Не указана

Содержание
СОДЕРЖАНИЕ 2
ВВЕДЕНИЕ 3
1. ВАРИАЦИОННЫЕ РЯДЫ РАСПРЕДЕЛЕНИЯ 5
2. ПРОВЕРКА НА НОРМАЛЬНОСТЬ. 7
2.1 ГРАФИЧЕСКИЕ. 7
2.1.1 ПОСТРОЕНИЯ ДИАГРАММЫ ЯЩИК С УСАМИ. 8
2.1.2 КВАРТИЛИ, КВАРТИЛЬНЫЙ РАЗМАХ 10
2.2 АНАЛИТИЧЕСКИЕ. 13
2.2.1 РАСПРЕДЕЛЕНИЕ «ХИ-КВАДРАТ». 13
2.2.2 «ХИ-КВАДРАТ» В ЗАДАЧАХ СТАТИСТИЧЕСКОГО АНАЛИЗА ДАННЫХ. 15
ЗАКЛЮЧЕНИЕ 20
ПРИЛОЖЕНИЕ 21
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 22

Под частотой понимается количество появлений какого-либо события. Обычно, с частотой появления события имеют дело, когда переменные измерены в шкале наименований и другой их характеристики, кроме частоты подобрать невозможно или проблематично. Другими словами, когда переменная имеет качественные характеристики. Так же многие исследователи склонны переводить баллы теста в уровни (высокий, средний, низкий) и строить таблицы распределений баллов, чтобы узнать количество человек по этим уровням. Чтобы доказать, что в одном из уровней (в одной из категорий) количество человек действительно больше (меньше) так же используется коэффициент Хи-квадрат.
Наша задача проверить, отличаются ли полученные эмпирические данные от теоретических. частоты.
Для нахождения теоретических предварительно произведем расчет математического ожидания, дисперсии, исправленного среднего используя таблицу 1:
№ Интервалы Середина интервала
Частота
Накопленные частоты
нижняя
граница верхняя
граница 1 -4.8 -4.09 -4.45 1 1 2 -4.09 -2.67 -3.38 3 4 3 -2.67 -1.25 -1.96 3 7 4 -1.25 -0.17 -0.71 5 12 5 -0.17 1.25 0.54 6 18 6 1.25 2.67 1.96 10 28 7 2.67 4.09 3.38 8 36 8 4.09 5.51 4.8 4 40 Квадратического отклонения: .
m- эмпирическая частота.
В качестве величины х возьмем середины интервалов.
Вычислим исправленную выборочную дисперсию.
Средняя квадратов:
Выборочная дисперсия:
Исправленное среднее квадратическое отклонение:
Плотность вероятности и функция распределения
Плотность вероятности случайной величины, распределенной по
нормальному закону, имеет вид:
Гипотетичная плотность вероятности:
Функция распределения для СВ , распределенной по нормальному закону,
записывается следующим образом:

Найдем доверительный интервал для оценки неизвестного математического
ожидания. Он считается по формуле:
где t – коэффициент Стьюдента.
Для доверительного интервала 0.95 и числа степеней свободы 8 равен t=2.3 (табличные данные).
.
Искомый доверительный интервал математического ожидания:
(1.126-1.9, 1.126+1.9);
(-0.779, 3.026);
Найдем доверительный интервал для оценки среднеквадратического
отклонения. Он считается по формуле:
где q находим по таблице в зависимости от доверительного интервала 0.95 и степени свободы 8.
Искомый доверительный интервал для среднеквадратического отклонения:
0.8
Вычислим теоретические частоты. Для этого пронормируем , то есть перейдем к случайной величине, которую можно вычислить по формуле:
Вероятность попадания в соответствующий интервал:
где - функция Лапласа
Теоретические частоты: , где m=40 -объем выборки
Составим расчетную таблицу:
Интервала -4.8
-4.09 -4.09
-2.67 -2.67
-1.25 -1.25
-0.17 -0.17
1.25 1.25
2.67 2.67
4.09 4.09
5.51 Итого -2.38 -2.09 -1.52 -0.95 -0.52 0.05 0.62 1.19 -2.09 -1.52 -0.95 -0.52 0.05 0.62 1.19 1.76 0.49 0.48 0.43 0.38 0.19 0.02 0.23 0.5 0.48 0.43 0.38 0.19 0.38 0.23 0.5 0.51 0.02 0.05 0.05 0.19 0.19 0.21 0.27 0.02 1 0.8 2 2 7.6 7.6 8.4 10.8 0.8 40
Вычислим характеристики распределения. Для этого составим расчетную таблицу:
Номер интервала Эмпирич. (Э) Теоретич. (Т) (Э - Т)² / Т 1 1 0.8 0.05 2 3 2 0.5 3 3 2 0.5 4 5 7.6 0.89 5 6 7.6 0.33 6 10 8.4 0.3 7 8 10.8 0.72 8 4 0.8 12.8 Таблица 3
Находим сумму последнего столбца:
χ2= 16.09
Теперь нужно найти критическое значение критерия по таблице критических значений (Таблица 1 в приложении). Для этого нам понадобится число степеней свободы (n).
n = (R - 1) * (C - 1), где R – количество строк в таблице, C – количество столбцов.
В нашем случае только один столбец (имеются в виду исходные эмпирические частоты) и 8 строк, поэтому формула изменяется – исключаем столбцы.
к= (8-1)=7;
В таблице 4 (в Приложении) на строке К=7 стоит критическое значение (при уровне значимости р=0,05) равное χ2крит= 14,6.
χ2 > χ2крит (16.09>14,6) говорит о том, что гипотеза о нормальном распределении генеральной совокупности противоречит опытным данным.
На практике критерий хи-квадрат применяют не только в тех случаях, когда требуется сравнить ожидаемые (прогнозируемые) и фактические (наблюдаемые) частоты каких-то явлений. Его применение возможно и для сравнения результатов двух групп испытуемых, если данные одной группы рассматривать в качестве ожидаемых результатов, а данные другой группы принять за фактически наблюдаемые результаты! Поскольку критерий хи-квадрат не требует наличия нормального распределения частот в выборке данных (преобладания средних значений), то он применим для анализа любых частотных распределений. Рассмотрим пример подобного рода, где требуется сравнить результаты двух групп испытуемых, при этом сделаем расчеты критерия с помощью компьютерной программы SPSS.

Заключение
Студенты почти всех специальностей изучают в конце курса высшей математики раздел "теория вероятностей и математическая статистика", реально они знакомятся лишь с некоторыми основными понятиями и результатами, которых явно не достаточно для практической работы. С некоторыми математическими методами исследования студенты встречаются в специальных курсах (например, таких, как "Прогнозирование и технико-экономическое планирование", "Технико-экономический анализ", "Контроль качества продукции", "Маркетинг", "Контроллинг", "Математические методы прогнозирования", «Статистика» и др. – в случае студентов экономических специальностей), однако изложение в большинстве случаев носит весьма сокращенный и рецептурный характер. В результате знаний у специалистов по прикладной статистике недостаточно.
Поэтому большое значение имеет курс "Прикладная статистика" в технических вузах, а в экономических вузах – курса «Эконометрика», поскольку эконометрика – это, как известно, статистический анализ конкретных экономических данных.
Теория вероятности и математическая статистика дают фундаментальные знания для прикладной статистики и эконометрики.
Они необходимы специалистам для практической работы.
Я рассмотрела непрерывную вероятностную модель и постаралась на примерах показать ее используемость.
И в конце своей работы я пришла к выводу, что грамотная реализация основных процедур математико-статического анализа данных, статическая проверка гипотез невозможна без знания модели «хи-квадрат», а также умения пользоваться ее таблицей.
Приложение
Критические точки распределения χ2
Таблица 4
Список используемой литературы
Орлов А.И. Прикладная статистика. М.: Издательство «Экзамен», 2004.
Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высшая школа, 1999. – 479с.
Айвозян С.А. Теория вероятностей и прикладная статистика, т.1. М.: Юнити, 2001. – 656с.
Хамитов Г.П., Ведерникова Т.И. Вероятности и статистика. Иркутск: БГУЭП, 2006 – 272с.
Ежова Л.Н. Эконометрика. Иркутск: БГУЭП, 2002. – 314с.
Мостеллер Ф. Пятьдесят занимательных вероятностных задач с решениями. М. : Наука, 1975. – 111с.
Мостеллер Ф. Вероятность. М. : Мир, 1969. – 428с.
Яглом А.М. Вероятность и информация. М. : Наука, 1973. – 511с.
Чистяков В.П. Курс теории вероятностей. М.: Наука, 1982. – 256с.
Кремер Н.Ш. Теория вероятностей и математическая статистика. М.: ЮНИТИ, 2000. – 543с.
Математическая энциклопедия, т.1. М.: Советская энциклопедия, 1976. – 655с.
21