- •Практикум
- •Практическая работа №1. Технология создания текстовых документов в ms Word
- •Часть 1. Технологии подготовки текстовых документов в ms Word Пользовательский интерфейс программы ms Word
- •Стандартная панель инструментов
- •Панель форматирования
- •Горизонтальная линейка
- •Создание документа ms Word Открытие, сохранение и удаление документов
- •Ввод и изменение документа
- •Перемещение курсора
- •Выделение текста
- •Удаление выделенного текста
- •Перемещение и копирование текста
- •Оформление документа ms Word Форматирование символов
- •Форматирование абзацев
- •Нумерация и маркирование абзацев
- •Табуляция
- •Интерлиньяж
- •Страницы
- •Регулировка полей
- •Другие важные инструменты и команды ms Word Меню Вид
- •Меню Вставка
- •Меню Сервис
- •Меню Таблица
- •Задания для выполнения:
- •Часть 2. Работа с большими документами в ms Word Разделы
- •Разбиение документа на страницы
- •Нумерация страниц
- •Работа с большими документами
- •Практическая работа №2. Технология создания электронных таблиц в ms Excel
- •Пользовательский интерфейс ms Excel
- •Рабочая книга ms Excel
- •Основные понятия
- •Создание таблицы
- •Выделение ячеек таблицы
- •Ввод данных в таблицу
- •Работа со строкой формул
- •Ввод чисел
- •Автоматический формат
- •Ввод текста
- •Создание рядов данных
- •Редактирование таблицы
- •Форматирование электронных таблиц
- •Изменение ширины столбцов и высоты строк
- •Форматирование с помощью рамок и заливки
- •Изменение внешнего вида эт
- •Работа с формулами Редактирование в строке формул
- •Копирование формул или значений в прилегающие ячейки
- •Ввод формул
- •Использование ссылок
- •Функции электронных таблиц
- •Именование ячеек, диапазонов и формул
- •Структурирование таблицы
- •Создание структуры
- •Использование текстовых примечаний
- •Создание диаграммы
- •Защита информации в excel
- •Назначение пароля для открытия файла
- •Как скрыть рабочие листы и защитить их от изменений
- •Защита ячеек от изменений
- •Практическая работа № 3. Справочно-правовая система «Консультант Плюс»
- •Основные понятия и принципы работы с системой КонсультантПлюс
- •Часть 1. Организация поиска документов в системах КонсультантПлюс Понятие Карточки поиска
- •Выбор логических условий
- •Поиск документов с использованием полей «Вид документа», «Принявший орган», «Номер»
- •Поиск документов с использованием полей «Дата принятия», «Дата в Минюсте»
- •Поиск документов с использованием поля «Название документа»
- •Особенности словаря поля «Поиск по статусу»
- •Работа с полем «Тематика»
- •Работа с полем «Текст документа»
- •Правовой навигатор
- •Часть 2. Работа со списком документов
- •Формирование сложных запросов с использованием папок
- •Практическая работа № 4. Информационная технология работы с документами в спс гарант
- •Правила работы с поиском по реквизитам
- •Правила ввода основных реквизитов
- •Примеры поиска документов с помощью поиска по реквизитам
- •Нажмите кнопку Искать.
- •Контекстный фильтр
- •Пример работы с контекстным фильтром
- •Поиск по ситуации
- •Примеры поиска документов с помощью поиска по ситуации
- •Дополнительные возможности системы гарант
- •Примеры работы
- •Практическая работа №5. Поиск в Интернет с помощью русскоязычных и зарубежных ипс
- •Часть 1. Информационно – поисковая система Yandex
- •Логические операторы, используемые ипс Yandex
- •Префиксы, используемые ипс Yandex
- •Логические операторы, используемые ипс Rambler
- •Ипс Апорт
- •Зарубежные ипс
- •Операторы ипс AllTheWeb
- •Другие зарубежные ипс
- •Часть 2. Поиск информации в Интернет c помощью Google
- •Основы поиска в Web с помощью ипс Google
- •Задание для самостоятельного выполнения
- •Настройка, расширенный поиск и языковые инструменты Google
- •Настройки
- •Расширенный поиск
- •Языковые инструменты
- •Задание для самостоятельного выполнения
- •Практическая работа №6. Обработка статистической информации в ms excel
- •Случайные величины
- •Статистические выборки данных
- •Оценка параметров распределения
- •Часть 1. Генеральная совокупность и выборка. Статистический ряд распределения и выборочные характеристики.
- •Часть 2. Сравнение характеристик двух генеральных совокупностей
- •Практическая работа №7. Работа с массивами информации
- •Типы данных, которые могут иметь поля в Microsoft Access
- •Создание базы данных
- •Создание новой таблицы
- •Определение связей между таблицами
- •Использование фильтра при поиске информации в таблице
- •Создание форм
- •Запросы
- •Создание отчета
- •Печать отчета
- •Защита базы данных
- •Практическая работа № 8. Программа органайзер ms Outlook
- •Практическая работа №9. «Создание деловой графики в microsoft visio»
- •Создание диаграмм
- •Рисование фигур
- •Краткий справочник по работе в Visio Создание диаграмм
- •Добавление фигур в диаграммы
- •Форматирование фигур и диаграмм
- •Соединение фигур
Часть 1. Генеральная совокупность и выборка. Статистический ряд распределения и выборочные характеристики.
Выборкой называют реально наблюдаемые значения (в том числе и повторяющиеся) случайной величины X, а все теоретически домысливаемые значения этой величины - генеральной совокупностью. Выборку или наблюдаемые значения СВ X обозначают x1, x2,…, xn; n - объем выборки.
С помощью инструмента Сервис / Анализ данных / Генерация случайных чисел удобно моделировать случайные выборки с разными законами распределения вероятности: равномерное распределение, нормальное распределение, Бернулли, биномиальное, Пуассона, модельное, дискретное.
Основными числовыми характеристиками выборки x1, x2,…, xn или выборочными характеристиками, являются:
выборочное среднее ;
выборочная дисперсия , которую вычисляют по одной из двух тождественных формул:
,
выборочное среднее квадратическое отклонение - это характеристика среднего разброса попавших в выборку чисел около выборочной средней.
Аналогичные характеристики генеральной совокупности называют генеральными характеристиками. Если генеральная совокупность задана рядом распределения вероятностей случайной величины X, то:
генеральное среднее MX, называемое иначе математическим ожиданием случайной величины X, вычисляется по формуле ;
генеральная дисперсия DX вычисляется по одной из двух тождественных формул:
,
,
генеральное среднее квадратическое отклонение СВ X вокруг MX – по формуле: .
В реальных задачах исследователь располагает, как правило, результатами выборочных наблюдений (статистическими данными) и не знает «всей» генеральной совокупности. Вычисленные по этим данным выборочные характеристики являются оценками соответствующих генеральных характеристик. Будем предполагать, что наблюдения независимы и проведены примерно в одинаковых (типичных) условиях. При выполнении этих предположений выборочное среднее является «хорошей оценкой» генерального среднего MX. Более же «хорошей оценкой» генеральной дисперсии DX, особенно при малом объеме выборки, является так называемая «несмещенная оценка» генеральной дисперсии, вычисляемая по формуле
и называемая дисперсией выборки.
Величину называют выборочным стандартным отклонением.
ПРИМЕР 1.
В ходе исследования рецидивной преступности из документов были собраны данные о числе повторных судимостей 100 случайно отобранных человек, имевших в прошлом одну или более судимостей. Среди отобранных не имели повторных судимостей 50 человек, а по остальным — числа повторных судимостей оказались такими: 1, 1, 1, 2, 3, 1, 1, 1, 1, 2, 2, 1, 2, 1, 1, 1, 1, 1, 2, 3, 1, 1, 1, 1, 1, 2, 2, 1, 1, 1, 1, 1, 2, 2, 1, 2, 1, 3, 4, 1, 1, 1, 1, 1, 1, 1, 1, 3, 1, 1.
Чтобы составить представление о закономерности варьирования чисел в «неизвестной» генеральной совокупности, результаты выборочных наблюдений группируют.
Сгруппируем 100 данных о числе повторных судимостей так: различающиеся наблюдения (их называют вариантами, хi) расположим в порядке возрастания и для каждого варианта хi, укажем число mi - частоту (кратность) варианта, число = mi/n - частость (относительную частоту, статистическую или опытную вероятность) варианта, вероятность Пуассона рассчитывается по формуле :
Число повторных судимостей (xi) |
0 |
1 |
2 |
3 |
4 |
Итого |
Количество человек (mi) |
50 |
35 |
10 |
4 |
1 |
100 |
Опытная вероятность |
0,5 |
0,35 |
0,1 |
0,04 |
0,01 |
1 |
(число людей в %) |
50% |
35% |
10% |
4% |
1% |
100% |
Вероятность Пуассона (pi) |
0,49 |
0,35 |
0,12 |
0,03 |
0,01 |
|
Судя по ряду: рецидивистов с двумя судимостями в 3,5 раза больше числа рецидивистов с тремя судимостями; в свою очередь число рецидивистов с тремя судимостями в 2,5 раза больше, чем рецидивистов с четырьмя судимостями.
Распределение опытных (статистических) вероятностей по вариантам:
Вариант (xi) |
|
|
Опытная вероятность |
|
|
называют статистическим рядом распределения. В статистическом ряду указывают значения – варианты, зафиксированные в проведенных наблюдениях, и опытные вероятности вариантов, которые могут и не совпадать с истинными вероятностями.
Результат работы «Описательной статистики» представлен в таблице:
Столбец1 |
|
|
|
Среднее |
0,710 |
Стандартная ошибка |
0,088 |
Медиана |
0,500 |
Мода |
0,000 |
Стандартное отклонение |
0,880 |
Дисперсия выборки |
0,774 |
Эксцесс |
1,709 |
Асимметричность |
1,334 |
Интервал |
4,000 |
Минимум |
0,000 |
Максимум |
4,000 |
Сумма |
71,000 |
Счет |
100,000 |
Уровень надежности(95,0%) |
0,175 |
В таблице приведены:
медиана — число, находящееся в центре ряда данных, расположенных в неубывающем порядке; если в центре этого ряда будет два числа, то медиана равна среднему арифметическому этих чисел;
мода — число, наиболее часто встречающееся в ряду данных;
минимум – минимальный элемент выборки,
максимум – максимальный элемент выборки,
сумма – сумма элементов выборки,
счет – число элементов выборки (объем выборки),
среднее – среднее значение выборки,
стандартная ошибка – погрешность оценки среднего значения,
асимметричность – показывает насколько ассиметрично распределение плотности вероятности,
эксцесс – характеризует относительную остроконечность или сглаженность распределения по сравнению с нормальным распределением.
Последнее число в таблице: 0,175 — это ошибка ε выборочного среднего, гарантируемая с 95%-ной надежностью; с вероятностью 95% можно утверждать, что интервал (0,535; 0,885) накроет генеральное среднее число повторных судимостей. Поскольку найденный интервал не накрывает, например, число 1, то гипотезу H0: MX = 1 о том, что генеральное среднее число повторных судимостей равно 1 (при альтернативе H1: MX ≠ 1), принять, на уровне значимости α = 1-γ = 1-0,95 = 0,05, нельзя.
«Гистограмма»:
группирует числа, введенные в рабочий лист, при этом граничные значения – «карманы» либо вводятся в рабочий лист в возрастающем порядке, либо рассчитываются автоматически (как точки, равномерно распределенные между минимальным и максимальным наблюдениями), а частота текущего «кармана» - это число наблюдений, не больших этого «кармана» и больших предыдущего «кармана»;
подсчитывает по требованию «интегральный %» - это ряд накопленных частостей (опытных вероятностей) в процентах;
строит по требованию гистограмму – столбиковую диаграмму частот и график «интегральных %» (Рис.2).
В таблице представлены результаты «Гистограммы» для 100 данных о числе повторных судимостей при введенных граничных значениях 0, 1, 2, 3, 4.
Карман |
Частота |
Интегральный % |
0 |
50 |
50,00% |
1 |
35 |
85,00% |
2 |
10 |
95,00% |
3 |
4 |
99,00% |
4 |
1 |
100,00% |
Еще |
0 |
100,00% |
Рис.2. Результат работы средства Гистограмма
Приводимая в распечатке работы средства «Описательная статистика» асимметричность (А) является характеристикой асимметричности гистограммы (если правая ветвь длиннее левой, А > 0; в противном — А < 0), а эксцесс (Е) является характеристикой «островершинности» гистограммы по сравнению с нормальной кривой (чем больше Е, тем «островершиннее» гистограмма). Для нормальной кривой А = Е = 0.
Обратим внимание на то, что выборочное среднее число судимостей ( = 0,71) примерно равно дисперсии числа судимостей ( — 0,77). Это служит основанием выдвижения гипотезы H0: СВ X (число повторных судимостей случайно выбранного человека, имеющего в прошлом судимость) имеет пуассоновское распределение. Математическое ожидание Mm (в условиях примера Mm — это генеральное среднее число повторных судимостей) и дисперсия Dm (генеральная дисперсия числа повторных судимостей) этого распределения совпадают. Пуассоновские вероятности, где а = Mm заменено на выборочное среднее число повторных судимостей, а ≈ = 0,71, приведены в последней строке. Пуассоновские вероятности практически не отличаются от опытных, гипотеза H0 согласуется с результатами наблюдений.
Для выявления закономерности варьирования наблюдений в случае большого числа вариантов, что обычно бывает при изучении непрерывной величины (например, времени, прошедшего между освобождением рецидивиста из мест лишения свободы и совершением нового преступления) строят интервальный статистический ряд.
ПРИМЕР 2.
По документам n = 100 рецидивистов собраны сведения о времени X между окончанием меры наказания за первое преступление и привлечением к наказанию за второе преступление. Отметим, что число различающихся данных оказалось достаточно большим, при этом xmin = 0 (рецидивист совершил второе преступление до окончания меры наказания за первое), а xmax = 7,5 (лет). Длину h интервала группирования сведений определим по формуле Стэрджеса (которая для многих задач дает оптимальную длину интервала, позволяющую выявить характерные черты варьирования наблюдений):
(год).
Сами интервалы будут такими: (xmin; xmin+h), (xmin+h; xmin+2h), …; построение интервалов заканчивают как только конец очередного интервала не станет равным или большим xmax. В условиях задачи интервалы будут такими: (0; 1), (1; 2), …, (7; 8). Результат работы средства «Гистограмма» при введении в качестве карманов чисел 1, 2, 3, …, 8 приведена на рис.3.
Карман |
Частота |
Интегральный % |
1 |
40 |
40,00% |
2 |
26 |
66,00% |
3 |
15 |
81,00% |
4 |
9 |
90,00% |
5 |
5 |
95,00% |
6 |
3 |
98,00% |
7 |
1 |
99,00% |
8 |
1 |
100,00% |
Еще |
0 |
100,00% |
Рис.3. Результат работы средства Гистограмма
Судя по результатам у 40 рецидивистов промежуток времени X между преступлениями не превысил 1 года (X≤1), у 26 рецидивистов: 1<X≤2, у 15 рецидивистов: 2<X≤3 и т.д.
В ряде задач статистические данные задаются в группированном виде. Формулы расчета выборочных характеристик: , , по данным, сгруппированным в статистический ряд, таковы:
где l – число групп ряда,
xi – вариант (центр интервала для интервального ряда),
mi – частота варианта (интервальная частота).
Вычислим среднюю продолжительность времени пребывания на свободе и среднее квадратическое отклонение времени. Результаты группировки, приведенные на рис.3, запишем в следующую таблицу:
Интервал |
0..1 |
1..2 |
2..3 |
3..4 |
4..5 |
5..6 |
6..7 |
7..8 |
|
Число повторных судимостей (xi) |
0,5 |
1,5 |
2,5 |
3,5 |
4,5 |
5,5 |
6,5 |
7,5 |
Итого |
Количество человек (mi) |
40 |
26 |
15 |
9 |
5 |
3 |
1 |
1 |
100 |
Опытная вероятность ( ) |
0,4 |
0,26 |
0,15 |
0,09 |
0,05 |
0,03 |
0,01 |
0,01 |
1 |
Экспоненциальная вероятность (pi) |
0,419 |
0,241 |
0,139 |
0,080 |
0,046 |
0,026 |
0,015 |
0,009 |
|
= (0,5*40+…+7,5*1)/100=1,81 (года),
(года).
Обратим внимание на то, что ≈ - это свойственно распределениям, построенным по наблюдениям «экспоненциальной» СВ – это непрерывная СВ X, вероятность попадания которой в малый интервал длиной h с центром в токе x рассчитывается так:
где .
Заменив генеральное среднее MX на выборочное среднее =1,81, рассчитаем экспоненциальные вероятности попадания времени пребывания рецидивиста на свободе в соответствующие интервалы; они практически не отличаются от опытных вероятностей.