Математическая статистика - раздел математики, посвященный математическим методам обработки, систематизации и использования статистических данных для научных и практических выводов.
3.1. ОСНОВНЫЕ ПОНЯТИЯ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
В медико-биологических задачах часто приходится исследовать распределение того или иного признака для очень большого числа индивидуумов. У разных индивидуумов этот признак имеет различное значение, поэтому он является случайной величиной. Например, любой лечебный препарата имеет различную эффективность при его применении к разным пациентам. Однако для того чтобы составить представление об эффективности данного препарата, нет необходимости применять его ко всем больным. Можно проследить результаты применения препарата к сравнительно небольшой группе больных и на основании полученных данных выявить существенные черты (эффективность, противопоказания) процесса лечения.
Генеральная совокупность - подлежащая изучению совокупность однородных элементов, характеризуемых некоторым признаком. Этот признак является непрерывной случайной величиной с плотностью распределения f(x).
Например, если нас интересует распространенность какого-либо заболевания в некотором регионе, то генеральная совокупность - все население региона. Если же мы хотим выяснить подверженность этому заболеванию мужчин и женщин по отдельности, то следует рассматривать две генеральные совокупности.
Для изучения свойств генеральной совокупности отбирают некоторую часть ее элементов.
Выборка - часть генеральной совокупности, выбираемая для обследования (лечения).
Если это не вызывает недоразумений, то выборкой называют как совокупность объектов, отобранных для обследования, так и совокупность
значений исследуемого признака, полученных при обследовании. Эти значения могут быть представлены несколькими способами.
Простой статистический ряд - значения исследуемого признака, записанные в том порядке, в котором они были получены.
Пример простого статистического ряда, полученного при измерении скорости поверхностной волны (м/с) в коже лба у 20 пациентов приведен в табл. 3.1.
Таблица 3.1. Простой статистический ряд
Простой статистический ряд - основной и самый полный способ записи результатов обследования. Он может содержать сотни элементов. Окинуть такую совокупность одним взглядом весьма затруднительно. Поэтому большие выборки обычно подвергают разбиению на группы. Для этого область изменения признака разбивают на несколько (N) интервалов равной ширины и подсчитывают относительные частоты (n/n) попадания признака в эти интервалы. Ширина каждого интервала равна:
Границы интервалов имеют следующие значения:
Если какой-то элемент выборки является границей между двумя соседними интервалами, то его относят к левому интервалу. Сгруппированные таким образом данные называют интервальным статистическим рядом.
- это таблица, в которой приведены интервалы значений признака и относительные частоты попадания признака в эти интервалы.
В нашем случае можно образовать, например, такой интервальный статистический ряд (N = 5, d = 4), табл. 3.2.
Таблица 3.2. Интервальный статистический ряд
Здесь к интервалу 28-32 отнесены два значения равные 28 (табл. 3.1), а к интервалу 32-36 - значения 32, 33, 34 и 35.
Интервальный статистический ряд можно изобразить графически. Для этого по оси абсцисс откладывают интервалы значений признака и на каждом из них, как на основании, строят прямоугольник с высотой, равной относительной частоте. Полученная столбцовая диаграмма называется гистограммой.
Рис. 3.1. Гистограмма
На гистограмме статистические закономерности распределения признака просматриваются достаточно отчетливо.
При большом объеме выборки (несколько тысяч) и малой ширине столбцов форма гистограммы близка к форме графика плотности распределения признака.
Число столбцов гистограммы можно выбрать по следующей формуле:
Построение гистограммы вручную - процесс долгий. Поэтому разработаны компьютерные программы для их автоматического построения.
3.2. ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СТАТИСТИЧЕСКОГО РЯДА
Многие статистические процедуры используют выборочные оценки для математического ожидания и дисперсии (или СКО) генеральной совокупности.
Выборочное среднее (Х) - это среднее арифметическое всех элементов простого статистического ряда:
Для нашего примера Х = 37,05 (м/с).
Выборочное среднее - это наилучшая оценка генерального среднего М.
Выборочная дисперсия s 2 равна сумме квадратов отклонений элементов от выборочного среднего, поделенной на n - 1:
В нашем примере s 2 = 25,2 (м/с) 2 .
Обратите внимание, что при вычислении выборочной дисперсии в знаменателе формулы стоит не объем выборки n, а n-1. Это связано с тем, что при вычислении отклонений в формуле (3.3) вместо неизвестного математического ожидания используется его оценка - выборочное среднее.
Выборочная дисперсия - это наилучшая оценка генеральной дисперсии (σ 2).
Выборочное среднеквадратическое отклонение (s) - это квадратный корень из выборочной дисперсии:
Для нашего примера s = 5,02 (м/с).
Выборочное среднеквадратическое отклонение - это наилучшая оценка генерального СКО (σ).
При неограниченном увеличении объема выборки все выборочные характеристики стремятся к соответствующим характеристикам генеральной совокупности.
Для вычисления выборочных характеристик используют компьютерные формулы. В приложении Excel эти вычисления выполняют статистические функции СРЗНАЧ, ДИСП. СТАНДОТКЛОН.
3.3. ИНТЕРВАЛЬНАЯ ОЦЕНКА
Все выборочные характеристики являются случайными величинами. Это означает, что для другой выборки того же объема значения выборочных характеристик получатся другими. Таким образом, выборочные
характеристики являются лишь оценками соответствующих характеристик генеральной совокупности.
Недостатки выборочного оценивания компенсирует интервальная оценка, представляющая числовой интервал, внутри которого с заданной вероятностью Р д находится истинное значение оцениваемого параметра.
Пусть U r - некоторый параметр генеральной совокупности (генеральное среднее, генеральная дисперсия и т.д.).
Интервальной оценкой параметра U r называется интервал (U 1 , U 2), удовлетворяющий условию:
P(U < Ur < U2) = Рд. (3.5)
Вероятность Р д называется доверительной вероятностью.
Доверительная вероятность Р д - вероятность того, что истинное значение оцениваемой величины находится внутри указанного интервала.
При этом интервал (U 1 , U 2) называется доверительным интервалом для оцениваемого параметра.
Часто вместо доверительной вероятности используют связанную с ней величину α = 1 - Р д, которая называется уровнем значимости.
Уровень значимости - это вероятность того, что истинное значение оцениваемого параметра находится за пределами доверительного интервала.
Иногда α и Р д выражают в процентах, например, 5% вместо 0,05 и 95% вместо 0,95.
При интервальном оценивании сначала выбирают соответствующую доверительную вероятность (обычно 0,95 или 0,99), а затем находят соответствующий интервал значений оцениваемого параметра.
Отметим некоторые общие свойства интервальных оценок.
1. Чем ниже уровень значимости (чем больше Р д), тем шире интервальная оценка. Так, если при уровне значимости 0,05 интервальная оценка генерального среднего есть 34,7 < М < 39,4, то для уровня 0,01 она будет гораздо шире: 33,85 < М < 40,25.
2. Чем больше объем выборки n, тем уже интервальная оценка с выбранным уровнем значимости. Пусть, например, 5 - процентная оценка генеральной средней (β=0,05), полученная по выборке из 20 элементов, тогда 34,7 < М < 39,4.
Увеличив объем выборки до 80, мы при том же уровне значимости получим более точную оценку: 35,5 < М < 38,6.
В общем случае построение надежных доверительных оценок требует знания закона, по которому оцениваемый случайный признак распределен в генеральной совокупности. Рассмотрим, как строится интервальная оценка генерального среднего признака, который распределен в генеральной совокупности по нормальному закону.
3.4. ИНТЕРВАЛЬНАЯ ОЦЕНКА ГЕНЕРАЛЬНОГО СРЕДНЕГО ДЛЯ НОРМАЛЬНОГО ЗАКОНА РАСПРЕДЕЛЕНИЯ
Построение интервальной оценки генерального среднего М для генеральной совокупности с нормальным законом распределения основано на следующем свойстве. Для выборки объема n отношение
подчиняется распределению Стьюдента с числом степеней свободы ν = n - 1.
Здесь Х - выборочное среднее, а s - выборочное СКО.
Используя таблицы распределения Стьюдента или их компьютерный аналог, можно найти такое граничное значение что c заданной доверительной вероятностью выполняется неравенство:
Этому неравенству соответствует неравенство для М:
где ε - полуширина доверительного интервала.
Таким образом, построение доверительного интервала для М проводится в следующей последовательности.
1. Выбирают доверительную вероятность Р д (обычно 0,95 или 0,99) и для нее по таблице распределения Стьюдента находят параметр t
2. Рассчитывают полуширину доверительного интервала ε:
3. Получают интервальную оценку генерального среднего с выбранной доверительной вероятностью:
Кратко это записывается так:
Для нахождения интервальных оценок разработаны компьютерные процедуры.
Поясним, как пользоваться таблицей распределения Стьюдента. Эта таблица имеет два «входа»: левый столбец, называемый числом степеней свободы ν = n - 1, и верхняя строка - уровень значимости α. На пересечении соответствующей строки и столбца находят коэффициент Стьюдента t.
Применим этот метод к нашей выборке. Фрагмент таблицы распределения Стьюдента представлен ниже.
Таблица 3.3. Фрагмент таблицы распределения Стьюдента
Простой статистический ряд для выборки из 20 человек (n = 20, ν =19) представлен в табл. 3.1. Для этого ряда расчеты по формулам (3.1-3.3) дают: Х = 37,05; s = 5,02.
Выберем α = 0,05 (Р д = 0,95). На пересечении строки «19» и столбца «0,05» найдем t = 2,09.
Вычислим точность оценки по формуле (3.6): ε = 2,09?5,02/λ /20 = 2,34.
Построим интервальную оценку: с вероятностью 95% неизвестное генеральное среднее удовлетворяет неравенству:
37,05 - 2,34 < М < 37,05 + 2,34, или М = 37,05 ± 2,34 (м/с), Р д = 0,95.
3.5. МЕТОДЫ ПРОВЕРКИ СТАТИСТИЧЕСКИХ ГИПОТЕЗ
Статистические гипотезы
Прежде чем сформулировать, что такое статистическая гипотеза, рассмотрим следующий пример.
Для сравнения двух методик лечения некоторого заболевания были отобраны две группы пациентов по 20 человек, лечение которых проводилось по этим методикам. Для каждого пациента фиксировалось количество процедур, после которого достигался положительный эффект. По этим данным для каждой группы находились выборочные средние (Х), выборочные дисперсии (s 2) и выборочные СКО (s).
Результаты представлены в табл. 3.4.
Таблица 3.4
Количество процедур, необходимое для получения положительного эффекта, - случайная величина, вся информация о которой на данный момент содержится в приведенной выборке.
Из табл. 3.4 видно, что выборочное среднее в первой группе меньше, чем во второй. Означает ли это, что и для генеральных средних имеет место такое же соотношение: М 1 < М 2 ? Достаточно ли статистических данных для такого вывода? Ответы на эти вопросы и дает статистическая проверка гипотез.
Статистическая гипотеза - это предположение относительно свойств генеральных совокупностей.
Мы будем рассматривать гипотезы о свойствах двух генеральных совокупностей.
Если генеральные совокупности имеют известные, одинаковые распределения оцениваемой величины, а предположения касаются величин некоторого параметра этого распределения, то гипотезы называются параметрическими. Например, выборки извлечены из генеральных совокупностей с нормальным законом распределения и одинаковой дисперсией. Требуется выяснить, одинаковы ли генеральные средние этих совокупностей.
Если о законах распределения генеральных совокупностей ничего не известно, то гипотезы об их свойствах называют непараметрическими. Например, одинаковы ли законы распределения генеральных совокупностей, из которых извлечены выборки.
Нулевая и альтернативная гипотезы.
Задача проверки гипотез. Уровень значимости
Познакомимся с терминологией, применяемой при проверке гипотез.
Н 0 - нулевая гипотеза (гипотеза скептика) - это гипотеза об отсутствии различий между сравниваемыми выборками. Скептик считает, что различия между выборочными оценками, полученными по результатам исследований, - случайны;
Н 1 - альтернативная гипотеза (гипотеза оптимиста) - это гипотеза о наличии различий между сравниваемыми выборками. Оптимист считает, что различия между выборочными оценками вызваны объективными причинами и соответствуют различиям генеральных совокупностей.
Проверка статистических гипотез осуществима только тогда, когда из элементов сравниваемых выборок можно составить некоторую величину (критерий), закон распределения которой в случае справедливости Н 0 известен. Тогда для этой величины можно указать доверительный интервал, в который с заданной вероятностью Р д попадает ее значение. Этот интервал называют критической областью. Если значение критерия попадает в критическую область, то принимается гипотеза Н 0 . В противном случае принимается гипотеза Н 1 .
В медицинских исследованиях используют Р д = 0,95 или Р д = 0,99. Этим значениям соответствуют уровни значимости α = 0,05 или α = 0,01.
При проверке статистических гипотез уровнем значимости (α) называется вероятность отклонения нулевой гипотезы, когда она верна.
Обратите внимание на то, что по своей сути процедура проверки гипотез направлена на обнаружение различий, а не на подтверждение их отсутствия. При выходе значения критерия за пределы критической области мы можем с чистым сердцем сказать «скептику» - ну что, Вы еще хотите?! Если бы различия отсутствовали, то с вероятностью 95% (или 99%) расчетное значение было бы в указанных пределах. Так ведь нет!..
Ну а если значение критерия попадает в критическую область, то нет никаких оснований считать что гипотеза Н 0 верна. Это, скорее всего, указывает на одну из двух возможных причин.
1. Объемы выборок недостаточно велики, чтобы обнаружить имеющиеся различия. Вполне вероятно, что продолжение экспериментов принесет успех.
2. Различия есть. Но они настолько малы, что не имеют практического значения. В этом случае продолжение экспериментов не имеет смысла.
Перейдем к рассмотрению некоторых статистических гипотез, используемых в медицинских исследованиях.
3.6. ПРОВЕРКА ГИПОТЕЗ О РАВЕНСТВЕ ДИСПЕРСИЙ, F-КРИТЕРИЙ ФИШЕРА
В некоторых клинических исследованиях о положительном эффекте свидетельствует не столько величина исследуемого параметра, сколько его стабилизация, уменьшение его колебаний. В этом случае возникает вопрос о сравнении двух генеральных дисперсий по результатам выборочного обследования. Эта задача может быть решена с помощью критерия Фишера.
Постановка задачи
нормальным законом распределения. Объемы выборок -
n 1 и n 2 , а выборочные дисперсии равны s 1 и s 2 2 генеральные дисперсии.
Проверяемые гипотезы:
Н 0 - генеральные дисперсии одинаковы;
Н 1 - генеральные дисперсии различны.
Показано, если выборки извлечены из генеральных совокупностей с нормальным законом распределения, то при справедливости гипотезы Н 0 отношение выборочных дисперсий подчиняется распределению Фишера. Поэтому в качестве критерия для проверки справедливости Н 0 берется величина F, вычисляемая по формуле:
где s 1 и s 2 - выборочные дисперсии.
Это отношение подчиняется распределению Фишера с числом степеней свободы числителя ν 1 = n 1 - 1 и числом степеней свободы знаменателя ν 2 = n 2 - 1. Границы критической области находятся по таблицам распределения Фишера или с помощью компьютерной функции БРАСПОБР.
Для примера, представленного в табл. 3.4, получим: ν 1 = ν 2 = 20 - 1 = 19; F = 2,16/4,05 = 0,53. При α = 0,05 границы критической области равны соответственно: = 0,40, = 2,53.
Значение критерия попало в критическую область, поэтому принимается гипотеза Н 0: генеральные дисперсии выборок одинаковы.
3.7. ПРОВЕРКА ГИПОТЕЗ ОТНОСИТЕЛЬНО РАВЕНСТВА СРЕДНИХ, t-КРИТЕРИЙ СТЬЮДЕНТА
Задача сравнения средних двух генеральных совокупностей возникает, когда практическое значение имеет именно величина исследуемого признака. Например, когда сравниваются сроки лечения двумя различными методами или количества осложнений, возникающих при их применении. В этом случае можно использовать t-критерий Стьюдента.
Постановка задачи
Получены две выборки {Х 1 } и {Х 2 }, извлеченные из генеральных совокупностей с нормальным законом распределения и одинаковыми дисперсиями. Объемы выборок - n 1 и n 2 , выборочные средние равны Х 1 и Х 2, а выборочные дисперсии - s 1 2 и s 2 2 соответственно. Требуется сравнить между собой генеральные средние.
Проверяемые гипотезы:
Н 0 - генеральные средние одинаковы;
Н 1 - генеральные средние различны.
Показано, что в случае справедливости гипотезы Н 0 величина t, вычисляемая по формуле:
распределена по закону Стьюдента с числом степеней свободы ν = ν 1 + + ν2 - 2.
Здесь где ν 1 = n 1 - 1 - число степеней свободы для первой выборки; ν 2 = n 2 - 1 - число степеней свободы для второй выборки.
Границы критической области находят по таблицам t-распределения или с помощью компьютерной функции СТЬЮДРАСПОБР. Распределение Стьюдента симметрично относительно нуля, поэтому левая и правая границы критической области одинаковы по модулю и противоположны по знаку: -и
Для примера, представленного в табл. 3.4, получим:
ν 1 = ν 2 = 20 - 1 = 19; ν = 38, t = -2,51. При α = 0,05 = 2,02.
Значения критерия выходит за левую границу критической области, поэтому принимаем гипотезу Н 1: генеральные средние различны. При этом среднее генеральной совокупности первой выборки МЕНЬШЕ.
Применимость t-критерия Стьюдента
Критерий Стьюдента применим только к выборкам из нормальных совокупностей с одинаковыми генеральными дисперсиями. Если хотя бы одно из условий нарушено, то применимость критерия сомнительна. Требование нормальности генеральной совокупности обычно игнорируют, ссылаясь на центральную предельную теорему. Действительно, разность выборочных средних, стоящая в числителе (3.10), может считаться нормально распределенной при ν > 30. Но вопрос о равенстве дисперсий проверке не подлежит, и ссылки на то, что критерий Фишера не обнаружил различий, принимать во внимание нельзя. Тем не менее t-критерий достаточно широко применяется для обнаружения различий в средних значениях генеральных совокупностей, хотя и без достаточных оснований.
Ниже рассматривается непараметрический критерий, который с успехом используют для этих же целей и который не требует ни нормальности, ни равенства дисперсий.
3.8. НЕПАРАМЕТРИЧЕСКОЕ СРАВНЕНИЕ ДВУХ ВЫБОРОК: КРИТЕРИЙ МАННА-УИТНИ
Непараметрические критерии предназначены для обнаружения различий в законах распределения двух генеральных совокупностей. Критерии, которые чувствительны к различиям генеральных средних, называют критериями сдвига. Критерии, которые чувствительны к различиям генеральных дисперсий, называют критериями масштаба. Критерий Манна-Уитни относится к критериям сдвига и используется для обнаружения различий в средних значениях двух генеральных совокупностей, выборки из которых представлены в ранговой шкале. Измеренные признаки распологаются на этой шкале в порядке возрастания, а затем нумеруются целыми числами 1, 2... Эти числа и называются рангами. Равным величинам присваивают одинаковые ранги. Значение имеет не сама величина признака, а лишь порядковое место, который она занимает среди других величин.
В табл. 3.5. первая группа из таблицы 3.4 представлена в развернутом виде (строка 1), подвергнута ранжированию (стока 2), а затем ранги одинаковых величин заменены среднеарифметическими значениями. Например, элементы 4 и 4, стоящие в первой строке, получили ранги 2 и 3, которые затем заменены на одинаковые значения 2,5.
Таблица 3.5
Постановка задачи
Независимые выборки {Х 1 } и {Х 2 } извлечены из генеральных совокупностей с неизвестными законами распределения. Объемы выборок n 1 и n 2 соответственно. Значения элементов выборок представлены в ранговой шкале. Требуется проверить, различаются ли эти генеральные совокупности между собой?
Проверяемые гипотезы:
Н 0 - выборки принадлежат к одной генеральной совокупности; Н 1 - выборки принадлежат к различным генеральным совокупностям.
Для проверки таких гипотез применяется {/-критерий Манна-Уитни.
Сначала из двух выборок составляется объединенная выборка {X}, элементы которой ранжируются. Затем находится сумма рангов, соответствующих элементам первой выборки. Эта сумма и является критерием для проверки гипотез.
U = Сумме рангов первой выборки. (3.11)
Для независимых выборок, объемы которых больше 20, величина U подчиняется нормальному распределению, математическое ожидание и СКО которого равны:
Поэтому границы критической области находятся по таблицам нормального распределения.
Для примера, представленного в табл. 3.4, получим: ν 1 = ν 2 = 20 - 1 = 19, U = 339, μ = 410, σ = 37. Для α = 0,05 получим: и лев = 338, и прав = 482.
Значение критерия выходит за левую границу критической области, поэтому принимается гипотеза Н 1: генеральные совокупности имеют различные законы распределения. При этом среднее генеральной совокупности первой выборки МЕНЬШЕ.
При построении интервального ряда распределения решаются три вопроса:
- 1. Сколько надо взять интервалов?
- 2. Какова длина интервалов?
- 3. Каков порядок включения единиц совокупности в границы интервалов?
- 1. Количество интервалов можно определить по формуле Стер- джесса :
2. Длина интервала, или шаг интервала , обычно определяется по формуле
где R - размах вариации.
3. Порядок включения единиц совокупности в границы интервала
может быть разным, но при построении интервального ряда распределения обязательно строго определен.
Например, такой: [), при котором единицы совокупности в нижние границы включаются, а в верхние - не включаются, а переносятся в следующий интервал. Исключение в этом правиле составляет последний интервал , верхняя граница которого включает последнее число ранжированного ряда.
Границы интервалов бывают:
- закрытые - с двумя крайними значениями признака;
- открытые - с одним крайним значением признака (до такого-то числа или свыше такого-то числа).
С целью усвоения теоретического материала введем исходную информацию для решения сквозной задачи.
Имеются условные данные по среднесписочной численности менеджеров по продажам, количеству проданного ими однокачественного товара, индивидуальной рыночной цене на этот товар, а также объему продаж 30 фирм в одном из регионов РФ в I квартале отчетного года (табл. 2.1).
Таблица 2.1
Исходная информация для сквозной задачи
|
Численность менеджеров, |
Цена, тыс. руб. |
Объем продаж, млн руб. |
||
|
Численность менеджеров, |
Количество проданного товара, шт. |
Цена, тыс. руб. |
Объем продаж, млн руб. |
|
На базе исходной информации, а также дополнительной сделаем постановку отдельных заданий. Затем представим методику их решения и сами решения.
Сквозная задача. Задание 2.1
Используя исходные данные табл. 2.1, требуется построить дискретный ряд распределения фирм по количеству проданного товара (табл. 2.2).
Решение:
Таблица 2.2
Дискретный ряд распределения фирм по количеству проданного товара в одном из регионов РФ в I квартале отчетного года
Сквозная задача. Задание 2.2
требуется построить ранжированный ряд 30 фирм по среднесписочной численности менеджеров.
Решение:
15; 17; 18; 20; 20; 20; 22; 22; 24; 25; 25; 25; 27; 27; 27; 28; 29; 30; 32; 32; 33; 33; 33; 34; 35; 35; 38; 39; 39; 45.
Сквозная задача. Задание 2.3
Используя исходные данные табл. 2.1, требуется:
- 1. Построить интервальный ряд распределения фирм по численности менеджеров.
- 2. Рассчитать частости ряда распределения фирм.
- 3. Сделать выводы.
Решение:
Рассчитаем по формуле Стерджесса (2.5) количество интервалов :
Таким образом, берем 6 интервалов (групп).
Длину интервала , или шаг интервала , рассчитаем по формуле
Примечание. Порядок включения единиц совокупности в границы интервала такой: I), при котором единицы совокупности в нижние границы включаются, а в верхние - не включаются, а переносятся в следующий интервал. Исключение в этом правиле составляет последний интервал I ], верхняя граница которого включает последнее число ранжированного ряда.
Строим интервальный ряд (табл. 2.3).
Интервальный ряд распределения фирм но среднесписочной численности менеджеров в одном из регионов РФ в I квартале отчетного года
Вывод. Наиболее многочисленной группой фирм является группа со среднесписочной численностью менеджеров 25- 30 человек, которая включает 8 фирм (27%); в самую малочисленную группу со среднесписочной численностью менеджеров 40-45 человек входит всего одна фирма (3%).
Используя исходные данные табл. 2.1, а также интервальный ряд распределения фирм по численности менеджеров (табл. 2.3), требуется построить аналитическую группировку зависимости между численностью менеджеров и объемом продаж фирм и на основании ее сделать вывод о наличии (или отсутствии) связи между указанными признаками.
Решение:
Аналитическая группировка строится по факторному признаку. В нашей задаче факторным признаком (х) является численность менеджеров, а результативным признаком (у) - объем продаж (табл. 2.4).
Построим теперь аналитическую группировку (табл. 2.5).
Вывод. На основании данных построенной аналитической группировки можно сказать, что с увеличением численности менеджеров по продажам средний в группе объем продаж фирмы также увеличивается, что свидетельствует о наличии прямой связи между указанными признаками.
Таблица 2.4
Вспомогательная таблица для построения аналитической группировки
|
Численность менеджеров, чел., |
Номер фирмы |
Объем продаж, млн руб., у |
|
|
» = 59 f = 9,97 |
|||
|
Я-™ 4 - Ю.22 |
|||
|
74 ’25 1ПЙ1 У4 = 7 = 10,61 |
|||
|
у = ’ =10,31 30 |
|||
Таблица 2.5
Зависимость объемов продаж от численности менеджеров фирм в одном из регионов РФ в I квартале отчетного года
КОНТРОЛЬНЫЕ ВОПРОСЫ- 1. В чем суть статистического наблюдения?
- 2. Назовите этапы статистического наблюдения.
- 3. Каковы организационные формы статистического наблюдения?
- 4. Назовите виды статистического наблюдения.
- 5. Что такое статистическая сводка?
- 6. Назовите виды статистических сводок.
- 7. Что такое статистическая группировка?
- 8. Назовите виды статистических группировок.
- 9. Что такое ряд распределения?
- 10. Назовите конструктивные элементы ряда распределения.
- 11. Каков порядок построения ряда распределения?
Располагая данные статистического наблюдения, характеризующих то или иное явление, прежде всего необходимо их упорядочить, т.е. придать характер системности
Английский статистик. УДжРейхман по поводу неупорядоченных совокупностей образно сказал, что столкнуться с массой необобщенных данных равнозначно ситуации, когда человека бросают в лесной чаще без компаса. Что же собой представляет систематизация статистических данных в виде рядов распределениялу?
Статистический ряд распределения - это упорядоченные статистические совокупности (табл. 17). Простейшим видом статистического ряда распределения ранжированном ряд, т.е. ряд чисел, находящейся в порядке возрастания ч или падения варьируя признаки. Такой ряд не позволяет судить о закономерности, заложенные в распределенных данных: у какой величины группируется большинство показателей, какие есть отклонения от этой величины; как а общая картина распределения. С этой целью группируют данные, показывая, как часто встречаются отдельные наблюдения в общем их числе (Схема 1а 1).
. Таблица 17
. Общий вид статистических рядов распределения
. Схема 1. Схемастатистичних рядов распределения
Распределение единиц совокупности по признакам, не имеют количественного выражения, называется атрибутивным рядом (например, распределение предприятий по их производственным направлением)
Ряды распределения единиц совокупности по признакам, имеют количественное выражение, называются вариационными рядами . В таких рядах значение признака (варианты) находятся в порядке возрастания или убывания
В вариационном ряде распределения различают два элемента: варианта и частота. Варианта - это отдельное значение группировочного признаки частота - число, которое показывает, сколько раз встречается каждый варианта
В математической статистике исчисляется еще один элемент вариационного ряда - частисть . Последняя определяется как отношение частоты случаев данного интервала к общей сумме частот частисть определяется в долях единицы, процентах (%) в промилле (% о)
Таким образом, вариационный ряд распределения - это такой ряд, в котором варианты расположены в порядке возрастания или убывания, указаны их частоты или частости. Вариационные ряды бывают дискретные (переривни) и др. нтервальни (непрерывного).
. Дискретные вариационные ряды - это такие ряды распределения, в которых варианта как величина количественного признака может принимать только определенное значение. Варианты различаются между собой на одну или несколько единиц
Так, количество произведенных деталей за смену конкретным рабочим может выражаться только одним определенным числом (6, 10, 12 и тд). Примером дискретного вариационного ряда может быть распределение работников по к количеством произведенных деталей (табл 18 18).
. Таблица 18
. Дискретный ряд распределения _
. Интервальные (непрерывного) вариационные ряды - такие ряды распределения, в которых значение варианты даны в виде интервалов, т.е. значения признаков могут отличаться друг от друга на сколь угодно малую величину. При построении вариационного ряда нэп переривнои признаки невозможно указать каждое значение варианты, поэтому совокупность распределяется по интервалам. Последние могут быть равны и неравны. Для каждого из них указываются частоты или частости (табл. 1 9 19).
В интервальных рядах распределения с неравными интервалами вычисляют такие математические характеристики, как плотность распределения и относительная плотность распределения на данном интервале. Первая характеристика определи ся отношением частоты до величины того же интервала, вторая - отношением частости к величине того же интервала. Для приведенного выше примера плотность распределения на первом интервале составит 3: 5 = 0,6, а относительная плотность на этом интервале - 7,5:5 = 1,55%.
. Таблица 19
. Интервальный ряд распределения _
Дискретный вариационный ряд строится для дискретный признаков.
Для того, чтобы построить дискретный вариационный ряд нужно выполнить следующие действия: 1) упорядочить единицы наблюдения по возрастанию изучаемого значения признака,
2) определить все возможные значения признака x i , упорядочить их по возрастанию,
значением признака, i .
частота значения признака и обозначают f i . Сумма всех частот ряда равна количеству элементов в изучаемой совокупности.
Пример 1 .
Список оценок полученных студентами на экзаменах: 3; 4; 3; 5; 4; 2; 2; 4; 4; 3; 5; 2; 4; 5; 4; 3; 4; 3; 3; 4; 4; 2; 2; 5; 5; 4; 5; 2; 3; 4; 4; 3; 4; 5; 2; 5; 5; 4; 3; 3; 4; 2; 4; 4; 5; 4; 3; 5; 3; 5; 4; 4; 5; 4; 4; 5; 4; 5; 5; 5.
Здесь число Х – оценка является дискретной случайной величиной, а полученный список оценок - статистические (наблюдаемые) данные .
упорядочить единицы наблюдения по возрастанию изучаемого значения признака:
2; 2; 2; 2; 2; 2; 2; 2; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 3; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 4; 5; 5; 5; 5; 5; 5; 5; 5; 5; 5; 5; 5; 5; 5; 5; 5; 5.
2) определить все возможные значения признака x i , упорядочить их по возрастанию:
В данном примере все оценки можно разделить на четыре группы со следующими значениями: 2; 3; 4; 5.
Значение случайной величины, соответствующее отдельной группе наблюдаемых данных, называют значением признака, вариантом (вариантой) и обознпчают x i .
Число, которое показывает, сколько раз встречается соответствующее значение признака в ряде наблюдений называют частота значения признака и обозначают f i .
Для нашего примера
оценка 2 встречается - 8 раз,
оценка 3 встречается - 12 раз,
оценка 4 встречается - 23 раза,
оценка 5 встречается - 17 раз.
Всего 60 оценок.
4) записать полученные данные в таблицу из двух строк (столбцов) - x i и f i .
На основании этих данных можно построить дискретный вариационный ряд
Дискретный вариационный ряд – это таблица, в которой указаны встречающиеся значения изучаемого признака как отдельные значения по возрастанию и их частоты
Построение интервального вариационного ряда
Кроме дискретного вариационного ряда часто встречается такой способ группировки данных, как интервальный вариационный ряд.
Интервальный ряд строится если:
признак имеет непрерывный характер изменения;
дискретных значений получилось очень много (больше 10)
частоты дискретных значений очень малы (не превышают 1-3 при относительно большем количестве единиц наблюдения);
много дискретных значений признака с одинаковыми частотами.
Интервальный вариационный ряд – это способ группировки данных в виде таблицы, которая имеет две графы (значения признака в виде интервала значений и частота каждого интервала).
В отличие от дискретного ряда значения признака интервального ряда представлены не отдельными значениями, а интервалом значений («от - до»).
Число, которое показывает, сколько единиц наблюдения попало в каждый выделенный интервал, называется частота значения признака и обозначают f i . Сумма всех частот ряда равна количеству элементов (единиц наблюдения) в изучаемой совокупности.
Если единица обладает значением признака, равным величине верхней границы интервала, то ее следует относить к следующему интервалу.
Например, ребёнок с ростом 100 см попадёт во 2-ой интервал, а не в первый; а ребёнок с ростом 130 см попадёт в последний интервал, а не в третий.
На основании этих данных можно построить интервальный вариационный ряд.
У каждого интервала есть нижняя граница (х н), верхняя граница (х в) и ширина интервала (i ).
Граница интервала – это значение признака, которое лежит на границе двух интервалов.
|
рост детей (см) |
рост детей (см) |
количество детей |
||
|
больше 130 | ||||
Если у интервала есть верхняя и нижняя граница, то он называется закрытый интервал . Если у интервала есть только нижняя или только верхняя граница, то это – открытый интервал. Открытым может быть только самый первый или самый последний интервал. В приведённом примере последний интервал – открытый.
Ширина интервала (i ) – разница между верхней и нижней границей.
i = х н - х в
Ширина открытого интервала принимается такой же, как ширина соседнего закрытого интервала.
|
рост детей (см) |
количество детей |
Ширина интервала (i) |
|
|
для расчётов 130+20=150 |
20 (потому что ширина соседнего закрытого интервала – 20) |
||
Все интервальные ряды делятся на интервальные ряды с равными интервалами и интервальные ряды с неравными интервалами. В интервальных рядах с равными интервалами ширина всех интервалов одинаковая. В интервальных рядах с неравными интервалами ширина интервалов разная.
В рассматриваемом примере - интервальный ряд с неравными интервалами.
Лабораторная работа №1
По математической статистике
Тема: Первичная обработка экспериментальных данных
3. Оценка в баллах. 1
5. Контрольные вопросы.. 2
6. Методика выполнения лабораторной работы.. 3
Цель работы
Приобретение навыков первичной обработки эмпирических данных методами математической статистики.
На основе совокупности опытных данных выполнить следующие задания:
Задание 1. Построить интервальный вариационный ряд распределения.
Задание 2. Построить гистограмму частот интервального вариационного ряда.
Задание 3. Составить эмпирическую функцию распределения и построить график.
а) моду и медиану;
б) условные начальные моменты;
в) выборочную среднюю;
г) выборочную дисперсию, исправленную дисперсию генеральной совокупности, исправленное среднее квадратичное отклонение;
д) коэффициент вариации;
е) асимметрию;
ж) эксцесс;
Задание 5. Определить границы истинных значений числовых характеристик, изучаемой случайной величины с заданной надёжностью.
Задание 6. Содержательная интерпретация результатов первичной обработки по условию задачи.
Оценка в баллах
Задания 1-5 – 6 баллов
Задание 6 – 2 балла
Защита лабораторной работы (устное собеседование по контрольным вопросам и лабораторной работе) - 2 балла
Работа сдается в письменной форме на листах формата А4 и включает:
1) Титульный лист (Приложение 1)
2) Исходные данные.
3) Представление работы по указанному образцу.
4) Результаты расчетов (выполненные вручную и/или с помощью MS Excel) в указанном порядке.
5) Выводы - содержательная интерпретация результатов первичной обработки по условию задачи.
6) Устное собеседование по работе и контрольным вопросам.
5. Контрольные вопросы
Методика выполнения лабораторной работы
Задание 1. Построить интервальный вариационный ряд распределения
Для того, чтобы статистические данные представить в виде вариационного ряда с равноотстоящими вариантами необходимо:
1.В исходной таблице данных найти наименьшее и наибольшее значения.
2.Определить размах варьирования :
3. Определить длину интервала h, если в выборке до 1000 данных, используют формулу: 
, где n – объем выборки – количество данных в выборке; для вычислений берут lgn).
Вычисленное отношение округляют до удобногоцелого значения .
4. Определить начало первого интервала для четного числа интервалов рекомендуют брать величину ; а для нечетного числа интервалов .
5. Записать интервалы группировок и расположить их в порядке возрастания границ
, 
,………., ,
где - нижняя граница первого интервала. За берется удобное число не большее , верхняя граница последнего интервала должна быть не меньше . Рекомендуется, чтобы интервалы содержали в себе исходные значения случайной величины и выделять от 5 до 20 интервалов.
6. Записать исходные данные по интервалам группировок, т.е. подсчитать по исходной таблице число значений случайной величины, попадающих в указанные интервалы. Если некоторые значения совпадают с границами интервалов, то их относят либо только к предыдущему, либо только к последующему интервалу.
Замечание 1. Интервалы необязательно брать равными по длине. На участках, где значения располагаются гуще, удобнее брать более мелкие короткие интервалы, а там где реже - более крупные.
Замечание 2 .Если для некоторых значений получены “нулевые”, либо малые значения частот , то необходимо перегруппировать данные, укрупняя интервалы (увеличивая шаг ).