- •ИЗ ИСТОРИИ НАУКИ
- •Математическая
- •ЗАДАЧИ
- •ОБЪЕКТЫ
- •ОСНОВНЫЕ ОПРЕДЕЛЕНИЯ
- •ПРИМЕР 1
- •ОСНОВНЫЕ ОПРЕДЕЛЕНИЯ
- •ПРИМЕР 2
- •Статистический ряд
- •ОСНОВНЫЕ ОПРЕДЕЛЕНИЯ
- •ОБРАБОТКА СТАТИСТИЧЕСКИХ ДАННЫХ
- •РЕШЕНИ Х
- •ОБРАБОТКА СТАТИСТИЧЕСКИХ ДАННЫХ
- •Графически интервальный статистический ряд
- •Пример 5. Построить полигон частот и
- •ТочечныеОБРАБОТКА СТАТИСТИЧЕСКИХоценки ДАННЫХпараметро
- •Выборочная средняя
- •Пример 7. Найти оценки параметров распределения
- •Интервальные оценки
- •Большие по абсолютной величине ошибки будут появляться с малой
- •ерительный интервал для математического ожида
- •Пример 1. Произведено 20 опытов над случайной величиной X, распределенной по нормальному закону.
- •Корреляционный анализ
- •Пример. Найти выборочный коэффициент
- •РЕГРЕССИОННЫЙ
- •По опытным данным можно построить несколько линий регрессии
- •Применение парного линейного уравнения регрессии – прогнозирование по
Интервальные оценки
параметров распределения
Пусть в результате эксперимента получены значения точечных
оценок |
~ |
~ |
~ |
~ |
|
||||
|
a1 |
, a2 |
, a3 |
, ..., an |
которые группируются вокруг некоторого aзначенияn при |
a
~ |
~ |
~ |
~ |
~ |
a1 |
a2 |
a3 |
an |
a |
- истинноеa значение параметра
~
a- оценка параметра
| а − ã |→ min | а − ã |<ε
Р(| а − ã |< ε )= β – доверительная вероятность
Для большинства технических задач β Є [0,9; 0,99]
Большие по абсолютной величине ошибки будут появляться с малой
вероятностью
α =1− β,
которую называют вероятностью риска или уровнем значимости
Неравенство | а − ã |< ε можно записать в виде − ε
< а − ã < ε
или
ã − ε < а < ã + ε – доверительный интервал
доверительный интервал - это интервал значений параметра а, совместимых с опытными данными и не противоречащих им
ерительный интервал для математического ожида
хср β М (Х ) хср β ,
Где εβ tk ,β Sn
−коэффициентtk ,β Стьюдента(находят по таблице)
к= n - 1 - число степеней свободы
β- доверительная вероятность
Доверительный интервал для дисперсии:
(n 1) S 2 |
(n 1) S 2 |
|||
χ 2 |
D( X ) |
χ 2 |
. |
|
α |
α |
|||
n 1;1 |
n 1; |
|||
|
2 |
|
2 |
Пример 1. Произведено 20 опытов над случайной величиной X, распределенной по нормальному закону. Требуется построить доверительные интервалы для математического ожидания и дисперсии, соответствующие доверительной вероятности β=0,8, если получены: оценки математического ожидания и
дисперсии: |
хср 10,78; |
S2= 0,064. |
|
Решение. По таблице находим значение коэффициента Стьюдента для числа степеней свободы k= n-1=20-1=19 и доверительной вероятности β=0,8:
t19;0,8 1, 328.
Тогда β 1,328 |
0,064 |
0,0751. |
|
20 |
|||
|
|
Доверительный интервал для математического ожидания:
10,78− 0,751 < M(Х) < 10,78 + 0,751,
10,029 < M(Х) < 11,531.
Для доверительной вероятности β=0,8 и уровня значимости α=0,2 по таблице найдем значения
распределения χ2 |
: |
χ 2 |
α |
χ 2 |
11,7; |
2 |
|
2 |
27,2. |
|
|
|
n 1; |
|
19;0,1 |
|
n 1;1 |
19;0,9 |
|
||
|
|
2 |
|
|
|
2 |
|
|
||
|
|
Доверительный интервал для |
|
|
|
|
||||
дисперсии: |
|
|
D( X ) 19 |
0, 064 |
, |
|
|
|||
|
|
19 0, 064 |
|
|
||||||
|
|
27, 2 |
|
|
11, 7 |
|
|
|
0,0447 < D(X) <
0,1039.
|
|
|
|
Квантили распределения |
t p k |
|
|
||
P |
0,5 |
0,6 |
0,7 |
Стьюдента |
0,95 |
0,99 |
0,999 |
||
0,8 |
0,9 |
0,98 |
|||||||
k |
|
|
|
|
|
|
|
|
|
1 |
1,000 |
1,376 |
1,963 |
3,078 |
6,314 |
12,706 |
31,821 |
63,657 |
336,619 |
2 |
0,816 |
1,061 |
1,336 |
1,886 |
2,920 |
4,303 |
6,965 |
9,925 |
31,598 |
3 |
765 |
0,978 |
1,250 |
1,638 |
2,353 |
3,182 |
4,541 |
5,841 |
12,941 |
4 |
741 |
941 |
1,190 |
1,533 |
2,132 |
2,776 |
3,747 |
4,604 |
8,610 |
5 |
727 |
920 |
1,156 |
1,476 |
2,015 |
2,571 |
3,365 |
4,032 ! |
6,859 |
6 |
718 |
906 |
1,134 |
1,440 |
1,943 |
2,447 |
3,143 |
3,707 |
5,959 |
7 |
711 |
896 |
1,119 |
1,415 |
1,895 |
2,365 |
2,998 |
3,499 ! |
5,405 |
8 |
706 |
889 |
1,108 |
1,397 |
1,860 |
2,306 |
2,896 |
3,355 |
5,041 |
9 |
703 |
883 |
1,100 |
1,383 ] |
1,833 |
2,262 |
2,821 |
3,250 |
4,781 |
10 |
700 |
879 |
1,093 |
1,372 ! |
1,812 |
2,228 |
2,764 |
3,169 |
4,587 |
11 |
697 |
876 |
1,088 |
1,363 |
1,796 |
2,201 |
2,718 |
3,106 |
4,487 |
12 |
695 |
873 |
1,083 |
1,356 ! |
1,782 |
2,179 |
2,681 |
3,055 |
4,318 |
13 |
694 |
870 |
1,079 |
1,350 |
1,771 |
2,160 |
2,650 |
3,012 |
4,221 |
14 |
692 |
868 |
1,076 |
1,345 |
1,761 |
2,145 |
2,624 |
2,977 |
4,140 |
15 |
691 |
866 |
1,074 |
1,341 |
1,753 |
2,131 |
2,602 |
2,947 |
4,073 |
16 |
690 |
865 |
1,071 |
1,337 |
1,746 |
2,120 |
2,583 |
2,921 |
4,015 |
17 |
689 |
863 |
1,069 |
1,333 |
1,740 |
2,110 |
2,567 |
2,898 |
3,965 |
18 |
688 |
862 |
1,067 |
1,330 |
1,734 |
2,103 |
2,552 |
2,878 |
3,922 |
19 |
688 |
861 |
1,066 |
1,328 |
1,729 |
2,093 |
2,539 |
2,861 |
3,883 |
20 |
687 |
860 |
1,064 |
1.325 |
1,725 |
2,086 |
2,528 |
2,845 |
3,850 |
21 |
686 |
859 |
1,063 |
1,323 |
1,721 |
2,080 |
2,518 |
2,831 |
3,819 |
|
|
|
|
|
|
|
Квантили хи-квадрат |
2 |
(k) |
|
|
|
|||
|
|
|
|
|
|
|
распределения |
|
X p |
|
|
|
|||
P |
0,005 |
0,010 |
0,025 |
0,05 |
0,10 |
0,20 |
0,30 |
0,70 |
0,80 |
0,90 |
0,95 |
0,975 |
0,990 |
0,995 |
0,999 |
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
0,0100 |
0,0201 |
0,0506 |
0,103 |
0,211 |
0,446 |
0,713 |
2,41 |
3,22 |
4,61 |
5,99 |
7,38 |
9,21 |
10,6 |
13,8 |
3 |
0,01717 |
0,115 |
0,216 |
0,352 |
0,584 |
1,00 |
1,42 |
3,67 |
4,64 |
6,25 |
7,81 |
9,35 |
11,3 |
12,8 |
16,3 |
4 |
0,207 |
0,297 |
0,484 |
0,711 |
1,06 |
1,65 |
2,19 |
4,88 |
5,99 |
7,78 |
9,49 |
11,1 |
13,3 |
14,9 |
18,5 |
5 |
0,412 |
0,554 |
0,831 |
1,15 |
1,61 |
2,34 |
3,00 |
6,06 |
7,29 |
9,24 |
11,1 |
12,8 |
15,1 |
16,7 |
20,5 |
6 |
0,676 |
0,872 |
1,24 |
1,64 |
2,20 |
3,07 |
3,83 |
7,23 |
8,56 |
10,6 |
12,6 |
14,4 |
16,8 |
18,5 |
22,5 |
7 |
0,989 |
1,24 |
1,69 |
2,17 |
2,83 |
3,82 |
4,67 |
8.38 |
9,80 |
12,0 |
14,1 |
16,0 |
18.5 |
20,3 |
24,3 |
8 |
1,34 |
1,65 |
2,18 |
2,73 |
3,49 |
4,59 |
5,53 |
9,52 |
11,0 |
13,4 |
15,5 |
17,5 |
20,1 |
22,0 |
26,1 |
9 |
1,73 |
2,09 |
2,70 |
3,33 |
4,17 |
5,38 |
6,39 |
10,7 |
12,2 |
14,7 |
16,9 |
19,0 |
21,7 |
23,6 |
27,9 |
10 |
2,16 |
2,56 |
3,25 |
3,94 |
4,87 |
6,18 |
7,27 |
11,8 |
13,4 |
16,0 |
18,3 |
20,5 |
23,2 |
25,2 |
29,6 |
11 |
2,60 |
3,05 |
3,82 |
4,57 |
5,58 |
6,99 |
8,15 |
12,9 |
14,6 |
17,3 |
19,7 |
21,9 |
24,7 |
26,8 |
31,3 |
12 |
3,07 |
3,57 |
4,40 |
5,23 |
6,30 |
7,81 |
9,03 |
14,0 |
15,8 |
18,5 |
21,0 |
23,3 |
26,2 |
28,3 |
32,9 |
13 |
3,57 |
4,11 |
5,01 |
5,89 |
7,04 |
8,63 |
9,93 |
15,1 |
17,0 |
19,8 |
22,4 |
24,7 |
27,7 |
29,8 |
34,5 |
14 |
4,07 |
4,66 |
5,63 |
6,57 |
7,79 |
9,47 |
10,8 |
16,2 |
18,2 |
21,1 |
23,7 |
26,1 |
29,1 |
31,3 |
36,1 |
15 |
4,60 |
5,23 |
6,26 |
7,26 |
8,55 |
10,3 |
11,7 |
17,3 |
19,3 |
22,3 |
25,0 |
27,5 |
30,6 |
32,8 |
37,7 |
16 |
5,14 |
5,81 |
6,91 |
7,96 |
9,31 |
11,2 |
12,6 |
18,4 |
20,5 |
23,5 |
26,3 |
28,8 |
32,0 |
34,3 |
39,3 |
17 |
5,70 |
6,41 |
7,56 |
8,67 |
10,1 |
12,0 |
13,5 |
19,5 |
21,6 |
24,8 |
27,6 |
30,2 |
33,4 |
35,7 |
40,8 |
18 |
6,26 |
7,01 |
8,23 |
9,39 |
10,9 |
12,9 |
14,4 |
20,6 |
22,8 |
26,0 |
28,9 |
31,5 |
34,8 |
37,2 |
42,3 |
19 |
6,84 |
7,63 |
8,91 |
10,1 |
11,7 |
13,7 |
15,4 |
21,7 |
23,9 |
27,2 |
30,1 |
32,9 |
36,2 |
38,6 |
43,8 |
20 |
7,43 |
8,26 |
9,59 |
10,9 |
12,4 |
14,6 |
16,3 |
22,8 |
25,0 |
28,4 |
31,4 |
34,2 |
37,6 |
40,0 |
45,3 |
21 |
8,03 |
8,90 |
10,3 |
11,6 |
13,2 |
15,4 |
17,2 |
23,9 |
26,9 |
29,6 |
32,7 |
35,5 |
38,9 |
41,4 |
46,8 |
22 |
8,64 |
9,54 |
11,0 |
12,3 |
14,0 |
16,3 |
18,1 |
24,9 |
27,3 |
30,8 |
33,9 |
36,8 |
40,3 |
42,8 |
48,3 |
Корреляционный анализ
Выборочный корреляционный
момент:
|
|
|
1 |
|
|
|
l k |
|
|
|
|
|
|
|
|
|
|
* |
|
|
|
|
|
|
|
* |
|
|
|
|
|
|
|
k |
xy |
|
n |
1 |
|
x y |
j |
m |
|
n xср y |
. |
|||||
|
|
|
i |
ij |
|
|
|
|
|
ср |
||||||
|
|
|
|
|
|
|
j 1 i 1 |
|
|
|
|
|
|
|
|
|
Выборочный коэффициент корреляции:
r* |
|
k xy* |
, |
|
|||
xy |
|
S x S y |
|
|
|
|
|
|
|
|
|
Пример. Найти выборочный коэффициент |
У |
|
\ |
|
|
|
10 |
20 |
30 |
||||||||||||
|
|
|
|
|
корреляции по данным корреляционной |
|
Х |
|
|
|
|
|
|
||||||||
|
|
|
|
|
таблицы : |
|
|
|
5 |
|
|
|
|
|
3 |
- |
2 |
||||
|
|
|
|
|
|
|
|
|
|
|
10 |
|
|
|
|
5 |
4 |
2 |
|||
Решение. Составим таблицы отдельно для распределения Х и распределения У: |
|||||||||||||||||||||
|
|
|
|
|
Х |
10 |
20 |
30 |
У |
|
|
|
|
|
5 |
10 |
|
||||
|
|
|
|
|
mi * |
8 |
4 |
4 |
mj * |
|
|
|
|
5 |
11 |
|
|||||
|
|
|
|
|
Найдем оценки параметров распределения: xср |
yср |
S x2 S y2 |
Sx S y |
|||||||||||||
xср |
1 |
|
(10 8 20 4 30 4) 17,5 |
yср |
1 |
|
|
(5 5 10 11) 8,44 |
|
||||||||||||
16 |
16 |
|
|||||||||||||||||||
S x2 |
|
1 |
|
(100 8 400 4 800 4 16 17,52 ) 73,33 |
S y2 |
|
|
1 |
|
(25 5 100 11 16 8,442 ) 5,68 |
|||||||||||
|
|
|
15 |
|
|||||||||||||||||
15 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
S x |
|
|
8,56 |
|
|
S y |
|
|
|
2,38 |
|
|
|||||||||
|
73,33 |
|
|
5,68 |
|
|
Выборочный корреляционный момент:
kxy 151 (5 10 3 5 20 0 5 30 2 10 10 5 10 20 4 10 30 2 16 17,5 8,44) 0,88
Выборочный коэффициент корреляции:
r |
|
0,88 |
0,043 |
Вывод: зависимость между |
xy |
|
8,56 2,38 |
|
случайными величинами не |
|
|
|
|
линейная
РЕГРЕССИОННЫЙ
РЕГРЕССИЯ (лат. regressioАНАЛИЗ— обратное движение) в статистике — статистическая зависимость среднего значения случайной величины от значений другой случайной
величины или нескольких случайных величин РЕГРЕССИЯ - количественные изменения одного явления,
наступающие в связи с изменениями другого явления, находящегося с первым в корреляционной связи
Классические примеры регрессии (Фрэнсис Гальтон, 1886)
зависимость среднего роста детей от роста родителейзависимость средних диаметров сосен от их высотзависимость среднего роста человека от его веса и т.п.
РЕГРЕССИОННЫЙ АНАЛИЗ - раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости между величинами по
статистическим данным |
|
ЦЕЛЬ регрессионного анализа – определение аналитического |
|
выражения связи |
ПРИМЕРЫ ЗАДАЧ |
Как ВВП страны зависит от средней заработной платы, мировых цен на нефтьКак определитькурса рубля?зависимость между погодой и количеством посетителей?
Как спрогнозировать приток клиентов в зависимости от размера рекламногоСколько временибюджета?нужно производить обжиг, чтобы достигнуть наилучшего качества?
|
|
ε1 |
ε2 |
εk |
|
|
x1 |
|
|
|
|
y1 |
|
|
|
|
|
|||
|
|
|
|
|||
x2 |
|
|
|
|
y2 |
|
|
|
|
|
|
|
|
xn |
|
|
|
|
ym |
|
|
|
|
|
|
|
|
|
|
|
|
«Черный ящик» |
xn − входные параметры ym − выходные параметры
εk − воздействие трудно учитываемых факторов (возмущений)
ЗАДАЧА. Изучить зависимость между входными X и выходными Y параметрами в виде математической модели
Если поставлена задача, о выявлении зависимости в виде некоторой функции Y f X ,
то она является задачей регрессионного анализа, а полученные зависимости
линиями регрессии
Пусть произведено n опытов, в которых наблюдались изменения как случайной величины X, так и Y.
В результате эксперимента получено n пар наблюдений (x ; y )
Нас интересует функция, которая бы приблизительно описывала зависимость
между величинами.