- •Моделирование экосистем
- •250100 «Лесное дело»
- •Моделирование экосистем
- •250100 «Лесное дело»
- •Введение
- •Практическая работа. Получение индивидуального задания
- •Исходные данные
- •Расчет средних показателей
- •Лабораторная работа. Группировка выборочной совокупности
- •Практическая работа. Расчет статистических характеристик большой выборочной совокупности Расчет статистических характеристик большой выборочной совокупности через центральное отклонение
- •Лабораторная работа. Расчет статистических характеристик большой выборочной совокупности через моменты Расчет моментов
- •Расчет центральных и основных моментов
- •Практическая работа. Расчет статистических характеристик при помощи моментов
- •Лабораторная работа. Теоретическое распределение
- •Расчет частот нормального распределения
- •Расчет теоретических частот распределения типа а
- •Расчет теоретических частот по распределению типа в
- •Практическая работа. Расчет критерия согласия Пирсона
- •Корреляционный анализ
- •Лабораторная работа. Корреляция малой выборочной совокупности
- •Расчет показателей малой выборочной совокупности.
- •Практическая работа. Расчет характеристик связи между показателями
- •Получение уравнения регрессии по данным взаимосвязи
- •Графическое отражение взаимосвязи
- •Лабораторная работа. Корреляция большой выборочной совокупности
- •Лабораторная работа. Расчет статистических характеристик Статистические характеристики по ряду х
- •Статистические характеристики по ряду у
- •Характеристики связи большой выборочной совокупности
- •Построение графика корреляции
- •Практическая работа. Дисперсионный анализ
- •Лабораторная работа. Регрессионный анализ
- •Метод избранных координат точек
- •Проверка адекватности уравнения
- •Метод статистических характеристик
- •Лабораторная работа. Метод наименьших квадратов
- •Приложения
- •Литература
- •Моделирование экосистем
- •250100 «Лесное дело»
Расчет показателей малой выборочной совокупности.
Средняя арифметическая величина:
а) по ряду х:
б) по ряду y:
2. Среднеквадратическое отклонение:
а) по ряду х:
б) по ряду у:
Обращаем ваше внимание, что в качестве N используется количество вариант малой выборочной совокупности.
3. Коэффициент изменчивости по ряду х:
по ряду у:
4. Основные ошибки средних величин:
;
Практическая работа. Расчет характеристик связи между показателями
1. Коэффициент корреляции:
Коэффициент корреляции изменяется в пределах от -1 до +1. Положительные значения коэффициента корреляции указывают на прямую связь между показателями, отрицательные – на обратную связь. Нулевое значение коэффициента корреляции свидетельствует об отсутствии связи. Коэффициент корреляции равный 1 (или -1) свидетельствует о функциональной связи.
В нашем случае мы можем говорить о наличии тесной прямой связи между исследуемыми показателями.
2. Основная ошибка коэффициента корреляции:
3. Среднеквадратическое отклонение от линии регрессии:
4. Коэффициент изменчивости вдоль линии регрессии:
5. Выборочная стандартная ошибка:
6. Точность опыта по ряду у в корреляции:
Получение уравнения регрессии по данным взаимосвязи
На базе расчетов для установления показателей связи можно вывести уравнение, характеризующее взаимозависимость признаков. Оно имеет вид:
, где а и b – коэффициенты, вычисляемые для конкретного ряда распределения.
1. Расчет коэффициента регрессии b:
Расчет коэффициента а:
Для расчета коэффициента а мы преобразуем общую форму уравнения и затем подставим вместо значений переменных соответствующие среднеарифметические значения:
Отсюда конкретное уравнение регрессии будет иметь вид:
3. Основная ошибка коэффициента регрессии:
4. Критерий достоверности коэффициента регрессии:
Графическое отражение взаимосвязи
Взаимосвязь между двумя показателями может быть отражена и графически. При этом в качестве значений абсцисс и ординат используются значения исследуемых показателей.
Поскольку причинно-следственная зависимость между показателями нами не устанавливается, за независимый принимается показатель, более удобный для измерения в натуре.
При выполнении работы нами принято, что по оси абсцисс мы будем откладывать значения х, а по оси ординат – значения у. При этом мы используем малую выборочную совокупность.
График зависимости у от х
Рис. 3
По форме графика мы можем сделать ряд выводов:
- поскольку степень рассеивания точек от линии регрессии невысока, коэффициент корреляции будет близок к 1 а связь является тесной;
- поскольку при увеличении значений х, значения у также увеличиваются, зависимость прямая и коэффициент корреляции будет положительным;
Лабораторная работа. Корреляция большой выборочной совокупности
Показатели корреляции большой выборочной совокупности рассчитываются с использованием группировки по классовым интервалам. Но группировка выполняется одновременно по двум показателям – в двухмерной таблице, вертикаль которой представляет собой классы по ряду у, а горизонталь – классы по ряду х.
Классы по ряду х у нас уже сформированы (см. группировка выборочной совокупности). Необходимо сформировать классы по ряду у. Делается это по тем же правилам, что и для ряда х: сначала определяется оптимальное количество и размер класса (количество классов может отличаться от ряда х), затем определяются границы и средние значения классов.
Наибольшее |
0,0463 |
+0,0001 |
0,0464 |
| |||
Наименьшее |
0,0066 |
-0,0002 |
0,0064 |
| |||
Амплитуда |
0,0397 |
8 |
9 |
10 | |||
|
|
|
0,00496 |
0,00441 |
0,00397 | ||
|
|
~ |
0,0050 |
0,0045 |
0,0040 | ||
|
|
|
|
|
| ||
Искусственное расширение |
|
|
| ||||
8 |
0,0050 |
0,0003 |
|
|
| ||
9 |
0,0045 |
0,0008 |
|
|
| ||
10 |
0,0040 |
0,0003 |
|
|
|
На основании расчетов мы выделяем в ряде у 8 классов с размером класса 0,0050.
Группировка данных выполняется в виде таблицы распределения вариант. Строки в этой таблице соответствуют классам по ряду у, а столбцы – классам по ряду х. Каждое дерево (для которых измерены исследуемые показатели) проверяется на принадлежность к классам по каждому из показателей. На основании этого определяется строка и столбец, к которым относятся показатели дерева и на их пересечении ставится точка.
Таблица 12
Таблица распределения вариант
|
|
от |
9,1 |
10,9 |
12,6 |
14,3 |
16 |
17,7 |
19,4 |
21,1 |
22,8 |
ny |
px |
хфакт | ||||||||||||
|
|
до |
10,8 |
12,5 |
14,2 |
15,9 |
17,6 |
19,3 |
21 |
22,7 |
24,4 | |||||||||||||||
от |
до |
хср уср |
9,95 |
11,65 |
13,35 |
15,05 |
16,75 |
18,45 |
20,15 |
21,85 |
23,55 | |||||||||||||||
0,0064 |
0,0114 |
0,0089 |
6 |
14 |
|
|
|
|
|
|
|
20 |
222,8 |
11,14 | ||||||||||||
0,0115 |
0,0164 |
0,0139 |
|
4 |
22 |
4 |
|
|
|
|
|
30 |
400,5 |
13,35 | ||||||||||||
0,0165 |
0,0214 |
0,0189 |
|
|
|
27 |
7 |
|
|
|
|
34 |
523,6 |
15,4 | ||||||||||||
0,0215 |
0,0264 |
0,0239 |
|
|
|
|
18 |
7 |
|
|
|
25 |
430,65 |
17,226 | ||||||||||||
0,0265 |
0,0314 |
0,0289 |
|
|
|
|
|
13 |
8 |
|
|
21 |
401,05 |
19,09762 | ||||||||||||
0,0315 |
0,0364 |
0,0339 |
|
|
|
|
|
|
9 |
3 |
|
12 |
246,9 |
20,575 | ||||||||||||
0,0365 |
0,0414 |
0,0389 |
|
|
|
|
|
|
|
. 1 |
|
1 |
21,85 |
21,85 | ||||||||||||
0,0415 |
0,0464 |
0,0439 |
|
|
|
|
|
|
|
|
3 |
3 |
70,65 |
23,55 | ||||||||||||
nx |
6 |
18 |
22 |
31 |
25 |
20 |
17 |
4 |
3 |
146 |
|
| ||||||||||||||
py |
0,0534 |
0,1802 |
0,3058 |
0,5659 |
0,5625 |
0,543 |
0,5363 |
0,1406 |
0,1317 |
|
|
| ||||||||||||||
уфакт |
0,0089 |
0,0100 |
0,0139 |
0,0182 |
0,0225 |
0,0271 |
0,0315 |
0,0351 |
0,0439 |
|
|
|
В качестве проверки правильности выполнения группировки можно использовать данные по частотам ряда х. Они должны точно соответствовать строке nx таблицы распределения. При обнаружении несоответствия нужно найти и исправить ошибку, которая содержится либо в таблице распределения, либо в таблице группировки данных по ряду х. В последнем случае необходимо выполнить перерасчет всех связанных с таблицей данных параметров.
Строка py и столбец px представляют собой последовательное суммирование по столбцам и по строкам соответственно произведений данных группировки на среднее значение класса.
уфакт и хфакт рассчитываются по формулам:
;
Для расчета характеристик связи большой выборочной совокупности необходимо построение корреляционной таблицы. В ней используются результаты группировки данных по двум показателям.
Для вычисления показателей рядов и взаимосвязи используются начальные отклонения а по ряду х и b по ряду у (методика расчета приведена в разделе «Вычисление начальных моментов по способу произведений»).
Строка na (столбец nb) представляет собой произведение частоты соответствующего класса на начальное отклонение по этому классу.
Строка pb (столбец pа) получен путем суммирования произведений частот, указанных в клетках таблицы на начальные отклонения, соответствующие этим клеткам.
Корреляционная таблица обладает несколькими проверочными суммами. Они показаны стрелками и должны совпадать.
Для расчета показателей мы должны получить начальные моменты.
Таблица 13
Корреляционная таблица
|
xср |
9,95 |
11,65 |
13,35 |
15,05 |
16,75 |
18,45 |
20,15 |
21,85 |
23,55 |
ny
|
nb
|
nb2
|
pa
|
bpa
|
уср |
a b |
-3 |
-2 |
-1 |
0 |
1 |
2 |
3 |
4 |
5 | |||||
0,0089 |
-2 |
6 |
14 |
|
|
|
|
|
|
|
20 |
-40 |
80 |
-46 |
92 |
0,0139 |
-1 |
|
4 |
22 |
4 |
|
|
|
|
|
30 |
-30 |
30 |
-30 |
30 |
0,0189 |
0 |
|
|
|
27 |
7 |
|
|
|
|
34 |
0 |
0 |
7 |
0 |
0,0239 |
1 |
|
|
|
|
18 |
7 |
|
|
|
25 |
25 |
25 |
32 |
32 |
0,0289 |
2 |
|
|
|
|
|
13 |
8 |
|
|
21 |
42 |
84 |
50 |
100 |
0,0339 |
3 |
|
|
|
|
|
|
9 |
3 |
|
12 |
36 |
108 |
39 |
117 |
0,0389 |
4 |
|
|
|
|
|
|
|
1 |
|
1 |
4 |
16 |
4 |
16 |
0,0439 |
5 |
|
|
|
|
|
|
|
|
3 |
3 |
15 |
75 |
15 |
75 |
nx |
6 |
18 |
22 |
31 |
25 |
20 |
17 |
4 |
3 |
146 |
52 |
418 |
71 |
462 | |
na |
-18 |
-36 |
-22 |
0 |
25 |
40 |
51 |
16 |
15 |
71 |
|
|
| ||
na2 |
54 |
72 |
22 |
0 |
25 |
80 |
153 |
64 |
75 |
545 |
|
|
|
| |
pb |
-12 |
-32 |
-22 |
-4 |
18 |
33 |
43 |
13 |
15 |
52 |
|
|
| ||
apb |
36 |
64 |
22 |
0 |
18 |
66 |
129 |
52 |
75 |
462 |
|
|
| ||
(pb)2 |
144 |
1024 |
484 |
16 |
324 |
1089 |
1849 |
169 |
225 |
|
|
|
|
| |
(pb)2/nx |
24,000 |
56,888 |
22,000 |
0,516 |
12,960 |
54,450 |
108,764 |
42,250 |
75,000 |
396,829 |
|
|
|
|