Какая особенность является характерным признаком вариационного ряда. Вариационный ряд и его характеристики
Различные выборочные значения назовемвариантами ряда значений и обозначим: х 1 , х 2 , …. Прежде всего произведем ранжирование вариантов, т.е. расположение их в порядке возрастания или убывания. Для каждого варианта указывается свой вес, т.е. число, которое характеризует вклад данного варианта в общую совокупность. В качестве весов выступают частоты или частости.
Частотой n i варианта х i называется число, показывающее сколько раз встречается данный вариант в рассматриваемой выборочной совокупности.
Частостью или относительной частотой w i варианта х i называется число, равное отношению частоты варианта к сумме частот всех вариантов. Частость показывает, какая часть единиц выборочной совокупности имеет данный вариант.
Последовательность вариантов с соответствующими им весами (частотами или частостями), записанная в порядке возрастания (или убывания), называется вариационным рядом .
Вариационные ряды бывают дискретными и интервальными.
Для дискретного вариационного ряда задаются точечные значения признака, для интервального – значения признака задаются в виде интервалов. Вариационные ряды могут показывать распределение частот или относительных частот (частостей), в зависимости от того, какая величина указывается для каждого варианта – частота или частость.
Дискретный вариационный ряд распределения частот имеет вид:
Частости находятся по формуле , i = 1, 2, …, m .
w 1 + w 2 + … + w m = 1.
Пример 4.1. Для данной совокупности чисел
4, 6, 6, 3, 4, 9, 6, 4, 6, 6
построить дискретные вариационные ряды распределения частот и частостей.
Решение . Объем совокупности равен n = 10. Дискретный ряд распределения частот имеет вид
Аналогичную форму записи имеют интервальные ряды.
Интервальный вариационный ряд распределения частот записывается в виде:
Сумма всех частот равна общему числу наблюдений, т.е. объему совокупности: n = n 1 + n 2 + … + n m .
Интервальный вариационный ряд распределения относительных частот (частостей) имеет вид:
Частость находится по формуле , i = 1, 2, …, m .
Сумма всех частостей равна единице: w 1 + w 2 + … + w m = 1.
Наиболее часто на практике применяются интервальные ряды. Если статистических выборочных данных очень много и их значения отличаются друг от друга на сколь угодно малую величину, то дискретный ряд для этих данных будет достаточно громоздким и неудобным для дальнейшего исследования. В этом случае применяют группировку данных, т.е. промежуток, содержащий все значения признака, разбивают на несколько частичных интервалов и, подсчитав частоту для каждого интервала, получают интервальный ряд. Запишем более подробно схему построения интервального ряда, предположив, что длины частичных интервалов будут одинаковыми.
2.2 Построение интервального ряда
Для построения интервального ряда нужно:
Определить число интервалов;
Определить длину интервалов;
Определить расположение интервалов на оси.
Для определения числа интервалов k существует формула Стерджеса, по которой
,
где n - объем всей совокупности.
Например, если имеется 100 значений признака (вариант), то рекомендуется для построения интервального ряда взять число интервалов равным интервалам.
Однако очень часто на практике число интервалов выбирает сам исследователь, учитывая, что это число не должно быть очень большим, чтобы ряд не был громоздким, но и не очень маленьким, чтобы не потерять некоторых свойств распределения.
Длина интервала h определяется по следующей формуле:
,
где x max и x min - это соответственно самое большое и самое маленькое значения вариантов.
Величину 
называют размахом
ряда.
Для построения самих интервалов поступают по-разному. Один из самых простых способов заключается в следующем. За начало первого интервала принимают величину 
. Тогда остальные границы интервалов находятся по формуле . Очевидно, что конец последнего интервала a
m+1 должен удовлетворять условию
После того как найдены все границы интервалов, определяют частоты (или частости) этих интервалов. Для решения этой задачи просматривают все варианты и определяют число вариант, попавших в тот или иной интервал. Полное построение интервального ряда рассмотрим на примере.
Пример 4.2. Для следующих статистических данных, записанных в порядке возрастания, построить интервальный ряд с числом интервалов, равным 5:
11, 12, 12, 14, 14, 15, 21, 21, 22, 23, 25, 38, 38, 39, 42, 42, 44, 45, 50, 50, 55, 56, 58, 60, 62, 63, 65, 68, 68, 68, 70, 75, 78, 78, 78, 78, 80, 80, 86, 88, 90, 91, 91, 91, 91, 91, 93, 93, 95, 96.
Решение. Всего n =50 значений вариантов.
Число интервалов задано в условии задачи, т.е. k =5.
Длина интервалов равна 
.
Определим границы интервалов:
a 1 = 11 − 8,5 = 2,5; a 2 = 2,5 + 17 = 19,5; a 3 = 19,5 + 17 = 36,5;
a 4 = 36,5 + 17 = 53,5; a 5 = 53,5 + 17 = 70,5; a 6 = 70,5 + 17 = 87,5;
a 7 = 87,5 +17 = 104,5.
Для определения частоты интервалов посчитываем число вариантов, попавших в данный интервал. Например, в первый интервал от 2,5 до 19,5 попадают варианты 11, 12, 12, 14, 14, 15. Их число равно 6, следовательно, частота первого интервала равна n
1 =6. Частость первого интервала равна 
. Во второй интервал от 19,5 до 36,5 попадают варианты 21, 21, 22, 23, 25, число которых равно 5. Следовательно, частота второго интервала равна n
2 =5, а частость 
. Найдя аналогичным образом частоты и частости для всех интервалов, получим следующие интервальные ряды.
Интервальный ряд распределения частот имеет вид:
Сумма частот равна 6+5+9+11+8+11=50.
Интервальный ряд распределения частостей имеет вид:
Сумма частостей равна 0,12+0,1+0,18+0,22+0,16+0,22=1. ■
При построении интервальных рядов, в зависимости от конкретных условий рассматриваемой задачи, могут применяться и другие правила, а именно
1. Интервальные вариационные ряды могут состоять из частичных интервалов разной длины. Неравные длины интервалов позволяют выделить свойства статистической совокупности с неравномерным распределением признака. Например, если границы интервалов определяют численность жителей в городах, то целесообразно в данной задаче использовать неравные по длине интервалы. Очевидно, что для небольших городов имеет значение и небольшая разница в числе жителей, а для больших городов разница в десятки и сотни жителей не имеет существенного значения. Интервальные ряды с неравными длинами частичных интервалов исследуются, в основном, в общей теории статистики и их рассмотрение выходит за рамки данного пособия.
2. В математической статистике иногда рассматривают интервальные ряды, для которых левую границу первого интервала полагают равной –∞, а правую границу последнего интервала +∞. Это делается для того, чтобы приблизить статистическое распределение к теоретическому.
3. При построении интервальных рядов может оказаться, что значение какого-то варианта совпадает в точности с границей интервала. Лучше всего в этом случае поступить следующим образом. Если такое совпадение только одно, то считать, что рассматриваемый вариант со своей частотой попал в интервал, находящийся ближе к середине интервального ряда, если таких вариантов несколько, то либо все их отнести к правым от этих вариант интервалам, либо все – к левым.
4. После определения числа интервалов и их длины, расположение интервалов можно производить и по другому способу. Находят среднее арифметическое всех рассматриваемых значений вариантов х ср. и строят первый интервал таким образом, чтобы это среднее выборочное находилось бы внутри какого-то интервала. Таким образом, получаем интервал от х ср. – 0,5h до х ср.. + 0,5h . Затем влево и вправо, прибавляя длину интервала, строим остальные интервалы до тех пор, пока x min и x max не попадут соответственно в первый и последний интервалы.
5. Интервальные ряды при большом числе интервалов удобно записывать вертикально, т.е. интервалы записывать не в первой строке, а в первом столбце, а частоты (или частости) во втором столбце.
Выборочные данные могут рассматриваться как значения некоторой случайной величины Х . Случайная величина имеет свой закон распределения. Из теории вероятностей известно, что закон распределения дискретной случайной величины можно задать в виде ряда распределения, а непрерывной – с помощью функции плотности распределения. Однако существует универсальный закон распределения, который имеет место и для дискретной и для непрерывной случайных величин. Этот закон распределения задается в виде функции распределения F (x ) = P (X <x ). Для выборочных данных можно указать аналог функции распределения – эмпирическую функцию распределения.
Статистический ряд распределения – это упорядоченное распределение единиц совокупности на группы по определённому варьирующему признаку.В зависимости от признака, положенного в основу образования ряда распределения, различают атрибутивные и вариационные ряды распределения .
Наличие общего признака является основой для образования статистической совокупности, которая представляет собой результаты описания или измерения общих признаков объектов исследования.
Предметом изучения в статистике являются изменяющиеся (варьирующие) признаки или статистические признаками.
Виды статистических признаков .
Атрибутивными называют ряды распределения
, построенные по качественным признакам. Атрибутивный
– это признак, имеющий наименование, (например профессия: швея, учитель и т.д.).
Ряд распределения принято оформлять в виде таблиц. В табл. 2.8 приведён атрибутивный ряд распределения.
Таблица 2.8 - Распределение видов юридической помощи, оказанной адвокатами гражданам одного из регионов РФ.
Вариационными рядами называют ряды распределения , построенные по количественному признаку. Любой вариационный ряд состоит из двух элементов: вариантов и частот.
Вариантами считаются отдельные значения признака, которые он принимает в вариационном ряду.
Частоты – это численности отдельных вариантов или каждой группы вариационного ряда, т.е. это числа, показывающие, как часто встречаются те или иные варианты в ряду распределения. Сумма всех частот определяет численность всей совокупности, её объём.
Частостями называются частоты, выраженные в долях единицы или в процентах к итогу. Соответственно сумма частостей равна 1 или 100 %. Вариационный ряд позволяет по фактическим данным оценить форму закона распределения.
В зависимости от характера вариации признака различают дискретные и интервальные вариационные ряды
.
Пример дискретного вариационного ряда приведен в табл. 2.9.
Таблица 2.9 - Распределение семей по числу занимаемых комнат в отдельных квартирах в 1989 г. в РФ.
Вариационный ряд
В генеральной совокупности исследуется некоторый количественный признак. Из нее случайным образом извлекается выборка объема n , то есть число элементов выборки равно n . На первом этапе статистической обработки производят ранжирование выборки, т.е. упорядочивание чисел x 1 , x 2 , …, x n по возрастанию. Каждое наблюдаемое значение x i называется вариантой . Частота m i – это число наблюдений значения x i в выборке. Относительная частота (частость) w i – это отношение частоты m i к объему выборкиn : .При изучении вариационного ряда также используют понятия накопленной частоты и накопленной частости. Пусть x некоторое число. Тогда количество вариантов, значения которых меньше x , называется накопленной частотой: для x i
Признак называется дискретно варьируемым, если его отдельные значения (варианты) отличаются друг от друга на некоторую конечную величину (обычно целое число). Вариационный ряд такого признака называется дискретным вариационным рядом.
Таблица 1. Общий вид дискретного вариационного ряда частот
| Значения признака | x i | x 1 | x 2 | … | x n |
| Частоты | m i | m 1 | m 2 | … | m n |
Признак называется непрерывно варьирующим, если его значения отличаются друг от друга на сколь угодно малую величину, т.е. признак может принимать любые значения в некотором интервале. Непрерывный вариационный ряд для такого признака называется интервальным.
Таблица 2. Общий вид интервального вариационного ряда частот
Таблица 3. Графические изображения вариационного ряда
| Ряд | Полигон или гистограмма | Эмпирическая функция распределения | |
| Дискретный |  |  |  |
| Интервальный |  |  |  |
Для графического изображения вариационных рядов наиболее часто используются полигон, гистограмма, кумулятивная кривая и эмпирическая функция распределения.
В табл. 2.3 (Группировка населения России по размеру среднедушевого дохода в апреле 1994г.) представлен интервальный вариационный ряд
.
Удобно ряды распределения анализировать при помощи графического изображения, позволяющего судить и о форме распределения. Наглядное представление о характере изменения частот вариационного ряда дают полигон и гистограмма
.
Полигон используется при изображении дискретных вариационных рядов
.
Изобразим, например графически распределение жилого фонда по типу квартир, (табл. 2.10).
Таблица 2.10 - Распределение жилого фонда городского района по типу квартир (цифры условные).
Рис. Полигон распределения жилого фонда
На оси ординат могут наноситься не только значения частот, но и частостей вариационного ряда.
Гистограмма принимается для изображения интервального вариационного ряда . При построении гистограммы на оси абсцисс откладываются величины интервалов, а частоты изображаются прямоугольниками, построенными на соответствующих интервалах. Высота столбиков в случае равных интервалов должна быть пропорциональна частотам. Гистограмма – график, на котором ряд изображен в виде смежных друг с другом столбиков.
Изобразим графически интервальный ряд распределения, приведённый в табл. 2.11.
Таблица 2.11 - Распределение семей по размеру жилой площади, приходящейся на одного человека (цифры условные).
| N п/п | Группы семей по размеру жилой площади, приходящейся на одного человека | Число семей с данным размером жилой площади | Накопленное число семей |
| 1 | 3 – 5 | 10 | 10 |
| 2 | 5 – 7 | 20 | 30 |
| 3 | 7 – 9 | 40 | 70 |
| 4 | 9 – 11 | 30 | 100 |
| 5 | 11 – 13 | 15 | 115 |
| ВСЕГО | 115 | ---- | |
Рис. 2.2. Гистограмма распределения семей по размеру жилой площади, приходящейся на одного человека
Используя данные накопленного ряда (табл. 2.11), построим кумуляту распределения.
Рис. 2.3. Кумулята распределения семей по размеру жилой площади, приходящейся на одного человека
Изображение вариационного ряда в виде кумуляты особенно эффективно для вариационных рядов, частоты которых выражены в долях или процентах к сумме частот ряда.
Если при графическом изображении вариационного ряда в виде кумуляты оси поменять, то мы получим огиву . На рис. 2.4 приведена огива, построенная на основе данных табл. 2.11.
Гистограмма может быть преобразована в полигон распределения, если найти середины сторон прямоугольников и затем эти точки соединить прямыми линиями. Полученный полигон распределения изображён на рис. 2.2 пунктирной линией.
При построении гистограммы распределения вариационного ряда с неравными интервалами по оси ординат наносят не частоты, а плотность распределения признака в соответствующих интервалах.
Плотность распределения – это частота, рассчитанная на единицу ширины интервала, т.е. сколько единиц в каждой группе приходится на единицу величины интервала. Пример расчета плотности распределения представлен в табл. 2.12.
Таблица 2.12 - Распределение предприятий по числу занятых (цифры условные)
| N п/п | Группы предприятий по числу занятых, чел. | Число предприятий | Величина интервала, чел. | Плотность распределения |
| А | 1 | 2 | 3=1/2 | |
| 1 | До 20 | 15 | 20 | 0,75 |
| 2 | 20 – 80 | 27 | 60 | 0,25 |
| 3 | 80 – 150 | 35 | 70 | 0,5 |
| 4 | 150 – 300 | 60 | 150 | 0,4 |
| 5 | 300 – 500 | 10 | 200 | 0,05 |
| ВСЕГО | 147 | ---- | ---- |
Для графического изображения вариационных рядов может также использоваться кумулятивная кривая . При помощи кумуляты (кривой сумм) изображается ряд накопленных частот. Накопленные частоты определяются путём последовательно суммирования частот по группам и показывают, сколько единиц совокупности имеют значения признака не больше, чем рассматриваемое значение.
Рис. 2.4. Огива распределения семей по размеру жилой площади, приходящейся на одного человека
При построении кумуляты интервального вариационного ряда по оси абсцисс откладываются варианты ряда, а по оси ординат накопленные частоты.
Непрерывный вариационный ряд
Непрерывный вариационный ряд - ряд, построенный на основе количественного статистического признака . Пример . Средняя продолжительность заболеваний осужденных (дней на одного человека) в осенне-зимний период в текущем год составила:| 7,0 | 6,0 | 5,9 | 9,4 | 6,5 | 7,3 | 7,6 | 9,3 | 5,8 | 7,2 |
| 7,1 | 8,3 | 7,5 | 6,8 | 7,1 | 9,2 | 6,1 | 8,5 | 7,4 | 7,8 |
| 10,2 | 9,4 | 8,8 | 8,3 | 7,9 | 9,2 | 8,9 | 9,0 | 8,7 | 8,5 |
РОССИЙСКАЯ АКАДЕМИЯ НАРОДНОГО ХОЗЯЙСТВА И ГОСУДАРСТВЕННОЙ СЛУЖБЫ при ПРЕЗИДЕНТЕ РОССИЙСКОЙ ФЕДЕРАЦИИ
ОРЛОВСКИЙ ФИЛИАЛ
кафедра математики и математических методов в управлении
Самостоятельная работа
По математике
на тему «Вариационный ряд и его характеристики»
для студентов очного отделения факультета «Экономика и менеджмент»
направления подготовки «Управление персоналом»
Цель работы: Освоение понятий математической статистики и приемов первичной обработки данных.
Пример решения типовых задач.
Задача 1.
Путем опроса получены следующие данные ():
1 2 3 2 2 4 3 3 5 1 0 2 4 3 2 2 3 3 1 3 2 4 2 4 3 3 3 2 0 6
3 3 1 1 2 3 1 4 3 1 7 4 3 4 2 3 2 3 3 1 4 3 1 4 5 3 4 2 4 5
3 6 4 1 3 2 4 1 3 1 0 0 4 6 4 7 4 1 3 5
Необходимо:
1) Составить вариационный ряд (статистическое распределение выборки), предварительно записав ранжированный дискретный ряд вариантов.
2) Построить полигон частот и кумуляту.
3) Составить ряд распределения относительных частот (частостей).
4) Найти основные числовые характеристики вариационного ряда (использовать упрощенные формулы для их нахождения): а) среднюю арифметическую , б) медиану Ме и моду Мо , в) дисперсию s 2 , г) среднее квадратическое отклонение s , д) коэффициент вариации V .
5) Пояснить смысл полученных результатов.
Решение.
1) Для составления ранжированного дискретного ряда вариантов отсортируем данные опроса по величине и расположим их в порядке возрастания
0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 6 6 6 7 7.
Составим вариационный ряд, записав в первую строку таблицы наблюдаемые значения (варианты), а во вторую соответствующие им частоты (таблица 1)
Таблица 1.
2) Полигон частот представляет собой ломаную, соединяющую точки (х i ; n i ), i =1, 2,…, m , где m X .
Изобразим полигон частот вариационного ряда (рис. 1).
Рис.1. Полигон частот
Кумулятивная кривая (кумулята) для дискретного вариационного ряда представляет ломаную, соединяющую точки (х i ; n i нак ), i =1, 2,…, m .
Найдем накопленные частоты n i нак (накопленная частота показывает, сколько наблюдалось вариантов со значением признака меньшим х ). Найденные значения заносим в третью строку таблицы 1.
Построим кумуляту (рис. 2).
Рис.2. Кумулята
3) Найдем относительные частоты (частости) , где , где m – число различных значений признака X , которые будем вычислять с одинаковой точностью.
Запишем ряд распределения относительных частот (частостей) в виде таблицы 2
Таблица 2
4) Найдем основные числовые характеристики вариационного ряда:
а) Среднюю арифметическую найдем, используя упрощенную формулу:
,
где - условные варианты
Положим с = 3 (одно из средних наблюдаемых значений), k = 1 (разность между двумя соседними вариантами) и составим расчетную таблицу (табл. 3).
Таблица 3.
| x i | n i | u i | u i n i | u i 2 n i |
| -3 | -12 | |||
| -2 | -26 | |||
| -1 | -14 | |||
| Сумма | -11 |
Тогда средняя арифметическая
б) Медианой Ме вариационного ряда называется значение признака, приходящееся на середину ранжированного ряда наблюдений. Данный дискретный вариационный ряд содержит четное число членов (n =80), значит, медиана равна полусумме двух серединных вариантов.
Модой Мо вариационного ряда называется вариант, которому соответствует наибольшая частота. Для данного вариационного ряда наибольшая частота n max = 24 соответствует варианту х = 3, значит мода Мо =3.
в) Дисперсию s 2 , которая является мерой рассеяния возможных значений показателя X вокруг своего среднего значения, найдем, используя упрощенную формулу:
, где u i
– условные варианты
Промежуточные вычисления также занесем в таблицу 3.
Тогда дисперсия
г) Среднее квадратическое отклонение s найдем по формуле:
.
д) Коэффициент вариации V : (),
Коэффициент вариации является безмерной величиной, поэтому он пригоден для сравнения рассеяния вариационных рядов, варианты которых имеют различную размерность.
Коэффициент вариации
.
5) Смысл полученных результатов заключается в том, что величина характеризует среднее значение признака X в пределах рассматриваемой выборки, то есть среднее значение составило 2,86. Среднее квадратическое отклонение s описывает абсолютный разброс значений показателя X и в данном случае составляет s ≈ 1,55. Коэффициент вариации V характеризует относительную изменчивость показателя X , то есть относительный разброс вокруг его среднего значения , и в данном случае составляет .
Ответ: ; ; ; .
Задача 2.
Имеются следующие данные о собственном капитале 40 крупнейших банков Центральной России:
| 12,0 | 49,4 | 22,4 | 39,3 | 90,5 | 15,2 | 75,0 | 73,0 | 62,3 | 25,2 |
| 70,4 | 50,3 | 72,0 | 71,6 | 43,7 | 68,3 | 28,3 | 44,9 | 86,6 | 61,0 |
| 41,0 | 70,9 | 27,3 | 22,9 | 88,6 | 42,5 | 41,9 | 55,0 | 56,9 | 68,1 |
| 120,8 | 52,4 | 42,0 | 119,3 | 49,6 | 110,6 | 54,5 | 99,3 | 111,5 | 26,1 |
Необходимо:
1) Построить интервальный вариационный ряд.
2) Вычислить среднюю выборочную и выборочную дисперсию
3) Найти среднее квадратическое отклонение, и коэффициент вариации.
4) Построить гистограмму частот распределения.
Решение.
1) Выберем произвольное число интервалов, например, 8. Тогда ширина интервала:
.
Составим расчетную таблицу:
| Интервал вариант, х k –x k +1 | Частота, n i | Середина интервала х i | Условная варианта, и i | и i n i | и i 2 n i | (и i + 1) 2 n i |
| 10 – 25 | 17,5 | – 3 | – 12 | |||
| 25 – 40 | 32,5 | – 2 | – 10 | |||
| 40 – 55 | 47,5 | – 1 | – 11 | |||
| 55 – 70 | 62,5 | |||||
| 70 – 85 | 77,5 | |||||
| 85 – 100 | 92,5 | |||||
| 100 – 115 | 107,5 | |||||
| 115 – 130 | 122,5 | |||||
| Сумма | – 5 |
В качестве ложного нуля выбрано значение с= 62,5(эта варианта расположена примерно в середине вариационного ряда).
Условные варианты определяются по формуле
Пример решения контрольной работы по математической статистике
Задача 1
Исходные данные : студенты некоторой группы, состоящей из 30 человек сдали экзамен по курсу «Информатика». Полученные студентами оценки образуют следующий ряд чисел:
I. Составим вариационный ряд
|
m x |
w x |
m x нак |
w x нак |
|
|
Итого: |
II. Графическое представление статистических сведений.
III. Числовые характеристики выборки.
1. Среднее арифметическое
2. Среднее геометрическое
3.
Мода
4. Медиана
222222333333333 | 3 34444444445555
5. Выборочная дисперсия
7. Коэффициент вариации
8. Ассиметрия
9. Коэффициент ассиметрии
10. Эксцесс
11. Коэффициент эксцесса
Задача 2
Исходные данные : студенты некоторой группы написали выпускную контрольную работу. Группа состоит из 30 человек. Набранные студентами баллы образуют следующий ряд чисел
Решение
I. Так как признак принимает много различных значений, то для него построим интервальный вариационный ряд. Для этого сначала зададим величину интервала h . Воспользуемся формулой Стэрджера
Составим шкалу интервалов. При этом за верхнюю границу первого интервала примем величину, определяемую по формуле:
Верхние границы последующих интервалов определим по следующей рекуррентной формуле:
,
тогда
Построение
шкалы интервалов заканчиваем, так как
верхняя граница очередного интервала
стала больше или равна максимальному
значению выборки
.
|
|
|
|
|
|
II. Графическое отображение интервального вариационного ряда
III. Числовые характеристики выборки
Для определения числовых характеристик выборки составим вспомогательную таблицу
|
|
|
|
|
|
|
|
Сумма : |
1. Среднее арифметическое
2. Среднее геометрическое
3.
Мода
4. Медиана
10 11 12 12 13 13 13 13 14 14 14 14 15 15 15 |15 15 15 16 16 16 16 16 17 17 18 19 19 20 20
5. Выборочная дисперсия
6. Выборочное стандартное отклонение
7. Коэффициент вариации
8. Ассиметрия
9. Коэффициент ассиметрии
10. Эксцесс
11. Коэффициент эксцесса
Задача 3
Условие : цена деления шкалы амперметра равна 0,1 А. Показания округляют до ближайшего целого деления. Найти вероятность того, что при отсчете будет сделана ошибка, превышающая 0,02 А.
Решение.
Ошибку округления отсчета можно рассматривать как случайную величину Х , которая распределена равномерно в интервале между двумя соседними целыми делениями. Плотность равномерного распределения
,
где
- длина интервала, в котором заключены
возможные значения Х
;
вне этого интервала
В данной задаче длина интервала, в
котором заключены возможные значения
Х
, равна 0,1,
поэтому
Ошибка отсчета превысит 0,02 если она будет заключена в интервале (0,02; 0,08). Тогда
Ответ: р =0,6
Задача 4
Исходные данные: математическое ожидание и стандартное отклонение нормально распределенного признака Х соответственно равны 10 и 2. Найти вероятность того, чтов результате испытания Х примет значение, заключенное в интервале (12, 14).
Решение.
Воспользуемся формулой
И теоретическими частотами
Для Х ее математическое ожидание M(X) и дисперсию D(X). Решение . Найдем функцию распределения F(x) случайной величины... ошибка выборки). Составим вариационный ряд Ширина интервала составит : Для каждого значения ряда подсчитаем, какое количество...
Решение: уравнение с разделяющимися переменными
РешениеВ виде Для нахождения частного решения неоднородного уравнения составим систему Решим полученную систему... ; +47; +61; +10; -8. Построить интервальный вариационный ряд . Дать статистические оценки среднего значения...
Решение: Проведем расчет цепных и базисных абсолютных приростов, темпов роста, темпов прироста. Полученные значения сведем в таблицу 1
РешениеОбъем производства продукции. Решение : Средняя арифметическая интервального вариационного ряда вычисляется следующим образом: за... Предельная ошибка выборки с вероятностью 0,954 (t=2) составит : Δ w = t*μ = 2*0,0146 = 0,02927 Определим границы...
Решение. Признак
РешениеО трудовом стаже которых и составили выборку. Средний по выборке стаж... рабочего дня этих сотрудников и составили выборку. Средняя по выборке продолжительность... 1,16, уровень значимости α = 0,05. Решение . Вариационный ряд данной выборки имеет вид: 0,71 ...
Рабочая учебная программа по биологии для 10-11 классов Составитель: Поликарпова С. В
Рабочая учебная программаПростейших схем скрещивания» 5 Л.р. «Решение элементарных генетических задач» 6 Л.р. «Решение элементарных генетических задач» 7 Л.р. « ... , 110, 115, 112, 110. Составьте вариационный ряд , начертите вариационную кривую, найдите среднюю величину признака...
Особое место в статистическом анализе принадлежит определению среднего уровня изучаемого признака или явления. Средний уровень признака измеряют средними величинами.
Средняя величина характеризует общий количественный уровень изучаемого признака и является групповым свойством статистической совокупности. Она нивелирует, ослабляет случайные отклонения индивидуальных наблюдений в ту или иную сторону и выдвигает на первый план основное, типичное свойство изучаемого признака.
Средние величины широко используются:
1. Для оценки состояния здоровья населения: характеристики физического развития (рост, вес, окружность грудной клетки и пр.), выявления распространенности и длительности различных заболеваний, анализа демографических показателей (естественного движения населения, средней продолжительности предстоящей жизни, воспроизводства населения, средней численности населения и др.).
2. Для изучения деятельности лечебно-профилактических учреждений, медицинских кадров и оценки качества их работы, планирования и определения потребности населения в различных видах медицинской помощи (среднее число обращений или посещений на одного жителя в год, средняя длительность пребывания больного в стационаре, средняя продолжительность обследования больного, средняя обеспеченность врачами, койками и пр.).
3. Для характеристики санитарно-эпидемиологического состояния (средняя запыленность воздуха в цехе, средняя площадь на одного человека, средние нормы потребления белков, жиров и углеводов и т. д.).
4. Для определения медико-физиологических показателей в норме и патологии, при обработке лабораторных данных, для установления достоверности результатов выборочного исследования в социально-гигиенических, клинических, экспериментальных исследованиях.
Вычисление средних величин выполняется на основе вариационных рядов. Вариационный ряд – это однородная в качественном отношении статистическая совокупность, отдельные единицы которой характеризуют количественные различия изучаемого признака или явления.
Количественная вариация может быть двух типов: прерывная (дискретная) и непрерывная.
Прерывный (дискретный) признак выражается только целым числом и не может иметь никаких промежуточных значений (например, число посещений, численность населения участка, число детей в семье, степень тяжести болезни в баллах и др.).
Непрерывный признак может принимать любые значения в определенных пределах, в том числе и дробные, и выражается лишь приближенно (например, вес – для взрослых можно ограничиться килограммами, а для новорожденных – граммами; рост, артериальное давление, время, потраченное на прием больного, и т. д.).
Цифровое значение каждого отдельного признака или явления, входящего в вариационный ряд, называется вариантой и обозначается буквой V . В математической литературе встречаются и другие обозначения, например x или y.
Вариационный ряд, где каждая варианта указана один раз, называется простым. Такие ряды используются в большинстве статистических задач в случае компьютерной обработки данных.
При увеличении числа наблюдений, как правило, встречаются повторяющиеся значения вариант. В этом случае создается сгруппированный вариационный ряд , где указывается число повторений (частота, обозначается буквой «р »).
Ранжированный вариационный ряд состоит из вариант, расположенных в порядке возрастания или убывания. Как простой, так и сгруппированный ряды могут быть составлены с ранжированием.
Интервальный вариационный ряд составляют с целью упрощения последующих вычислений, выполняемых без использования компьютера, при очень большом числе единиц наблюдения (более 1000).
Непрерывный вариационный ряд включает значения вариант, которые могут выражаться любыми значениями.
Если в вариационном ряде значения признака (варианты) заданы в виде отдельных конкретных чисел, то такой ряд называют дискретным .
Общими характеристиками значений признака, отражаемого в вариационном ряду, являются средние величины. Среди них наиболее применяемые: средняя арифметическая величина М, мода Мо и медиана Me. Каждая из этих характеристик своеобразна. Они не могут подменить друг друга и лишь в совокупности достаточно полно и в сжатой форме представляют собой особенности вариационного ряда.
Модой (Мо) называют значение наиболее часто встречающейся варианты.
Медиана (Me) – это значение варианты, делящей ранжированный вариационный ряд пополам (с каждой стороны медианы находится половина вариант). В редких случаях, когда имеется симметричный вариационный ряд, мода и медиана равны между собой и совпадают со значением средней арифметической.
Наиболее типичной характеристикой значений вариант является средняя арифметическая величина(М ). В математической литературе она обозначается .
Средняя арифметическая величина (M, ) – это общая количественная характеристика определенного признака изучаемых явлений, составляющих качественно однородную статистическую совокупность. Различают среднюю арифметическую простую и взвешенную. Средняя арифметическая простая вычисляется для простого вариационного ряда путем суммирования всех вариант и делением этой суммы на общее количество вариант, входящих в данный вариационный ряд. Вычисления проводятся по формуле:
где: М - средняя арифметическая простая;
ΣV - сумма вариант;
n - число наблюдений.
В сгруппированном вариационном ряду определяют взвешенную среднюю арифметическую. Формула ее вычисления:
где: М - средняя арифметическая взвешенная;
ΣVp - сумма произведений вариант на их частоты;
n - число наблюдений.
При большом числе наблюдений в случае ручных вычислений может применяться способ моментов.
Средняя арифметическая имеет следующие свойства:
· сумма отклонений вариант от средней (Σd ) равна нулю (см. табл. 15);
· при умножении (делении) всех вариант на один и тот же множитель (делитель) средняя арифметическая умножается (делится) на тот же множитель (делитель);
· если прибавить (вычесть) ко всем вариантам одно и то же число, средняя арифметическая увеличивается (уменьшается) на это же число.
Средние арифметические величины, взятые сами по себе, без учета вариабельности рядов, из которых они вычислены, могут не в полной мере отражать свойства вариационного ряда, в особенности когда необходимо сопоставление с другими средними. Близкие по значению средние могут быть получены из рядов с различной степенью рассеяния. Чем ближе друг к другу отдельные варианты по своей количественной характеристике, тем меньше рассеяние (колеблемость, вариабельность) ряда, тем типичнее его средняя.
Основными параметрами, которые позволяют оценить вариабельность признака, являются:
· Размах;
· Амплитуда;
· Среднее квадратическое отклонение;
· Коэффициент вариации.
Приблизительно о колеблемости признака можно судить по размаху и амплитуде вариационного ряда. Размах указывает на максимальную (V max) и минимальную (V min) варианты в ряду. Амплитуда (A m) является разностью этих вариант: A m = V max - V min .
Основной, общепринятой мерой колеблемости вариационного ряда являются дисперсия (D ). Но наиболее часто применяется более удобный параметр, вычисляемый на основе дисперсии - среднее квадратическое отклонение (σ ). Оно учитывает величину отклонения (d ) каждой варианты вариационного ряда от его средней арифметической (d=V - M ).
Поскольку отклонения вариант от средней могут быть положительными и отрицательными, то при суммировании они дают значение «0» (Sd=0 ). Чтобы избежать этого, величины отклонения (d ) возводятся во вторую степень и усредняются. Таким образом, дисперсия вариационного ряда является средним квадратом отклонений вариант от средней арифметической и вычисляется по формуле:
Она является важнейшей характеристикой вариабельности и применяется для вычисления многих статистических критериев.
Поскольку дисперсия выражается квадратом отклонений, ее величина не может использоваться в сопоставлении со средней арифметической. Для этих целей применяется среднее квадратическое отклонение , которое обозначается знаком «Сигма» (σ ). Оно характеризует среднее отклонение всех вариант вариационного ряда от средней арифметической величины в тех же единицах, что и сама средняя величина, поэтому они могут использоваться совместно.
Среднее квадратическое отклонение определяют по формуле:
Указанная формула применяется при числе наблюдений (n ) больше 30. При меньшем числе n значение среднего квадратического отклонения будет иметь погрешность, связанную с математическим смещением (n - 1). В связи с этим, более точный результат может быть получен с помощью учета такого смещения в формуле расчета стандартного отклонения:
стандартное отклонение (s ) – это оценка среднеквадратического отклонения случайной величины Х относительно её математического ожидания на основе несмещённой оценки её дисперсии.
При значениях n > 30 среднее квадратическое отклонение (σ ) и стандартное отклонение (s ) будут одинаковыми (σ =s ). Поэтому в большинстве практических пособий эти критерии рассматриваются как разнозначные. В программе Excel вычисление стандартного отклонения может быть выполнено функцией =СТАНДОТКЛОН(диапазон). А с целью расчета среднего квадратического отклонения требуется создать соответствующую формулу.
Среднее квадратическое или стандартное отклонение позволяет определить, насколько значения признака могут отличаться от среднего значения. Предположим, существуют два города с одинаковой средней дневной температурой в летний период. Один их этих городов расположен на побережье, а другой на континенте. Известно, что в городах, расположенных на побережье, различия дневных температур меньше, чем у городов, расположенных внутри континента. Поэтому среднее квадратическое отклонение дневных температур у прибрежного города будет меньше, чем у второго города. На практике это означает, что средняя температура воздуха каждого конкретного дня в городе, расположенного на континенте будет сильнее отличаться от среднего значения, чем в городе на побережье. Кроме того стандартное отклонение позволяет оценить возможные отклонения температуры от средней с требуемым уровнем вероятности.
Согласно теории вероятности, в явлениях, подчиняющихся нормальному закону распределения, между значениями средней арифметической, среднего квадратического отклонения и вариантами существует строгая зависимость (правило трех сигм ). Например, 68,3% значений варьирующего признака находятся в пределах М ± 1σ , 95,5% - в пределах М ± 2σ и 99,7% - в пределах М ± 3σ .
Величина среднего квадратического отклонения позволяет судить о характере однородности вариационного ряда и исследуемой группы. Если величина среднего квадратического отклонения небольшая, то это свидетельствует о достаточно высокой однородности изучаемого явления. Среднюю арифметическую в таком случае следует признать вполне характерной для данного вариационного ряда. Однако слишком малая величина сигмы заставляет думать об искусственном подборе наблюдений. При очень большой сигме средняя арифметическая в меньшей степени характеризует вариационный ряд, что говорит о значительной вариабельности изучаемого признака или явления или о неоднородности исследуемой группы. Однако сопоставление величины среднего квадратического отклонения возможно только для признаков одинаковой размерности. Действительно, если сравнивать разнообразие веса новорожденных детей и взрослых, мы всегда получим более высокие значения сигмы у взрослых.
Сравнение вариабельности признаков различной размерности может быть выполнено с помощью коэффициента вариации . Он выражает разнообразие в процентах от средней величины, что позволяет производить сравнение различных признаков. Коэффициент вариации в медицинской литературе обозначается знаком «С », а в математической «v » и вычисляемого по формуле:
Значения коэффициента вариации менее 10% свидетельствует о малом рассеянии, от 10 до 20% – о среднем, более 20% – о сильном рассеянии вариант вокруг средней арифметической.
Средняя арифметическая величина, как правило, вычисляется на основе данных выборочной совокупности. При повторных исследованиях под влиянием случайных явлений средняя арифметическая может изменяться. Это обусловлено тем, что исследуется, как правило, только часть возможных единиц наблюдения, то есть выборочная совокупность. Информация обо всех возможных единицах, представляющих изучаемое явление, может быть получена при изучении всей генеральной совокупности, что не всегда возможно. В то же время с целью обобщения данных эксперимента представляет интерес величина средней в генеральной совокупности. Поэтому для формулировки общего вывода об изучаемом явлении, результаты, полученные на основе выборочной совокупности, должны быть, перенесены на генеральную совокупность статистическими методами.
Чтобы определить степень совпадения выборочного исследования и генеральной совокупности, необходимо оценить величину ошибки, которая неизбежно возникает при выборочном наблюдении. Такая ошибка называется «Ошибкой репрезентативности » или «Средней ошибкой средней арифметической». Она фактически является разностью между средними, полученными при выборочном статистическом наблюдении, и аналогичными величинами, которые были бы получены при сплошном исследовании того же объекта, т.е. при изучении генеральной совокупности. Поскольку выборочная средняя является случайной величиной, такой прогноз выполняется с приемлемым для исследователя уровнем вероятности. В медицинских исследованиях он составляет не менее 95%.
Ошибку репрезентативности нельзя смешивать с ошибками регистрации или ошибками внимания (описки, просчеты, опечатки и др.), которые должны быть сведены до минимума адекватной методикой и инструментами, применяемыми при проведении эксперимента.
Величина ошибки репрезентативности зависит как от объема выборки, так и от вариабельности признака. Чем больше число наблюдений, тем ближе выборка к генеральной совокупности и тем меньше ошибка. Чем более изменчив признак, тем больше величина статистической ошибки.
На практике для определения ошибки репрезентативности в вариационных рядах пользуются следующей формулой:
где: m – ошибка репрезентативности;
σ – среднее квадратическое отклонение;
n – число наблюдений в выборке.
Из формулы видно, что размер средней ошибки прямо пропорционален среднему квадратическому отклонению, т. е. вариабельности изучаемого признака, и обратно пропорционален корню квадратному из числа наблюдений.
При выполнении статистического анализа на основе вычисления относительных величин построение вариационного ряда не является обязательным. При этом определение средней ошибки для относительных показателей может выполняться по упрощенной формуле:
где: Р – величина относительного показателя, выраженного в процентах, промилле и т.д.;
q – величина, обратная Р и выраженная как (1-Р), (100-Р), (1000-Р) и т. д., в зависимости от основания, на которое рассчитан показатель;
n – число наблюдений в выборочной совокупности.
Однако, указанная формула вычисления ошибки репрезентативности для относительных величин может применяться только в том случае, когда значение показателя меньше его основания. В ряде случаев расчета интенсивных показателей такое условие не соблюдается, и показатель может выражаться числом более 100% или 1000%о. В такой ситуации выполняется построение вариационного ряда и вычисление ошибки репрезентативности по формуле для средних величин на основе среднего квадратического отклонения.
Прогнозирование величины средней арифметической в генеральной совокупности выполняется с указанием двух значений – минимального и максимального. Эти крайние значения возможных отклонений, в пределах которых может колебаться искомая средняя величина генеральной совокупности, называются «Доверительные границы ».
Постулатами теории вероятностей доказано, что при нормальном распределении признака с вероятностью 99,7%, крайние значения отклонений средней будут не больше величины утроенной ошибки репрезентативности (М ± 3m ); в 95,5% – не больше величины удвоенной средней ошибки средней величины (М ± 2m ); в 68,3% – не больше величины одной средней ошибки (М ± 1m ) (рис. 9).
| P% |
Рис. 9. Плотность вероятностей нормального распределения.
Отметим, что приведенное выше утверждение справедливо только для признака, который подчиняется нормальному закону распределения Гаусса.
Большинство экспериментальных исследований, в том числе и в области медицины, связано с измерениями, результаты которых могут принимать практически любые значения в заданном интервале, поэтому, как правило, описываются моделью непрерывных случайных величин. В связи с этим в большинстве статистических методов рассматриваются непрерывные распределения. Одним из таких распределений, имеющим основополагающую роль в математической статистике, является нормальное, или гауссово, распределение .
Это объясняется целым рядом причин.
1. Прежде всего, многие экспериментальные наблюдения можно успешно описать с помощью нормального распределения. Следует сразу же отметить, что не существует распределений эмпирических данных, которые были бы в точности нормальными, поскольку нормально распределенная случайная величина находится в пределах от до , чего никогда не встречается на практике. Однако нормальное распределение очень часто хорошо подходит как приближение.
Проводятся ли измерения веса, роста и других физиологических параметров организма человека - везде на результаты оказывает влияние очень большое число случайных факторов (естественные причины и ошибки измерения). Причем, как правило, действие каждого из этих факторов незначительно. Опыт показывает, что результаты именно в таких случаях будут распределены приближенно нормально.
2. Многие распределения, связанные со случайной выборкой, при увеличении объема последней переходят в нормальное.
3. Нормальное распределение хорошо подходит в качестве приближенного описания других непрерывных распределений (например, асимметричных).
4. Нормальное распределение обладает рядом благоприятных математических свойств, во многом обеспечивших его широкое применение в статистике.
В то же время следует отметить, что в медицинских данных встречается много экспериментальных распределений, описание которых моделью нормального распределения невозможно. Для этого в статистке разработаны методы, которые принято называть «Непараметрическими».
Выбор статистического метода, который подходит для обработки данных конкретного эксперимента, должен производиться в зависимости от принадлежности полученных данных к нормальному закону распределения. Проверка гипотезы на подчинение признака нормальному закону распределения выполняется с помощью гистограммы распределения частот (графика), а также ряда статистических критериев. Среди них:
Критерий асимметрии (b );
Критерий проверки на эксцесс (g );
Критерий Шапиро – Уилкса (W ) .
Анализ характера распределения данных (его еще называют проверкой на нормальность распределения) осуществляется по каждому параметру. Чтобы уверенно судить о соответствии распределения параметра нормальному закону, необходимо достаточно большое число единиц наблюдения (не менее 30 значений).
Для нормального распределения критерии асимметрии и эксцесса принимают значение 0. Если распределение смещено вправо b > 0 (положительная асимметрия), при b < 0 - график распределения смещен влево (отрицательная асимметрия). Критерий асимметрии проверяет форму кривой распределения. В случае нормального закона g =0. При g > 0 кривая распределения острее, если g < 0 пик более сглаженный, чем функция нормального распределения.
Для проверки на нормальность по критерию Шапиро – Уилкса требуется найти значение этого критерия по статистическим таблицам при необходимом уровне значимости и в зависимости от числа единиц наблюдения (степеней свободы). Приложение 1. Гипотеза о нормальности отвергается при малых значениях этого критерия, как правило, при w <0,8.
Загрузка...