- •Методические указания и порядок выполнения лабораторной работы «Оценка характера распределений данных»
- •Вероятностные распределения и их свойства.
- •Почему важно нормальное распределение.
- •Порядок выполнения лабораторной работы.
- •Проверка нормальности распределения данных. Метод 1. Проверка нормальности с помощью оценок коэффициентов ассиметрии и эксцесса.
- •Метод 2. Использование критерия Хи-квадрат для проверки нормальности.
- •Подгонка вероятностных распределений к реальным данным.
- •Содержание отчета.
- •Контрольные вопросы.
- •Самостоятельная работа.
- •Список рекомендованной литературы
Проверка нормальности распределения данных. Метод 1. Проверка нормальности с помощью оценок коэффициентов ассиметрии и эксцесса.
(Предварительно необходимо ознакомиться с [6] §9 стр. 137 и §8 стр. 250)
Создайте новый файл данных STATISTICA6.0 с двумя столбцами и числом строк равным количеству групп, на которые была разбита выборка (см. п.4). В первом столбце запишите средние значения по каждому интервалу группирования выбранной переменной для анализа. Для этого предварительно рассчитайте эти значения, воспользовавшись известными значениями начала и конца каждого диапазона (см. п.6, таблица, первый столбец). Во второй столбец запишите частоты (количество наблюдений, попадающее в группу). Используйте для этого полученную ранее таблицу частот (см. п.6, таблица, второй столбец -Count).
Запустите модуль Основная статистика/Таблицы(Basic Statistics/Tables) и выберите в появившемся окне опциюОписательные статистики(Descriptive Statistics).
В окне Описательные статистики(Descriptive Statistics) нажмите кнопкуПеременные (Variables)и выберите первую переменную. Далее нажмите на кнопкуВес. При этом появится окно следующего вида:
Кликните дважды по полю Weight variable. При этом откроется окно выбора переменных. Выберите в этом окне вторую переменную и нажмите кнопку ОК. Убедитесь, что полеWeight variableотражает имя второй переменной. Нажмите кнопку ОК.
Перейдите на вкладку Дополнительно (Advanced). Отметьте в появившемся окне ассиметрию и эксцесс, и их стандартные ошибки (4 последние строчки в полеVariation, moments). Все остальные отметки, которые устанавливаются автоматически, можно снять.
Нажмите кнопку Расчет (Summary)в окнеОписательные статистики (Descriptive Statistics).
Система выполнит расчет и на экране появится таблица с результатами.
|
Skewness |
Std.Err. |
Kurtosis |
Std.Err. |
Var1 |
-0,118872 |
0,687043 |
0,099314 |
1,334249 |
Если ассиметрия и эксцесс близки к нулю и по абсолютной величине их значения имеют тот же порядок, что и их ошибки, тогда ассиметрия и эксцесс не значимы. Поэтому можно говорить, что данные согласованы с гипотезой о нормальности, если порядок иной (ассиметрия или эксцесс сильно отличаются от нуля), то тогда данные не согласованы с гипотезой. Однако, оценка на нормальность по ассиметрии и эксцессу не является точным методом, т.к. в программеSTATISTICA6.0не реализованы количественные вероятностные оценки в этом случае.
Метод 2. Использование критерия Хи-квадрат для проверки нормальности.
(Предварительно необходимо ознакомиться с [6] §23 стр. 329)
Для анализа используйте ту же переменную (или переменные), что и в предыдущем случае. Запустите модуль Настройка распределения (Distribbution Fitting).
При этом появится окно следующего вида:
Далее в списке Непрерывные распределения (Continuous Distribution)выберитеНормальное(Normal). Нажмите кнопкуOK.
В появившемся окне Подгонка непрерывных распределений (Fitting Continuous Distribution)нажмите кнопкуПеременные (Variable)и выберите название переменной из файла.
В диалоговом окне Подгонка непрерывных распределений (Fitting Continuous Distribution)нажмите кнопкуРасчет (Summary). В результате расчетов будет выведена таблица расчетных данных – наблюдаемые частоты (observed frequency), кумулятивные наблюдаемые частоты (cumulative observed), проценты - относительные частоты(Percent observed), кумулятивные проценты(Cumul. % observed), ожидаемая частота (Cumultv expected) и т.д.Сохраните таблицу для отчета.
|
Variable: Var1, Distribution: Normal (Spreadsheet1) Chi-Square = 8,80041, df = 7 (adjusted) , p = 0,26730 | ||||||||
Observed |
Cumulative |
Percent |
Cumul. % |
Expected |
Cumulative |
Percent |
Cumul. % |
Observed | |
<=0,00000 |
0 |
0 |
0,00000 |
0,0000 |
4,62763 |
4,6276 |
4,62763 |
4,6276 |
-4,62763 |
10,00000 |
12 |
12 |
12,00000 |
12,0000 |
4,40668 |
9,0343 |
4,40668 |
9,0343 |
7,59332 |
20,00000 |
10 |
22 |
10,00000 |
22,0000 |
6,94748 |
15,9818 |
6,94748 |
15,9818 |
3,05252 |
30,00000 |
10 |
32 |
10,00000 |
32,0000 |
9,74575 |
25,7275 |
9,74575 |
25,7275 |
0,25425 |
40,00000 |
9 |
41 |
9,00000 |
41,0000 |
12,16404 |
37,8916 |
12,16404 |
37,8916 |
-3,16404 |
50,00000 |
8 |
49 |
8,00000 |
49,0000 |
13,50878 |
51,4004 |
13,50878 |
51,4004 |
-5,50878 |
60,00000 |
12 |
61 |
12,00000 |
61,0000 |
13,34844 |
64,7488 |
13,34844 |
64,7488 |
-1,34844 |
70,00000 |
10 |
71 |
10,00000 |
71,0000 |
11,73604 |
76,4848 |
11,73604 |
76,4848 |
-1,73604 |
80,00000 |
12 |
83 |
12,00000 |
83,0000 |
9,18096 |
85,6658 |
9,18096 |
85,6658 |
2,81904 |
90,00000 |
10 |
93 |
10,00000 |
93,0000 |
6,39041 |
92,0562 |
6,39041 |
92,0562 |
3,60959 |
100,00000 |
7 |
100 |
7,00000 |
100,0000 |
3,95769 |
96,0139 |
3,95769 |
96,0139 |
3,04231 |
< Infinity |
0 |
100 |
0,00000 |
100,0000 |
3,98610 |
100,0000 |
3,98610 |
100,0000 |
-3,98610 |
В верхней части таблицы приведено значение статистики Хи-квадрат и уровень значимости (вероятность ошибиться при отклонении гипотезы нормальности). Чем ближе значениеХи-квадрата к нулю, тем более правомерной считается гипотеза (см. [6] §23 стр. 329). Исходя из этого, сделайте оценку правомерности гипотезыH0: генеральная совокупность распределена нормально.
Для визуализации результатов в диалоговом окне Подгонка непрерывных распределений (Fitting Continuous Distribution) на вкладкеБыстрые (Quick)нажмите кнопкуГрафикинаблюдаемого и ожидаемого распределения (Plot of observed and expected distribution). На экране появится гистограмма с наложенным нормальным распределением. Сохраните график для отчета.