Список литературы
Макарова Н.В. Статистика в Excel: Учебное пособие/ Макарова Н.В., Трофимец В.Я. – М.: Финансы и статистика, 2002. – 368 с.
Селиванов М. Н. Качество измерений / Селиванов М.Н., Фридман А.Э., Кудряшева Т.Ф. – Л.: Лениздат, 1987.
Новицкий П. В. Оценка погрешностей результатов измерений / Новицкий П.В., Зограф И.А. – Л.: Энергоатомиздат, 1985.
Гмурман В.Е. Теория вероятностей и математическая статистика/ Гмурман В.Е. – М.: Высшая школа, 1997.
Чашкин Ю.Р. Статистика для инженеров. Основы регрессионного анализа/ Чашкин Ю.Р. – Хабаровск: Изд-во ДВГУПС, 2003. – 162 с.
Худсон Д. Статистика для физиков / Худсон Д. – М.: Мир, 1970.
Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике: Учеб. Пособие для студентов вузов. Изд. 5-е, стер/ Гмурман В.Е. – М.: Высш. шк., 1999.
Чашкин Ю.Р. Математическая статистика. Статистическая обработка результатов измерений. Уч.-метод. пособие для самостоят. работ студентов / Чашкин Ю.Р. – Хабаровск: Изд-во ДВГУПС, 1999.
Большев Л.Н. Таблицы математической статистики / Большев Л.Н., Смирнов Н.В. – М.: Наука, 1983.
Тюрин Ю.Н. Статистический анализ данных на компьютере / Тюрин Ю.Н., Макаров А.А. Под ред. В.Э.Фигурнова – М.: ИНФРА-М, 1998.
Справочник по прикладной статистике. – В 2-ч т. – Т.1: Пер. с англ. / Под ред. Э. Ллойда, У.Ледермана, Ю.Н.Тюрина. – М.: Финансы и статистика, 1989. –370с.
Себер Дж. Линейный регрессионный анализ / Себер Дж. – М.: Мир, 1980.
Вучков И. Прикладной линейный регрессионный анализ / Вучков И., Бояджиева Л., Солаков Е. –М.: Финансы и статистика, 1987.
Дрейдер Н. Прикладной регрессионный анализ. В 2-х кн. Пер. с англ. – 2-е изд., перераб.и доп. / Дрейдер Н., Смит Г. – М.: Финансы и статистика, 1987.
Вихтенко Э. М. Численные методы на ЭВМ/ Вихтенко Э.М., Коломийцева С.В., Комова О.С. – Хабаровск: ДВГУПС, 2003. –71с.
Оглавление
ЛАБОРАТОРНАЯ РАБОТА № 1 ПЕРВИЧНАЯ ОБРАБОТКА РЕЗУЛЬТАТОВ ПРЯМЫХ МНОГОКРАТНЫХ ИЗМЕРЕНИЙ /вычисление основных статистических параметров/ 1
1. Цель работы 1
2. Задание 1
3. Краткая теория 1
4. Ход работы 4
5. Контрольные вопросы 9
ЛАБОРАТОРНАЯ РАБОТА № 2 ПОСТРОЕНИЕ ГИСТОГРАММЫ ПО РЕЗУЛЬТАТАМ ПРЯМЫХ МНОГОКРАТНЫХ ИЗМЕРЕНИЙ /на примере результатов математического эксперимента/ 10
1. Цель работы 10
2. Задание 10
3. Краткая теория 10
4. Ход работы 13
5. Контрольные вопросы 17
ЛАБОРАТОРНАЯ РАБОТА № 3 ПРОВЕРКА НОРМАЛЬНОСТИ ЗАКОНА РАСПРЕДЕЛЕНИЯ /тремя различными методами/ 17
1. Цель работы 17
2. Задание 17
3. Краткая теория 17
4. Ход работы 21
5. Контрольные вопросы 25
ЛАБОРАТОРНАЯ РАБОТА № 4 ОБЪЕДИНЕНИЕ РАВНОТОЧНЫХ СЕРИЙ ИЗМЕРЕНИЙ /двухвыборочный t-тест для средних/ 25
1. Цель работы 25
2. Задание 25
3. Краткая теория 25
4. Ход работы 27
5. Контрольные вопросы 33
ЛАБОРАТОРНАЯ РАБОТА № 5 ОБЪЕДИНЕНИЕ СЕРИЙ НЕРАВНОТОЧНЫХ ИЗМЕРЕНИЙ /двухвыборочный t-тест для средних/ 34
1. Цель работы 34
2. Задание 34
3. Краткая теория 34
4. Ход работы 36
5. Контрольные вопросы 39
ЛАБОРАТОРНАЯ РАБОТА № 6 ПОСТРОЕНИЕ ЛИНЕЙНОЙ ЭМПИРИЧЕСКОЙ ЗАВИСИМОСТИ ПО ОПЫТНЫМ ДАННЫМ /метод наименьших квадратов/ 39
1. Цель работы 39
2. Задание 39
3. Краткая теория 39
4. Ход работы 43
5. Контрольные вопросы 46
ЛАБОРАТОРНАЯ РАБОТА № 7 ОЦЕНКА СВЯЗИ НОМИНАЛЬНЫХ ПРИЗНАКОВ /таблицы сопряженности/ 46
1. Цель работы 46
2. Задание 46
3. Краткая теория 47
4. Ход работы 49
5. Контрольные вопросы 50
ЗАКЛЮЧЕНИЕ 50
ПРИЛОЖЕНИЕ 1 51
Установка надстройки "Пакет анализа" 51
ПРИЛОЖЕНИЕ 2 53
Виды ошибок при задании формул 53
ПРИЛОЖЕНИЕ 3 58
Кратка теория диаграмм 58
ПРИЛОЖЕНИЕ 4 61
Статистические таблицы 61
СПИСОК ЛИТЕРАТУРЫ 67
1 Несмотря на широкое распространение, нормальное распределение не универсально. Если нет уверенности в его применимости, следует проверить возможность использования нормального распределения для описания случайной величины с помощью критериев согласия (см. лаб. работу «Проверка нормальности закона распределения»).
1 Это определение является строгим лишь для распределений экспоненциального типа, например, нормального. В этом случае существует так называемая «граница Крамера-Рао» как минимально возможная дисперсия оценки. Оценка, дисперсия которой достигает этой границы, называется эффективной.
Для распределений с плотностью вероятности, имеющей точки разрыва 1-го или 2-го рода (равномерного, арксинусного, двойного экспоненциального и др.) могут быть построены сверхэффективные оценки (их дисперсия существенно меньше дисперсии среднего арифметического).
1 Одинаковые значения в вариационном ряде должны повторяться столько раз, сколько они встречаются в выборке.
2 Функция ОКРУГЛВВЕРХ округляет число по модулю до ближайшего большего целого. Вторым аргументом является количество цифр, до которого округляется число.
Замечание:Если количество цифр больше 0 (нуля), то число округляется с избытком до заданного количества десятичных разрядов после десятичной запятой. Если количество цифр равно 0 или опущено, то число округляется с избытком до ближайшего целого. Если количество цифр меньше 0, то число округляется с избытком, с учетом десятичных разрядов слева от десятичной запятой.
1
Теоретическая
кривая nPj
рассчитывается по результатам лаб.раб.
№3 «Проверка нормальности…» с помощью
критерия согласия
.
В данной работе может служить огибающей
гистограммы. Приводится для наглядности.
1
Отметим,
что вопрос о минимальном числе значений
в интервале не имеет строгого решения.
Автор критерия К.Пирсон считает, что
не должно быть пустых интервалов [8]. Мы
можем порекомендовать следующий выход
из положения: примем
.
Если при вычислении статистики критерия
одно из слагаемых окажется существенно
больше остальных, причем
будет мало (< 5), объедините этот интервал
с соседним.
1 Нужно отметить, что границ интервалов на одно значение больше чем частот, поэтому первому или последнему значению границы интервала будет соответствовать пустая ячейка частоты.
1
функция
ФТЕСТ рассчитывает двустороннее
-значениеF-теста,
поэтому для рассматриваемого случая
это значение делится на 2.
2
Если
то
-значениеF-теста
рассчитывается с помощью функции FРАСП,
вычтенной из 1.
1 Сведения о Парном двухвыборочном t-тесте для средних см. в Справочной системе Microsoft Excel.