- •1. Событие. Классификация событий
- •2. Вероятность события. Свойства вероятности. Классическая вероятность
- •3. Статистическое определение вероятности
- •4. Геометрическая вероятность
- •5. Задача о встрече
- •6. Действия над событиями
- •7. Теорема сложения вероятностей
- •8. Теорема умножения вероятностей
- •9. Условная вероятность события
- •10. Следствия из теоремы умножения вероятностей
- •11. Формула полной вероятности
- •12. Теорема гипотез. ( Формула Байеса )
- •13. Дискретные и непрерывные случайные величины
- •14. Закон распределения
- •15. Функция распределения
- •16. Общие свойства функции распределения
- •17. Плотность распределения
- •18. Основные свойства плотности распределения
- •19. Математическое ожидание и его свойства
- •20. Математическое ожидание непрерывной случайной величины
- •21. Мода и медиана
- •22. Дисперсия случайной величины
- •23. Свойства дисперсии
- •27. Условные законы распределения. Зависимые и независимые случайные величины
- •30. Корреляционный момент случайных величин и его свойства
- •31. Коэффициент корреляции и его свойства
- •32. Формула Бернулли
- •33. Наивероятнейшее число наступления события
- •34. Асимптотические формулы вычисления вероятностей
- •35. Биномиальный закон распределения
- •36. Закон распределения Пуассона
- •37. Равномерный закон распределения
- •38. Показательный закон распределения
- •39. Нормальный закон распределения
- •40. Математическое ожидание нормального закона распределения
- •41. Дисперсия нормального закона распределения
- •44. Неравенство Маркова
- •45. Неравенство Чебышева
- •46. Теорема Чебышева
- •47. Теорема Бернулли
- •48. Теорема Ляпунова
- •49. Интегральная теорема Лапласа
- •50. Виды статистических наблюдений
- •Виды статистических наблюдений:
- •51. Виды измерений
- •Количественные измерения
- •Порядковые (ранговые) измерения
- •Номинальные измерения
- •Статистические таблицы
- •52. Методы ранжирования
- •53. Группировка и табулирование количественных данных
- •54. Графическое изображение вариационных рядов
- •55. Показатели центра распределения (мода, медиана, среднее арифметическое, среднее гармоническое, среднее геометрическое)
- •56. Показатели вариации
- •57. Ассиметрия и эксцесс
- •58. Эмпирическая функция распределения
- •59. Точечные интервальные оценки
- •60. Доверительные интервалы
56. Показатели вариации
Размах вариации. Лимиты.
Размах вариации (РВ) – разность наибольшего и наименьшего признаков выборки. РВ=xmax-xmin Лимиты - xmax и xmin
РВ показывает общую границу изменчивости признака. Этот показатель является слишком поверхностной оценкой, т.к. не дает представления об особенностях распределения значений внутри общих границ.
1, 2, 4, 5, 7, 8, 10, 11 и 1, 5, 5, 6, 6, 7, 7, 11
Например, есть ряды наблюдений, они имеют одни и те же лимиты xmin=1, xmax=11. Для них размах вариации один и тот же, но значения признаков имеет совершенно отчетливое различие в расположении. В первом случае значения равномерно располагаются по всей области. Во втором случае концентрируются около значения 6.
Среднее линейное отклонение.
Среднее линейное отклонение МД – среднее арифметическое абсолютных величин отклонений.
МД = или МД=
Формула проста, на практике практически не используется, т.к. плохо согласуется с теоретическими оценками теории вероятностей.
Выборочная дисперсия.
Чтобы избежать необходимости оценивать отклонение по абсолютной величине используют выборочную дисперсию (). Для вычисления выборочной дисперсии в формуле для среднего отклонения абсолютные величины отклонений заменяют их квадратами, а в знаменателе n заменяют на n-1, т.е.
или
В случае, когда признак является дискретным и для него составлен дискретный вариационный ряд вида
вариата |
ν1 |
ν2 |
… |
νk |
частота |
m1 |
m2 |
… |
mk |
Тогда дисперсия вычисляется по формуле или k<n
Если для признака составлены интервальный вариационный ряд, то вместо вариант берутся середины интервалов.
Стандартное отклонение.
Выборочная дисперсия вычисляется как среднее квадратов отклонения. Возведение в квадрат несколько меняет оценку вариации. Чтобы избавится от такого измерения вместо диперсии используют стандартное отклонение, которое вычисляют
57. Ассиметрия и эксцесс
При оценке свойств измеряемого признака большое значение имеет симметрия частот отклонений относительно среднего арифметического. Она сказывается на форме кривой распределения. Пусть по ряду наблюдения вычислено среднее арифметическое и ряд отклонения. Распределение частот симметрично, если отклонения со знаком «+» встречаются столько раз, сколько такие же отклонения по абсолютной величине со знаком «-». Симметрию легко выявить по полигону или гистограмме. Ветви полигона симметричны относительно вершины. Для количественной оценки несимметричности распределения введен коэффициент ассиметрии (ассиметрия), который вычисляется по формуле:
- показатель ассиметрии, где s – стандартное отклонение.
Если Аs=0 распределение частот симметричное.
Если As>0, э.зн., что чаще встречаются отклонения со знаком «+» и говорят о правосторонней симметрии.
Если As<0, э.зн., что чаще встречаются отклонения со знаком «-» и говорят о левосторонней симметрии.
Эксцесс
(Обозначается Ex) – это показатель, который описывает формулу кривой распределения в смысл островершинности или плосковершинности. Чаще всего этот показатель используют для описания унимодальных распределений частот.
Вершина полигона острая, если небольшое число вариант около моды имеет превосходство в величине частоты.
Если варианты в районе моды имеют примерно сравнимые частоты, то полигон будет плосковершинным.
Значение эксцесса вычисляется по формуле:
Если Eх=0, то распределение характеризуется как нормальное.
Если Eх>0, распределение островершинное.
Если Eх<0, распределение плосковершинное.