- •Свойства дисперсии
- •14.) Функции распределения вероятностей появления дискретных случайных величин
- •Формула Бернулли
- •Пример 1
- •Формула Пуассона
- •Пример 2
- •Критерии, основанные на нормальном распределении Сравнение выборочного среднего арифметического со средним значением генеральной совокупности
- •16.) Доверительный интервал и доверительная вероятность
- •ОпределениеПравить
- •19.) Абсолютная и относительная погрешности
- •25.) Линии регрессии
- •33. Основные этапы математического моделирования
- •41.Амр Территориального уровня
- •42.Федеральный уровень
19.) Абсолютная и относительная погрешности
19. любое измерение дает лишь приближенное значение физической величины, однако можно указать интервал, который содержит ее истинное значение:
Апр- DА < Аист < Апр+ DА
Величина DА называется абсолютной погрешностью измерения величины А. Абсолютная погрешность выражается в единицах измеряемой величины. Абсолютная погрешность равна модулю максимально возможного отклонения значения физической величины от измеренного значения. Апр- значение физической величины, полученное экспериментально, если измерение проводилось многократно, то среднее арифметическое этих измерений.
Но для оценки качества измерения необходимо определить относительную погрешность e. e= DА/Апр или e= (DА/Апр)*100%.
Если при измерении получена относительная погрешность более 10%, то говорят, что произведена лишь оценка измеряемой величины. В лабораториях физического практикума рекомендуется проводить измерения с относительной погрешностью до 10%. В научных лабораториях некоторые точные измерения (например определение длины световой волны), выполняются с точностью миллионных долей процента. Окончательный результат измерения физической величины А следует записывать в такой форме;
А=Апр+ D А, e= (DА/Апр)*100%.
Апр- значение физической величины, полученное экспериментально, если измерение проводилось многократно, то среднее арифметическое этих измерений. D А- полная абсолютная погрешность прямого измерения. При обработке результатов косвенных измерений физической величины, связанной функционально с физическими величинами А, В и С, которые измеряются прямым способом, сначала определяют относительную погрешность косвенного измерения e= DХ/Хпр, пользуясь формулами, приведенными в таблице (без доказательств).
Абсолютную погрешность определяется по формуле DХ=Хпр *e,
где e выражается десятичной дробью, а не в процентах.
Окончательный результат записывается так же, как и в случае прямых измерений
20.) факторная и остаточная дисперсия
21.) дискретные и непрерывные временные ряды,их характеристики
21.Дискретные и непрерывные временные ряды,их характеристики.Уравнение тренда.Сглаживание временных рядов:метод скользящего среднего.
Последовательность результатов наблюдений над некоторой величиной полученных последовательно во времени,наз.- временным рядом.Например:последовательность значений температуры тела больного в течение суток если ее регистрацию проводили каждый час.
Величина случайного временного ряда в произвольный момент времени,может быть описана соответствующей функцией распределения и для такого ряда могут быть определеныосновные числовые характеристики,т.е. математическое ожидание,дисперсия и среднее квадратичное отклонение.В общем случае произвольного ряда эта функция распределения явл.функцией времени и такое ряд называют нестационарным.В то же время ряды,функция распределения значений которых не зависит от времени наз.- стационарным.Стационарные:их числовые характеристики не зависят от времени.
х1,х2….значение этого ряда полученных последовательно в течение некоторого периода наблюдения.
n-кол-во экспериментальных значений.
На практике часто возникает необходимость выявления основной тенденции изменения временного ряда(наз.- трендом)т.е. нахождения функции f(t)=at+b,где а,b коэффициенты.которые можно определить используя метод наименьших квадратов.
Сглаживание- дисперсия ряда уменьшается и он становится более плавным.Выбирают некоторый временной нтервал усреднения который как правило значительно меньше всего времени наблюдения за значениями врем. ряда,и с помощью этого интервала скользят вдоль ряда производя усреднение значений ряда,попадающих в этот скользящий
интервал.
22.) статистические гипотезы.Нулевая и конкурирующая гипотезы.Параметрический критерий Стьюденса. Пусть в (статистическом) эксперименте доступна наблюдению случайная величина , распределение которой известно полностью или частично. Тогда любое утверждение,
касающееся называется статистической гипотезой.
Если вид распределения или функция распределения выборки нам заданы, то в этом случае задача оценки различий двух групп независимых наблюдений может решаться с использованием параметрических критериев статистики: либо критерия Стьюдента (t), если сравнение выборок ведется по средним значениям (X и У). В случае связанных выборок с равным числом измерений в каждой можно использовать более простую формулу t-критерия Стьюдента.
Вычисление значения t осуществляется по формуле:
(5)
где — разности между соответствующими значениями переменной X и переменной У, а d - среднее этих разностей;Sd вычисляется по следующей формуле:
(6)
Число степеней свободы k определяется по формуле k=n-1.
23.) статистические гипотезы
23) .Статисстические гипотезы. Пусть в (статистическом) эксперименте доступна наблюдению случайная величина , распределение которой известно полностью или частично. Тогда любое утверждение, касающееся называется статистической гипотезой. Статистическая гипотеза, однозначно определяющая распределение , то есть , где какой-то конкретный закон, называется простой.Статистическая гипотеза, утверждающая принадлежность распределения к некоторому семейству распределений, то есть вида , где — семейство распределений, называется сложной.
На практике обычно требуется проверить какую-то конкретную и как правило простую гипотезу . Такую гипотезу принято называть нулевой. При этом параллельно рассматривается противоречащая ей гипотеза , называемая конкурирующей. Для преодоления указанных трудностей в практике педагогических исследований следует использовать непараметрические критерии статистики, такие, как критерий знаков, двухвыборочный критерий Вилкоксона, критерий Ван дер Вардена, критерий Спирмена, выбор которых, хотя и не требует большого числа членов выборки и знаний, вида распределения, но все же зависит от целого ряда условий.
24.) коэффициент корреляции и коэффициент частной корреляции
24) корреляционная зависимость — статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин.[1] Математической мерой корреляции двух случайных величин служит корреляционное отношение [2], либо коэффициент корреляции (или )[1]. В случае, если изменение одной случайной величины не ведёт к закономерному изменению другой случайной величины, но приводит к изменению другой статистической характеристики данной случайной величины, то подобная связь не считается корреляционной, хотя и является статистической.