + sq. Значения q и в этом случае определяются по таблице приложения 5.

Пример:

Признак X генеральной совокупности распределен нормально. По выборке объема n = 10 найдено «исправленное» среднее квадратическое отклонение s = 0,16. Найдем доверительный интервал для Генеральная совокупность с надежностью 0,999.

Для надежности у = 0,999 и n= 10 по таблице приложения 5 находим q=1,80.

Следовательно, искомый доверительный интервал таков’

Генеральная совокупность

или

Генеральная совокупность

Оценка истинного значения измеряемой величины

Пусть проводится n независимых равноточных измерений* некоторой физической величины, истинное значение а которой неизвестно. Будем рассматривать результаты отдельных измерений как случайные величины Генеральная совокупность Эти величины независимы (измерения независимы), имеют одно и то же математическое ожидание а (истинное значение измеряемой величины), одинаковые дисперсии Генеральная совокупность (измерения равноточны) и распределены нормально (такое допущение подтверждается опытом). Таким образом, все предположения, которые были сделаны при выводе доверительных интервалов в пп. 2 и 3 настоящего параграфа, выполняются, следовательно, мы вправе использовать полученные в них предложения. Так как обычно Генеральная совокупность неизвестно, следует пользоваться предложением, найденным в п. 3 данного параграфа.

Пример:

По данным девяти независимых равноточных измерений физической величины найдены среднее арифметическое результатов отдельных измерений Генеральная совокупность и «исправленное» среднее квадратическое отклонение s = 5,0. Требуется оценить истинное значение а измеряемой величины с надежностью у = 0,99.

Истинное значение измеряемой величины равно ее математическому ожиданию. Поэтому задача сводится к оценке математического ожидания (при неизвестном Генеральная совокупность) при помощи доверительного интервала

Генеральная совокупность

покрывающего а с заданной надежностью у=0,99.

Пользуясь таблицей приложения 4 по у=0,99 и n = 9, находим Генеральная совокупность

Найдем точность оценки:

Генеральная совокупность

Границы доверительного интервала

Генеральная совокупность

и

Генеральная совокупность

Итак, с надежностью у=0,99 истинное значение измеренной величины а заключено в доверительном интервале 36,719<а< 47,919.

Оценка точности измерений

В теории ошибок принято точность измерений (точность прибора) характеризовать с помощью среднего квадратического отклонения Генеральная совокупность случайных ошибок измерений. Для оценки Генеральная совокупность используют «исправленное» среднее квадратическое отклонение s. Поскольку обычно результаты измерений независимы, имеют одно и то же математическое ожидание (истинное значение измеряемой величины) и одинаковую дисперсию (в случае равноточных измерений), то утверждение, приведенное в п. 4, применимо для оценки точности измерений.

Пример:

По 16 независимым равноточным измерениям найдено «исправленное» среднее квадратическое отклонение s=0,4. Найдем точность измерений с надежностью у = 0,99.

Как отмечено выше, точность измерений характеризуется средним квадратическим отклонением о случайных ошибок измерений. Поэтому задача сводится к отысканию доверительного интервалаГенеральная совокупность покрывающего Генеральная совокупность с заданной надежностью у=0,99 (см. п. 4). По таблице приложения 5 по у = 0,99 и n=16 найдем q = 0,70. Следовательно, искомый доверительный интервал таков:

Генеральная совокупность

или

Генеральная совокупность

Решение заданий и задач по предметам:

  • Теория вероятностей
  • Математическая статистика

Дополнительные лекции по теории вероятностей:

  1. Случайные события и их вероятности
  2. Случайные величины
  3. Функции случайных величин
  4. Числовые характеристики случайных величин
  5. Законы больших чисел
  6. Статистические оценки
  7. Статистическая проверка гипотез
  8. Статистическое исследование зависимостей
  9. Теории игр
  10. Вероятность события
  11. Теорема умножения вероятностей
  12. Формула полной вероятности
  13. Теорема о повторении опытов
  14. Нормальный закон распределения
  15. Определение законов распределения случайных величин на основе опытных данных
  16. Системы случайных величин
  17. Нормальный закон распределения для системы случайных величин
  18. Вероятностное пространство
  19. Классическое определение вероятности
  20. Геометрическая вероятность
  21. Условная вероятность
  22. Схема Бернулли
  23. Многомерные случайные величины
  24. Предельные теоремы теории вероятностей
  25. Оценки неизвестных параметров

Содержание:

Математическая статистика возникла (XVII в.) и создавалась параллельно с теорией вероятностей. Дальнейшее развитие математической статистики (вторая половина ХІХ и начало ХХ вв.) обязано, в первую очередь, П.Л.Чебышеву, А.А.Маркову, А.М.Ляпунову, а также К.Гауссу, А.Кетле, К.Пирсону и др. В ХХ в. наиболее существенный вклад в математическую статистику был сделан советскими математиками (В.И.Романовский, А.Н.Колмогоров и др.), а также английскими (Стьюдент, Р.Фишер, Э.Пирсон) и американскими (Ю.Нейман,
А.Вальд) учёными.

Установление закономерностей, которым подчинены массовые случайные явления, основано на изучении статистических данных – результатах наблюдений, то есть основу исследований в математической статистике составляют данные наблюдений или опытов над случайными величинами.

Первая задача математической статистики – указать способы сбора и группировки (если данных
очень много) статистических сведений, в том числе определение объёма необходимых экспериментов до начала и в ходе исследования. Вторая задача математической статистики – разработать методы анализа статистических данных, в зависимости от целей исследования.

Изучение тех или иных явлений методами математической статистики служит средством решения многих вопросов, выдвигаемых наукой и практикой (правильная организация технологического процесса, наиболее целесообразное планирование и др.). Итак, задача математической статистики состоит в создании методов сбора и обработки статистических данных для получения научных и практических выводов.
 

Генеральная и выборочная совокупности

Пусть требуется изучить совокупность однородных объектов относительно некоторого качественного или количественного признака, характеризующего эти объекты. Например, если имеется партия деталей, то качественным признаком может служить стандартность детали, а количественным – контролируемый размер детали. Иногда проводят сплошное обследование, то есть обследуют каждый из
объектов совокупности относительно признака, которым интересуются. На практике, однако, сплошное обследование применяется сравнительно редко. Например, если совокупность содержит очень большое число объектов, то провести сплошное обследование физически невозможно. Если обследование объекта связано с его уничтожением или требует больших материальных затрат, то проводить сплошное обследование практически не имеет смысла. В таких случаях случайно отбирают из всей совокупности ограниченное число объектов и
подвергают их изучению.

Выборочной совокупностью, или просто выборкой, называют совокупность случайно отобранных объектов.

Генеральной совокупностью называют совокупность объектов, из которых производится выборка.
 

Объёмом совокупности (выборочной или генеральной) называют число объектов этой совокупности.

Выборочный метод - определение и вычисление с примерами решения

Например, если из 1000 деталей отобрано для обследования 100 деталей, то объём генеральной совокупности N = 1 000, а объём выборки n = 100. Часто генеральная совокупность содержит конечное число объектов. Однако, если это число достаточно велико, то иногда в целях упрощения
вычислений, или для облегчения теоретических выводов, допускают, что генеральная совокупность состоит из бесчисленного множества объектов. Такое допущение оправдывается тем, что увеличение объёма генеральной совокупности (достаточно большого объёма) практически не сказывается на результатах обработки данных выборки. При этом, что важно, для того чтобы по данным выборки можно было достаточно уверенно судить об интересующем нас признаке генеральной совокупности, необходимо, чтобы объекты выборки правильно его представляли. Это требование коротко формулируют так: выборка должна быть репрезентативной (представительной). В силу закона больших чисел можно утверждать, что выборка будет репрезентативной, если её осуществить случайно: каждый объект выборки отобран случайно из генеральной совокупности, при этом все объекты имеют одинаковую вероятность попасть в выборку.

При составлении выборки можно поступать двояко: после того, как объект отобран и над ним произведено наблюдение, он может быть возвращён, либо не возвращён в генеральную совокупность. В соответствии с этим, выборки подразделяют на повторные и бесповторные. Повторной называют выборку, при которой отобранный объект (перед отбором следующего) возвращается в генеральную совокупность. Бесповторной называют выборку, при которой отобранный объект в генеральную совокупность не возвращается. Если объём генеральной совокупности достаточно велик, а выборка составляет лишь незначительную часть этой совокупности, то различие между повторной и бесповторной выборкам стирается; в предельном случае, когда рассматривается бесконечная генеральная совокупность, а выборка имеет конечный объём, это различие исчезает.

На практике применяются различные способы отбора. Принципиально эти способы можно подразделить на два вида:

1. Отбор, не требующий расчленения генеральной совокупности на части. Сюда относится, так называемый, простой случайный отбор (как повторный, так и бесповторный), то есть отбор, при котором объекты извлекают по одному из всей генеральной совокупности.

2. Отбор, при котором генеральная совокупность разбивается на части. Сюда относятся:

  • — типический отбор – отбор, при котором объекты отбираются не из всей генеральной совокупности, а из каждой её «типической» части (например, если детали изготавливают на нескольких станках, то отбор производят не из всей совокупности деталей, произведённых всеми станками, а из продукции каждого станка в отдельности);
  • — механический отбор – отбор, при котором генеральная совокупность «механически» делится на столько групп, сколько объектов должно войти в выборку, и затем из каждой группы отбирается один объект (например, если нужно отобрать 20% изготовленных станком деталей, то отбирают каждую пятую деталь; если требуется отобрать 5% деталей, то отбирают каждую двадцатую деталь и т. д.);
  • — серийный отбор – отбор, при котором объекты отбирают из генеральной совокупности не по одному, а «сериями», которые подвергаются сплошному обследованию. Например, если изделия изготавливаются большой группой станков-автоматов, то подвергают сплошному обследованию продукцию только нескольких станков.

Заметим, что серийным отбором пользуются тогда, когда обследуемый признак колеблется в различных сериях незначительно.
 

Статистическое распределение выборки

В результате статистической обработки материалов можно подсчитать число единиц, обладающих конкретным значением того или иного признака. Каждое отдельное значение признака будем обозначать Выборочный метод - определение и вычисление с примерами решения

Если при изучении результатов выборки отдельные значения признака (варианты) расположим в возрастающем или убывающем порядке и относительно каждой варианты укажем, как часто она встречается в данной совокупности, тополучим статистическое распределение признака, или вариационный ряд. Он характеризует изменение (варьирование) какого-нибудь количественного признака. Следовательно, вариационный ряд представляет собой две строки (или колонки). В одной из них приводятся варианты, в другой – частоты.
 

Вариация признака может быть дискретной и непрерывной:

  1. Дискретной называется вариация, при которой отдельные значения признака (варианты) отличаются друг от друга на некоторую конечную величину (обычно целое число). Например: количество детей в семье; оценки, полученные студентами на экзамене; размеры обуви, проданной магазином за день. Если число элементов вариационного ряда велико, то для удобства его изучения образуют интервальный ряд, группируя значения в интервалы. Для интервального ряда частота i m равна числу значений, наблюдавшихся в i -ом интервале. Длина интервала чаще всего берётся одинаковой.
  2. Непрерывной называется вариация, при которой значения признака могут отличаться одно от другого на сколь угодно малую величину. Например: уровень рентабельности предприятия; процент занятости трудоспособного населения; депозитная ставка коммерческих банков. При непрерывной вариации распределение признака называется интервальным. Частоты относятся не к отдельному значению признака, а ко всему интервалу. Часто значением интервала принимают его середину, то есть центральное значение.

Нередко вместо абсолютных значений частот используют относительные. Для этого можно использовать долю частоты того или иного варианта (а также интервала) в сумме всех частот. Такая величина называется относительной частотой и обозначается w . Для получения относительных частот необходимо соответствующую частоту разделить на сумму всех частот:

Выборочный метод - определение и вычисление с примерами решениягде Выборочный метод - определение и вычисление с примерами решения — относительная частота j -ой варианты или интервала Выборочный метод - определение и вычисление с примерами решения. Сумма
всех относительных частот равна единице:Выборочный метод - определение и вычисление с примерами решения Относительные частоты можно выражать и в процентах, тогда их сумма равна 100%.

В интервальном вариационном ряду в каждом интервале различают нижнюю и верхнюю границы интервала: нижняя граница интервалаВыборочный метод - определение и вычисление с примерами решения ; верхняя граница интервала Выборочный метод - определение и вычисление с примерами решения ; величина интервалаВыборочный метод - определение и вычисление с примерами решения. Как правило, при построении интервальных вариационных рядов в каждый интервал включаются варианты, числовые значения которых больше нижней границы и меньше или равны верхней границе. Интервальные вариационные ряды бывают с одинаковыми и неодинаковыми интервалами. В последнем случае чаще всего встречаются
последовательно увеличивающиеся интервалы. Для выбора оптимальной величины интервала, то есть такой величины, при которой вариационный ряд не будет громоздким и, при этом, будут сохранены все особенности данного явления, можно рекомендовать формулу:

Выборочный метод - определение и вычисление с примерами решениягде n – число единиц в совокупности. Так, если в совокупности 200 единиц, наибольший вариант равен 49,961,
а наименьший – 49,918, то Выборочный метод - определение и вычисление с примерами решения

Другими словами, в данном случае оптимальной величиной интервала может служить 0,005.
 

Гистограмма и полигон статистических распределений

Для наглядности представления вариационного ряда большое значение имеют его графические изображения. Графически вариационный ряд может быть изображён в виде полигона, гистограммы и кумуляты. Полигон распределения (дословно – многоугольник распределения) называют ломанную, которая строится в прямоугольной системе координат. Величина признака Выборочный метод - определение и вычисление с примерами решения откладывается на оси абсцисс, соответствующие частотыВыборочный метод - определение и вычисление с примерами решения (или относительные частоты Выборочный метод - определение и вычисление с примерами решения ) – по оси ординат. Точки Выборочный метод - определение и вычисление с примерами решения Выборочный метод - определение и вычисление с примерами решения       соединяют отрезками прямых и получают полигон распределения. Чаще всего полигоны применяются для изображения дискретных вариационных рядов, но их
можно применять также и для интервальных рядов. В этом случае на оси абсцисс откладываются точки, соответствующие серединам данных интервалов. Гистограммой распределения называют ступенчатую фигуруВыборочный метод - определение и вычисление с примерами решения, состоящую из прямоугольников, основанием которых служат частичные интервалы длиною h, а высоты пропорциональны частотам (или относительным частотам) и равны Выборочный метод - определение и вычисление с примерами решения плотность частоты (илиВыборочный метод - определение и вычисление с примерами решения – плотность относительной частоты). Для построения гистограммы на оси абсцисс откладывают частичные интервалы, а над ними проводят отрезки, параллельные оси абсцисс на расстоянииВыборочный метод - определение и вычисление с примерами решения Заметим, что площадь гистограммы частот (относительных частот) равна сумме всех частот (относительных частот), то есть, равна объему выборки (то есть – единице).
 

Пример №1

Уровень рентабельности предприятий лёгкой промышленности характеризуется следующими данными:

Выборочный метод - определение и вычисление с примерами решения

По приведённым данным построить полигон распределения и гистограмму.
 

Решение. Воспользовавшись определениями, нетрудно построить полигон распределения и гистограмму (см. рис.)

Выборочный метод - определение и вычисление с примерами решения

Кумулятивная кривая (кривая сумм – кумулята) получается при изображении вариационного ряда с накопленными частотами (или относительными частотами) в прямоугольной системе координат. Накопленная частота (или относительная частота) определённой варианты получается суммированием всех частот (относительных частот) вариант, предшествующих данной, с частотой (относительной частотой) этой варианты. При построении кумуляты дискретного признака по оси абсцисс откладывают значения признака (варианты). Ординатами
служат вертикальные отрезки, длина которых пропорциональна накопленной частоте (или относительной частоте) той или иной варианты. Соединением вершин ординат прямыми линиями получаем ломанную (кривую) кумуляту. При построении кумуляты интервального вариационного ряда нижней границе первого интервала соответствует частота (относительная частота), равная нулю, а верхней – вся частота (относительная частота) интервала. Верхней границе второго интервала соответствует накопленная частота (относительная частота) первых двух интервалов (то есть сумма частот (относительных частот) этих интервалов) и т. д.
 

Пример №2

По данным примера 1 построить кумуляту распределения.
 

Решение. Воспользовавшись определением и правилом построения кумуляты интервального вариационного ряда, нетрудно построить кумулятивную кривую данного распределения (см. рисунок).

Выборочный метод - определение и вычисление с примерами решения

Пример №3

В результате эксперимента получены следующие значения случайной величины X

3; 6; 8; 11; 6; 10; 7; 9; 7; 3; 4; 8;
7; 9; 4; 9; 11; 7; 8; 4; 10; 5; 6; 7; 2.
Требуется:

а) составить статистический ряд;

б) построить статистическое распределение;

в) изобразить полигон распределения.
 

Решение. а) Объем выборки n = 25.

Построим статистический ряд данной выборки: в первой строке таблицы укажем все различные значения, принимаемые случайной величиной  X; во второй строке укажем, сколько раз она приняла эти значения.

Выборочный метод - определение и вычисление с примерами решения

б) Найдем статистическое распределение случайной величины X, для чего в табл. 7.2 заменим вторую строку строкой, содержащей относительные частоты Выборочный метод - определение и вычисление с примерами решения

Выборочный метод - определение и вычисление с примерами решения

Контроль:
Выборочный метод - определение и вычисление с примерами решения
в) На плоскости Выборочный метод - определение и вычисление с примерами решенияпостроим точки:

Выборочный метод - определение и вычисление с примерами решения

Соединим их (рис. 7.3). Полученная ломаная – полигон данного распределения.

Выборочный метод - определение и вычисление с примерами решения

Ответ: а) табл. 7.2,     б) табл. 7.3,      в) рис. 7.3.

Пример №4

В результате эксперимента получены следующие значения случайной величины X:
16; 17; 9; 13; 21; 11; 7; 7; 19; 5; 17; 5; 20;
18; 11; 4; 6; 22; 21; 15; 15; 23; 19; 25; 1.
Требуется:

а) построить интервальный статистический ряд, разбив промежуток [0; 25] на 5 промежутков равной длины;

б) построить гистограмму относительных частот.
 

Решение.

а) Объем выборки n = 25. По экспериментальным данным составим таблицу (табл. 7.4). В её первой строке укажем промежутки разбиения: [0; 5), [5; 10), [10; 15), [15; 20) [20; 25].
Во второй строке укажем соответствующие числа Выборочный метод - определение и вычисление с примерами решения  − сколько раз случайная величина X приняла значение из этого промежутка.

Выборочный метод - определение и вычисление с примерами решения

Контроль: 2 + 6 + 3 + 8 + 6 = 25.
По табл. 7.4 составим интервальный статистический ряд, где во второй строке указаны относительные частоты (табл. 7.5).

Выборочный метод - определение и вычисление с примерами решения

б) На оси Ox отложим промежутки:

[0; 5), [5; 10), [10; 15), [15; 20) [20; 25]
интервального    статистического    ряда,  а  на   оси   Выборочный метод - определение и вычисление с примерами решения  –  относительные частоты.    Построив   по  этим   данным   прямоугольники  с  основаниями Выборочный метод - определение и вычисление с примерами решения и высотами  Выборочный метод - определение и вычисление с примерами решения получим ступенчатую фигуру – гистограмму   (рис.7.4)

Выборочный метод - определение и вычисление с примерами решения

Ответ:    а) табл. 7.4; б) рис. 7.5.

Пример №5

Дан статистический ряд 

Выборочный метод - определение и вычисление с примерами решения

Найти статистическую функцию распределения и построить её график.
Решение. Воспользовавшись формулой

Выборочный метод - определение и вычисление с примерами решения
где n – объем выборки; Выборочный метод - определение и вычисление с примерами решения – число выборочных значений, меньших x, вычисляем:

Выборочный метод - определение и вычисление с примерами решения                                            (1) 

Построим график функции Выборочный метод - определение и вычисление с примерами решения

Выборочный метод - определение и вычисление с примерами решения

Ответ:   а) формула (1);  б) рис. 7.5.

Числовые характеристики выборки

В качестве одной из важнейших характеристик вариационного ряда применяют среднюю величину. Математическая статистика различает несколько типов средних величин: арифметическую, геометрическую, гармоническую, квадратическую, кубическую и др. Все перечисленные типы средних могут быть рассчитаны для случаев, когда каждая из вариант вариационного ряда встречается только один раз (тогда средняя называется простой, или невзвешенной) и когда варианты или интервалы повторяются. При этом число повторений вариант или интервалов называют частотой, или статистическим весом, а среднюю, вычисленную с учётом статистического веса, – взвешенной средней.

Для характеристики вариационного ряда один из перечисленных типов средних выбирается не произвольно, а в зависимости от особенностей изучаемого явления и цели, для которой среднее вычисляется.

Практически при выборе того или иного типа средней следует исходить из принципа осмысленности результата при суммировании или при взвешивании. Только тогда средняя применена правильно, когда в результате взвешивания или суммирования получаются величины, имеющие реальный смысл.

Обычно затруднения при выборе типа средней возникают лишь в использовании средней арифметической, или гармонической. Что же касается геометрической и квадратической средних, то их применение обусловлено особыми случаями (см. далее).

Следует иметь в виду, что средняя только в том случае является обобщающей характеристикой, если она применяется к однородной совокупности. В случае использования средней для неоднородных совокупностей можно прийти к неверным выводам. Научной основой статистического анализа является метод статистических группировок, то есть расчленения совокупности на качественно однородные группы.

Все указанные типы средних величин можно получить из формул степенной средней. Если имеются варианты Выборочный метод - определение и вычисление с примерами решения, то среднюю из данных вариант можно рассчитать по формуле простой невзвешенной степенной средней порядкаВыборочный метод - определение и вычисление с примерами решения

При наличии соответствующих частотВыборочный метод - определение и вычисление с примерами решения средняя рассчитывается по формуле взвешенной степенной средней:

Выборочный метод - определение и вычисление с примерами решенияЗдесь Выборочный метод - определение и вычисление с примерами решения – степенная средняя; Выборочный метод - определение и вычисление с примерами решения– показатель степени, определяющий тип средней;
Выборочный метод - определение и вычисление с примерами решения – варианты; Выборочный метод - определение и вычисление с примерами решения – частоты или статистические веса вариантов.
Средняя арифметическая получается из формулы степенной средней при
подстановке значения Выборочный метод - определение и вычисление с примерами решения

Средняя гармоническая получается при подстановке в формулу степенной средней значения Выборочный метод - определение и вычисление с примерами решения

Средняя гармоническая вычисляется тогда, когда средняя предназначается для расчёта сумм слагаемых, обратно пропорциональных величине данного признака, то есть, когда суммированию подлежат не сами варианты, а обратные им величины Выборочный метод - определение и вычисление с примерами решения

Средняя квадратическая получается из формулы степенной средней при подстановке

Средняя квадратическая используется только тогда, когда варианты представляют собой отклонения фактических величин от их средней
арифметической или от заданной нормы.
Средняя геометрическая получается из формулы степенной средней при предельном переходеВыборочный метод - определение и вычисление с примерами решения

  • Выборочный метод - определение и вычисление с примерами решения

Вычисления средней геометрической в значительной мере упрощаются, если воспользоваться логарифмированием. В этом случае получаем:

Таким образом, логарифм средней геометрической есть средняя арифметическая из логарифмов вариант. Средняя геометрическая используется главным образом при изучении динамики. Средние коэффициенты и темпы роста также рассчитывают по формулам средней геометрической. Если вычислить различные типы средних для одного и того же вариационного ряда, то числовые их значения будут различаться. При этом средние по своей величине расположатся в определённом порядке. Наименьшей из перечисленных средних окажется средняя гармоническая, затем геометрическая и т. д., наибольшей будет средняя квадратическая. При этом порядок возрастания средних определяется показателем степени z в формуле степенной средней. Так, при z =1 получаем среднюю гармоническую, при z =0 – геометрическую, при z =1 – арифметическую, при z =  2 – квадратическую:

Выборочный метод - определение и вычисление с примерами решения

В качестве характеристики вариационного ряда используют медиануВыборочный метод - определение и вычисление с примерами решения , то есть такое значение варьирующего признака, которое приходится на середину упорядоченного вариационного ряда. Если в вариационном ряду 2m +1 случаев, то значение признака у случая m +1 будет медианным. Если в ряду чётное число 2m случаев, то медиана равна средней арифметической из двух серединных значений.

Таким образом, медиана рассчитывается по формуле

При расчёте медианы интервального вариационного ряда сначала находят интервал, содержащий медиану, путём использования накопленных частот (или относительных частот). Медианному интервалу соответствует первая из накопленных частот (или относительных частот), превышающая половину всего объёма совокупности. Для нахождения медианы при постоянстве плотности внутри интервала, содержащего медиану, используют формулу:

Выборочный метод - определение и вычисление с примерами решениягде Выборочный метод - определение и вычисление с примерами решениянижняя граница медианного интервала; k – величина медианного интервала; Выборочный метод - определение и вычисление с примерами решения – накопленная частота интервала, предшествующая медианному; Выборочный метод - определение и вычисление с примерами решения – частота медианного интервала.

Медиану можно также определить графически – по кумуляте. Для этого последнюю ординату, пропорциональную суме всех частот (или относительных частот), делят пополам. Из полученной точки восстанавливают перпендикуляр до пересечения с кумулятой. Абсцисса точки пересечения – значение медианы.

Медиана обладает таким свойством: сумма абсолютных величин отклонений вариантов от медианы меньше, чем от любой другой величины (в том числе и от средней арифметической). Другими словами:

Выборочный метод - определение и вычисление с примерами решения

Это свойство медианы можно использовать при проектировании расположения трамвайных и троллейбусных остановок, бензоколонок и т. д.
 

Пример №6

На шоссе 100км имеется 10 гаражей. Для проектирования строительства бензоколонки были собраны данные о числе предполагаемых поездок на заправку с каждого гаража. Результаты обследования приведены в следующей таблице:

Выборочный метод - определение и вычисление с примерами решения

Бензоколонку нужно поставить так, чтобы общий пробег машин на заправку был наименьшим.

Выборочный метод - определение и вычисление с примерами решения

1-й способ:

Если бензоколонку поставить на середине шоссе, то есть на 50-м километре (средняя арифметическая), то пробеги с учётом числа поездок составят

— в одном направлении:

(50-7)-10 +(50-26)-15+ (50-28)-5+ (50-37)-20 +(50-40)-5 +(50-46)-25 = 1310 км;

— в противоположном:

(60 — 50)-15 + (78 — 50)- 30 + (86 — 50)-10 + (92-50)- 65 = 4080 км .

Общий пробег в оба направления окажется равным 5390 км.

2-й способ:

Уменьшения пробега можно достичь, если бензоколонку поставить на 63,85-м километре, то есть на среднем участке шоссе с учётом числа поездок (средняя арифметическая взвешенная). В этом случае пробеги составят по 2475,75 км в оба направления. Таким образом, общий пробег составит 4951,5 км и окажется меньше, чем в первом способе решения, на 438,5 км.
 

3-й способ:

Наилучший результат, то есть минимальный общий пробег, получим, если поставить бензоколонку на 78-м километре, что будет соответствовать медиане. Заметим, что медиана вычислена по формуле: Выборочный метод - определение и вычисление с примерами решенияПри этом вариационный ряд записываем в виде

Выборочный метод - определение и вычисление с примерами решения

Следовательно Выборочный метод - определение и вычисление с примерами решенияТогда пробеги составят 3820 км и 990 км
соответственно. Общий пробег, в этом случае, равен 4810 км, то есть он оказался меньше общих пробегов, рассчитанных в предыдущих способах. Модой Выборочный метод - определение и вычисление с примерами решения называется варианта, наиболее часто встречающаяся в данном вариационном ряду. Для дискретного ряда мода, являющаяся характеристикой вариационного ряда, определяется по частотам вариант и соответствует варианте с наибольшей частотой. В случае интервального распределения с равными интервалами, модальный интервал (то есть интервал, содержащий моду) определяется по наибольшей частоте, а при неравных интервалах – по наибольшей плотности. Мода рассчитывается по формуле:

Выборочный метод - определение и вычисление с примерами решения

где Выборочный метод - определение и вычисление с примерами решения – нижняя граница модального интервала; k – величина модального интервала; Выборочный метод - определение и вычисление с примерами решения – частота модального интервала; Выборочный метод - определение и вычисление с примерами решения – частота интервала, предшествующего модальному;Выборочный метод - определение и вычисление с примерами решения – частота интервала, следующего за модальным.

Вариационные ряды, в которых частоты вариант, равноотстоящих от средней, равны между собой, называются симметричными. Особенность симметричны вариационных рядов состоит в равенстве трёх характеристик – средней арифметической, моды и медианы, то есть:
Выборочный метод - определение и вычисление с примерами решения
(это необходимое, но не достаточное, условие симметричности вариационного ряда). Вариационные ряды, в которых расположение вариант вокруг средней не одинаково, то есть частоты по обе стороны от средней изменяются по-разному, называются асимметричными, или скошенными. Различают асимметрию – левостороннюю и правостороннюю. Средние величины, характеризую вариационный ряд одним числом, не учитывают вариацию признака, между тем эта вариация существует. Для измерения вариации признака в математической статистике применяют ряд способов.

Вариационный размах ( R), или широта распределения, есть разность между наибольшим и наименьшим значениями вариационного ряда:
Выборочный метод - определение и вычисление с примерами решения

Вариационный размах представляет собой величину неустойчивую, чрезвычайно зависящую от случайных обстоятельств; применяется для приблизительной оценки вариации.

Среднее линейное отклонениеВыборочный метод - определение и вычисление с примерами решения (обозначается d ) представляет собой среднюю арифметическую из абсолютных значений отклонений вариант от средней. В зависимости от отсутствия или наличия частот вычисляют среднее линейное отклонение невзвешенное или взвешенное:Выборочный метод - определение и вычисление с примерами решения

Средний квадрат отклонения, или дисперсия (обозначается D) наиболее часто применяется как мера колеблемости признака. Дисперсии невзвешенную и взвешенную вычисляют по формулам: Выборочный метод - определение и вычисление с примерами решенияТаким образом, дисперсия есть средняя арифметическая из квадратов отклонений вариант от их средней арифметической. Квадратный корень из дисперсииВыборочный метод - определение и вычисление с примерами решенияназывается среднеквадратическим отклонением. Обобщающими характеристиками вариационных рядов являются моменты
распределения. Характер распределения можно определить с помощью небольшого количества моментов. Средняя из k — х степеней отклонений вариант x от некоторой постоянной величины A (ложный ноль) называется моментом k -го порядка:Выборочный метод - определение и вычисление с примерами решения

При расчёте средних в качестве весов можно использовать частоты, относительные частоты или вероятности. При использовании в качестве весов частот или относительных частот моменты называются эмпирическими, а при использовании вероятностей – теоретическими. Порядок момента определяется величиной k . Эмпирический момент k -го порядка находится как отношение суммы произведений k -х степеней отклонений вариант Выборочный метод - определение и вычисление с примерами решения от постоянной величины A на соответствующие частоты Выборочный метод - определение и вычисление с примерами решения к сумме частот Выборочный метод - определение и вычисление с примерами решения(объём
выборки), то есть Выборочный метод - определение и вычисление с примерами решения

В зависимости от выбора постоянной величины A различают следующее моменты:

1. Если A= 0, то моменты называются начальными. Будем обозначать их через Выборочный метод - определение и вычисление с примерами решения и вычислять по формуле:

Выборочный метод - определение и вычисление с примерами решения

Тогда:

и так далее. На практике чаще всего используют моменты первых четырёх порядков.

2. Если Выборочный метод - определение и вычисление с примерами решения то моменты называются начальными относительноВыборочный метод - определение и вычисление с примерами решения , обозначаютсяВыборочный метод - определение и вычисление с примерами решенияи рассчитываются по формуле:

Выборочный метод - определение и вычисление с примерами решения

3. ЕслиВыборочный метод - определение и вычисление с примерами решениясредняя), то моменты называются центральными, обозначаются Выборочный метод - определение и вычисление с примерами решения и вычисляются так:

Выборочный метод - определение и вычисление с примерами решения

Тогда 

Выборочный метод - определение и вычисление с примерами решения

Коэффициентом асимметрии Выборочный метод - определение и вычисление с примерами решения называется отношение центрального момента третьего порядка к кубу среднеквадратического отклонения:

Выборочный метод - определение и вычисление с примерами решения

Если полигон вариационного ряда скошен, то есть одна из его ветвей, начиная от вершины, зримо короче другой, то такой ряд называют асимметричным.
Эксцессом называют уменьшенное на три единицы отношение центрального момента четвёртого порядка к четвёртой степени среднеквадратического отклонения:

Выборочный метод - определение и вычисление с примерами решенияКривые распределения, у которых Выборочный метод - определение и вычисление с примерами решения, менее крутые, имеют более плоскую вершину и называются плосковершинными. Кривые распределения, у которых Выборочный метод - определение и вычисление с примерами решения более крутые, имеют более острую вершину и называются островершинными.
 

Выборки и доверительные интервалы

Пусть у нас имеется большое количество предметов, с нормальным распределением некоторых характеристик (например, полный склад однотипных овощей, размер и вес которых варьируется). Вы хотите знать средние характеристики всей партии товара, но у Вас нет ни времени, ни желания измерять и взвешивать каждый овощ. Вы понимаете, что в этом нет необходимости. Но сколько штук надо было бы взять на выборочную проверку?

Прежде, чем дать несколько полезных для этой ситуации формул напомним некоторые обозначения.

Во-первых, если бы мы все-таки промерили весь склад овощей (это множество элементов называется генеральной совокупностью), то мы узнали бы со всей доступной нам точностью среднее значение веса всей партии. Назовем это среднее значение Х ср.ген. — генеральным средним. Мы уже знаем, что нормальное распределение определяется полностью, если известно его среднее значение и отклонение s. Правда, пока мы ни Выборочный метод - определение и вычисление с примерами решения ни s генеральной совокупности не знаем. Мы можем только взять некоторую выборку, замерить нужные нам значения и посчитать для этой выборки как среднее значение Выборочный метод - определение и вычисление с примерами решения так и среднее квадратическое отклонение Выборочный метод - определение и вычисление с примерами решения

Известно, что если наша выборочная проверка содержит большое количество элементов (обычно n больше 30), и они взяты действительно случайным образом, то s генеральной совокупности почти не будет отличаться от Выборочный метод - определение и вычисление с примерами решения

Кроме того, для случая нормального распределения мы можем пользоваться следующими формулами:

С вероятностью 95% Выборочный метод - определение и вычисление с примерами решения

С вероятностью 99% Выборочный метод - определение и вычисление с примерами решения

В общем виде с вероятностью P(t)

Выборочный метод - определение и вычисление с примерами решения

Связь значения t со значением вероятности P(t), с которой мы хотим знать доверительный интервал, можно взять из следующей таблицы: Выборочный метод - определение и вычисление с примерами решения

Таким образом, мы определили, в каком диапазоне находится среднее значение для генеральной совокупности (с данной вероятностью). Если у нас нет достаточно большой выборки, мы не можем утверждать, что генеральная совокупность имеет Выборочный метод - определение и вычисление с примерами решения Кроме того, в этом случае проблематична близость выборки к нормальному распределению. В этом случае также пользуются Выборочный метод - определение и вычисление с примерами решения вместо s в формуле: Выборочный метод - определение и вычисление с примерами решения

но значение t для фиксированной вероятности P(t) будет зависеть от количества элементов в выборке n. Чем больше n, тем ближе будет полученный доверительный интервал к значению, даваемому формулой (1). Значения t в этом случае берутся из другой таблицы (t-критерий Стьюдента), которую мы приводим ниже:

Значения t-критерия Стьюдента для вероятности 0,95 и 0,99

Выборочный метод - определение и вычисление с примерами решения

Пример №7

Из работников фирмы случайным образом отобрано 30 человек. По выборке оказалось, что средняя зарплата (в месяц) составляет 10 тыс. рублей при среднем квадратическом отклонении 3 тыс. рублей. С вероятностью 0,99 определить среднюю зарплату в фирме.

Решение:

По условию имеем Выборочный метод - определение и вычисление с примерами решения Для нахождения доверительного интервала воспользуемся формулой, соответствующей критерию Стьюдента. По таблице для n = 30 и Р = 0,99 находим t = 2,756, следовательно,

Выборочный метод - определение и вычисление с примерами решения

т.е. искомый доверительный интервал Выборочный метод - определение и вычисление с примерами решения Итак, вероятностью 0,99 можно утверждать, что интервал (27484; 32516) содержит внутри себя среднюю зарплату в фирме. Мы надеемся, что Вы будете пользоваться этим методом, при этом не обязательно, чтобы при Вас каждый раз была таблица. Подсчеты можно проводить в Excel автоматически. Находясь в файле Excel, нажмите в верхнем меню кнопку Выборочный метод - определение и вычисление с примерами решения Затем, выберите среди функций тип «статистические», и из предложенного перечня в окошке — СТЬЮДРАСПОБР. Затем, по подсказке, поставив курсор в поле «вероятность» наберите значение обратной вероятности (т.е. в нашем случае вместо вероятности 0,95 надо набирать вероятность 0,05). Видимо, электронная таблица составлена так, что результат отвечает на вопрос, с какой вероятностью мы можем ошибиться. Аналогично в поле «степень свободы» введите значение (n-1) для своей выборки.

Понятие о статистике

«Статистика знает все», — утверждали И. Ильф и Е. Петров в своем знаменитом романе «Двенадцать стульев» и продолжали: «Известно, сколько какой пищи съедает в год средний гражданин республики… Известно, сколько в стране охотников, балерин, станков, собак всех пород, велосипедов, памятников, девушек, маяков и швейных машинок… Как много жизни, полной пыла, страстей и мысли, глядит на нас из статистических таблиц!»

Это ироничное описание дает достаточно точное представление о статистике (от латинского status — состояние) — науке, изучающей, обрабатывающей и анализирующей количественные данные о разнообразнейших массовых явлениях в жизни. Экономическая статистика изучает изменение цен, спроса и предложения товаров, прогнозирует рост и падение производства и потребления. Медицинская статистика изучает эффективность разных лекарств и методов лечения, вероятность возникновения некоторых заболеваний в зависимости от возраста, пола, наследственности, условий жизни, вредных привычек, прогнозирует распространение эпидемий. Демографическая статистика изучает рождаемость, численность населения, его состав (возрастной, национальный, профессиональный). А есть еще статистика финансовая, налоговая, биологическая, метеорологическая…

Статистика имеет многовековую историю. Уже в Древнем мире вели статистический учет населения. Однако случайное толкование статистических данных, отсутствие строгой научной базы статистических прогнозов даже в середине XIX в. еще не позволяли говорить о статистике как науке. Только в XX в. появилась математическая статистика — наука, опирающаяся на законы теории вероятностей. Выяснилось, что статистические методы обработки данных из самых разных областей жизни имеют много общего. Это позволило создать универсальные научно обоснованные методы статистических исследований и проверки статистических гипотез.

Таким образом:

Математическая статистика — это раздел математики, изучающий математические методы обработки и использования статистических данных для научных и практических выводов.

В математической статистике рассматриваются методы, которые дают возможность по результатам экспериментов (статистическим данным) делать определенные выводы вероятностного характера.

Математическая статистика подразделяется на две обширные области: 1) описательная статистика, которая рассматривает методы описания статистических данных, их табличное и графическое представление и пр.; 2) аналитическая статистика (теория статистических выводов), которая рассматривает обработку данных, полученных в ходе эксперимента, и формулировку выводов, имеющих прикладное значение для конкретной области человеческой деятельности. Теория статистических выводов тесно связана с теорией вероятностей и базируется на ее математическом аппарате. Среди основных задач математической статистики можно отметить следующие. 1. Оценка вероятности. Пусть некоторое случайное событие имеет вероятность p > 0, но ее значение нам неизвестно. Требуется оценить эту вероятность по результатам экспериментов, то есть решить задачу об оценке вероятности через частоту.

Оценка закона распределения:

Исследуется некоторая случайная величина, точное выражение для закона распределения которой нам неизвестно. Необходимо по результатам экспериментов найти приближенное выражение для функции, задающей закон распределения.

Оценка числовых характеристик случайной величины (например, математического ожидания ).

Проверка статистических гипотез (предположений).

Исследуется некоторая случайная величина. Исходя из определенных рассуждений, выдвигается, например, гипотеза о распределении этой случайной величины. Необходимо по результатам экспериментов принять или отвергнуть эту гипотезу. Результаты исследований, проводимых методами математической статистики, применяются для принятия решений. В частности, при планировании и организации производства, при контроле качества продукции, при выборе оптимального времени наладки или замены действующей аппаратуры (например, при определении времени замены двигателя самолета, отдельных частей станков и т. д.). Как и в каждой науке, в статистике используются свои специфические термины и понятия. Некоторые из них приведены в табл. 37. Запоминать их определения необязательно, достаточно понимать их смысл.

Выборочный метод - определение и вычисление с примерами решения

Выборочный метод - определение и вычисление с примерами решения

Генеральная совокупность и выборка

Для изучения различных массовых явлений проводятся специальные статистические исследования. Любое статистическое исследование начинается с целенаправленного сбора информации об изучаемом явлении или процессе. Этот этап называют этапом статистических наблюдений.

Для получения статистических данных в результате наблюдений похожие элементы некоторой совокупности сравнивают по разным признакам. Например, учащихся 11 классов можно сравнивать по росту, размеру одежды, успеваемости и пр. Болты можно сравнивать по длине, диаметру, массе, материалу и другим характеристикам. Практически любой признак или непосредственно измеряется, или может получить условную числовую характеристику (см. пример с выпадением «герба» или «числа» при подбрасывании монеты).

Таким образом, некоторый признак элементов совокупности можно рассматривать как величину, принимающую те или иные числовые значения. При изучении реальных явлений часто бывает невозможно обследовать все элементы совокупности.

Например, практически невозможно выяснить размеры обуви у всех людей планеты. А проверить, например, наличие листов некачественной фотобумаги в большой партии хотя и реально, но бессмысленно, потому что полная проверка приведет к уничтожению всей партии бумаги. В подобных случаях вместо изучения всех элементов совокупности, называемой генеральной совокупностью, обследуют ее значительную часть, выбранную случайным образом. Эту часть называют выборкой, а число элементов в выборке называется объемом выборки. Eсли в выборке все основные признаки генеральной совокупности представлены в той же пропорции и с той же относительной частотой, с которой данный признак выступает в данной генеральной совокупности, то эту выборку называют репрезентативной (от французского représentatif — показательный).

Иными словами, репрезентативная выборка представляет собой меньшую по размеру, но точную модель той генеральной совокупности, которую она должна отражать. В той степени, в какой выборка является репрезентативной, выводы, основанные на изучении этой выборки, можно с большой долей уверенности считать применимыми ко всей генеральной совокупности.

Понятие репрезентативности отобранной выборки не означает ее полного представительства по всем признакам генеральной совокупности, поскольку это практически обеспечить невозможно. Отобранная из всей совокупности часть должна быть репрезентативной относительно тех признаков, которые изучаются.

Чтобы выборка была репрезентативной, она должна быть выделена из генеральной совокупности случайным образом. Этого можно достичь различными способами.

Чаще всего используют следующие виды выборок:

  1. собственно-случайную;
  2. механическую;
  3. типическую;
  4. серийную.

Кратко охарактеризуем каждую из них.

1) Члены генеральной совокупности можно предварительно занумеровать и каждый номер записать на отдельной карточке. После тщательного перемешивания будем отбирать наугад из пачки таких карточек по одной и таким образом получим выборочную совокупность любого нужного объема, которая называется собственно-случайной выборкой. Номера на отобранных карточках укажут, какие члены генеральной совокупности попали в выборку. (Заметим, что при этом возможны два принципиально различных способа отбора карточек в зависимости от того, возвращается или не возвращается обратно вынутая карточка после записи ее номера.) Собственно-случайную выборку заданного объема п можно образовать и с помощью так называемых таблиц случайных чисел или генератора случайных чисел на компьютере. При образовании собственно-случайной выборки каждый член генеральной совокупности с одинаковой вероятностью может попасть в выборку.

2) Выборка, в которую члены из генеральной совокупности отбираются через определенный интервал, называется механической. Например, если объем выборки должен составлять 5% объема генеральной совокупности (5%-ная выборка), то отбирается ее каждый 20-й член, при 10%-ной выборке — каждый 10-й член генеральной совокупности и т. д. Механическую выборку можно образовать, если имеется определенный порядок следования членов генеральной совокупности, например, если они следуют друг за другом в определенной последовательности во времени. Именно так появляются изготовленные на станке детали, приборы, сошедшие с конвейера, и т. п. При этом необходимо убедиться, что в следующих один за другим членах генеральной совокупности значения признака не изменяются с той же (или кратной ей) периодичностью, что и периодичность отбора элементов в выборку. Например, пусть из продукции металлообрабатывающего станка в выборку попадает каждая пятая деталь, а после каждой десятой детали рабочий производит смену (или заточку) режущего инструмента и наладку станка. Эти операции рабочего направлены на улучшение качества деталей (износ режущего инструмента происходит более или менее равномерно). Следовательно, в выборочную совокупность попадут детали, на качество которых работа станка влияет в одну и ту же сторону, и значения признака выборочной совокупности могут неправильно отразить соответствующие значения признака генеральной совокупности.

3) Если из предварительно разбитой на непересекающиеся группы генеральной совокупности образовать собственно-случайные выборки из каждой группы (с повторным или бесповторным отбором членов), то отобранные элементы составят выборочную совокупность, которая называется типической.

4) Если генеральную совокупность предварительно разбить на непересекающиеся серии (группы), а затем, рассматривая серии как элементы, образовать собственно-случайную выборку (с повторным или бесповторным отбором серий), то все члены отобранных серий составят выборочную совокупность, которая называется серийной. Например, пусть на заводе 150 станков (10 цехов по 15 станков) производят одинаковые изделия. Если в выборку отбирать изделия из тщательно перемешанной продукции всех 150 станков, то образуется собственно-случайная выборка. Но можно отбирать изделия отдельно из продукции первого, второго и т. д. станков. Тогда будет образована типическая выборка. Если же членами генеральной совокупности считать цеха и сначала образовать собственно-случайную выборку цехов, а потом в каждом из отобранных цехов взять все произведенные изделия, то все отобранные изделия (из всех отобранных цехов) составят серийную выборку. Как уже отмечалось, практически любой изучаемый признак X может быть непосредственно измерен или получить числовую характеристику. Поэтому первичные экспериментальные данные, характеризующие выделенную выборку, обычно представлены в виде набора чисел, записанных исследователем в порядке их поступления. Количество (n) чисел в этом наборе — объем выборки, а численность (m) варианты (одного из значений элементов выборки) называют частотой варианты. Отношение m n называют относительной частотой (W) варианты.

Используя эти понятия, запишем соотношение между ними в репрезентативной выборке.

Пусть S — объем генеральной совокупности, n — объем репрезентативной выборки, в которой k значений исследуемых признаков распределены по частотамВыборочный метод - определение и вычисление с примерами решения. Тогда в генеральной совокупности частотам Выборочный метод - определение и вычисление с примерами решения будут соответствовать частоты Выборочный метод - определение и вычисление с примерами решения тех же значений признака, что и в выборке Выборочный метод - определение и вычисление с примерами решенияПо определению репрезентативной выборки получаем:Выборочный метод - определение и вычисление с примерами решения , где і — порядковый номер значения признака Выборочный метод - определение и вычисление с примерами решенияИз этого соотношения находим:

Выборочный метод - определение и вычисление с примерами решения

Пример №8

Обувной цех должен выпустить 1000 пар кроссовок молодежного фасона. Для того чтобы определить, сколько кроссовок и какого размера необходимо выпустить, были выявлены размеры обуви у 50 случайным образом выбранных подростков. Распределение размеров обуви по частотам представлено в таблице:

Выборочный метод - определение и вычисление с примерами решения

Сколько кроссовок разного размера будет изготавливать фабрика?

Решение:

Выборочный метод - определение и вычисление с примерами решенияБудем считать рассмотренную выборку объемом n = 50 подростков репрезентативной. Тогда в генеральной совокупности (объемом S = 1000) количество кроссовок каждого размера пропорционально количеству кроссовок соответствующего размера в выборке (и для каждого размера находится по формуле (1)). Результаты расчетов будем записывать в таблицу:

Выборочный метод - определение и вычисление с примерами решения

Ответ:

Выборочный метод - определение и вычисление с примерами решения

В сельском хозяйстве для определения количественного соотношения продукции разного сорта пользуются так называемым выборочным

методом. Суть этого метода будет ясна из описания следующего опыта, теоретическую основу которого составляет закон больших чисел. В коробке тщательно перемешан горох двух сортов: зеленый и желтый. Небольшой емкостью, например ложкой, вынимают из разных мест коробки порции гороха. В каждой порции подсчитывают число М желтых горошин и число n всех горошин. Для каждой порции находят относительную частоту появления желтой горошины Выборочный метод - определение и вычисление с примерами решенияТак делают k раз (на практике обычно берут 5 < k < 10) и каждый раз вычисляют относительную частоту. За статистическую вероятность извлечения желтой горошины из коробки принимают среднее арифметическое полученных относительных частот Выборочный метод - определение и вычисление с примерами решения

Выборочный метод - определение и вычисление с примерами решения

Табличное и графическое представление данных. Числовые характеристики рядов данных

Ранжирование ряда данных:

Под ранжированием ряда данных понимают расположение элементов этого ряда в порядке возрастания (имеется в виду, что каждое следующее число или больше, или не меньше предыдущего).

Пример:

Если ряд данных выборки имеет вид 5, 3, 7, 4, 6, 4, 6, 9, 4, то после ранжирования он превращается в ряд 3, 4, 4, 4, 5, 6, 6, 7, 9. (*)

Размах выборки (R)

Размах выборки — это разность между наибольшим и наименьшим значениями величины в выборке.

Для ряда (*) размах выборки: R = 9 – 3 = 6.

Мода (Mo)

Мода — это значение элемента выборки, встречающееся чаще остальных.

В ряду (*) значение 4 встречается чаще всего, итак, Mo = 4.

Медиана (Me)

Медиана — это так называемое серединное значение упорядоченного ряда значений: — если количество чисел в ряду нечетное, то медиана — это число, записанное посередине; — если количество чисел в ряду четное, то медиана — это среднее арифметическое двух чисел, стоящих посередине.

Для ряда (*), в котором 9 членов, медиана — это среднее (то есть пятое) число 5: Me = 5. Если рассмотреть ряд 3, 3, 4, 4, 4, 5, 6, 6, 7, 9, в котором 10 членов, то медиана — это среднее арифметическое пятого и шестого членов: Выборочный метод - определение и вычисление с примерами решения

Среднее значение Выборочный метод - определение и вычисление с примерами решения выборки

Средним значением выборки называется среднее арифметическое всех чисел ряда данных выборки. Если в ряду данных записаны значения Выборочный метод - определение и вычисление с примерами решения (среди которых могут быть и одинаковые), то Выборочный метод - определение и вычисление с примерами решения

Если известно, что в ряду данных различные значения Выборочный метод - определение и вычисление с примерами решения встречаются соответственно с частотами Выборочный метод - определение и вычисление с примерами решения (тогда Выборочный метод - определение и вычисление с примерами решения то среднее арифметическое можно вычислить по формуле Выборочный метод - определение и вычисление с примерами решения

Пусть ряд данных задан таблицей распределения его различных значений по частотам M:

Выборочный метод - определение и вычисление с примерами решения

Тогда по формуле (**) Выборочный метод - определение и вычисление с примерами решенияили по другой формуле

Выборочный метод - определение и вычисление с примерами решения

Табличное и графическое представление данных. Полигоны частот

Как уже отмечалось, практически любой изучаемый признак X может быть непосредственно измерен или получить числовую характеристику. Поэтому первичные экспериментальные данные, характеризующие выделенную выборку, обычно представлены в виде набора чисел, записанных исследователем в порядке их поступления.

Если данных много, то полученный набор чисел трудно обозрим и сделать по нему какие-то выводы очень сложно. Поэтому первичные данные нуждаются в обработке, которая обычно начинается с их группировки. Группировка выполняется различными методами в зависимости от целей исследования, вида изучаемого признака и количества экспериментальных данных (объема выборки). Наиболее часто группировка сводится к представлению данных в виде таблиц, в которых различные значения элементов выборки упорядочены по возрастанию и указаны их частоты (то есть количество каждого элемента в выборке).

При необходимости в этой таблице указывают также относительные частоты для каждого элемента, записанного в первой строке. Такую таблицу часто называют рядом распределения (или вариационным рядом). Например, пусть при изучении размера обуви 30 мальчиков 11 класса получили набор чисел (результаты записаны в порядке опроса): 39; 44; 41; 39; 40; 41; 45; 42; 44; 41; 41; 43; 42; 43; 41; 44; 42; 38; 40; 38; 41; 40; 42; 43; 42; 41; 43; 40; 40; 42. Чтобы удобнее было анализировать информацию, в подобных ситуациях числовые данные сначала ранжируют, располагая их в порядке возрастания (когда каждое следующее число или больше, или не меньше предыдущего). В результате ранжирования получаем следующий ряд: 38; 38; 39; 39; 40; 40; 40; 40; 40; 41; 41; 41; 41; 41; 41; 41; 42; 42; 42; 42; 42; 42; 43; 43; 43; 43; 44; 44; 44; 45. Затем составляем таблицу, в первой строке которой указаны все различные значения полученного ряда данных (X  размер обуви выбранных 30 мальчиков 11 класса), а во второй строке — их частоты М:

Выборочный метод - определение и вычисление с примерами решения

Получаем ряд распределения рассматриваемого признака X по частотам. Иногда удобно проводить анализ ряда распределения на основе его графического изображения. Отметим на координатной плоскости точки с координатамиВыборочный метод - определение и вычисление с примерами решенияВыборочный метод - определение и вычисление с примерами решенияи соединим их последовательно отрезками (рис. 23.1). Полученную ломаную линию называют полигоном частот.

Итак, полигоном частот называют ломаную, отрезки которой последовательно соединяют точки с координатами Выборочный метод - определение и вычисление с примерами решения, где Выборочный метод - определение и вычисление с примерами решения — значения различных элементов ряда данных, а Выборочный метод - определение и вычисление с примерами решения — соответствующие им частоты. Аналогично определяется и строится полигон относительных частот для рассматриваемого признака X (строятся точки с координатамиВыборочный метод - определение и вычисление с примерами решения — значения различных элементов ряда данных, а Выборочный метод - определение и вычисление с примерами решения — соответствующие им относительные частоты.

Выборочный метод - определение и вычисление с примерами решения

Если вычислить относительные частоты для каждого из различных значений ряда данных, рассмотренного в начале этого пункта, то распределение значений рассматриваемого признака X по относительным частотам можно задать таблицей:

Выборочный метод - определение и вычисление с примерами решения

Распределение значений рассматриваемого признака X по относительным частотам можно представить также в виде полигона относительных частот (рис. 23.2), в виде линейной диаграммы (рис. 23.3) или в виде круговой диаграммы, предварительно записав значения относительной частоты в процентах (рис. 23.4).

Выборочный метод - определение и вычисление с примерами решения

Напомним, что для построения круговой диаграммы круг разбивается на секторы, центральные углы которых пропорциональны относительным частотам, вычисленным для каждого из различных значений ряда данных. Обратим внимание, что круговая диаграмма сохраняет свою наглядность и выразительность только при небольшом количестве полученных секторов. В противном случае ее применение малоэффективно. Если рассматриваемый признак принимает много различных значений, то его распределение можно лучше себе представить после разбиения всех значений ряда данных на классы.

Количество классов может быть любым, удобным для исследования (обычно от 4 до 12). При этом величины (объемы) классов должны быть одинаковыми. Например, в следующей таблице представлены сведения о заработной плате 100 рабочих одного предприятия (в некоторых условных единицах). При этом значения зарплаты (округлены до целого числа условных единиц) сгруппированы в 7 классов, каждый объемом в 100 условных единиц.

Выборочный метод - определение и вычисление с примерами решения

(проверка: Выборочный метод - определение и вычисление с примерами решения = 100) Наглядно частотное распределение зарплат по классам можно представить с помощью полигона частот (рис. 23.5) или столбчатой диаграммы (рис. 23.6).

Выборочный метод - определение и вычисление с примерами решения

Числовые характеристики рядов данных. Размах, мода и медиана ряда данных

Иногда выборку случайных величин или всю генеральную совокупность этих величин приходится характеризовать одним числом. На практике это необходимо, например, для быстрого сравнения двух или больше совокупностей по общему признаку. Рассмотрим конкретный пример. Пусть после летних каникул провели опрос 10 девочек и 9 мальчиков одного класса о количестве книг, прочитанных ими за каникулы. Результаты были записаны в порядке опроса. Получили следующие ряды чисел:

  • для девочек: 4, 3, 5, 3, 8, 3, 12, 4, 5, 5;
  • для мальчиков: 5, 3, 3, 4, 6, 4, 4, 7, 4.

Как уже отмечалось, чтобы удобнее было анализировать информацию, в подобных случаях числовые данные ранжируют, располагая их в порядке возрастания (когда каждое следующее число или больше, или не меньше предыдущего). В результате ранжирования получили следующие ряды:

  • для девочек: 3, 3, 3, 4, 4, 5, 5, 5, 8, 12; (1)
  • для мальчиков: 3, 3, 4, 4, 4, 4, 5, 6, 7. (2)

Тогда распределение по частотам M величин: X — число книг, прочитанных за каникулы девочками, и Y — число книг, прочитанных за каникулы мальчиками, можно задать таблицами:

Выборочный метод - определение и вычисление с примерами решения

Эти распределения можно проиллюстрировать также графически с помощью полигона частот (рис. 23.7, а, б).

Выборочный метод - определение и вычисление с примерами решения

Для сравнения рядов (1) и (2) используют различные характеристики. Приведем некоторые из них. Размахом ряда чисел (обозначается R) называют разность между наибольшим и наименьшим из этих чисел. Поскольку мы анализируем выборку некоторых величин, то размах выборки — это разность между наибольшим и наименьшим значениями величины в выборке.

Для ряда (1) размах R = 12 – 3 = 9, а для ряда (2) размах R = 7 – 3 = 4. На графике размах — это длина области определения полигона частот (рис. 23.7). Одной из статистических характеристик ряда данных является его мода (обозначается Mo, от латинского слова modus — мера, правило).

Мода — это значение элемента выборки, встречающееся чаще остальных.

Так, в ряду (1) две моды — числа 3 и 5: Выборочный метод - определение и вычисление с примерами решения = 5, а в ряду (2) одна мода — число 4: Mo = 4. На графике мода — это значение абциссы точки, в которой достигается максимум полигона частот (см. рис. 23.7). Отметим, что моды может и не быть, если все значения рассматриваемого признака встречаются одинаково часто. Моду ряда данных обычно находят тогда, когда хотят выяснить некоторый типовой показатель. Например, когда изучают данные о моделях мужских рубашек, проданных в определенный день в универмаге, то удобно использовать такой показатель, как мода, который характеризует модель, пользующуюся наибольшим спросом (собственно, этим и объясняется название «мода»). Еще одной статистической характеристикой ряда данных является его медиана. Медиана — это так называемое серединное значение упорядоченного ряда значений (обозначается Me). Медиана делит упорядоченный ряд данных на две равные по количеству элементов части.

Если количество чисел в ряду нечетное, то медиана — это число, записанное посередине. Например, в ряду (2) нечетное количество элементов (n = 9). Тогда его медианой является число, стоящее посередине, то есть на пятом месте: Me =4

Выборочный метод - определение и вычисление с примерами решения

Следовательно, о мальчиках можно сказать, что одна половина из них прочитала не больше 4 книг, а вторая — не меньше 4 книг. (Отметим, что в случае нечетного n номер среднего члена ряда равен Выборочный метод - определение и вычисление с примерами решения

Если количество чисел в ряду четное, то медиана — это среднее арифметическое двух чисел, стоящих посередине. Например, в ряду (1) четное количество элементов (n = 10). Тогда его медианой является число, равное среднему арифметическому чисел, стоящих посередине, то есть на пятом и шестом местах:Выборочный метод - определение и вычисление с примерами решения

Выборочный метод - определение и вычисление с примерами решения

Следовательно, о девочках можно сказать, что одна половина из них прочитала меньше 4,5 книги, а вторая — больше 4,5 книги. (Отметим, что в случае четного n номера средних членов ряда равны Выборочный метод - определение и вычисление с примерами решения

Среднее значение выборки

Средним значением выборки (обозначается Выборочный метод - определение и вычисление с примерами решенияназывается среднее арифметическое всех чисел ряда данных выборки. Если в ряду данных записаны значения Выборочный метод - определение и вычисление с примерами решения(среди которых могут быть и одинаковые), тоВыборочный метод - определение и вычисление с примерами решения

Если известно, что в ряду данных различные значения Выборочный метод - определение и вычисление с примерами решения встречаются соответственно с частотами Выборочный метод - определение и вычисление с примерами решения (тогда ∑M = n ), то, заменяя одинаковые слагаемые в числителе на соответствующие произведения, получаем, что среднее арифметическое можно вычислять по формуле

Выборочный метод - определение и вычисление с примерами решения

Последнюю формулу удобно использовать в тех случаях, когда в выборке распределение величины по частотам задано в виде таблицы. Напомним, что распределение по частотам M величин: X — число книг, прочитанных за каникулы девочками, и Y — число книг, прочитанных за каникулы мальчиками, было задано такими таблицами:

Выборочный метод - определение и вычисление с примерами решения

Тогда средние значения заданных выборок равны:

Выборочный метод - определение и вычисление с примерами решения

Поскольку Выборочный метод - определение и вычисление с примерами решения то можно сказать, что за один и тот же промежуток времени девочки в классе читают книг больше, чем мальчики. Обратим внимание, что в пособиях по статистике моду, медиану и среднее значение выборки объединяют одним термином — меры центральной тенденции, подчеркивая тем самым возможность охарактеризовать ряд выборки одним числом. Не для каждого ряда данных имеет смысл формально находить центральные тенденции.

Например, если исследуется ряд 5, 5, 8, 110 (5) годовых доходов четырех людей (в тыс. у. е.), то очевидно, что ни мода (5), ни медиана (6,5), ни среднее значение (32) не могут выступать в роли единой характеристики всех значений ряда данных. Это объясняется тем, что размах ряда (105) является соизмеримым с наибольшим из его значений. В данном случае можно искать центральные тенденции, например, для части ряда (5): 5, 5, 8, условно назвав его выборкой годового дохода низкооплачиваемой части населения. Если в выборке среднее значение существенно отличается от моды, то его нецелесообразно выбирать в качестве типичной характеристики рассматриваемой совокупности данных (чем больше значение моды отличается от среднего значения, тем «более несимметричным» является полигон частот совокупности).

Сведения из истории:

Элементарные задачи, которые позднее были отнесены к стохастике, то есть к комбинаторике, теории вероятностей и математической статистике, ставились и решались еще во времена Древних Египта, Греции и Рима. Этот период так называемой предыстории теории вероятностей заканчивается в XVI в. работами итальянских математиков Д. Кардано (1501–1576) «Книга об игре в кости», Н. Тартальи (1499–1557) «Общий трактат о числе и мере», Г. Г а л и л е я (1564–1642) «О выпадении очков при игре в кости» и др. В этих работах уже фигурирует понятие вероятности, используется теорема о вероятности произведения независимых событий, высказываются некоторые соображения относительно так называемого закона больших чисел. В XVII–XVIII вв. вопросами теории вероятностей заинтересовались французские математики П. Ферма (1601–1665) и Б. Паскаль (1623–1662), нидерландский математик X. Гюйгенс (1629– 1695), швейцарские математики Я. Бернулли (1654–1705), И. Бернулли (1687–1759), Д. Бернулли (1700–1782) и российский математик Л. Эйлер (1707–1783). В своих работах они уже использовали теоремы сложения и умножения вероятностей, понятия зависимых и независимых событий, математического ожидания. Большую роль в распространении идей теории вероятностей и математической статистики в России сыграли выдающиеся российские математики  В. Я. Буняковский (1804–1889) и М. В. Остроградский (1801–1862). Дальнейшее развитие теории вероятностей потребовало уточнения основных ее положений. Большую работу в этом направлении провел выдающийся российский математик П. Л. Чебышёв (1821–1894). Его ученик А. А. Марков (1856– 1922) стал выдающимся математиком именно благодаря своим исследованиям в теории вероятностей.

Книга А. А. Маркова «Исчисление вероятностей», первое издание которой вышло в 1900 г., а четвертое — в 1924 г., в течение многих лет была лучшей из тех, по которым учились российские математики. В этой книге, в частности, раскрывается, в каком понимании статистическая вероятность Выборочный метод - определение и вычисление с примерами решения(А) близка к вероятности Р (А) при больших п: вероятность значительного отклонения Выборочный метод - определение и вычисление с примерами решения от Р (А) близка к нулю, но это не означает, что значительные отклонения невозможны при больших п. В XX в. теория вероятностей постепенно превращается в строгую аксиоматическую теорию. Это произошло благодаря работам многих математиков. Но действительно решающим этапом в развитии теории вероятностей стала работа А. Н. Колмогорова (1903–1987) «Основные понятия теории вероятностей» (изданная в 1937 г.), в которой он изложил свою аксиоматику теории вероятностей и после которой теория вероятностей заняла равноправное место среди других математических дисциплин. Большие достижения в теории вероятностей и математической статистике имели также российские математики А. Я. Хинчин (1894–1959), Е. Е. Слуцкий (1880–1948), Б. В. Генеденко (1911–1995), математики И. И. Гихман (1918–1985), В. С. Михалевич (1930–1994), и другие.

Выборка, вариационный ряд и гистограмма

Если теория вероятностей оперирует с известными законами распределения и их параметрами (числовыми характеристиками), то математическая статистика по результатам экспериментов проверяет, правильно ли подобрано распределение (нормальное, биномиальное, экспоненциальное и т. д.), оценивает параметры этого распределения, проверяет гипотезы о параметрах принятого распределения. Это позволяет заменить большое число экспериментальных данных небольшим числом параметров распределения, которые в сжатом виде характеризуют случайную величину и позволяют прогнозировать результаты эксперимента при известном комплексе условий.
Пусть проводится Выборочный метод - определение и вычисление с примерами решения измерений. В результате измерений получено Выборочный метод - определение и вычисление с примерами решения чисел Выборочный метод - определение и вычисление с примерами решения. Если повторить еще раз Выборочный метод - определение и вычисление с примерами решения измерений, то получатся другие Выборочный метод - определение и вычисление с примерами решения чисел, отличные от первого набора. Процесс из Выборочный метод - определение и вычисление с примерами решения измерений можно описать как и независимых случайных величин.
 

Результат и наблюдений Выборочный метод - определение и вычисление с примерами решения случайной величины X называется выборкой, Выборочный метод - определение и вычисление с примерами решения — объем выборки, а сама случайная величина X — называется генеральной случайной величиной.

Результат эксперимента Выборочный метод - определение и вычисление с примерами решения может быть интерпретирован либо апостериорной величиной, либо априорной. В первом случае это результат опыта. Во втором случае является случайной величиной (т. к. до опыта неизвестна), ко­торая получит свое конкретное значение в результате какого-то Выборочный метод - определение и вычисление с примерами решения опыта. В этом случае можно предполагать, что закон распределения Выборочный метод - определение и вычисление с примерами решения, совпадает с законом распределения генеральной случайной величиной X и Выборочный метод - определение и вычисление с примерами решения, можно рассматривать как экземпляр генеральной случайной величины X.

Далее мы будем считать выборки априорными. При этом будем полагать, что элементы выборки — независимые случайные величины с одинаковым законом распределения, т. е. мы можем широко использовать теоремы независимых случайных величинах.
 

Упорядоченная в порядке возрастания последовательность выборочных значений образует вариационный ряд:

Выборочный метод - определение и вычисление с примерами решения

члены вариационного ряда Выборочный метод - определение и вычисление с примерами решения называются порядковыми статистиками. Если объем выборки Выборочный метод - определение и вычисление с примерами решения — велик, то выборка позволяет приблизительно оценить закон распределения случайной величиной X. Для этого необходимо построить гистограмму. Есть два способа построения гистограммы — равноинтервальный и равновероятностный.

Рассмотрим равноинтервалъный способ.

  1. Разобьем весь диапазон выборочных значений от Выборочный метод - определение и вычисление с примерами решения на Выборочный метод - определение и вычисление с примерами решения равных частей. Величину Выборочный метод - определение и вычисление с примерами решения выбирают достаточно произвольно, можно так: Выборочный метод - определение и вычисление с примерами решения где Выборочный метод - определение и вычисление с примерами решения — объем выборки.
  2. Определяем длину каждого интервала: Выборочный метод - определение и вычисление с примерами решения
  3. Находим границы каждого интервала: для первого:Выборочный метод - определение и вычисление с примерами решения для второго: Выборочный метод - определение и вычисление с примерами решения для Выборочный метод - определение и вычисление с примерами решения

Определим середины каждого интервала: Выборочный метод - определение и вычисление с примерами решения

4. Подсчитываем (используя вариационный ряд) количество выборочных значений, попадающих в Выборочный метод - определение и вычисление с примерами решения интервал — Выборочный метод - определение и вычисление с примерами решения

5. Находим относительную частоту Выборочный метод - определение и вычисление с примерами решения попадания случайной величиной X в Выборочный метод - определение и вычисление с примерами решения интервал.
Полученные данные заносим в таблицу.

Выборочный метод - определение и вычисление с примерами решения

Эта таблица называется статистическим рядом.

Графическое изображение статистического ряда — это гистограмма.
Рисуем оси координат, делаем разметку осей, наносим на ось X границы интервалов и их середины. После этого строим на каждом отрезке прямоугольники высотой Выборочный метод - определение и вычисление с примерами решения. Аппроксимируем фигуру из прямоугольников пунктирной линией (рис. 8.1). По виду этой кривой можно выдвинуть предположение (гипотезу) о виде закона распределения генеральной случайной величиной X (на рис. 8.1. видно, что пунктирная линия похожа на кривую Гаусса, которая относится к нормальному закону).

Выборочный метод - определение и вычисление с примерами решения

Имея статистический ряд можно оценить числовые характеристики генеральной случайной величиной X :

Выборочный метод - определение и вычисление с примерами решения

Выборочный метод

Группа предметов или явлений, объединенных каким-либо общим признаком или свойством качественного или количественного характера, называется совокупностью. Предметы или явления, образующие совокупность, называются единицами совокупности. Если совокупность содержит ограниченное число единиц, то она называется конечной. Если число единиц совокупности безгранично, то ее называют бесконечной совокупностью.

Теоретические основы выборочного метода содержатся в теоремах Чебышева и Ляпунова.

 Основной предпосылкой применения выборочного метода является возможность судить о характеристиках генеральной (общей) совокупности по отобранной, так называемой выборочной совокупности. Наиболее важным принципом в применении выборочного метода является обеспечение равной возможности всем единицам, входящим в состав генеральной совокупности, быть избранными. При таком объективном подходе к отбору единиц, при котором ни одна единица не обладает преимуществом попасть в отбираемую совокупность по сравнению с другими единицами, характеристики выборочной совокупности при увеличении объема выборки стремятся к характеристикам генеральной совокупности.

Теорема Чебышева (применительно к выборочному методу) может быть записана в следующем виде:
Выборочный метод - определение и вычисление с примерами решения
где Выборочный метод - определение и вычисление с примерами решения—средняя по совокупности выбранных единиц;

Выборочный метод - определение и вычисление с примерами решения — средняя по генеральной совокупности;

Выборочный метод - определение и вычисление с примерами решения — среднее квадратическое отклонение в генеральной совокупности.

Теорема формулируется так: с вероятностью, сколь угодно близкой к единице (достоверности), можно утверждать, что при достаточно большом объеме выборки, и ограниченной дисперсии генеральной совокупности разность между выборочной средней Выборочный метод - определение и вычисление с примерами решения и генеральной средней Выборочный метод - определение и вычисление с примерами решения будет сколь угодно мала.

Примечания. 1. Выражение Выборочный метод - определение и вычисление с примерами решения часто обозначают Выборочный метод - определение и вычисление с примерами решения

2. При практическом использовании теоремы Чебышева генеральную-дисперсию Выборочный метод - определение и вычисление с примерами решения которая неизвестна, заменяют выборочной дисперсией Выборочный метод - определение и вычисление с примерами решения

Теорема Ляпунова

Ляпунов с помощью разработанного им метода характеристических функций доказал в 1900 г. центральную предельную теорему, носящую его имя. Эта теорема выясняет общие условия, при осуществлении которых распределение суммы независимых случайных величин стремится к нормальному распределению вероятностей. В частности, эта теорема дает возможность оценить погрешность приближенных равенств:Выборочный метод - определение и вычисление с примерами решения

при достаточно больших n (modo Bernulliano). Если Выборочный метод - определение и вычисление с примерами решенияВыборочный метод - определение и вычисление с примерами решения—независимые случайные величины и Выборочный метод - определение и вычисление с примерами решения то вероятность их средней Выборочный метод - определение и вычисление с примерами решения находится в пределе от а до b и может быть определена равенством:
Выборочный метод - определение и вычисление с примерами решения
где
Выборочный метод - определение и вычисление с примерами решения

Ограничительные условия теоремы Ляпунова сводятся в основном к тому, чтобы среди слагаемых случайных величин не было сильно выделяющихся (таких, колеблемость которых значительно превосходила бы большинство остальных). В приложении к выборочному методу данная теорема может быть сформулирована следующим образом:

При достаточно большом объеме выборки и ограниченной дисперсии генеральной совокупности вероятность того, что разность между выборочной средней и генеральной средней будет в пределах Выборочный метод - определение и вычисление с примерами решения равна Выборочный метод - определение и вычисление с примерами решения

Формулировка Ляпунова придает теореме Чебышева полную определенность и записывается так:

Выборочный метод - определение и вычисление с примерами решения

Замечание о практическом использовании ее то же, что и для формулы на стр. 125.

Теорема Я. Бернулли, опубликованная в 1713 г., послужила началом возникновения большой группы теорем, именуемых в общем законом больших чисел. Она представляет собой частный случай теоремы Чебышева и может быть из нее получена  

Выборочный метод - определение и вычисление с примерами решения

где Выборочный метод - определение и вычисление с примерами решения — доля признака среди отобранных единиц (частость);

р — доля признака в генеральной совокупности.

Теорема Бернулли применяется в тех случаях, когда из генеральной совокупности производится отбор единиц и доля признака не меняется от испытания к испытанию. Формулировка теоремы Бернулли применительно к выборке: с вероятностью, сколь угодно близкой к единице, можно утверждать, что разность между частостью и долей в генеральной совокупности при достаточно большом объеме выборки будет сколь угодно мала. При практическом использовании данной теоремы величина Выборочный метод - определение и вычисление с примерами решения рассчитывается путем замены р на Выборочный метод - определение и вычисление с примерами решения и q на Выборочный метод - определение и вычисление с примерами решения

Теорема Пуассона также является частным случаем теоремы Чебышева, когда доля признака в генеральной совокупности (р) с ходом выборки все время меняется. В этом случае

Выборочный метод - определение и вычисление с примерами решения

Тогда:

Выборочный метод - определение и вычисление с примерами решения

Ошибка репрезентативности (представительства Выборочный метод - определение и вычисление с примерами решения представляет собой разность между характеристиками выборочной и генеральной совокупности. Генеральная средняя Выборочный метод - определение и вычисление с примерами решения вычитается из выборочной средней Выборочный метод - определение и вычисление с примерами решения или доля признака в генеральной совокупности (р) вычитается из доли признака в выборочной совокупности, т. е. частости Выборочный метод - определение и вычисление с примерами решения

Если Выборочный метод - определение и вычисление с примерами решения представляет собой предел,которого не превосходит абсолютная величина Выборочный метод - определение и вычисление с примерами решения то

Выборочный метод - определение и вычисление с примерами решения

В формулах выборочного метода фигурирует дисперсия генеральной совокупности (Выборочный метод - определение и вычисление с примерами решения). Но при производстве выборки характеристики генеральной совокупности неизвестны. Однако обычно (за исключением очень малочисленных выборок) без большой погрешности можно заменить дисперсию генеральной совокупности дисперсией выборочной совокупности (Выборочный метод - определение и вычисление с примерами решения), которая вычисляется по формулам:

Выборочный метод - определение и вычисление с примерами решения

Предельная и средние ошибки выборки

Теория устанавливает соотношение между пределом ошибки выборки (Выборочный метод - определение и вычисление с примерами решения), гарантируемым с некоторой вероятностью (P), величиной t, связанной с этой вероятностью (см. приложение III), и так называемой средней ошибкой выборки (Выборочный метод - определение и вычисление с примерами решения):

Выборочный метод - определение и вычисление с примерами решения
или

Выборочный метод - определение и вычисление с примерами решения
Предельная ошибка выборки равна t-кратному числу средних ошибок выборки.

По способу организации выборки различают:

  1. собственно случайный отбор;
  2. типический отбор;
  3. механический отбор;
  4. серийный отбор;
  5. комбинированный отбор.

Собственно случайный отбор ориентирован на выборку единиц из генеральной совокупности без всякого расчленения ее на части или группы. При этом теоретически возможно применение собственно случайного повторного отбора и собственно случайного бесповторного отбора.

Формулы средней ошибки выборки при собственно случайном методе отбора:Выборочный метод - определение и вычисление с примерами решения

Для большей точности вместо множителя Выборочный метод - определение и вычисление с примерами решения следует брать множитель Выборочный метод - определение и вычисление с примерами решенияно при большой численности N различие между этими выражениями практически значения не имеет.

Пример №9

Из совокупности 10 000 деталей отобрано собственно случайным бесповторным методом 1000 деталей, для которых средний вес детали оказался равным 50 г, дисперсия 49. Бракованных деталей было обнаружено 20 штук. Вычислить средние ошибки выборки для средней и доли.

Дано:

Выборочный метод - определение и вычисление с примерами решения
По формулам табл. 1 находим средние ошибки выборки: для среднего веса детали при бесповторном отборе:

Выборочный метод - определение и вычисление с примерами решения

и для доли брака:

Выборочный метод - определение и вычисление с примерами решения

Случайные числа и таблицы случайных чисел

Однозначные числа, расположенные в случайном порядке, называются случайными числами. Случайность расположения чисел состоит в отсутствии закона, определяющего их расположение, и вместе с тем в приближенно равной частоте каждой из десяти цифр.

При организации собственно случайной выборки для соблюдения основного принципа выборки — равной возможности каждой единице генеральной совокупности быть отобранной — используются таблицы случайных чисел, позволяющие производить случайный отбор единиц наудачу, т. е. без привнесения элементов субъективности.

Таблицы случайных чисел составляются различными методами. Так, например, М. Кодыров выписывал 50 000 однозначных чисел из результатов переписи населения 1926 г. Брались срединные цифры одна за другой, в том порядке, в каком они встречались в сводках по городам и губерниям. Для избежания неслучайности крайние цифры из сводок вследствие тенденций к округлениям отбрасывались. А. К. Митропольский для получения таблиц случайных чисел брал 16—19-е знаки двадцатизначной таблицы логарифмов чисел от 90 000 до 100 000. Случайные цифры объединяются в четырехзначные числа.

Таблицы случайных чисел используются путем нумерации всех единиц генеральной совокупности и выписки из таблиц стольких чисел, сколько требуется для выборки. Из генеральной совокупности отбираются те единицы, порядковый номер которых соответствует выписанным из таблицы случайных чисел. Если число единиц в генеральной совокупности не более 999, то последнюю или первую цифру четырехзначного числа отбрасывают. Выборка с помощью таблицы случайных чисел может быть произведена по схеме возвращенного шара (повторная) и по схеме невозвращенного шара (бесповторная). В последнем случае одинаковые числа опускаются.

Пример №10

Генеральная совокупность состоит из 500 единиц. Производится 10-процентный бесповторный отбор. Пронумеруем все 500 единиц генеральной совокупности и возьмем из таблицы случайных чисел (приложение XI) 50 различных трехзначных чисел, начиная с первого числа 3-й колонки. Числа большие, чем 500, отбрасываем.

Получаем: 315, 255, 337, 179, 210, 455, 235-, 364, 489, 80, 117, 118, 174, 476, 111, 341, 296, 332, 4, 307, 22, 430, 52, 22, 83, 248, 319, 262, 36, 101, 27, 342, 470, 330, 170, 443, 499, 109, 42, 70, 490, 422, 336, 67, 121, 225, 57, 319, 499, 362, 198, 50, 286.

Эти числа означают номера тех единиц из 500, которые попали в случайную бесповторную выборку (в данном случае совпадают только три числа: 22, 319, 499; поэтому заменяем их другими).

Для случая, когда частость даже приблизительно неизвестна, можно произвести «грубый» расчет средней ошибки выборки для доли, вводя в расчет максимальную величину произведения Выборочный метод - определение и вычисление с примерами решения равную 0,25. Тогда для повторного отбора получим:

Выборочный метод - определение и вычисление с примерами решения

и для бесконечного отбора:

Выборочный метод - определение и вычисление с примерами решения

Пример №11

Из совокупности численностью в 900 деталей взята на выборку 81 деталь. Никаких данных, даже предположительных, об удельном весе деталей I сорта в генеральной совокупности нет.

Определить среднюю ошибку выборки для доли продукции I сорта.

Дано: N = 900; n = 81; допускаем, что Выборочный метод - определение и вычисление с примерами решения=0,25, тогда получаем:

Выборочный метод - определение и вычисление с примерами решения

Как было показано в § 7, Выборочный метод - определение и вычисление с примерами решения Из приложения III возьмем три значения t, тогда

при t=1    F(t) = 0,683;

t=2    F(t) = 0,954;

t=3     F(t) = 0,997.

Это показывает, что 0,683 измеряет вероятность того, что ошибка выборки не превысит предела, равного одной средней ошибке. Значительно больше вероятность того, что ошибка не превысит двойной средней ошибки, и т. д.

Вероятность 0,997 практически принимают за достоверность, т. е. считают, что предельная ошибка выборки равна трехкратной средней ошибке.

Иногда для определения размеров предельной ошибки связывают величину t с объемом выборки, применяя эмпирическую формулу:

Выборочный метод - определение и вычисление с примерами решения

тогда

Выборочный метод - определение и вычисление с примерами решения

Чем больше объем выборки, тем ближе предельная ошибка к утроенным средним ошибкам.

Численность выборки

При проектировке выборочного наблюдения предполагают заранее заданными величину допустимой ошибки выборки и вероятность ответа. Неизвестным, следовательно, остается тот минимальный объем выборки, который должен обеспечить требуемую точность. Из формулы Выборочный метод - определение и вычисление с примерами решения и формул средних ошибок выборки устанавливаем необходимую численность выборки (называемую иногда достаточно большим числом).

Формулы для определения численности выборки (n) при собственно случайном способе отбора:Выборочный метод - определение и вычисление с примерами решения

Примечание. При проектировании объема необходимой выборки величины Выборочный метод - определение и вычисление с примерами решения и Выборочный метод - определение и вычисление с примерами решения неизвестны, поэтому вместо точного их значения берут приближенные, установленные на основании уже проведенного другого наблюдения или нескольких пробных наблюдений, избирая из найденных результатов наибольшие значения Выборочный метод - определение и вычисление с примерами решения и Выборочный метод - определение и вычисление с примерами решения

Пример №12

Проектируется выборочное наблюдение, целью которого является установление среднего размера деталей в совокупности, состоящей из 10 000 деталей. Требуемая точность 1 см. Произведенные пробные выборки дали наибольшую дисперсию, равную 49. Нужно определить необходимую численность случайной бесповторной выборки, обеспечивающей с вероятностью 0,95 заданную точность.

Дано: N= 10 000; Выборочный метод - определение и вычисление с примерами решения=1; F(y)=0,95; Выборочный метод - определение и вычисление с примерами решения =49.

По приложению III находим по F(t) значение t= 1,96 и по формуле для бесповторной выборки, взятой из табл. 2, получаем:

Выборочный метод - определение и вычисление с примерами решения

Типический отбор дает более точные результаты. Генеральная совокупность делится по некоторому признаку на типические группы. Количество отбираемых единиц из каждой типической группы устанавливается в следующих размерах (см. табл. 3).
Выборочный метод - определение и вычисление с примерами решения

При отборе, не пропорциональном объему типических групп, общее число отбираемых единиц делится на число типических групп и полученная величина дает численность отбора из каждой типической группы.

При отборе, пропорциональном объему типических групп, число наблюдений по каждой группе определяется по формуле:

Выборочный метод - определение и вычисление с примерами решения
где Выборочный метод - определение и вычисление с примерами решения—объем выборки из i-й типической группы; 

n— общий объем выборки;

Выборочный метод - определение и вычисление с примерами решения— объем i-й типической группы;

N—объем генеральной совокупности.

При отборе с учетом колеблемости признака, дающем наименьшую величину ошибки выборки, процент выборки из каждой типической группы должен быть пропорционален среднему квадратическому отклонению в этой группе Выборочный метод - определение и вычисление с примерами решения Расчет численности Выборочный метод - определение и вычисление с примерами решения производится по формулам:

Выборочный метод - определение и вычисление с примерами решения — для средней;

Выборочный метод - определение и вычисление с примерами решения — для доли.
Для вычисления средних ошибок выборки используют формулы табл. 3.

Пример №13

Для определения средней из совокупности 10 000 единиц производится выборка типическим методом. Вся совокупность делится на 5 типических групп. Отбор единиц внутри типических групп производится случайным бесповторным методом пропорционально объему каждой группы. Отбирается 2000 единиц. При отборе получены следующие результаты:
Выборочный метод - определение и вычисление с примерами решения
  

Вычислить: а) среднюю ошибку для каждой группы и для всей выборочной совокупности (при собственно случайном и типическом способах отбора); б) границы, в которых с вероятностью 0,997 находится генеральная средняя по группам и по всей совокупности (при собственно случайном и типическом методах отбора).

Прежде всего рассчитывают численность отбираемых единиц из каждой типической группы пропорционально ее объему (см. колонку 3 табл. 4). Так, для первой типической группы имеем при заданном объеме всей выборки, равном 2000 единиц:

Выборочный метод - определение и вычисление с примерами решения

для второй типической группы:

Выборочный метод - определение и вычисление с примерами решения
и т. д.

Для определения средней ошибки выборки по группам и общей средней ошибки выборки при собственно случайном способе отбора (бесповторном) используем формулы из табл. 1, Получаем среднюю ошибку выборки:

для первой типической группы

Выборочный метод - определение и вычисление с примерами решения
для второй типической группы

Выборочный метод - определение и вычисление с примерами решения
и т. д. по всем группам (см. колонку 2 табл. 5).

Для удобства располагаем все получаемые результаты в таблицу (см. табл. 5).

Для расчета средней ошибки выборки всей совокупности при собственно случайном методе отбора и границ генеральной средней при этом же методе отбора нужно знать общую выборочную среднюю и общую дисперсию выборочной совокупности. Производим расчет общей выборочной средней из групповых выборочных средних путем взвешивания последних по численности отобранных групп

Выборочный метод - определение и вычисление с примерами решения

(см. итог колонки 4 табл. 4).

Для определения общей выборочной дисперсии используют теорему сложения вариации.
Выборочный метод - определение и вычисление с примерами решения

Находим сначала среднюю взвешенную из выборочных дисперсий:

Выборочный метод - определение и вычисление с примерами решения

а затем межгрупповую дисперсию:

Выборочный метод - определение и вычисление с примерами решения

Получаем общую дисперсию выборочной совокупности:

Выборочный метод - определение и вычисление с примерами решения

(см. итог колонки 5 табл. 4).

Находим среднюю ошибку выборки всей совокупности при собственно случайном методе отбора

Выборочный метод - определение и вычисление с примерами решения

(см. первую строку итога колонки 2 табл. 5).

Предельная ошибка собственно случайной выборки:

Выборочный метод - определение и вычисление с примерами решения 

(см. первую строку итога колонки 3 табл. 5).

Соответственно находим границы генеральной средней при собственно случайном методе отбора:

Выборочный метод - определение и вычисление с примерами решения

(см. первую строку итога колонок 4 и 5 табл. 5).

Рассчитываем среднюю ошибку типической выборки, пропорциональной объему типических групп, по формуле из табл. 3. Получим:

Выборочный метод - определение и вычисление с примерами решения
(см. вторую строку итога колонки 2 табл. 5).

Далее определяем ошибку типической выборки Выборочный метод - определение и вычисление с примерами решенияВыборочный метод - определение и вычисление с примерами решения и границы генеральной средней Выборочный метод - определение и вычисление с примерами решения т. е. Выборочный метод - определение и вычисление с примерами решения (см. вторую строку итога колонок 4 и 5 табл. 5).

Пример №14

Для определения доли признака производится типическая выборка 400 единиц из совокупности 10 500 единиц, разбитых на 3 типические группы численностью в 5000, 2500 и 3000 единиц. Имеются основания (прошлое обследование) считать, что искомая доля по типическим группам составляет около 10, 20 и 50%.

В каком объеме произвести выборку из типических групп, чтобы пропорции отбора были наивыгоднейшими?

Определяем численность первой типической группы по соответствующей формуле при объеме всей выборки, равной 400 единицам:

Выборочный метод - определение и вычисление с примерами решения
для второй типической группы:

Выборочный метод - определение и вычисление с примерами решения
для третьей типической группы:

Выборочный метод - определение и вычисление с примерами решения

При механической выборке совокупность делится на столько групп, сколько единиц должно войти в выборку, и из 1 каждой группы отбирается одна единица.

Средняя ошибка выборки подсчитывается по формулам ( собственно случайной выборки (табл. 1).    

При серийном отборе с равновеликими сериями генеральную совокупность делят на одинаковые по объему группы — серии и производят выборку не единиц совокупности, а серий. Попавшие в выборку серии обследуются сплошь. Серии могут отбираться повторным и бесповторным методами.

Средние ошибки выборки при таком отборе рассчитывают по формулам:

Выборочный метод - определение и вычисление с примерами решения
        

где К — число серий в генеральной совокупности;

r — число отобранных серий;

Выборочный метод - определение и вычисление с примерами решения — межсерийная (межгрупповая) дисперсия средних;

Выборочный метод - определение и вычисление с примерами решения — межсерийная (межгрупповая) дисперсия доли.

Пример №15

Генеральная совокупность состоит из 5000 единиц, разбитых на 50 равных по величине серий (по 100 единиц). Бесповторным методом отобрано 10 серий. Результаты выборки представлены в следующей таблице:
Выборочный метод - определение и вычисление с примерами решения

  Исчислить среднюю ошибку серийной бесповторной выборки. Вычисляем: а) общую среднюю всей выборочной совокупности по серийным средним:Выборочный метод - определение и вычисление с примерами решения

б) межсерийную (межгрупповую) дисперсию средних:
Выборочный метод - определение и вычисление с примерами решения
в) среднюю ошибку серийной выборки:
Выборочный метод - определение и вычисление с примерами решения

Необходимая численность отбираемых серий при серийном отборе получается из формул табл. 2, в которых вместо N, n и Выборочный метод - определение и вычисление с примерами решения подставляют R, r и Выборочный метод - определение и вычисление с примерами решения

Пример №16

Совокупность разбита на 50 серий. Имеются основания предполагать, что межсерийная дисперсия равна 16. Сколько серий нужно отобрать бесповторным методом, чтобы с вероятностью 0,954 утверждать, что ошибка выборочной средней не превысит 2,3.

Дано:

Выборочный метод - определение и вычисление с примерами решения

Находим необходимое число серий, отбор которых обеспечит требуемую точность:
Выборочный метод - определение и вычисление с примерами решения

Комбинированная выборка (равновеликие серии) предполагает комбинацию серийного отбора с индивидуальным отбором.

Генеральная совокупность разбивается на одинаковые по объему серии. Сначала отбираются серии, а затем из отобранных серий производится индивидуальная выборка единиц.

Квадрат средних ошибок выборки Выборочный метод - определение и вычисление с примерами решения рассчитывают по следующим формулам (см. табл. 8),

где Выборочный метод - определение и вычисление с примерами решения — общее число единиц, попавших в выборку при отборе серий, определяется по формуле:

Выборочный метод - определение и вычисление с примерами решения
n — число единиц, попавших в выборку из серий.
Выборочный метод - определение и вычисление с примерами решения

Пример №17

Генеральная совокупность состоит из 100 000 единиц, разбитых на 200 равных по объему серий. Произведена бесповторная выборка 50% серий и из каждой серии по 20% единиц. Средняя из серийных дисперсий оказалась равной 12, а межсерийная дисперсия — 5. Определить среднюю ошибку выборки. Дано:

Выборочный метод - определение и вычисление с примерами решения

Определяем общее число единиц, попавших в выборку:

Выборочный метод - определение и вычисление с примерами решения
Определяем среднюю ошибку выборки:
Выборочный метод - определение и вычисление с примерами решения
(по формуле из табл. 8 для бесповторного отбора).

Мы получили среднюю ошибку комбинированной выборки при отборе из генеральной совокупности 10 000 единиц. Можно было бы произвести выборку такого же объема, но отобрав 20% серий и 50% единиц из каждой серии.

При тех же значениях — средней из серийных дисперсий и межсерийной дисперсии — средняя ошибка выборки была бы равна:

Выборочный метод - определение и вычисление с примерами решения

Таким образом, величина ошибки увеличилась бы больше чем в два раза.

В иных случаях большая точность достигается большим числом наблюдений в пределах отобранных серий за счет сокращения числа последних.

Средняя ошибка разности выборочных средних

Выборочная средняя отличается от генеральной средней на t-кратное число средних ошибок Выборочный метод - определение и вычисление с примерами решения Если в результате выборок получены две выборочные средние Выборочный метод - определение и вычисление с примерами решения для каждой из которых найдена средняя ошибка выборки Выборочный метод - определение и вычисление с примерами решения то среднюю ошибку разности этих двух выборочных средних Выборочный метод - определение и вычисление с примерами решения можно определить по средним ошибкам этих выборочных средних
Выборочный метод - определение и вычисление с примерами решения
где R—коэффициент корреляции между вариантами двух выборочных совокупностей (см. раздел VII).

В случае некоррелированности признаков, т. е. равенства коэффициента корреляции нулю, формула примет следующий вид:

Выборочный метод - определение и вычисление с примерами решения

Пример №18

Из генеральной совокупности произведены две выборки. При этом средние ошибки выборочных средних оказались равными 0,48 и 0,43. Признаки некоррелированы. Найти среднюю ошибку разности двух выборочных средних. Она равна
Выборочный метод - определение и вычисление с примерами решения

Распределение выборочных средних

Имеется случайная величина х, распределенная в генеральной совокупности по закону нормального распределения со средней Выборочный метод - определение и вычисление с примерами решения и дисперсией Выборочный метод - определение и вычисление с примерами решения Если произвести достаточно много выборок из указанной совокупности собственно случайным методом и для каждой из выборок вычислить выборочную среднюю, то их распределение будет также подчинено закону нормального распределения со средней Выборочный метод - определение и вычисление с примерами решения и дисперсией Выборочный метод - определение и вычисление с примерами решения

Такое распределение выборочных средних не будет зависеть от объема выборок.

Доверительная вероятность

Для суждения о том, являются ли достоверными характеристики, полученные с помощью выборочных наблюдений, применяют доверительную вероятность, т. е. такую вероятность, которую исследователь признает достаточной при установлении границ случайного колебания изучаемого явления.

В качестве доверительной вероятности принимают Р(t), равное 0,95 или 0,99. Последняя наиболее достаточна.

Достоверность существенного различия

Сравнивая несколько статистических характеристик, например средние или коэффициенты вариации, исчисленные по результатам случайных выборок из генеральной совокупности, хотят установить, существенна ли разность между ними.

Существенным различием называют различие между средними или коэффициентами вариации, превосходящее по величине то, которое можно было бы объяснить случайными колебаниями.

Для признания достоверности существенного различия, приведшего к резкому качественному сдвигу величины изучаемого признака, сравнивают разность между характеристиками с доверительной границей, выражающей пределы случайной вариации. Если эта разность больше доверительной границы, то различие называют существенным, и оно выражает систематическое различие сравниваемых характеристик.

Нулевая гипотеза

При проверке статистической гипотезы об отсутствии существенных различий между несколькими выборочными совокупностями используют так называемую нулевую гипотезу, состоящую в признании того, что они взяты наудачу из одной генеральной совокупности.

Проверка нулевой гипотезы производится с помощью различных критериев согласия, позволяющих с помощью доверительных вероятностей сделать вывод об ее опровержении или неопровержении. При этом следует иметь в виду, что неопро-вержение нулевой гипотезы не означает ее подтверждения, а свидетельствует лишь о необходимости проведения дальнейшей проверки, в частности путем увеличения числа наблюдений. При проверке нулевой гипотезы наибольшее значение придается практической неосуществимости маловероятных событий. Так, если вероятность критерия согласия, выражающего вероятность случайного расхождения, очень мала (<0,05), то это свидетельствует о существенном различии, и нулевая гипотеза опровергается; если же она достаточна велика (>0,05), то вопрос о существенности различия остается без ответа.

В качестве критерия согласия, т. е. оценки существенности расхождения или различия двух выборочных средних, в случае,.если число отобранных единиц в каждой выборке больше 25, принимается неравенство:

Выборочный метод - определение и вычисление с примерами решения

При этом нулевая гипотеза состоит в отрицании существенности различия средних.

Пример №19

Произведем проверку нулевой гипотезы по следующим данным.

Выделено 5 участков лесонасаждений и с каждого участка взяты пробные площадки. В среднем на 1 га по пяти участкам получилось следующее распределение деревьев по толщине:Выборочный метод - определение и вычисление с примерами решения

Определить существенность расхождения средних диаметров деревьев по участкам:

а) Находим средние диаметры деревьев по участкам:
Выборочный метод - определение и вычисление с примерами решения

б)    Вычисляем средние квадратические отклонения по участкам:

Выборочный метод - определение и вычисление с примерами решения
в)    Вычисляем средние ошибки выборочных средних:

Выборочный метод - определение и вычисление с примерами решения

г)    Находим, например, следующие разности выборочных средних по участкам:

Выборочный метод - определение и вычисление с примерами решения

д)    Находим средние ошибки разности соответствующих пар выборочных средних:            

Выборочный метод - определение и вычисление с примерами решения

е) Находим критерий оценки существенности расхождения соответствующих выборочных средних:

Выборочный метод - определение и вычисление с примерами решения

Вывод. Из критериев оценки существенности заключаем, что выделения II, III, IV и V участков произведены правильно, так как критерии оценки существенности больше трех. И следовательно, мы имеем разные насаждения.

При сравнении I и II участков вопрос остается открытым.

Смещенные и несмещенные оценки

Если из генеральной совокупности производится выборка и по ее результатам вычисляются характеристики:

1) выборочная средняя Выборочный метод - определение и вычисление с примерами решения
2) выборочная дисперсия Выборочный метод - определение и вычисление с примерами решения то при большом
числе отобранных единиц (n) эти характеристики будут приближаться к соответствующим математическим ожиданиям: Е(х)
и Выборочный метод - определение и вычисление с примерами решения

При малом,числе отобранных единиц эти две характеристики могут значительно отличаться от соответствующих математических ожиданий. Поэтому, принимая эти выборочные характеристики в качестве оценок генеральных характеристик, мы допускаем определенную ошибку. Эта ошибка может быть несистематической, когда при неограниченном повторении выборок средняя из выборочных характеристик совпадет с генеральной; при этом систематической ошибки, т. е. регулярного завышения или занижения, не будет. В случае, если среднее значение принятых в качестве оценок выборочных характеристик совпадает с генеральной характеристикой, эти оценки называются несмещенными.

Можно доказать, что Выборочный метод - определение и вычисление с примерами решения поэтому величина Выборочный метод - определение и вычисление с примерами решения является несмещенной оценкой генеральной средней. Что же касается выборочной дисперсии, то ее математическое ожидание не равно генеральной дисперсии. Выборочный метод - определение и вычисление с примерами решения и поэтому Выборочный метод - определение и вычисление с примерами решения является смещенной оценкой. Для устранения систематической ошибки и получения несмещенной оценки нужно Выборочный метод - определение и вычисление с примерами решения умножить на Выборочный метод - определение и вычисление с примерами решения
Тогда дисперсию при малом числе наблюдений следует вычислять по формуле:

Выборочный метод - определение и вычисление с примерами решения

Малая выборка

При необходимости оценки генеральной совокупности по результатам малого числа наблюдений, т. е. при n меньше 20, формулы для обычной (большой) выборки, основанные на нормальном распределении вероятностей, дают значительные неточности.

Оценка результатов малой выборки производится путем «исправления» выборочного среднего квадратического отклонения и использования закона распределения вероятностей Стюдента.

Выборочное среднее квадратическое отклонение малой выборки исчисляется по формуле:

Выборочный метод - определение и вычисление с примерами решения

где n—1 представляет собой «Число степеней свободы», т. е. количество вариантов, могущих принимать произвольные значения, не меняющие величины средней.

Таким образом, выборочное среднее квадратическое отклонение малой выборки отличается от выборочного среднего квадратического отклонения (Выборочный метод - определение и вычисление с примерами решения) тем, что сумму квадратов отклонений от выборочной средней делят не на n, а на n—1. Зная выборочное среднее квадратическое отклонение Выборочный метод - определение и вычисление с примерами решения можно путем его «исправления» вычислить выборочное среднее квадратическое отклонение малой выборки Выборочный метод - определение и вычисление с примерами решения по формуле:

Выборочный метод - определение и вычисление с примерами решения

Пример №20

Произведена выборка 16 единиц. Выборочное среднее квадратическое отклонение (Выборочный метод - определение и вычисление с примерами решения) оказалось равным 100.

Вычислить выборочное среднее квадратическое отклонение малой выборки Выборочный метод - определение и вычисление с примерами решения      

Выборочный метод - определение и вычисление с примерами решения
 

Средняя ошибка малой выборки исчисляется по формуле:
Выборочный метод - определение и вычисление с примерами решения

Пример №21

На основе данных примера 12 можно вычислить среднюю ошибку малой выборки:
Выборочный метод - определение и вычисление с примерами решения

Среднюю ошибку малой выборки можно получить и путем использования «неисправленного» выборочного среднего квадратического отклонения
Выборочный метод - определение и вычисление с примерами решения
 

Среднюю ошибку разности двух выборочных средних исчисляют по формуле:
Выборочный метод - определение и вычисление с примерами решения
 

Нормированное отклонение или стандартизованная разность малой выборки (t) получается аналогично тому, как это получалось в обычной выборке:
Выборочный метод - определение и вычисление с примерами решения
 

Предельная ошибка малой выборки:
Выборочный метод - определение и вычисление с примерами решения

Опираясь на предположение о нормальном распределении признака в генеральной совокупности, Стюдент в 1908 г. нашел закон распределения t, который называется распределением Стюдента:
Выборочный метод - определение и вычисление с примерами решения

где P(t) =S(t) — вероятности того, что стандартизованная разность между выборочной и генеральной средней имеет величину t;
Выборочный метод - определение и вычисление с примерами решения — гаммы-функции, которые можно рассматривать как обобщение факториала натурального числа.

Для любого положительного числа n гамма-функция определяется следующим равенством:
Выборочный метод - определение и вычисление с примерами решения

Частные случаи:

Выборочный метод - определение и вычисление с примерами решения
Свойства гаммы-функции:

1)Выборочный метод - определение и вычисление с примерами решения и 2)Выборочный метод - определение и вычисление с примерами решения

Первый частный случай гаммы-функции и первое указанное ее свойство дают:

Выборочный метод - определение и вычисление с примерами решения

Свойство гаммы-функции позволяет находить Г(n) при n, кратном Выборочный метод - определение и вычисление с примерами решения Например:

Выборочный метод - определение и вычисление с примерами решения

Особенностью распределения Стюдента является то, что вероятность того или иного значения t зависит только от двух величин: объема выборки (n) и величины t. При возрастании объема выборки распределение Стюдента приближается к нормальному:

Выборочный метод - определение и вычисление с примерами решения

Если сделать определенные допущения о величине Генеральной средней, то можно вычислить фактическое нормированное отношение Выборочный метод - определение и вычисление с примерами решения при помощи интеграла Стюдента:
Выборочный метод - определение и вычисление с примерами решения

Тогда
Выборочный метод - определение и вычисление с примерами решения
где 

Выборочный метод - определение и вычисление с примерами решения
Выборочный метод - определение и вычисление с примерами решения—вероятность того, что стандартизованная разность (t) между действительной генеральной средней и выборочной средней будет меньше стандартизованной разности, вычисленной по результатам малой выборки Выборочный метод - определение и вычисление с примерами решения

Выборочный метод - определение и вычисление с примерами решения—определяется из приложения IV. При этом значение n определяется вычитанием единицы из числа наблюдений.

Интеграл Стюдента используют для решения ряда обычных задач малой выборки как для случаев, когда генеральная совокупность обладает нормальным распределением, так и для случаев, когда распределение признака в генеральной совокупности не совсем совпадает с нормальным.

Функция Выборочный метод - определение и вычисление с примерами решения используется для определения также вероятностей того, что: 1) Выборочный метод - определение и вычисление с примерами решения 2) Выборочный метод - определение и вычисление с примерами решения и 3) Выборочный метод - определение и вычисление с примерами решения

Так, вероятность того, что Выборочный метод - определение и вычисление с примерами решения будет:

Выборочный метод - определение и вычисление с примерами решения

где Выборочный метод - определение и вычисление с примерами решения — вероятность значений t, больших, чем Выборочный метод - определение и вычисление с примерами решения И далее:

Выборочный метод - определение и вычисление с примерами решения

где Выборочный метод - определение и вычисление с примерами решения— вероятность значений t, абсолютная величина которых больше, чем Выборочный метод - определение и вычисление с примерами решения

Выборочный метод - определение и вычисление с примерами решения

где Выборочный метод - определение и вычисление с примерами решения— вероятность значений t, абсолютная величина которых меньше, чем Выборочный метод - определение и вычисление с примерами решения

Пример №22

Первая типовая задача малой выборки. Оценка выборочной средней.

Произведена малая выборка урожая пшеницы. Срок уборки урожая своевременный. На выборку собственно случайным повторным методом взято 8 участков. Результаты выборки по отдельным участкам следующие:
Выборочный метод - определение и вычисление с примерами решения

Определить вероятность того, что разность между выборочным и генеральным средним урожаем не больше 0,5 ц с 1 га.

Дано:

Выборочный метод - определение и вычисление с примерами решения
Находим Выборочный метод - определение и вычисление с примерами решения по формуле (см. раздел I, стр. 58): Выборочный метод - определение и вычисление с примерами решения

Определяем:

Выборочный метод - определение и вычисление с примерами решения

«Исправляем» Выборочный метод - определение и вычисление с примерами решения и получаем:

Выборочный метод - определение и вычисление с примерами решения
Вычисляем среднюю ошибку малой выборки Выборочный метод - определение и вычисление с примерами решения
Выборочный метод - определение и вычисление с примерами решения
Определяем величину нормированного отклонения по выборочным данным и предполагаемым границам генеральной средней Выборочный метод - определение и вычисление с примерами решения
Выборочный метод - определение и вычисление с примерами решения

Находим:Выборочный метод - определение и вычисление с примерами решения

Так как число наблюдений равно 8, то берем n=7; тогда по приложению IV находим: Выборочный метод - определение и вычисление с примерами решения

Следовательно:

Р[ |/| >0,412] = 2 (1—0,649) = 2 • 0,351 = 0,702« 0,7.

Таким образом видно, что вероятность нормированных отклонений, по абсолютной величине превышающих 0,412, или, иными словами, вероятность отклонений генеральной средней от выборочной средней на абсолютную величину, превышающую 0,5 ц с 1 га, не мала (0,7). Поэтому разность между генеральной и выборочной средними легко могла превысить 0,5 ц с 1 га.

Можно было воспользоваться другой формулой и определить вероятность нормированных отклонений, абсолютная величина которых меньше 0,412, и прийти к тому же заключению:

Выборочный метод - определение и вычисление с примерами решения

Вероятность того, что генеральная средняя находится в определенных границах, определяется по формуле:    

Выборочный метод - определение и вычисление с примерами решения

Пример №23

Вторая типовая задача малой выборки: определение границ интервала, в которых находится генеральная средняя.

Из данных предыдущего примера 14 найти с вероятностью 0,954 границы интервала, в которых содержится генеральная средняя урожая.

Дано:

Выборочный метод - определение и вычисление с примерами решения

Находим Выборочный метод - определение и вычисление с примерами решения по соответствующей формуле:

Выборочный метод - определение и вычисление с примерами решения

По приложению IV находим Выборочный метод - определение и вычисление с примерами решения равное 2,5.

Следовательно, границы генеральной средней Выборочный метод - определение и вычисление с примерами решенияВыборочный метод - определение и вычисление с примерами решения

С вероятностью 0,954 можно утверждать, что Выборочный метод - определение и вычисление с примерами решения

Теория малой выборки дает возможность оценить существенность различия между двумя .выборочными средними. Вероятность значений разностей между двумя выборочными средними, по абсолютной величине не меньших, чем разность, полученная в результате опыта, т. е. фактическая, определяется по формуле:

Выборочный метод - определение и вычисление с примерами решения

где Выборочный метод - определение и вычисление с примерами решения— выборочные средние;

Выборочный метод - определение и вычисление с примерами решения — фактическая разность между двумя выборочными средними;

а величина Выборочный метод - определение и вычисление с примерами решения определяется по формуле:
Выборочный метод - определение и вычисление с примерами решения
Примечания: 1. При определении вероятности, равной Выборочный метод - определение и вычисление с примерами решения по приложению IV в качестве n следует брать Выборочный метод - определение и вычисление с примерами решения

2.    Если вероятность (Р) получается большой, то это свидетельствует о том, что следовало ожидать разностей, превышающих ту, которую мы получили фактически. И следовательно, фактическая разность, будучи меньше тех, которых следовало ожидать с большой вероятностью, не дает основания считать, что различия между средними существенны.

При полученной малой вероятности (Р) различие между средними не случайно, а существенно.

3.    При вычислении Выборочный метод - определение и вычисление с примерами решения можно использовать равенство Выборочный метод - определение и вычисление с примерами решения
Выборочный метод - определение и вычисление с примерами решения

Пример №24

Третья типовая задача малой выборки. Оценка разности двух выборочных средних. Произведена малая выборка девяти участков аналогично тому, как это сделано в примере 14. Урожай убрали с большим опозданием.

Результат сбора урожая по участкам представлен в табл. 11 (в колонках 1 и 2).

Оценить расхождение между средним урожаем, полученным при своевременной уборке урожая (пример 14) и уборке его с большим опозданием.

Дано:
Выборочный метод - определение и вычисление с примерами решения
Вычисляем:
Выборочный метод - определение и вычисление с примерами решения

Выборочный метод - определение и вычисление с примерами решения

По соответствующей формуле получаем:

Выборочный метод - определение и вычисление с примерами решения
Из приложения IV для n = 8+9—2=15 находим:

S (4,3) =0,999.

Тогда:

Выборочный метод - определение и вычисление с примерами решения

Так как вероятность (Р) очень мала, то следует считать, что средние урожаи существенно отличаются друг от друга, т. е. что опоздание в сроках уборки существенно снижает урожай.

При оценке существенности расхождения между двумя выборочными средними часто применяют правило трех сигм:

Выборочный метод - определение и вычисление с примерами решения

где Выборочный метод - определение и вычисление с примерами решения—среднее квадратическое отклонение, вычисляемое по формуле:            

Выборочный метод - определение и вычисление с примерами решения
В первом случае, т. е. если Выборочный метод - определение и вычисление с примерами решения больше трех сигм, расхождение между средними двух выборок полагают не случайным.

Пример №25

По данным примеров 14 и 16 оценить расхождение между двумя выборочными средними по указанным формулам:
Выборочный метод - определение и вычисление с примерами решения

Находим:

Выборочный метод - определение и вычисление с примерами решения

Получаем:

Выборочный метод - определение и вычисление с примерами решения

и, следовательно,Выборочный метод - определение и вычисление с примерами решения

Поэтому расхождение между двумя выборочными средними следует считать существенным, что согласуется с выводом примера 16.

Оценка существенности различия двух выборочных средних может быть произведена также путем использования критерия, основанного на подсчете инверсий. В данном случае нулевой гипотезой является предположение, что две выборочные средние отличаются друг от друга несущественно. Подсчет инверсий производится путем расположения ранжированных результатов двух полученных выборок последовательно. Инверсия образуется в том случае, если какому-нибудь варианту из первой выборки (х) предшествует вариант из второй выборки (у). Например, соединенные в одну последовательность ранжированные варианты двух выборок расположились следующим образом:
Выборочный метод - определение и вычисление с примерами решения
Тогда подсчет инверсий для Выборочный метод - определение и вычисление с примерами решения дает 1, для Выборочный метод - определение и вычисление с примерами решения и Выборочный метод - определение и вычисление с примерами решения— тоже единицу, для Выборочный метод - определение и вычисление с примерами решения инверсий —4, для Выборочный метод - определение и вычисление с примерами решения — 5 и т. д.

Выборочный метод - определение и вычисление с примерами решения

После подсчета числа инверсий находят математическое ожидание инверсии по формуле:

Выборочный метод - определение и вычисление с примерами решения
где Выборочный метод - определение и вычисление с примерами решения и Выборочный метод - определение и вычисление с примерами решения — объемы выборок.
Далее находят дисперсию: Выборочный метод - определение и вычисление с примерами решения

и Выборочный метод - определение и вычисление с примерами решения

Путем вычитания и прибавления к E(z) произведения Выборочный метод - определение и вычисление с примерами решения на Выборочный метод - определение и вычисление с примерами решения находят ожидаемые границы г. Если z находится в найденных границах, то нулевая гипотеза не опровергается. При выходе z за найденные границы нулевая гипотеза опровергается и делается вывод о существенности различий средних.

Данный метод обоснован в случаях, когда объем выборок больше 10, но может быть использован и при n, близком к 10.

Пример №26

Используя данные примеров 14 и 16, найдем существенность различия двух средних урожаев, полученных в результате сбора урожая своевременно и с большим опозданием.

Располагаем результаты обеих выборок в ранжированном порядке.

Выборочный метод - определение и вычисление с примерами решения

Имеем: Выборочный метод - определение и вычисление с примерами решенияПодсчитываем: Выборочный метод - определение и вычисление с примерами решения
Выборочный метод - определение и вычисление с примерами решения
Выборочный метод - определение и вычисление с примерами решения

Выборочный метод - определение и вычисление с примерами решения

Подсчитываем фактическое число инверсий: z=1 +1 + 1 + + 2 = 5.

В данном случае нулевая гипотеза опровергается и результат свидетельствует о существенном расхождении двух средних урожаев, что согласуется с выводами, полученными ранее другими способами.

При проверке гипотезы случайности выборки можно использовать метод последовательных разностей.

Пусть выборка n единиц из генеральной совокупности со средней Выборочный метод - определение и вычисление с примерами решения и дисперсией Выборочный метод - определение и вычисление с примерами решения расположились по значению признака в следующем порядке: Выборочный метод - определение и вычисление с примерами решения Находим сначала разности между значениями признака в последовательности их отбора.

Выборочный метод - определение и вычисление с примерами решения и т. д. до Выборочный метод - определение и вычисление с примерами решения Определяем среднюю из квадратов разностей по формуле:

Выборочный метод - определение и вычисление с примерами решения
Находим:

Выборочный метод - определение и вычисление с примерами решения
Вычисляем выборочную дисперсию:

Выборочный метод - определение и вычисление с примерами решения

и для получения критерия Выборочный метод - определение и вычисление с примерами решения делим Выборочный метод - определение и вычисление с примерами решения на Выборочный метод - определение и вычисление с примерами решения

Выборочный метод - определение и вычисление с примерами решения

Сравнение найденного критерия с теоретическим (Выборочный метод - определение и вычисление с примерами решения) в зависимости от объема выборки производится так.

Если n<20, то используют следующую таблицу (см. табл. 13):

Выборочный метод - определение и вычисление с примерами решения

Из таблицы находят Выборочный метод - определение и вычисление с примерами решения При этом если найденная Выборочный метод - определение и вычисление с примерами решения то это указывает на неверность рассматриваемой гипотезы. Если Выборочный метод - определение и вычисление с примерами решения то гипотеза верна.

При большом числе отобранных единиц (n>20) Выборочный метод - определение и вычисление с примерами решения определяется по формуле:
где находится по табличному значению Выборочный метод - определение и вычисление с примерами решения

где Выборочный метод - определение и вычисление с примерами решения находится по табличному значениюВыборочный метод - определение и вычисление с примерами решения 

При q = 5% имеем Выборочный метод - определение и вычисление с примерами решения Из приложения III находим, что Выборочный метод - определение и вычисление с примерами решения = 1,65, значит

Выборочный метод - определение и вычисление с примерами решения

Пример №27

Используя данные примера 16 о результатах сбора урожая по участкам с большим опозданием, оценим гипотезу случайности выборки.

1) Находим разности:
Выборочный метод - определение и вычисление с примерами решения
и вычисляем Выборочный метод - определение и вычисление с примерами решения а затем Выборочный метод - определение и вычисление с примерами решения

2) Определяем сначала среднюю:

Выборочный метод - определение и вычисление с примерами решенияа затем дисперсию:
Выборочный метод - определение и вычисление с примерами решения

3) Находим критерий:
Выборочный метод - определение и вычисление с примерами решения
4)    По табл. 13 определяем верхнюю допустимую границу Выборочный метод - определение и вычисление с примерами решения При n = 9 Выборочный метод - определение и вычисление с примерами решения = 0,512.

5)    Делаем вывод о том, что найденная Выборочный метод - определение и вычисление с примерами решения превосходит допустимую верхнюю границу Выборочный метод - определение и вычисление с примерами решения и поэтому наша гипотеза о случайности выборки верна.

Пример №28

Пусть отобрано 35 единиц. При q = 5% получаем:
Выборочный метод - определение и вычисление с примерами решения
Следовательно, если при выборке 35 единиц Выборочный метод - определение и вычисление с примерами решения будет меньше 0,725, то это укажет на неверность нашей гипотезы; если же больше, то гипотеза верна.    

Оценка существенности различия коэффициентов вариации устанавливается аналогично тому, как это делается при оценке существенности различия выборочных средних по критерию согласия. Если принять:

Выборочный метод - определение и вычисление с примерами решения
то при Выборочный метод - определение и вычисление с примерами решения>3 различие коэффициентов вариации полагают неслучайным.

Во всех случаях Выборочный метод - определение и вычисление с примерами решения<3 делают вывод, что при данном числе наблюдений нулевая гипотеза не подтверждается и тем самым существенность различия не доказана.

Пример №29

Используя данные примера 11 о выделении участков лесонасаждений, оценим существенность различия коэффициентов вариации по двум участкам — IV и V.

Имеем: Выборочный метод - определение и вычисление с примерами решения
Определяем коэффициенты вариации:

Выборочный метод - определение и вычисление с примерами решения

Находим

Выборочный метод - определение и вычисление с примерами решения

Так как Выборочный метод - определение и вычисление с примерами решения > 3, делаем вывод, что рассматриваемые коэффициенты вариации отличаются существенно, т. е. неслучайно.

  • Статистическая проверка гипотез
  • Статистические оценки
  • Теория статистической проверки гипотез
  • Линейный регрессионный анализ
  • Регрессионный анализ
  • Корреляционный анализ
  • Статистические решающие функции
  • Случайные процессы

Понравилась статья? Поделить с друзьями:
  • Сициан пв как найти
  • Как составить последовательность белка
  • Если грецкий орех прогорклый как исправить
  • Как найти приложение на телефоне samsung
  • Как найти пароль в инстаграме от инстаграма