- •Введение
- •1Теоретическая часть
- •1.1Первичная обработка статистических данных.
- •1.1.1Упорядочение данных наблюдения
- •1.1.2Способ равных интервалов
- •1.1.3Способ равных частот
- •1.1.4Группировка данных наблюдения над дискретной случайной величиной
- •1.2Порядковые статистики и ранги
- •1.2.1Статистическая процедура “Ранг и персентиль”
- •1.3.3Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с известными дисперсиями (двухвыборочный z- критерий)
- •1.3.4Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с равными неизвестными дисперсиями (двухвыборочный t- критерий, равные дисперсии)
- •1.3.5Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с различными неизвестными дисперсиями (двухвыборочный t- критерий, различные дисперсии)
- •1.3.6Проверка гипотезы о равенстве дисперсий двух независимых нормальных случайных величин (f-критерий)
- •1.3.7Проверка гипотезы о равенстве дисперсий нескольких независимых нормальных случайных величин (критерии Бартлета и Кокрена)
- •2.1.3Способ равных частот
- •2.1.4Группировка данных наблюдения над дискретной случайной величиной
- •2.1.5Эмпирическая функция распределения
- •2.1.6Эмпирическая плотность вероятности
- •2.1.7Эмпирический ряд распределения
- •2.1.8Статистическая процедура «Описательная статистика»
- •2.2Порядковые статистики и ранги
- •2.2.1Статистическая процедура “Ранг и персентиль”
- •2.2.2Функция ранг
- •2.3Проверка параметрических гипотез
- •2.3.1Проверка гипотезы о значении математического ожидания нормальной случайной величины с известной дисперсией (одновыборочный z-критерий)
- •2.3.2Проверка гипотезы о значении математического ожидания нормальной случайной величины с неизвестной дисперсией (одновыборочный t-критерий)
- •2.3.3Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с известными дисперсиями (двухвыборочный z- критерий)
- •2.3.4Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с равными неизвестными дисперсиями (двухвыборочный t- критерий, равные дисперсии)
- •2.3.5Проверка гипотезы о разности математических ожиданий двух независимых нормальных случайных величин с различными неизвестными дисперсиями (двухвыборочный t- критерий, различные дисперсии)
- •2.3.6Проверка гипотезы о равенстве дисперсий двух независимых нормальных случайных величин (f-критерий)
- •2.3.7Проверка гипотезы о равенстве дисперсий нескольких независимых нормальных случайных величин (критерии Бартлета и Кокрена)
- •2.4Проверка гипотезы о законе распределения случайной величины (критерии согласия)
- •2.4.1Критерий Крамера-Мизеса-Смирнова
- •2.4.2Критерий Андерсона-Дарлинга
- •2.4.3Критерии w Шапиро-Уилка
- •2.4.4Критерий согласия хи-квадрат Пирсона
- •2.4.5Критерий согласия Колмогорова
- •Заключение Список литературы
- •Приложение а
2.4.4Критерий согласия хи-квадрат Пирсона
Используя данные голосования за ЕР, на основании графика функции распределения, выдвинем гипотезу о том, что исследуемая величина имеет смещенное экспоненциальное распределение с смещением х0 = 0.29. Проверим ее с помощью критерия хи квадрат Пирсона на уровне значимости α= 0,05.
Результат представлен на листе Excel «Хиквадрат», а также на рисунке 2.28
Рисунок 2.28 – Критерий хи-квадрат
Расчетное значение статистики u=5,03 меньше ее критического значения u0,05=9,49, поэтому можно считать что проверяемая гипотеза не противоречит данным наблюдения. Об этом также свидетельствует сравнение значимости α*= 0,28 с заданным уровнем значимости α= 0,05.
2.4.5Критерий согласия Колмогорова
Проверим гипотезу о том, что случайная величина Z= будет иметь распределение Релея, если X и Y – независимые гауссовские величины, имеющие одинаковую дисперсию и нулевое математическое ожидание. Сгенерируем последовательность из 10 таких чисел. Для этого воспользуемся функцией СЛЧИС.
Используя критерий Колмогорова при уровне значимости 0.02, проверим данную гипотезу.
Результат представлен на листе Excel «Колмогоров», а также на рисунке 2.29
Рисунок 2.29 – Критерий Колмогорова
Расчетное значение статистики d=0,4185 меньше ее критического значения d=0,4566. На основании этого можно утверждать, что рассматриваемая гипотеза не противоречит данным наблюдения. Сравнивая расчетное значение модифицированной статистики λ с критическим, мы можем придти к такому же выводу.
Заключение Список литературы
http://ru.wikipedia.org/wiki/Выборы_в_Государственную_думу_(2011) , дата последнего посещения:
16.11.2020 Вадзинский Р. Статистические вычисления в среде Excel. Библиотека пользователя. – СПб.: Питер,2008.–608 с.
Приложение а
Таблицы непараметрической статистики
Таблица А.1. Критические значения ωH(α) статистики WH критерия проверки на нормальность Шапиро-Уилка
Таблица А.2. Коэффициенты, используемые для вычисления значимости α* при проверке на нормальность по критерию Шапиро-Уилка.
Таблица А.3. Нижняя ωЭН(α/2) и верхняя ωЭВ(α/2) границы области принятия гипотезы об экспоненциальности по критерию Шапиро-Уилка