Как найти среднее арифметическое отклонение выборки

Стандартное отклонение (англ. Standard Deviation) — простыми словами это мера того, насколько разбросан набор данных.

Вычисляя его, можно узнать, являются ли числа близкими к среднему значению или далеки от него. Если точки данных находятся далеко от среднего значения, то в наборе данных имеется большое отклонение; таким образом, чем больше разброс данных, тем выше стандартное отклонение.

Стандартное отклонение обозначается буквой σ (греческая буква сигма).

Стандартное отклонение также называется:

• среднеквадратическое отклонение,
• среднее квадратическое отклонение,
• среднеквадратичное отклонение,
• квадратичное отклонение,
• стандартный разброс.

Использование и интерпретация величины среднеквадратического отклонения

Стандартное отклонение используется:

• в финансах в качестве меры волатильности,
• в социологии в опросах общественного мнения — оно помогает в расчёте погрешности.

Пример:

Рассмотрим два малых предприятия, у нас есть данные о запасе какого-то товара на их складах.

	День 1	День 2	День 3	День 4
Пред.А	19	21	19	21
Пред.Б	15	26	15	24

В обеих компаниях среднее количество товара составляет 20 единиц:

• А -> (19 + 21 + 19+ 21) / 4 = 20
• Б -> (15 + 26 + 15+ 24) / 4 = 20

Однако, глядя на цифры, можно заметить:

• в компании A количество товара всех четырёх дней очень близко находится к этому среднему значению 20 (колеблется лишь между 19 ед. и 21 ед.),
• в компании Б существует большая разница со средним количеством товара (колеблется между 15 ед. и 26 ед.).

Если рассчитать стандартное отклонение каждой компании, оно покажет, что

• стандартное отклонение компании A = 1,
• стандартное отклонение компании Б ≈ 5.

Стандартное отклонение показывает эту волатильность данных — то, с каким размахом они меняются; т.е. как сильно этот запас товара на складах компаний колеблется (поднимается и опускается).

Расчет среднеквадратичного (стандартного) отклонения

Формулы вычисления стандартного отклонения

Разница между формулами S и σ («n» и «n–1»)

Состоит в том, что мы анализируем — всю выборку или только её часть:

• только её часть – используется формула S (с «n–1»),
• полностью все данные – используется формула σ (с «n»).

Как рассчитать стандартное отклонение?

Пример 1 (с σ)

Рассмотрим данные о запасе какого-то товара на складах Предприятия Б.

	День 1	День 2	День 3	День 4
Пред.Б	15	26	15	24

Если значений выборки немного (небольшое n, здесь он равен 4) и анализируются все значения, то применяется эта формула:

Применяем эти шаги:

1. Найти среднее арифметическое выборки:

μ = (15 + 26 + 15+ 24) / 4 = 20

2. От каждого значения выборки отнять среднее арифметическое:

x1 — μ = 15 — 20 = -5

x2 — μ = 26 — 20 = 6

x3 — μ = 15 — 20 = -5

x4 — μ = 24 — 20 = 4

3. Каждую полученную разницу возвести в квадрат:

(x1 — μ)² = (-5)² = 25

(x2 — μ)² = 6² = 36

(x3 — μ)² = (-5)² = 25

(x4 — μ)² = 4² = 16

4. Сделать сумму полученных значений:

Σ (xi — μ)² = 25 + 36+ 25+ 16 = 102

5. Поделить на размер выборки (т.е. на n):

(Σ (xi — μ)²)/n = 102 / 4 = 25,5

6. Найти квадратный корень:

√((Σ (xi — μ)²)/n) = √ 25,5 ≈ 5,0498

Пример 2 (с S)

Задача усложняется, когда существуют сотни, тысячи или даже миллионы данных. В этом случае берётся только часть этих данных и анализируется методом выборки.

У Андрея 20 яблонь, но он посчитал яблоки только на 6 из них.

Популяция — это все 20 яблонь, а выборка — 6 яблонь, это деревья, которые Андрей посчитал.

Яблоня 1	Яблоня 2	Яблоня 3	Яблоня 4	Яблоня 5	Яблоня 6
9	2	5	4	12	7

Так как мы используем только выборку в качестве оценки всей популяции, то нужно применить эту формулу:

Математически она отличается от предыдущей формулы только тем, что от n нужно будет вычесть 1. Формально нужно будет также вместо μ (среднее арифметическое) написать X ср.

Применяем практически те же шаги:

1. Найти среднее арифметическое выборки:

Xср = (9 + 2 + 5 + 4 + 12 + 7) / 6 = 39 / 6 = 6,5

2. От каждого значения выборки отнять среднее арифметическое:

X1 – Xср = 9 – 6,5 = 2,5

X2 – Xср = 2 – 6,5 = –4,5

X3 – Xср = 5 – 6,5 = –1,5

X4 – Xср = 4 – 6,5 = –2,5

X5 – Xср = 12 – 6,5 = 5,5

X6 – Xср = 7 – 6,5 = 0,5

3. Каждую полученную разницу возвести в квадрат:

(X1 – Xср)² = (2,5)² = 6,25

(X2 – Xср)² = (–4,5)² = 20,25

(X3 – Xср)² = (–1,5)² = 2,25

(X4 – Xср)² = (–2,5)² = 6,25

(X5 – Xср)² = 5,5² = 30,25

(X6 – Xср)² = 0,5² = 0,25

4. Сделать сумму полученных значений:

Σ (Xi – Xср)² = 6,25 + 20,25+ 2,25+ 6,25 + 30,25 + 0,25 = 65,5

5. Поделить на размер выборки, вычитав перед этим 1 (т.е. на n–1):

(Σ (Xi – Xср)²)/(n-1) = 65,5 / (6 – 1) = 13,1

6. Найти квадратный корень:

S = √((Σ (Xi – Xср)²)/(n–1)) = √ 13,1 ≈ 3,6193

Дисперсия и стандартное отклонение

Стандартное отклонение равно квадратному корню из дисперсии (S = √D). То есть, если у вас уже есть стандартное отклонение и нужно рассчитать дисперсию, нужно лишь возвести стандартное отклонение в квадрат (S² = D).

Дисперсия — в статистике это «среднее квадратов отклонений от среднего». Чтобы её вычислить нужно:

1. Вычесть среднее значение из каждого числа
2. Возвести каждый результат в квадрат (так получатся квадраты разностей)
3. Найти среднее значение квадратов разностей.

Ещё расчёт дисперсии можно сделать по этой формуле:

Правило трёх сигм

Это правило гласит: вероятность того, что случайная величина отклонится от своего математического ожидания более чем на три стандартных отклонения (на три сигмы), почти равна нулю.

Глядя на рисунок нормального распределения случайной величины, можно понять, что в пределах:

• одного среднеквадратического отклонения заключаются 68,26% значений (Xср ± 1σ или μ ± 1σ),
• двух стандартных отклонений — 95,44% (Xср ± 2σ или μ ± 2σ),
• трёх стандартных отклонений — 99,72% (Xср ± 3σ или μ ± 3σ).

Это означает, что за пределами остаются лишь 0,28% — это вероятность того, что случайная величина примет значение, которое отклоняется от среднего более чем на 3 сигмы.

Стандартное отклонение в excel

Вычисление стандартного отклонения с «n – 1» в знаменателе (случай выборки из генеральной совокупности):

1. Занесите все данные в документ Excel.

2. Выберите поле, в котором вы хотите отобразить результат.

3. Введите в этом поле «=СТАНДОТКЛОНА(«

4. Выделите поля, где находятся данные, потом закройте скобки.

5. Нажмите Ввод (Enter).

В случае если данные представляют всю генеральную совокупность (n в знаменателе), то нужно использовать функцию СТАНДОТКЛОНПА.

Коэффициент вариации

Коэффициент вариации — отношение стандартного отклонения к среднему значению, т.е. Cv = (S/μ) × 100% или V = (σ/X̅) × 100%.

Стандартное отклонение делится на среднее и умножается на 100%.

Можно классифицировать вариабельность выборки по коэффициенту вариации:

• при <10% выборка слабо вариабельна,
• при 10% – 20 % — средне вариабельна,
• при >20 % — выборка сильно вариабельна.

Узнайте также про:

• Корреляции,
• Метод Крамера,
• Метод наименьших квадратов,
• Теорию вероятностей
• Интегралы.

Была ли эта статья полезной?

Представление результатов исследования

В научных публикациях важно представление результатов исследования. Очень часто окончательный результат приводится в следующем виде: M±m, где M – среднее арифметическое, m –ошибка среднего арифметического. Например, 163,7±0,9 см.

Прежде чем разбираться в правилах представления результатов исследования, давайте точно усвоим, что же такое ошибка среднего арифметического.

Ошибка среднего арифметического

Среднее арифметическое, вычисленное на основе выборочных данных (выборочное среднее), как правило, не совпадает с генеральным средним (средним арифметическим генеральной совокупности). Экспериментально проверить это утверждение невозможно, потому что нам неизвестно генеральное среднее. Но если из одной и той же генеральной совокупности брать повторные выборки и вычислять среднее арифметическое, то окажется, что для разных выборок среднее арифметическое будет разным.

Чтобы оценить, насколько выборочное среднее арифметическое отличается от генерального среднего, вычисляется ошибка среднего арифметического или ошибка репрезентативности.

Ошибка среднего арифметического обозначается как m или 

Ошибка среднего арифметического рассчитывается по формуле:

где: S — стандартное отклонение, n – объем выборки; Например, если стандартное отклонение равно S=5 см, объем выборки n=36 человек, то ошибка среднего арифметического равна: m=5/6 = 0,833.

Ошибка среднего арифметического показывает, какая ошибка в среднем допускается, если использовать вместо генерального среднего выборочное среднее.

Так как при небольшом объеме выборки истинное значение генерального среднего не может быть определено сколь угодно точно, поэтому при вычислении выборочного среднего арифметического нет смысла оставлять большое число значащих цифр.

Правила записи результатов исследования

1. В записи ошибки среднего арифметического оставляем две значащие цифры, если первые цифры в ошибке «1» или «2».
2. В остальных случаях в записи ошибки среднего арифметического оставляем одну значащую цифру.
3. В записи среднего арифметического положение последней значащей цифры должно соответствовать положению первой значащей цифры в записи ошибки среднего арифметического.

Представление результатов научных исследований

В своей статье «Осторожно, статистика!», опубликованной в 1989 году В.М. Зациорский указал, какие числовые характеристики должны быть представлены в публикации, чтобы она имела научную ценность. Он писал, что исследователь «…должен назвать: 1) среднюю величину (или другой так называемый показатель положения); 2) среднее квадратическое отклонение (или другой показатель рассеяния) и 3) число испытуемых. Без них его публикация научной ценности иметь не будет “с. 52

В научных публикациях в области физической культуры и спорта очень часто окончательный результат приводится в виде:  (М±m) (табл.1).

Таблица 1 — Изменение механических свойств латеральной широкой мышцы бедра под воздействием физической нагрузки (n=34)

	Эффективный модуль упругости (Е), кПа	Эффективный модуль вязкости (V), Па с
Этап эксперимента	Рассл.	Напряж.	Рассл.	Напряж.
До ФН	7,0±0,3	17,1±1,4	29,7±1,7	46±4
После ФН	7,7±0,3	18,7±1,4	30,9±2,0	53±6

Литература

1. Высшая математика и математическая статистика: учебное пособие для вузов / Под общ. ред. Г. И. Попова. – М. Физическая культура, 2007.– 368 с.
2. Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии. М.: Прогресс. 1976.- 495 с.
3. Зациорский В.М. Осторожно — статистика! // Теория и практика физической культуры, 1989.- №2.
4. Катранов А.Г. Компьютерная обработка данных экспериментальных исследований: Учебное пособие/ А. Г. Катранов, А. В. Самсонова; СПб ГУФК им. П.Ф. Лесгафта. – СПб.: изд-во СПб ГУФК им. П.Ф. Лесгафта, 2005. – 131 с.
5. Основы математической статистики: Учебное пособие для ин-тов физ. культ / Под ред. В.С. Иванова.– М.: Физкультура и спорт, 1990. 176 с.

Цель
– научить студентов основным способам
расчета точечных характеристик выборочной
совокупности.

Средние
величины

Для
того чтобы получить характеристику не
отдельных объектов, а всей группы в
целом, определяют среднюю величину
признака. В зависимости от исследуемых
объектов и от поставленной задачи
среднюю величину вычисляют различными
способами. Средние значения признака
могут представлять: средняя арифметическая,
средняя геометрическая, средняя
квадратическая, средняя гармоническая,
мода, медиана и другие.

Средняя
арифметическая

Выборочная
средняя арифметическая является оценкой
генеральной средней и отражает уровень,
по отношению к которому колеблются
значения вариант в ней.

Средняя
арифметическая может быть рассчитана
во всех случаях по формуле:
,
где–
средняя арифметическая;
–
сумма всех вариант (дат) ряда; n
– объем
выборки.

Пример
2.1. Было
проведено измерение высоты 13 растений
сои (в см). Данные измерений следующие:
82, 77, 74, 74, 73, 66, 64, 63, 63, 62, 54, 44, 43. Необходимо
рассчитать значение средней арифметической.

Порядок работы.

1.
Подсчитывается число вариант (дат): n
= 13.

2.
Суммируются все варианты данной
совокупности:=
839.

3.
Сумма вариант делится на число вариант
=
839/13 = 64,5 см

Следует
обратить внимание на то, что измерение
растений проводилось в целых величинах,
а полученный результат имеет точность
до десятых. Это в принципе не верно, так
как статистические расчеты не могут
повысить точность измерений. Поэтому,
в нашем случае средняя арифметическая
будет равна 65 см.

Взвешенная
средняя арифметическая

Выборочная
взвешенная средняя арифметическая
используется тогда, когда значения
вариант выборки имеют разный математический
вес.

,
где
– математический
вес варианты
.

Пример
2.2. В
кормовой смеси содержится следующее
количество отдельных компонентов:

Компонент	Содержание в смеси, кг	Содержание протеина, %
Сено	50	3
Резаная солома	10	1
Жмых подсолнечника	20	33
Пшеничные отруби	11	11

Требуется
определить содержание перевариваемого
протеина в килограмме смеси.

Датами
признака будет содержание белка в каждом
компоненте, а их математическими весами
– физические веса компонентов, находящихся
в смеси.

Порядок
работы:

1.
Умножаются значения признака на их
математические веса: 3·50+1·10+33·20+11·20 =
1040

2.
Находится сумма математических весов
компонентов (n)
50+10+20+20 = 100

3.
Делим первое значение на второе 1040/100=
10,4% или 10%

Таким
образом, в каждом килограмме кормовой
смеси содержится 100 г перевариваемого
белка.

Пример
2.3. Данные
о продолжительности периода вегетации
сортов ячменя преобразованы во взвешенный
вариационный ряд и представлены в
таблице.

Границы класса	Середина класса,	Частота класса,
57,5- 62,4	60	2	120
62,5-67,4	65	30	1950
67,5-72,4	70	34	2380
72,5-77,4	75	62	4650
77,5-82,4	80	74	5920
82,5-87,4	85	8	680
87,5-92,5	90	4	360

Найти
среднее значение периода вегетации
сортов ячменя.

В
том случае, когда имеется взвешенный
вариационный ряд, также может использоваться
формула взвешенной средней арифметической,
где:

– частота
(математический вес) класса;
–
середина классового интервала.

Расчеты производятся
в следующем порядке.

1.
Умножаем варианты на их частоты: 60·2 =
120 и т. д.

2.
Суммируем эти произведения; 120+1950…680+360
= 16060.

3.
Полученную сумму делим на объем выборки
(n
= 214)
=
16060/214= 75,1

Таким
образом, продолжительность вегетационного
периода составляет 75 дней.

Пример
2.4. Найдем
общую среднюю арифметическую высоты
растений гелениума осеннего за четыре
года наблюдений по данным, приведенным
в таблице.

Год наблюдения	Средняя арифметическая,	Объем выборки,
1978	87	16	1392
1979	135	16	2160
1980	103	20	2060
1981	89	18	1602

Формула
взвешенной средней арифметической
используется и в случае необходимости
получить общую среднюю составной
выборки, для каждой, из отдельных частей
которой средние арифметические уже
известны.

Общая средняя
будет равна:

=
103 см

Пример
2.5.
Рассчитайте
медиану периода вегетации для
статистической совокупности сортов
ячменя по данным из примера 2.3.

Медианой называется
варианта (или дата), разделяющая
вариационный ряд на две равные по числу
вариант части. Она рассчитывается по
формуле:

,
где
–
медиана;–
начала класса, в котором находится
медиана;–
величина классового интервала;n
– объем
выборки; L
– сумма частот классов, предшествующих
классу, в котором находится медиана;
–
частота медианного класса.

Рассчитаем
медиану периода вегетации для совокупности
сортов ячменя. Порядковый номер медианной
варианты: 0,5 (214 + 1) = 107,5. Класс, в котором
находится медиана, определяется путем
накопления частот. Так, в таблице из
примера 3 сумма частот сверху вниз равна:
2 + 30 + 34 + 62 = 128. Поскольку между 107 и 128
вариантами должна находиться медиана,
накопление частот прекращаем и за начало
медианного класса принимаем 72,5, т.е.
меньшую границу класса: 72, 5 – 77,4, среднее
значение которого 75, а частота 62.

Отсюда
по формуле
=
72,5 +дня.

Пример
2.6.
Рассчитайте моду периода вегетации
сортов ячменя на основании данных
таблицы из примера 3.

Модой называется
точка на оси абсцисс, соответствующая
максимальной частоте теоретической
кривой распределения вариант. Вычисляется
мода по формуле:

,
где Mo–
мода;
–
начало модального класса;–
величина классового интервала;–
частота класса, предшествующего
модальному;–
частота модального класса;–
частота класса, следующего за модальным.

Определим
моду продолжительности периода вегетации
статистической совокупности сортов
ячменя по выше приведенной формуле:

Mo
= 77,5 +

Показатели
варьирования (разнообразия)

В
биологии используются несколько
показателей разнообразия. Самыми
простыми из них являются лимиты (lim)
и размах варьирования (R).
Лимиты и размах определяются следующим
простым способом:

lim
=
и
R
=
–

,
где

и

наименьшая и наибольшая дата статистической
совокупности. Так для задачи с определением
продолжительности вегетационного
периода у сортов ячменя (пример 1.1.) lim
= 6090, а
R
= 92–60 = 32.

Однако
наиболее широкое использование в
исследованиях получили среднее
квадратическое отклонение (σ) или сигма
и дисперсия – среднее квадратическое
отклонение в квадрате (σ).
Среднее квадратическое отклонение и
дисперсия оценивают величину колебаний
значений вариант около их средней
арифметической и служат кроме того для
расчета других биометрических показателей.

Среднее квадратическое
отклонение вычисляется по формуле

σ
= +,
где σ – среднее квадратическое отклонение;– знак суммирования;–
варианты (даты) совокупности;–
средняя арифметическая;n
– объем
выборки.

Пример
2.7.
Необходимо рассчитать варьирование
растений сои по высоте (данные из примера
2.1).

Вычисление
выборочного среднего квадратического
отклонения по приведенной формуле
проводится в следующем порядке.

1.
Определяется средняя арифметическая.
Для данного ряда она вычислена в примере
1. и равна
=
64,538.

2.
Находится отклонение вариант путем
вычисления от каждой из них средней
арифметической:
–.
Вычитая: 82–64,538 = 17, 462: 77 – 64,538 и т.д. (см.
таблицу). Сумма всех разностей должна
быть равна нулю.

3. Возводятся в
квадрат отклонения и получается их
сумма:

=
1721, 231.

4.
Вычисляется среднее квадратическое
отклонение по формуле:

σ
= +=
11,98.

Варианта,	–
82	17,462	304,921
77	12,462	155,301
74	9,462	89,529
74	9,462	89,529
73	8,462	71,605
66	1,462	2,137
64	-0,538	0,289
63	-1,538	2,365
63	-1,538	2,365
62	-2,538	6,441
54	-10,538	111,049
44	-20,538	421,809
43	-21,538	463,885
	0,006	1721,231

В
промежуточных вычислениях показателей
обычно сохраняется число знаков,
достаточное для получения необходимой
точности, сам же показатель приводится
в результате с числом знаков, имеющим
реальное значение, т.е. среднее
квадратическое отклонение высоты сои
равно 12 см. Дисперсия этого признака
(σ)
равна144 (в отличии от среднего
квадратического отклонения дисперсия
это статистика не поименованная),lim
= 4382,
а
R
= 39.

Пример
2.8.
Известны
средние арифметические и средние
квадратические отклонения для массы
тела и длины ног домашней и дикой птицы.
Необходимо объективно сравнить
изменчивость этих признаков у двух
выборочных совокупностей.

Объект	Признак	Варьирование, σ	Средняя арифметическая,	Коэффициент вариации – Cv, %
Куры	Длина ног	1 см	10 см	= 10%
Масса тела	0,6 кг	3 кг	= 20%
Страусы	Длина ног	6 см	150 см	= 4%
Масса тела	10 кг	100 кг	= 10%

Среднее квадратическое
отклонение и дисперсия могут служить
для сравнения разнообразия статистических
совокупностей только при соблюдении
следующих условий:

1. При сравнении
одинаковых признаков;

2.
Если средние, сравниваемых статистических
совокупностей не очень сильно различаются.

В
противном случае используются не
абсолютные, а относительные показатели
вариации, среди которых чаще используется
коэффициент вариации (Cv).
Он вычисляется по формуле:

Cv
=
100%
и представляет собой среднее квадратическое
отклонение, выраженное в процентах от
величины средней арифметической.

Действительно
по величине сигмы невозможно установить,
какой признак более разнообразен: нельзя
сравнить 1 см длины ног с 0,6 кг массы или
6 см длины с 10 кг массы. Кроме того, 1 см
для мелкой птицы несравним с 6 см для
крупной. Это затруднение при решении
задачи снято с помощью коэффициента
вариации: у домашней птицы признаки
более разнообразны по сравнению с дикой
птицей, для которой сказывается действие
стабилизирующего отбора. Длина ног
имеет явно меньшее разнообразие по
сравнению с разнообразием массы, у кур
это связано с отсутствием селекции по
длине ног, у страусов сказывается более
жесткий стабилизирующий отбор.

Варьирование
считается слабым, если коэффициент
вариации не превышает 10%, средним, когда
он составляет 11 — 25%, и значительным при
величине более 25%.

Пример
2.9.
Необходимо
вычислить среднюю дисперсию для четырех
групп измерений диаметра цветков
гелениума осеннего по данным таблицы

Группа	Дисперсия диаметра цветка, мм	Объем выборки
1	2,00	7
2	3,35	5
3	2,95	8
4	4,37	9

В примере 2.4. было
показано, как объединить выборки по их
средним арифметическим. Часто при этом
требуется также найти и среднюю дисперсию
объединенной выборки. Она может быть
рассчитана по формуле:

σ=,
где σ–
средняя дисперсия; σ– дисперсии частных выборок;– объемы частных выборок;k
– число
частных выборок.

По выше приведенной
формуле

σ=

Статистические
ошибки точечных оценок

Выборочная
средняя, выборочная дисперсия, среднее
квадратическое отклонение, коэффициент
вариации являются оценками соответствующих
генеральных параметров. Это точечные
оценки, представляющие собой не интервалы,
а числа, вычисляемые по случайной
выборке. Выборочные характеристики,
как правило, не совпадают по абсолютной
величине с соответствующими им
генеральными параметрами. Величина
отклонения статистики от ее генерального
параметра называют статистической
ошибкой или ошибкой репрезентативности.

Ошибка
средней арифметической вычисляется по
формуле

,
где
–
ошибка средней арифметической; σ –
среднее квадратическое отклонение;n
– объем выборки.

Показатель точности
оценки определяется по следующей
формуле:

Достоверность
средней арифметической оценивается
путем сравнения фактического значения
критерия Стьюдента с его табличным (или
стандартным) значением, которое зависит
от числа степеней свободы и принимаемого
уровня значимости.

,
где t–
фактический (или наблюдаемый) критерий
Стьюдента.

Число
степеней свободы для выборочной средней
равно k
= n
– 1.

Обычно
используются следующие три уровня
значимости в порядке возрастания
строгости оценки достоверности статистик:
,=1%,=
0,1%. Им соответствуют в том же порядке
возрастания строгости оценки, следующие
доверительные уровни:= 95%,=
99%,=
99,9%. И те и другие, также могут быть
выражены в долях. Для биологических
исследований во многих случаях достаточно
принимать 5% уровень значимости, или 95%
доверительный уровень, при котором
подтверждается существенность выводов
в 95 случаях из 100.

Пример
2.10.
Требуется
рассчитать статистическую ошибку,
показатель точности и достоверность
средней арифметической высоты растений
сои по данным примера 1. Ранее была
рассчитана средняя арифметическая,
которая равна 65 см (пример 2.1) и среднее
квадратическое отклонение – 12 см (пример
2.7) при n
= 13.

Ошибка средней
арифметической равна

=
см.
(как правило, ошибка записывается с
точностью на один знак больше после
запятой, чем средняя арифметическая)

Точность
определения выборочной средней
арифметической равна

Sc
=
=
5,1%. Она считается вполне удовлетворительной,
если коэффициент Sc
не превышает 3 — 5%.

Фактический
критерий Стьюдента равен
==
19,5, число степеней свободыk
= 13–1=12. Табличное значение критерия
Стьюдента для 5% уровня значимости равно
2,179 и на 0,15 уровне значимости равно
4,318. Полученное выше значение критерия
19,5 значительно выше табличного, поэтому
средняя арифметическая вполне достоверна
даже при самой строгой оценке, т.е. на
0,1% уровне значимости.

Пример
2.11.
Необходимо сравнить на точность
определения средние:
=
86,1±0,7 см и=
17,4±0,2 см. Так как средние выражены разными
единицами, судить по абсолютной величине
их ошибок о том, какая из них определена
более точно, нельзя. Ответить на этот
вопрос позволяет коэффициентSc

Sc;
Sc

Из расчетов видно,
что первая средняя определена более
точно, чем вторая.

Пример
2.12.
Из 1050
обследованных растений ячменя 66 особей
оказалось мутантами, что составляет
6,3% от всего числа растений. Требуется
оценить достоверность доли мутантных
растений. В задаче имеет место
альтернативное распределение. Ошибка
доли определяется по формуле:

,
где p
– доля особей
с изучаемым признаком, выраженная часть
единицы или в процентах, она же и средняя
арифметическая; q
– доля особей
без этого признака; n
– объем всей выборки (1050). Для приведенных
данных
.
Точность опыта будет равнаSc
=
=
11,9%, что является низким показателем
точности проведенного исследования.

Ошибка среднего
квадратического отклонения вычисляется
по формуле:

или
для небольших выборок (при n<
30) по формуле
.

Ошибка
дисперсии рассчитывается по аналогичной
формуле
.

Пример
2.13.
Необходимо рассчитать среднее
квадратическое отклонение и его ошибку
для продолжительности вегетации ячменя,
пользуясь данными примера 2.3, где
представлен взвешенный вариационный
ряд.

Для
расчета среднего квадратического
отклонения можно воспользоваться
формулойгде σ – среднее квадратическое отклонение;–
варианты совокупности;f
– частота
;– средняя арифметическая;n
– объем
выборки. Так как, мы располагаем данными
преобразованными во взвешенный
вариационный ряд то аналогично с задачей
на взвешенную среднюю арифметическую
принимаем:


– за частоту
(математический вес) класса;
– за
середину классового интервала. Подставив
в формулу данные, получим:

Ошибка
среднего квадратического отклонения
будет равна

Таким
образом, в нашем примере среднее
квадратическое отклонение продолжительности
вегетации сортов ячменя равно σ = 6 ± 0,3
дня.

Вопросы для
самоконтроля:

1. Какие
   две группы показателей позволяют
   характеризовать вариационные ряды?

2. Что
   такое медиана, мода?

3. Что
   такое размах варьирования и лимиты?

4. Приведите
   формулу средней арифметической.

5. Могут
   ли совпасть значения
   ,Me,
   Мо?

6. Каковы
   свойства средней арифметической?

7. В
   чем заключается прямой способ вычисления
   
   ?

8. Каковы
   свойства дисперсии?

9. Среднее
   крадратическое отклонение как мерило
   изменчивости совокупности. Общая
   формула для него.

10. Степени
    свободы. Значение этого показателя при
    вычислении σ
    и σ².
    При каких значениях n
    более точным
    является использование числа степеней
    свободы, а не количества вариант
    (наблюдений)?

11. Почему
    
    и σ являются
    основными характеристиками вариационного
    ряда?

12. Какова
    зависимость между величиной статистической
    ошибки средней и объемом совокупности?

Задачи для
самостоятельного решения.

1.
В результате подсчета количества
лепестков в цветках седмичника был
построен следующий вариационный ряд:

xi	5	6	7	8
fi	1	31	130	2

Определите
среднее количество лепестков и их
варьирование в цветках седмичника.
Отобразите данные графически (15 баллов)

2. В
результате измерения длины бобов фасоли
(в мм) был построен следующий вариационный
ряд (x_i
– середина классового интервала):

xi	17	19	21	23	25	27	29	31	33
fi	10	44	122	160	128	64	25	5	1

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

• #
• #
• #
• #
• #
• #
• #
• #
• #
• #
• #