Как составить интервальную таблицу по данным выборки - Сайт, где вы сможете решить свои вопросы

5,56	5,43	5,47	5,47	5,33	5,37	5,43	5,54	5,61
5,33	5,43	5,61	5,11	5,43	5,33	5,54	5,33	5,11
5,54	5,43	5,33	5,54	5,43	5,43	5,43	5,33	5,11
5,43	5,43	5,43	5,33	5,4	5,43	5,47	5,68	5,47
5,43	5,68	5,21	5,33	5,58	5,47	5,47	5,21	5,54
5,64	5,47	5,27	5,27	5,37	5,33	5,47	5,47	5,54
5,4	5,58	5,47	5,27	5,05	5,79	5,79	5,64	5,64
5,71	5,85	5,47	5,47	5,43	5,47	5,54	5,64	5,64
5,79	5,03	5,33	5,68	5,43	5,61	5,54	5,64	5,54
5,39	5,33	5,21	5,68	5,54	5,33	5,21	5,21	5,81
5,27	5,64	5,27	5,27	5,33	5,37	5,27	5,54	5,54
5,47

Таблица.
.1

Пример. По
результатам выборочного исследования
100 однотипных предприятий получены
данные объема основных фондов

Построение
интервального вариационного ряда
распределения включает следующие этапы.

1. Определение
среди имеющихся наблюдений минимального
и максимальногозначения признака. В данном примере это
будут=5,03
и=5,85.

2. Определение
размаха варьирования признака
R=–=5,85-5,03=0,82

3.Определение длины
интервала по формуле
объем
выборки. В данном примере

4. Определение
граничных значений интервалов
.
Так какиявляются случайными величинами,
рекомендуется отступить влево от нижнего
предела варьирования ().

За нижнюю границу
первого интервала предлагается принимать
величину, равную
.
Если окажется, что,
хотя по смыслу величина не отрицательная,
то можно принять.

Верхняя граница
первого интервала
.
Тогда, если–верхняя
границаi-го
интервала (причём
),
то,и т.д. Построение интервалов продолжается
до тех пор, пока начало следующего по
порядку интервала не будет равным или
больше.

В примере граничные
значения составят:

,,и т.д.Границы последовательных интервалов
записывают в графе 1 таблицы 1.2.

5. Группировка
результатов наблюдений.

Просматриваем
статистические данные в том порядке, в
каком они записаны в таблице 1.1, и значения
признака разносим по соответствующим
интервалам, обозначая их так
(по одному штриху для каждого
наблюдения). Так как граничные значения
признака могут совпадать с границами
интервалов, то условимся включать
варианты, большие, чем нижняя граница
интервала (),
и меньшие или равные верхней границе
().
Общее количество штрихов, отмеченных
в интервале (табл. 1.2, графа 2) дает его
частоту (табл. 1.2, графа 3). В результате
получим статистический ряд распределения
частот (табл. 1.2, графа 1 и 3).

Примечание. Число
интервалов обычно берут равным от 7 до
11 в зависимости от числа наблюдений и
точности измерений с таким расчетом,
чтобы интервалы были достаточно наполнены
частотами. Если получают интервалы с
нулевыми частотами, то нужно увеличить
ширину интервала (особенно в середине
интервального ряда).

Интервалы

Подсчет
частот

Частота

Накопленная
частота

4,97-5,08

5,08-5,19

5,19-5,30

5,30-5,41

5,41-5,52

5,52-5,63

5,63-5,74

5,74-5,85

100

Таблица 1.2.
Интервальный ряд распределения объемов
основных фондов 100 предприятий

2. Вычисление выборочных характеристик распределения (непосредственно)

Для вычисления
средней арифметической, дисперсии,
коэффициентов ассиметрии и эксцесса
рекомендуется следующий порядок
вычислений.

Заменяем интервальный
ряд дискретным, для чего все значения
признака в пределах интервала приравниваем
к его серединному значению, и считаем,
что частота относится к середине
интервала. Значения середин интервалов
равны
.

Для удобства
вычислений целесообразно составить
вспомогательную таблицу 1.3. Заменяя
середины интервалов заносят в графу 1,
соответствующие частоты в графу и т.д.

Интервалы
1	2	3	4	5	6	7
4,97-5,08 5,08-5,19 5,19-5,30 5,30-5,41 5,41-5,52 5,52-5,63 5,63-5,74 5,74-5,85	5,03 5,14 5,25 5,36 5,47 5,58 5,69 5,80	2 3 12 19 29 18 13 4	2 5 17 36 65 83 96 100	10,06 15,42 63,00 101,84 158,63 100,44 73,97 23,20	50,60 79,26 330,75 545,86 867,71 560,46 420,89 134,56	-0,4356 -0,3256 -0,2156 -0,1056 0,0044 0,1144 0,2244 0,3344
		100		546,56	2990,09

Таблица 1.3
Вспомогательная таблица для вычисления
выборочных характеристик


8	9	10	11
-0,8712 -0,9768 -2,5872 -2,0064 0,1276 2,0592 2,9172 1,3376	0,37949 0,31805 0,55780 0,21188 0,00056 0,23557 0,65462 0,44729	-0,1653 -0,10356 -0,12026 -0,02237 0,00000 0,02695 0,14690 0,14957	0,07201 0,03372 0,025928 0,00236 0,00000 0,00308 0,03296 0,05002
0	2,80526	0,08808	0,22008

В таблице
.

Пользуясь таблицей
1.3, вычислим среднюю арифметическую:.
В нашем примеремлн.
руб. и характеризует среднее положение
наблюдаемых значений. Выборочный
центральный момент к-го порядка равен.
Для проверки правильности вычисленияи ввода в микрокалькулятор значений,рассчитывают:

В нашем примере
тождество выполняется. В итоговой строке
столбца 4 табл. 1.3. имеем 0.

В данном примере
.

Выборочная дисперсия
равна
центральному моменту второго порядка:

==.

В нашем примере
=0,028,
а выборочное среднее квадратичное
отклонениемлн.руб.

Дисперсию можно
подсчитать и по-другому

В нашем примере

Выборочные
коэффициенты асимметрии

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

Источник

Интервальный вариационный ряд и его характеристики

Построение интервального вариационного ряда по данным эксперимента
Гистограмма и полигон относительных частот, кумулята и эмпирическая функция распределения
Выборочная средняя, мода и медиана. Симметрия ряда
Выборочная дисперсия и СКО
Исправленная выборочная дисперсия, стандартное отклонение выборки и коэффициент вариации
Алгоритм исследования интервального вариационного ряда
Примеры

п.1. Построение интервального вариационного ряда по данным эксперимента

Интервальный вариационный ряд – это ряд распределения, в котором однородные группы составлены по признаку, меняющемуся непрерывно или принимающему слишком много значений.

Общий вид интервального вариационного ряда

Интервалы, (left.left[a_{i-1},a_iright.right))	(left.left[a_{0},a_1right.right))	(left.left[a_{1},a_2right.right))	…	(left.left[a_{k-1},a_kright.right))
Частоты, (f_i)	(f_1)	(f_2)	…	(f_k)

Здесь k – число интервалов, на которые разбивается ряд.

Размах вариации – это длина интервала, в пределах которой изменяется исследуемый признак: $$ F=x_{max}-x_{min} $$

Правило Стерджеса
Эмпирическое правило определения оптимального количества интервалов k, на которые следует разбить ряд из N чисел: $$ k=1+lfloorlog_2 Nrfloor $$ или, через десятичный логарифм: $$ k=1+lfloor 3,322cdotlg Nrfloor $$

Скобка (lfloor rfloor) означает целую часть (округление вниз до целого числа).

Шаг интервального ряда – это отношение размаха вариации к количеству интервалов, округленное вверх до определенной точности: $$ h=leftlceilfrac Rkrightrceil $$

Скобка (lceil rceil) означает округление вверх, в данном случае не обязательно до целого числа.

Алгоритм построения интервального ряда
На входе: все значения признака (left{x_jright}, j=overline{1,N})
Шаг 1. Найти размах вариации (R=x_{max}-x_{min})
Шаг 2. Найти оптимальное количество интервалов (k=1+lfloorlog_2 Nrfloor)
Шаг 3. Найти шаг интервального ряда (h=leftlceilfrac{R}{k}rightrceil)
Шаг 4. Найти узлы ряда: $$ a_0=x_{min}, a_i=1_0+ih, i=overline{1,k} $$ Шаг 5. Найти частоты (f_i) – число попаданий значений признака в каждый из интервалов (left.left[a_{i-1},a_iright.right)).
На выходе: интервальный ряд с интервалами (left.left[a_{i-1},a_iright.right)) и частотами (f_i, i=overline{1,k})

Заметим, что поскольку шаг h находится с округлением вверх, последний узел (a_kgeq x_{max}).

Например:
Проведено 100 измерений роста учеников старших классов.
Минимальный рост составляет 142 см, максимальный – 197 см.
Найдем узлы для построения соответствующего интервального ряда.
По условию: (N=100, x_{min}=142 см, x_{max}=197 см).
Размах вариации: (R=197-142=55) (см)
Оптимальное число интервалов: (k=1+lfloor 3,322cdotlg ⁡100rfloor=1+lfloor 6,644rfloor=1+6=7)
Шаг интервального ряда: (h=lceilfrac{55}{5}rceil=lceil 7,85rceil=8) (см)
Получаем узлы ряда: $$ a_0=x_{min}=142, a_i=142+icdot 8, i=overline{1,7} $$

(left.left[a_{i-1},a_iright.right)) cм

(left.left[142;150right.right))

(left.left[150;158right.right))

(left.left[158;166right.right))

(left.left[166;174right.right))

(left.left[174;182right.right))

(left.left[182;190right.right))

(left[190;198right])

п.2. Гистограмма и полигон относительных частот, кумулята и эмпирическая функция распределения

Относительная частота интервала (left.left[a_{i-1},a_iright.right)) – это отношение частоты (f_i) к общему количеству исходов: $$ w_i=frac{f_i}{N}, i=overline{1,k} $$

Гистограмма относительных частот интервального ряда – это фигура, состоящая из прямоугольников, ширина которых равна шагу ряда, а высота – относительным частотам каждого из интервалов.
Площадь гистограммы равна 1 (с точностью до округлений), и она является эмпирическим законом распределения исследуемого признака.

Полигон относительных частот интервального ряда – это ломаная, соединяющая точки ((x_i,w_i)), где (x_i) – середины интервалов: (x_i=frac{a_{i-1}+a_i}{2}, i=overline{1,k}).

Накопленные относительные частоты – это суммы: $$ S_1=w_1, S_i=S_{i-1}+w_i, i=overline{2,k} $$ Ступенчатая кривая (F(x)), состоящая из прямоугольников, ширина которых равна шагу ряда, а высота – накопленным относительным частотам, является эмпирической функцией распределения исследуемого признака.
Кумулята – это ломаная, которая соединяет точки ((x_i,S_i)), где (x_i) – середины интервалов.

Например:
Продолжим анализ распределения учеников по росту.
Выше мы уже нашли узлы интервалов. Пусть, после распределения всех 100 измерений по этим интервалам, мы получили следующий интервальный ряд:

i	1	2	3	4	5	6	7
(left.left[a_{i-1},a_iright.right)) cм	(left.left[142;150right.right))	(left.left[150;158right.right))	(left.left[158;166right.right))	(left.left[166;174right.right))	(left.left[174;182right.right))	(left.left[182;190right.right))	(left[190;198right])
(f_i)	4	7	11	34	33	8	3

Найдем середины интервалов, относительные частоты и накопленные относительные частоты:

(x_i)	146	154	162	170	178	186	194
(w_i)	0,04	0,07	0,11	0,34	0,33	0,08	0,03
(S_i)	0,04	0,11	0,22	0,56	0,89	0,97	1

Построим гистограмму и полигон:

Построим кумуляту и эмпирическую функцию распределения:

Эмпирическая функция распределения (относительно середин интервалов): $$ F(x)= begin{cases} 0, xleq 146\ 0,04, 146lt xleq 154\ 0,11, 154lt xleq 162\ 0,22, 162lt xleq 170\ 0,56, 170lt xleq 178\ 0,89, 178lt xleq 186\ 0,97, 186lt xleq 194\ 1, xgt 194 end{cases} $$

п.3. Выборочная средняя, мода и медиана. Симметрия ряда

Выборочная средняя интервального вариационного ряда определяется как средняя взвешенная по частотам: $$ X_{cp}=frac{x_1f_1+x_2f_2+…+x_kf_k}{N}=frac1Nsum_{i=1}^k x_if_i $$ где (x_i) – середины интервалов: (x_i=frac{a_{i-1}+a_i}{2}, i=overline{1,k}).
Или, через относительные частоты: $$ X_{cp}=sum_{i=1}^k x_iw_i $$

Модальным интервалом называют интервал с максимальной частотой: $$ f_m=max f_i $$ Мода интервального вариационного ряда определяется по формуле: $$ M_o=x_o+frac{f_m-f_{m-1}}{(f_m-f_{m-1})+(f_m+f_{m+1})}h $$ где
(h) – шаг интервального ряда;
(x_o) – нижняя граница модального интервала;
(f_m,f_{m-1},f_{m+1}) – соответственно, частоты модального интервала, интервала слева от модального и интервала справа.

Медианным интервалом называют первый интервал слева, на котором кумулята превысила значение 0,5. Медиана интервального вариационного ряда определяется по формуле: $$ M_e=x_o+frac{0,5-S_{me-1}}{w_{me}}h $$ где
(h) – шаг интервального ряда;
(x_o) – нижняя граница медианного интервала;
(S_{me-1}) накопленная относительная частота для интервала слева от медианного;
(w_{me}) относительная частота медианного интервала.

Расположение выборочной средней, моды и медианы в зависимости от симметрии ряда аналогично их расположению в дискретном ряду (см. §65 данного справочника).

Например:
Для распределения учеников по росту получаем:

(x_i)	146	154	162	170	178	186	194	∑
(w_i)	0,04	0,07	0,11	0,34	0,33	0,08	0,03	1
(x_iw_i)	5,84	10,78	17,82	57,80	58,74	14,88	5,82	171,68

$$ X_{cp}=sum_{i=1}^k x_iw_i=171,68approx 171,7 text{(см)} $$ На гистограмме (или полигоне) относительных частот максимальная частота приходится на 4й интервал [166;174). Это модальный интервал.
Данные для расчета моды: begin{gather*} x_o=166, f_m=34, f_{m-1}=11, f_{m+1}=33, h=8\ M_o=x_o+frac{f_m-f_{m-1}}{(f_m-f_{m-1})+(f_m+f_{m+1})}h=\ =166+frac{34-11}{(34-11)+(34-33)}cdot 8approx 173,7 text{(см)} end{gather*} На кумуляте значение 0,5 пересекается на 4м интервале. Это – медианный интервал.
Данные для расчета медианы: begin{gather*} x_o=166, w_m=0,34, S_{me-1}=0,22, h=8\ \ M_e=x_o+frac{0,5-S_{me-1}}{w_me}h=166+frac{0,5-0,22}{0,34}cdot 8approx 172,6 text{(см)} end{gather*} begin{gather*} \ X_{cp}=171,7; M_o=173,7; M_e=172,6\ X_{cp}lt M_elt M_o end{gather*} Ряд асимметричный с левосторонней асимметрией.
При этом (frac{|M_o-X_{cp}|}{|M_e-X_{cp}|}=frac{2,0}{0,9}approx 2,2lt 3), т.е. распределение умеренно асимметрично.

п.4. Выборочная дисперсия и СКО

Выборочная дисперсия интервального вариационного ряда определяется как средняя взвешенная для квадрата отклонения от средней: begin{gather*} D=frac1Nsum_{i=1}^k(x_i-X_{cp})^2 f_i=frac1Nsum_{i=1}^k x_i^2 f_i-X_{cp}^2 end{gather*} где (x_i) – середины интервалов: (x_i=frac{a_{i-1}+a_i}{2}, i=overline{1,k}).
Или, через относительные частоты: $$ D=sum_{i=1}^k(x_i-X_{cp})^2 w_i=sum_{i=1}^k x_i^2 w_i-X_{cp}^2 $$

Выборочное среднее квадратичное отклонение (СКО) определяется как корень квадратный из выборочной дисперсии: $$ sigma=sqrt{D} $$

Например:
Для распределения учеников по росту получаем:

$x_i$	146	154	162	170	178	186	194	∑
(w_i)	0,04	0,07	0,11	0,34	0,33	0,08	0,03	1
(x_iw_i)	5,84	10,78	17,82	57,80	58,74	14,88	5,82	171,68
(x_i^2w_i) – результат	852,64	1660,12	2886,84	9826	10455,72	2767,68	1129,08	29578,08

$$ D=sum_{i=1}^k x_i^2 w_i-X_{cp}^2=29578,08-171,7^2approx 104,1 $$ $$ sigma=sqrt{D}approx 10,2 $$

п.5. Исправленная выборочная дисперсия, стандартное отклонение выборки и коэффициент вариации

Исправленная выборочная дисперсия интервального вариационного ряда определяется как: begin{gather*} S^2=frac{N}{N-1}D end{gather*}

Стандартное отклонение выборки определяется как корень квадратный из исправленной выборочной дисперсии: $$ s=sqrt{S^2} $$

Коэффициент вариации это отношение стандартного отклонения выборки к выборочной средней, выраженное в процентах: $$ V=frac{s}{X_{cp}}cdot 100text{%} $$

Подробней о том, почему и когда нужно «исправлять» дисперсию, и для чего использовать коэффициент вариации – см. §65 данного справочника.

Например:
Для распределения учеников по росту получаем: begin{gather*} S^2=frac{100}{99}cdot 104,1approx 105,1\ sapprox 10,3 end{gather*} Коэффициент вариации: $$ V=frac{10,3}{171,7}cdot 100text{%}approx 6,0text{%}lt 33text{%} $$ Выборка однородна. Найденное значение среднего роста (X_{cp})=171,7 см можно распространить на всю генеральную совокупность (старшеклассников из других школ).

п.6. Алгоритм исследования интервального вариационного ряда

На входе: все значения признака (left{x_jright}, j=overline{1,N})
Шаг 1. Построить интервальный ряд с интервалами (left.right[a_{i-1}, a_ileft.right)) и частотами (f_i, i=overline{1,k}) (см. алгоритм выше).
Шаг 2. Составить расчетную таблицу. Найти (x_i,w_i,S_i,x_iw_i,x_i^2w_i)
Шаг 3. Построить гистограмму (и/или полигон) относительных частот, эмпирическую функцию распределения (и/или кумуляту). Записать эмпирическую функцию распределения.
Шаг 4. Найти выборочную среднюю, моду и медиану. Проанализировать симметрию распределения.
Шаг 5. Найти выборочную дисперсию и СКО.
Шаг 6. Найти исправленную выборочную дисперсию, стандартное отклонение и коэффициент вариации. Сделать вывод об однородности выборки.

п.7. Примеры

Пример 1. При изучении возраста пользователей коворкинга выбрали 30 человек.
Получили следующий набор данных:
18,38,28,29,26,38,34,22,28,30,22,23,35,33,27,24,30,32,28,25,29,26,31,24,29,27,32,24,29,29
Постройте интервальный ряд и исследуйте его.

1) Построим интервальный ряд. В наборе данных: $$ x_{min}=18, x_{max}=38, N=30 $$ Размах вариации: (R=38-18=20)
Оптимальное число интервалов: (k=1+lfloorlog_2⁡ 30rfloor=1+4=5)
Шаг интервального ряда: (h=lceilfrac{20}{5}rceil=4)
Получаем узлы ряда: $$ a_0=x_{min}=18, a_i=18+icdot 4, i=overline{1,5} $$

(left.left[a_{i-1},a_iright.right)) лет

(left.left[18;22right.right))

(left.left[22;26right.right))

(left.left[26;30right.right))

(left.left[30;34right.right))

(left.left[34;38right.right))

Считаем частоты для каждого интервала. Получаем интервальный ряд:

(left.left[a_{i-1},a_iright.right)) лет	(left.left[18;22right.right))	(left.left[22;26right.right))	(left.left[26;30right.right))	(left.left[30;34right.right))	(left.left[34;38right.right))
(f_i)	1	7	12	6	4

2) Составляем расчетную таблицу:

(x_i)	20	24	28	32	36	∑
(f_i)	1	7	12	6	4	30
(w_i)	0,033	0,233	0,4	0,2	0,133	1
(S_i)	0,033	0,267	0,667	0,867	1	–
(x_iw_i)	0,667	5,6	11,2	6,4	4,8	28,67
(x_i^2w_i)	13,333	134,4	313,6	204,8	172,8	838,93

3) Строим полигон и кумуляту

Эмпирическая функция распределения: $$ F(x)= begin{cases} 0, xleq 20\ 0,033, 20lt xleq 24\ 0,267, 24lt xleq 28\ 0,667, 28lt xleq 32\ 0,867, 32lt xleq 36\ 1, xgt 36 end{cases} $$ 4) Находим выборочную среднюю, моду и медиану $$ X_{cp}=sum_{i=1}^k x_iw_iapprox 28,7 text{(лет)} $$ На полигоне модальным является 3й интервал (самая высокая точка).
Данные для расчета моды: begin{gather*} x_0=26, f_m=12, f_{m-1}=7, f_{m+1}=6, h=4\ M_o=x_o+frac{f_m-f_{m-1}}{(f_m-f_{m-1})+(f_m+f_{m+1})}h=\ =26+frac{12-7}{(12-7)+(12-6)}cdot 4approx 27,8 text{(лет)} end{gather*}
На кумуляте медианным является 3й интервал (преодолевает уровень 0,5).
Данные для расчета медианы: begin{gather*} x_0=26, w_m=0,4, S_{me-1}=0,267, h=4\ M_e=x_o+frac{0,5-S_{me-1}}{w_{me}}h=26+frac{0,5-0,4}{0,267}cdot 4approx 28,3 text{(лет)} end{gather*} Получаем: begin{gather*} X_{cp}=28,7; M_o=27,8; M_e=28,6\ X_{cp}gt M_egt M_0 end{gather*} Ряд асимметричный с правосторонней асимметрией.
При этом (frac{|M_o-X_{cp}|}{|M_e-X_{cp}|} =frac{0,9}{0,1}=9gt 3), т.е. распределение сильно асимметрично.

5) Находим выборочную дисперсию и СКО: begin{gather*} D=sum_{i=1}^k x_i^2w_i-X_{cp}^2=838,93-28,7^2approx 17,2\ sigma=sqrt{D}approx 4,1 end{gather*}
6) Исправленная выборочная дисперсия: $$ S^2=frac{N}{N-1}D=frac{30}{29}cdot 17,2approx 17,7 $$ Стандартное отклонение (s=sqrt{S^2}approx 4,2)
Коэффициент вариации: (V=frac{4,2}{28,7}cdot 100text{%}approx 14,7text{%}lt 33text{%})
Выборка однородна. Найденное значение среднего возраста (X_{cp}=28,7) лет можно распространить на всю генеральную совокупность (пользователей коворкинга).

Источник

Варианты для выполнения работы

I. Установление закономерностей, которым подчинены массовые случайные явления, основано на изучении методами теории вероятностей статистических данных — результатов наблюдений.

Почти все встречающиеся в жизни величины (урожайность сельскохозяйственных растений, продуктивности скота, производительность труда и заработная плата рабочих, объем производства продукции и т.д.) принимают неодинаковые значения у различных членов совокупности. Поэтому возникает необходимость в изучении их изменяемости. Это изучение начинается с проведения соответствующих наблюдений, обследований.

В результате наблюдений получают сведения о численной величине изучаемого признака у каждого члена данной совокупности.

Пример. Имеются данные о размере прибыли 100 коммерческих банков. Прибыль, млн. рублей.

30,2	51,9	43,1	58,9	34,1	55,2	47,9	43,7	53,2	34,9
47,8	65,7	37,8	68,6	48,4	67,5	27,3	66,1	52,0	55,6
54,1	26,9	53,6	42,5	59,3	44,8	52,8	42,3	55,9	48,1
44,5	69,8	47,3	35,6	70,1	39,5	70,3	33,7	51,8	56,1
28,4	48,7	41,9	58,1	20,4	56,3	46,5	41,8	59,5	38,1
41,4	70,4	31,4	52,5	45,2	52,3	40,2	60,4	27,6	57,4
29,3	53,8	46,3	40,1	50,3	48,9	35,8	61,7	49,2	45,8
45,3	71,5	35,1	57,8	28,1	57,6	49,6	45,5	36,2	63,2
61,9	25,1	65,1	49,7	62,1	46,1	39,9	62,4	50,1	33,1
33,3	49,8	39,8	45,9	37,3	78,0	64,9	28,8	62,5	58,7

Из данной таблицы видно, что интересующий нас признак (прибыль банков) меняется от одного члена совокупности к другому, варьирует. Варьирование есть изменяемость признака у отдельных членов совокупности.

Вариационным рядом называется последовательность вариант, записанных в возрастающем порядке и соответствующих им частот.

Число, показывающее, сколько раз повторяется в данной совокупности каждое значение признака, называется частотой.

Составим ранжированный вариационный ряд (выпишем варианты в порядке возрастания):

20,4	25,1	26,9	27,3	27,6	28,1	28,4	28,8	29,3	30,2
31,4	33,1	33,3	33,7	34,1	34,9	35,1	35,6	35,8	36,2
37,3	37,8	38,1	39,5	39,8	39,9	40,1	40,2	41,4	41,8
41,9	42,3	42,5	43,1	43,7	44,5	44,8	45,2	45,3	45,5
45,8	45,9	46,1	46,3	46,5	47,3	47,8	47,9	48,1	48,4
48,7	48,9	49,2	49,6	49,7	49,8	50,1	50,3	51,8	51,9
52,0	52,3	52,5	52,8	53,2	53,6	53,8	54,1	55,2	55,6
55,9	56,1	56,3	57,4	57,6	57,8	58,1	58,7	58,9	59,3
59,5	60,4	61,7	61,9	62,1	62,4	62,5	63,2	64,9	65,1
65,7	66,1	67,5	68,6	69,8	70,1	70,3	70,4	71,5	78,0

В нашем случае каждое значение признака (варианта вариационного ряда) повторилось только один раз, т.е. значение частоты для всех вариант равно единице. Перейдем к интервальному вариационному ряду, так как интересующий нас признак принимает дробные, практически не повторяющиеся значения.

Для этого необходимо определить число интервалов (классов) и длину интервала (классного промежутка), после чего произвести разноску, т.е. подсчитать для каждого интервала число вариант, попавших в него.

Количество классов устанавливают в зависимости от степени точности, с которой ведется обработка, и количества объектов в выборке. Считается удобным при объеме выборки (n) в пределах от 30 до 60 вариант распределять их на 6-7 классов, при n от 60 до 100 вариант — на 7-8 классов, при n от 100 и более вариант — на 9-17 классов.

Нужное количество групп также может быть ориентировочно вычислено по формуле Стерджесса:

где — число групп (классов, интервалов) ряда распределения; n — объем выборки.

Можно также использовать выражение:

При они дают примерно одинаковые результаты.

В рассматриваемом примере о размере прибыли коммерческих банков, n=100. Применяя формулу Стерджесса, получим:

Однако Таким образом, число интервалов может быть равно 8, 9, 10 и т.д.

Нахождение нужного количества групп и их размеров часто бывает взаимообусловлено. Для того, чтобы как-то определиться с числом интервалов, найдем размах вариации — разность между наибольшей и наименьшей вариантой:

$[R=x_{max}-x_{min}]$

где — размах вариации,

$x_{max}$ — наибольшее значение варьирующего признака,

$x_{min}$ — наименьшее значение варьирующего признака.

Найдем размах вариации для рассматриваемой задачи:

Для того, чтобы найти длину интервала (величину классового промежутка) необходимо разделить размах вариации на число классов и полученную величину округлить таким образом, чтобы было удобно производить сначала разноску, а затем и различные вычисления. Рекомендую округлять до единиц, до которых округлены варианты в исходной таблице, в нашем случае до десятых.

$[happrox frac{R}{k}]$

Согласно формуле получаем

$[happrox frac{57,6}{8}=7,2]$

Теперь необходимо определиться с началом первого интервала. Для этого можно использовать формулу:

$[x_1approx x_{min}-frac{h}{2}]$

$[x_1approx 20,4-frac{7,2}{2}=16,8.]$

Замечание. За начало первого интервала можно принять некоторое значение, несколько меньшее $x_{min}$ или само значение $x_{min}$ . Далее в табличном виде я покажу оба варианта.

Прибавив к началу первого интервала (нижней границе) шаг, получим верхнюю границу первого интервала и одновременно нижнюю границу второго интервала. Выполняя последовательно указанные действия, будем находить границы последующих интервалов до тех пор, пока не будет получено или перекрыто $x_{max}$ .

Таким образом, верхняя граница одного интервала одновременно является нижней границей другого интервала. Чтобы не возникало сомнений, в какой интервал отнести варианту, попавшую на границу, условимся относить ее к верхнему интервалу.

Составим теперь рабочую таблицу для построения интервального вариационного ряда и произведем подсчет частот вариант, попавших в тот или иной интервал.

Как и обещал покажу две таблицы построения ряда:

1. Отсчет ведем от $x_{min}$ , т.е. нижняя граница первого интервала совпадает с $x_{min}$ .

Группы банков по размеру прибыли (границы интервалов)	Количество банков, принадлежащих данной группе (частоты, )	Накопленные частоты,
20,4 — 27,6	4	4
27,6 — 34,8	11	15
34,8 — 42	16	31
42 — 49,2	21	52
49,2 — 56,4	21	73
56,4 — 63,6	15	88
63,6 — 70,8	10	98
70,8 — 78	2	100

2. Начало первого интервала определяем с помощью формулы: $x_1approx x_{min}-frac{h}{2}$ .

Группы банков по размеру прибыли (границы интервалов)	Количество банков, принадлежащих данной группе (частоты, )	Накопленные частоты,
16,8 — 24	1	1
24 — 31,2	9	10
31,2 — 38,4	13	23
38,4 — 45,6	17	40
45,6 — 52,8	23	63
52,8 — 60	18	81
60 — 67,2	11	92
67,2 — 74,4	7	99
74,4 — 81,6	1	100

Как мы видим в 1-м случае у нас получилось восемь интервалов, что полностью совпадает с результатом, который нам дала формула Стерджесса. Во втором случае у нас получилось девять интервалов, так как при поиске начала первого интервала пользовались специальной формулой.

Для дальнейшего исследования я буду пользоваться результатами второй таблицы, так как там ярко выражен модальный интервал (одна мода) и медиана практически точно попадает на середину вариационного ряда.

Мы получили интервальный вариационный ряд — упорядоченную совокупность интервалов варьирования значений случайной величины с соответствующими частотами попаданий в каждый из них значений величины.

II. Графическая интерпретация вариационных рядов.

№ п/п	Границы интервалов, $[x_{i}; x_{i+1})$	Середины интервалов, $x_{i}^{*}=frac{x_i+x_{i+1}}{2}$	Частоты интервалов,	Относительные частоты $W_i=frac{n_i}{n}$	Плотность относит. частоты $frac{W_i}{h}$	Плотность частоты $frac{n_i}{h}$
1	16,8 — 24	20,4	1	0,01	0,001	0,139
2	24 — 31,2	27,6	9	0,09	0,013	1,250
3	31,2 — 38,4	34,8	13	0,13	0,018	1,806
4	38,4 — 45,6	42	17	0,17	0,024	2,361
5	45,6 — 52,8	49,2	23	0,23	0,032	3,194
6	52,8 — 60	56,4	18	0,18	0,025	2,500
7	60 — 67,2	63,6	11	0,11	0,015	1,528
8	67,2 — 74,4	70,8	7	0,07	0,010	0,972
9	74,4 — 81,6	78	1	0,01	0,001	0,139

Строим графики:

Далее найдем моду вариационного ряда:

$[M_o(X)=x_{M_o}+hfrac{(n_2-n_1)}{(n_2-n_1)+(n_2-n_3)}]$

где

$x_{M_o}$ — начало модального интервала;

— длина частичного интервала (шаг);

n_1 — частота предмодального интервала;

n_2 — частота модального интервала;

— частота послемодального интервала.

Определим модальный интервал — интервал, имеющий наибольшую частоту. Из таблицы видно, что модальным является интервал (45,6 — 52,8).

$[M_o(X)=45,6+7,2frac{(23-17)}{(23-17)+(23-18)}=]$

$[=45,6+7,2cdot frac{6}{6+5}=45,6+3,93=49,5]$

Медиана

Для интервального ряда медиана находится по формуле:

$[M_e(X)=x_{M_e}+hfrac{0,5n-S_{M_{e}-1}}{n_{M_e}}]$

где

$x_{M_e}$ — начало медианного интервала;

— длина частичного интервала (шаг);

— объем совокупности;

$S_{M_{e}-1}$ — накопленная частота интервала, предшествующая медианному;

$n_{M_e}$ — частота медианного интервала.

Определим медианный интервал — интервал, в котором впервые накопленная частота превышает половину объема выборки.Так как объем выборки n=100, то n/2=50. По таблице найдем интервал, где впервые накопленные частоты превысят это значение. Таким является интервал (45,6 — 52,8).

Получаем,

$[M_e(X)=45,6+7,2frac{0,5cdot 100-40}{23}approx 48,7.]$

III. Расчет сводных характеристик выборки.

Для определения $x_B, D_{B}, sigma_{B}$ составим расчетную таблицу. Для начала определимся с ложным нулем С. В качестве ложного нуля можно принять любую варианту. Максимальная простота вычислений достигается, если выбрать в качестве ложного нуля варианту, которая расположена примерно в середине вариационного ряда (часто такая варианта имеет наибольшую частоту).

Варианте, которая принята в качестве ложного нуля, соответствует условная варианта, равная нулю. В нашем случае С=49,2.

Равноотстоящими называют варианты, которые образуют арифметическую прогрессию с разностью h.

Условными называют варианты, определяемые равенством:

$[U_i=frac{(x_i-C)}{h}]$

Произведем расчет условных вариант согласно формуле:

$[U_1=frac{20,4-49,2}{7,2}=-4]$

$[U_2=frac{27,6-49,2}{7,2}=-3]$

$[U_3=frac{34,8-49,2}{7,2}=-2]$

$[U_4=frac{42-49,2}{7,2}=-1]$

$[U_5=frac{49,2-49,2}{7,2}=0]$

$[U_6=frac{56,4-49,2}{7,2}=1]$

$[U_7=frac{63,6-49,2}{7,2}=2]$

$[U_8=frac{70,8-49,2}{7,2}=3]$

$[U_9=frac{78-49,2}{7,2}=4]$

N п/п	Середины интервалов, $x_{i}^{*}$	Частоты интервалов,	Условные варианты,	Произведения частот и условных вариант,	Произведения частот и условных вариант,	Произведения частот и условных вариант,	Произведения частот и условных вариант,	Произведения частот и условных вариант,	Произведения частот и условных вариант,
1	20,4	1	-4	-4	16	-64	256	9	81
2	27,6	9	-3	-27	81	-243	729	36	144
3	34,8	13	-2	-26	52	-104	208	13	13
4	42	17	-1	-17	17	-17	17	0	0
5	49,2	23	0	0	0	0	0	23	23
6	56,4	18	1	18	18	18	18	72	288
7	63,6	11	2	22	44	88	176	99	891
8	70,8	7	3	21	63	189	567	112	1792
9	78	1	4	4	16	64	256	25	625

Контроль:

$[sum n_i U_i^2 + 2sum n_iU_i+n=sum n_i{(U_i+1)}^2]$

$[sum n_i{(U_i+1)}^2=389]$

Контроль:

$[sum n_i U_i^4 + 4sum n_iU_i^3+6sum n_iU_i^2+4sum n_iU_i+n=sum n_i{(U_i+1)}^4]$

$[sum n_i{(U_i+1)}^4=3857]$

Равенство выполнено, следовательно вычисления произведены верно.

Вычислим условные моменты 1-го, 2-го, 3-го и 4-го порядков:

$[M_1^{*}=frac{sum n_iU_i}{n}=frac{-9}{100}=-0,09;]$

$[M_2^{*}=frac{sum n_iU_i^2}{n}=frac{307}{100}=3,07;]$

$[M_3^{*}=frac{sum n_iU_i^3}{n}=frac{-69}{100}=-0,69;]$

$[M_4^{*}=frac{sum n_iU_i^4}{n}=frac{2227}{100}=22,27.]$

Найдем выборочные среднюю, дисперсию и среднее квадратическое отклонение :

$[x_{B}=M_1^{*}cdot h+C=-0,09cdot 7,2+49,2=48,552;]$

$[D_{B}=(M_2^{*}-{(M_1^{*})}^2)h^2=(3,07-{(-0,09)}^2){7,2}^2approx 158,73.]$

$[sigma_{B}=sqrt{D_B}=sqrt{158,73}=12,6.]$

Также для оценки отклонения эмпирического распределения от нормального используют такие характеристики, как асимметрия и эксцесс.

Асимметрией теоретического распределения называют отношение центрального момента третьего порядка к кубу среднего квадратического отклонения:

$[a_s=frac{m_3}{sigma_B^3}]$

Асимметрия положительна, если «длинная часть» кривой распределения расположена справа от математического ожидания; асимметрия отрицательна, если «длинная часть» кривой расположена слева от математического ожидания. Практически определяют знак асимметрии по расположению кривой распределения относительно моды (точки максимума дифференциальной функции): если «длинная часть» кривой расположена правее моды, то асимметрия положительна, если слева — отрицательна.

Эксцесс эмпирического распределения определяется равенством:

$[e_k=frac{m_4}{sigma_B^4}-3]$

где — центральный эмпирический момент четвертого порядка.

Для нормального распределения эксцесс равен нулю. Поэтому если эксцесс некоторого распределения отличен от нуля, то кривая этого распределения отличается от нормальной кривой: если эксцесс положительный, то кривая имеет более высокую и «острую» вершину, чем нормальная кривая; если эксцесс отрицательный, то сравниваемая кривая имеет более низкую и «плоскую» вершину, чем нормальная кривая. При этом предполагается, что нормальное и теоретическое распределения имеют одинаковые математические ожидания и дисперсии.

Вычисляем центральные эмпирические моменты третьего и четвертого порядков:

$[m_3=(M_3^*-3M_1^*M_2^*+2{(M_1^*)}^3)cdot h^3=51,3;]$

$[m_4=(M_4^*-4M_3^*M_1^*+6M_2^*{(M_1^*)}^2-3{(M_1^*)}^4)cdot h^4=59580,97;]$

Найдем асимметрию и эксцесс:

$[a_s=frac{51,3}{{12,6}^3}=0,026]$

$[e_k=frac{59580,97}{{12,6}^4}-3=-0,635]$

IV. Проверка гипотезы о нормальном распределении генеральной совокупности. Критерий согласия Пирсона.

Проверим генеральную совокупность значений размера прибыли банков по критерию Пирсона

Правило. Для того, чтобы при заданном уровне значимости проверить нулевую гипотезу : генеральная совокупность распределена нормально, надо сначала вычислить теоретические частоты, а затем наблюдаемое значение критерия:

$[chi^2_{nabl}=sum frac{ {(n_i-n_i^{'})}^2}{n_i^{'}}]$

и по таблице критических точек распределения , по заданному уровню значимости и числу степеней свободы найти критическую точку $chi^2_{kp}(alpha;k)$ , где s — количество интервалов.

Если $chi^2_{nabl}<chi^2_{kp}$ — нет оснований отвергнуть нулевую гипотезу.

Если $chi^2_{nabl}>chi^2_{kp}$ — нулевую гипотезу отвергают.

Найдем теоретические частоты , для этого составим следующую таблицу.

Середины интервалов, $x_{i}^{*}$	Частоты интервалов,	Произведем расчет, $x_{i}^{*}-x_B$	Произведем расчет, $V_i=frac{(x_{i}^{*}-x_B)}{sigma_B}$	Значения функции Гаусса,	Произведем расчет, $frac{nh}{sigma_B}$	Теоретические частоты, $n_i^{'}=57 cdotvarphi(V_i)$
20,4	1	-28,152	-2,23	0,0332	57	2
27,6	9	-20,952	-1,66	0,1006	57	6
34,8	13	-13,752	-1,09	0,2203	57	13
42	17	-6,552	-0,52	0,3485	57	20
49,2	23	0,648	0,05	0,3984	57	23
56,4	18	7,848	0,62	0,3292	57	19
63,6	11	15,048	1,19	0,1965	57	11
70,8	7	22,248	1,77	0,0833	57	5
78	1	29,448	2,34	0,0258	57	1
						$sum n_i^{'}=100$

Вычислим $chi^2_{nabl}$ , для чего составим расчетную таблицу.

		$n_i^{'}$	$n_i-n_i^{'}$	${(n_i-n_i^{'})}^2$	$frac{{(n_i-n_i^{'})}^2}{n_i^'}$		$frac{n_i^2}{n_i^{'}}$
1	1	2	-1	1	0,5	1	0,5
2	9	6	3	9	1,5	81	13,5
3	13	13	0	0	0	169	13
4	17	20	-3	9	0,45	289	14,45
5	23	23	0	0	0	529	23
6	18	19	-1	1	0,05	324	17,05
7	11	11	0	0	0	121	11
8	7	5	2	4	0,8	49	9,8
9	1	1	0	0	0	1	1
	100	100			Наблюдаемое значение критерия, $chi^2_{nabl}=3,30$		103,30

Контроль:

$[sumfrac{n_i^2}{n_i^{'}}-n=sum frac{{(n_i-n_i^{'})}^2}{n_i^'}]$

$[sumfrac{n_i^2}{n_i'}-n=103,3-100=3,3]$

$[sum frac{{(n_i-n_i')}^2}{n_i'}=3,3]$

Вычисления произведены правильно.

Найдем число степеней свободы, учитывая, что число групп выборки (число различных вариант) s=9;

По таблице критических точек распределения по уровню значимости и числу степеней свободы k=6 находим $chi^2_{kp}(0,025;6)=14,4.$

Так как $chi^2_{nabl}<chi^2_{kp}$ — нет оснований отвергнуть нулевую гипотезу. Другими словами, расхождение эмпирических и теоретических частот незначительное. Следовательно, данные наблюдений согласуются с гипотезой о нормальном распределении генеральной совокупности.

На рисунке построены нормальная (теоретическая) кривая по теоретическим частотам (зеленый график) и полигон наблюдаемых частот (коричневый график). Сравнение графиков наглядно показывает, что построенная теоретическая кривая удовлетворительно отражает данные наблюдений.

V. Интервальные оценки.

Интервальной называют оценку, которая определяется двумя числами — концами интервала, покрывающего оцениваемый параметр.

Доверительным называют интервал, который с заданной надежностью покрывает заданный параметр.

Интервальной оценкой (с надежностью ) математического ожидания (а) нормально распределенного количественного признака Х по выборочной средней при известном среднем квадратическом отклонении sigma генеральной совокупности служит доверительный интервал

$[x_B-frac{tsigma}{sqrt{n}}<a<x_B+frac{tsigma}{sqrt{n}},]$

где $frac{tsigma}{sqrt{n}}=delta$ — точность оценки, n — объем выборки, t — значение аргумента функции Лапласа (см. приложение 2), при котором $phi(t)=frac{gamma}{2}$ ;

при неизвестном среднем квадратическом отклонении sigma (и объеме выборки n<30)

$[x_B-frac{t_{gamma}cdot S}{sqrt{n}}<a<x_B+frac{t_{gamma}cdot S}{sqrt{n}},]$

$[S=sqrt{frac{n}{n-1}D_B}]$

где S — исправленное выборочное среднее квадратическое отклонение, $t_{gamma}$ находят по таблице приложения по заданным n и .

В нашем примере среднее квадратическое отклонение известно, . А также , , . Поэтому для поиска доверительного интервала используем первую формулу:

$[x_B-frac{tsigma}{sqrt{n}}<a<x_B+frac{tsigma}{sqrt{n}}]$

Все величины, кроме t, известны. Найдем t из соотношения $phi(t)=frac{0,95}{2}=0,475.$ По таблице приложения находим t=1,96. Подставив t=1,96, , , в формулу, окончательно получим искомый доверительный интервал:

$[48,55-frac{1,96cdot 12,6}{10}<a<48,55+frac{1,96cdot 12,6}{10}]$

Интервальной оценкой (с надежностью ) среднего квадратического отклонения нормально распределенного количественного признака Х по «исправленному» выборочному среднему квадратическому отклонению S служит доверительный интервал

(при q<1), (*)

(при q>1),

где q — находят по таблице приложения по заданным n и .

По данным и n=100 по таблице приложения 4 найдем q=0,143. Так как q<1, то, подставив $S=sqrt{frac{n}{n-1}D_B}=sqrt{frac{100}{99}cdot 158,73}approx 12,66, quad quad q=0,143$ в соотношение (*), получим доверительный интервал:

Источник

Главная
Полезные советы
Построить интервальный статистический ряд и гистограмму распределения.

Построить интервальный статистический ряд и гистограмму распределения.

Для имеющейся совокупности опытных данных (выборки) требуется:

1) Построить интервальный статистический ряд и гистограмму распределения;

2) Вычислить выборочную среднюю, выборочную дисперсию, выборочное среднеквадратичное отклонение, коэффициент вариации;

3) Выбрать теоретический закон распределения.

Решение:

Для построения интервального ряда, определим по формуле Старджесса число интервалов:

Тогда величина интервала равна − разность между наибольшим и наименьшим значениями признака.

Отсюда имеем:

По этим данным составим интервальный статистический ряд:

Выборочное среднее определим по формуле среднего арифметического взвешенного:

Выборочная дисперсия равна:

Выборочное среднеквадратичное отклонение равно квадратному корню из дисперсии:

Коэффициент вариации равен:

Полученному статистическому ряду соответствует нормальное распределение. В качестве теоретического закона распределения используем нормальное распределение с математическим ожиданием 15,148 и дисперсией 19,79.

Если испытываете трудности в написании курсовой работы по статистике, оформите заявку и Вы узнаете сроки и стоимость работы. Цена – от 99 рублей.

Источник

При изучении величины, принимающей случайные значения (результатов физических измерений в серии экспериментов, экономических показателей, параметров технологических процессов и т.п.), мы имеем дело с выборками. Выборочное наблюдение — это способ наблюдения, при котором обследуется не вся совокупность значений изучаемой величины, а лишь часть ее, отобранная по определенным правилам выборки и обеспечивающая получение данных, характеризующих всю совокупность в целом.

При выборочном наблюдении обследованию подвергается определенная, заранее обусловленная часть совокупности, а результаты обследования распространяются на всю совокупность.

Ту часть единиц, которая отобрана для наблюдения, принято называть выборочной совокупностью или выборкой, а всю совокупность единиц, из которых производится отбор, — генеральной совокупностью.

Число единиц (элементов) статистической совокупности называется ее объемом. Объем генеральной совокупности обозначается N, а объем выборочной совокупности п.

Качество результатов выборочного наблюдения зависит от того, насколько состав выборки представляет генеральную совокупность, иначе говоря, от того, насколько выборка репрезентативна (представительна).

Элементами выборки (x₁ х₂, . х_п) являются числовые значения, называемые вариантами, которые могут быть дискретными, т.е. изолированными (например, целыми числами), или могут принимать значения из некоторого интервала (а, b).

Вариационный ряд получается из выборки упорядочением по возрастанию (или убыванию) и подсчетом частоты каждого значения. Если вариационный ряд содержит значения признака и соответствующие ему частоты,то такой ряд носит название дискретный вариационный ряд. Если нам известно, что исследуемый показатель может принимать любые значения из некоторого интервала, то строим интервальный вариационный.

Удобнее всего ряды распределения анализировать с помощью их графического изображения, позволяющего судить о форме распределения. Наглядное представление о характере изменения частот вариационного ряда дают полигон и гистограмма.

Пример 2.1.

Известны следующие данные о результатах сдачи студентами экзамена (в баллах):

18	16	20	17	19	20	17
17	12	15	20	18	19	18
18	16	18	14	14	17	19
16	14	19	12	15	16	20

Необходимо построить ряд распределения числа студентов по баллу, представить графически результаты.

Введем данные в диапазоне A1: A29, в ячейку A1 введем текст «Балл» (рис.2.6).

Рисунок 2.6. Баллы успеваемости студентов

Определим наименьший и наибольший балл по выборке. Для этого введем в ячейках С1 и С2 соответственно введем формулы =МИН(A2:A29) и =МАКС(A2:A29). Получим значения 12 и 20 соответственно (рис.2.7).

Рисунок 2.7. Минимальный и максимальный балл

Построим вариационный ряд. Для каждого значения необходимо подсчитать частоту. Так как значения признака (балл) отличаются на единицу, то можно воспользоваться следующим способом. В ячейку С4 введем формулу =С1, в С5 соответственно С4+1. Ячейку С5 протянем маркером заполнения (правый нижний угол ячейки) вниз до С12. Результаты представлены на рисунке 2.8.

Рисунок 2.8. Значения признака

Вычислим частоту для каждого значения признака. В ячейку D4 введем формулу =СЧЕТЕСЛИ(A$2:A$29;C4) и протянем D4 маркером вниз до заполнения D12. В ячейке D13 просуммируем частоты с помощью формулы =СУММ(D4:D12).

Получим вариационный ряд (значения признака и соответствующие им частоты) на рисунке 2.9.

Рис.2.9. Частоты вариационного ряда

Вычислим частость (относительную частоту) для каждого значения признака. В ячейку Е4 введем формулу = D4/D$13. Протянем Е4 маркером заполнения вниз до Е12 (рис.2.10).

Рисунок 2.10. Частости ряда распределения

Вычислим накопленные частоты. В ячейку F4 введем формулу =D4, а в ячейку F5 – формулу = D5+F4. Протянем F5 маркером заполнения вниз до F12 (рис.2.11).

Рисунок 2.11. Накопленные частоты ряда

Построим эмпирическую функцию распределения, т.е. найдем наколенные частости. Выделим F4:F12 и маркером заполнения протянем вправо на соседний столбец (рис.2.12). В G4 получим формулу = Е4, в ячейке G5 формулу =Е5+ G4 и т.д.

Рисунок 2.12. Накопленные частости ряда

Построим полигон распределения частот и частостей. Выделим диапазон ячеек С4:D12. Выполним команду меню «Диаграмма» и выберем тип «Точечная», вариант «Точечная с прямыми отрезками и маркерами». Полигон распределения частот представлен на рисунке 2.13.

Рисунок 2.13. Полигон распределения частот

Выделим диапазон ячеек С4:С12 и, удерживая клавишу CTRL, диапазон Е4:Е12. Выполним команду меню «Диаграмма» и выберем тип «Точечная», вариант «Точечная с прямыми отрезками и маркерами». Полигон распределения частостей представлен на рисунке 2.14.

Рисунок 2.14. Полигон распределения частостей

Построим гистограмму распределения частостей, для чего выделим диапазон Е4:Е12, выберем тип диаграммы «Гистограмма». Щелкнем правой кнопкой в области диаграммы, выберем «Выбрать данные», выберете «Ряд» — «Изменить», левой кнопкой щелкнем в строке «Подписи оси Х» и выделим диапазон С4:С12 (рис.2.15).

Рисунок 2.15. Гистограмма распределения частостей

Построим кумуляту частостей, для чего выделим диапазон ячеек С4:С12 и, удерживая клавишу CTRL, диапазон G4:G12. Выполним команду меню «Диаграмма» и выберем тип «Точечная», вариант «Точечная с прямыми отрезками». Кумулята представлена на рис.2.16.

Рисунок 2.16. Кумулята

Пример 2.2.

В таблице 2.7 представлены значения процентных ставок по кредитам по 30 коммерческим банкам.

Банковские процентные ставки

№ Банка	Процентная ставка, %
1	20,3
2	17,1
3	14,2
4	11,0
5	17,3
6	19,6
7	20,5
8	23,6
9	14,6
10	17,5
11	20,8
12	13,6
13	24,0
14	17,5
15	15,0
16	21,1
17	17,6
18	15,8
19	18,8
20	22,4
21	16,1
22	17,9
23	21,7
24	18,0
25	16,4
26	26,0
27	18,4
28	16,7
29	12,2
30	13,9

Построим интервальный вариационный ряд. Для этого вычислим границы интервалов (карманов) с использованием формулы Стэрджесса.

Введем данные в диапазоне A1:A31 (рис.2.17). Определим максимальное и минимальное значения (ячейки С2 и С3 соответственно) так же как и в примере 2.1. Определим число интервалов по формуле Стэрджесса, для чего в ячейку С6 введем формулу =ЦЕЛОЕ(1+3,322*LOG10(30)) (рис.2.18).

Рисунок 2.17. Процентные ставки банков

Рисунок 2.18. Число интервалов

Вычислим длину интервалов, для чего в ячейке С8 введем формулу =ОКРУГЛ((C3-C2)/C6;2) (рис.2.19).

Рисунок 2.19. Длина интервала

Определим нижние и верхние границы интервалов (карманы), для чего в ячейке Е2 запишем формулу =С2, в ячейке Е3 запишем ==E2+$C$8. Протянем Е3 маркером заполнения вниз до Е7 (рис.2.20).

Рисунок 2.20. Границы интервалов

Подсчитаем частоты – в интервал считаем те значения, которые больше нижней границы интервала или равны ей и меньше верхней границы.

Воспользуемся функцией ЧАСТОТА. Для этого в ячейке F2 введем формулу =ЧАСТОТА(A2:A31;E2:E7). Протянем F2 маркером заполнения вниз до F8.

Формулу в этом примере необходимо ввести как формулу массива. Выделим диапазон F2:F8, нажмем клавишу F2, а затем нажмем клавиши CTRL+SHIFT+ВВОД (рис.2.21).

Если формула не будет введена как формула массива, отобразится только одно ее значение в ячейке F2.

Рисунок 2.21. Частоты значений признака

Также можно воспользоваться средством Пакета анализа (Анализ данных в Office 2007) ГИСТОГРАММА (рис.2.22). Выберем входной интервал, интервал карманов, метки, интегральный процент, поместим результаты на этом же листе (укажем ячейку $H$2).

Рисунок 2.22. Построение гистограммы

Полученная гистограмма представлена на рис.2.23.

Рис.2.23. Гистограмма частот

Замечание. Если диапазон карманов не был введен, то набор отрезков, равномерно распределенных между минимальным и максимальным значениями данных, будет создан автоматически.

Дата добавления: 2018-11-12 ; просмотров: 1066 | Нарушение авторских прав

Вариационный ряд может быть:

— дискретным, когда изучаемый признак характеризуется определенным числом (как правило целым).

— интервальным, когда определены границы «от» и «до» для непрерывно варьируемого признака. Интервальный ряд также строят если множество значений дискретно варьируемого признака велико.

Рассмотрим пример построения дискретного вариационного ряда.

Пример 1. Имеются данные о количественном составе 60 семей.

Построить вариационный ряд и полигон распределения

Решение .

Алгоритм построения вариационного ряда:

1) Откроем таблицы Excel.

2) Введем массив данных в диапазон А1:L5. Если вы изучаете документ в электронной форме (в формате Word, например), для этого достаточно выделить таблицу с данными и скопировать ее в буфер, затем выделить ячейку А1 и вставить данные – они автоматически займут подходящий диапазон.

3) Подсчитаем объем выборки n – число выборочных данных, для этого в ячейку В7 введем формулу =СЧЁТ(А1:L5). Заметим, что для того, чтобы в формулу ввести нужный диапазон, необязательно вводить его обозначение с клавиатуры, достаточно его выделить.

4) Определим минимальное и максимальное значение в выборке, введя в ячейку В8 формулу =МИН(А1:L5), и в ячейку В9: =МАКС(А1:L5).

Рис.1.1 Пример 1. Первичная обработка статистических данных в таблицах Excel

5) Далее, подготовим таблицу для построения вариационного ряда, введя названия для столбца интервалов (значений варианты) и столбца частот. В столбец интервалов введем значения признака от минимального (1) до максимального (6), заняв диапазон В12:В17.

6) Выделим столбец частот, введем формулу =ЧАСТОТА(А1:L5;В12:В17) и нажмем сочетание клавиш CTRL+SHIFT+ENTER

Рис.1.2 Пример 1. Построение вариационного ряда

7) Для контроля вычислим сумму частот при помощи функции СУММ (значок функции S в группе «Редактирование» на вкладке «Главная»), вычисленная сумма должна совпасть с ранее вычисленным объемом выборки в ячейке В7.

Построим полигон:

1) выделив полученный диапазон частот, выберем команду «График» на вкладке «Вставка». По умолчанию значениями на горизонтальной оси будут порядковые числа — в нашем случае от 1 до 6, что совпадает со значениями варианты (номерами тарифных разрядов).

2) Название ряда диаграммы «ряд 1» можно либо изменить, воспользовавшись той же опцией «выбрать данные» вкладки «Конструктор», либо просто удалить.

Рис.1.3. Пример 1. Построение полигона частот

В реальных социально-экономических системах нельзя проводить активные эксперименты, поэтому данные обычно представляют собой наблюдения за происходящим процессом, например: курс валюты на бирже в течение месяца, урожайность пшеницы в хозяйстве за 30 лет, производительность труда рабочих за смену и т.д. Результаты наблюдений — это в общем случае ряд чисел, расположенных в беспорядке, который для изучения необходимо упорядочить (проранжи- ровать).

Операция, заключающаяся в расположении значений признака по возрастанию, называется ранжированием опытных данных.

После операции ранжирования опытные данные можно сгруппировать так, чтобы в каждой группе признак принимал одно и то же значение, которое называется вариантом (х,). Число элементов в каждой группе называется частотой варианта («,).

Размахом вариации называется число

где х_тах — наибольший вариант;

x min — наименьший вариант.

Сумма всех частот равна определенному числу л, которое называется объемом совокупности:

Отношение частоты данного варианта к объему совокупности называется относительной частотой, или частостью, этого варианта:

Последовательность вариант, расположенных в возрастающем порядке, называется вариационным рядом (вариация — изменение).

Вариационные ряды бывают дискретными и непрерывными. Дискретным вариационным рядом называется ранжированная последовательность вариант с соответствующими частотами и (или) частостями.

Пример 1. В результате тестирования группа из 24 человек набрала баллы: 4, 0, 3, 4, 1, 0, 3, 1, 0, 4, 0, 0, 3, 1, 0, 1, 1, 3, 2, 3, 1, 2, 1, 2. Построить дискретный вариационный ряд.

Решение. Проранжируем исходный ряд, подсчитаем частоту и частость вариант: 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 4.

В результате получим дискретный вариационный ряд (табл. 3.10).

Ранжированный ряд успеваемости

Число студентов, л,

Относительная частота, А

В Excel проранжируем исходный ряд. Для этого введем все данные в диапазон А1 :А24 и воспользуемся кнопкой Щ (Сортировка по возрастанию).

Подсчитаем частоту и частость вариант. Построим таблицу в диапазоне D2:G7 (рис. 3.13).

Рис. 3.13. Контекстное меню строки состояния

Рассмотрим два варианта подсчета частот:

1) выделим диапазон, в котором находятся нули. Щелкнем в нижней правой части окна Excel правой кнопкой мыши и выберем в контекстном меню вид итога, который по умолчанию будет появляться в итоговой строке при выделении произвольного диапазона (см. рис. 3.13) — количество. Таким образом, последовательно выделяя диапазоны с одинаковыми значениями вариант, мы получим все частоты;
2) выполним команду Сервис — Анализ данных — Гистограмма. Заполним диалоговое окно в соответствии с рис. 3.14.

Рис. 3.14. Диалоговое окно инструмента пакета анализа «Гистограмма»

В результате получим таблицу с частотами вариантов и соответствующий график (рис. 3.15).

Рис. 3.15. Результаты применения инструмента «Гистограмма)

Найдем объем выборки, заполнив все частоты вариант в диапазоне ЕЗ:Е7, выделим его левой кнопкой мыши и щелкнем по кнопке ? (автосумма).

В ячейку F3 введем формулу «=ЕЗ/$Е$8», за маркер заполнения (крест в правом нижнем углу ячейки) с помощью мыши скопируем до F7 и выберем кнопку автосумма, в результате получим частоты вариантов и их сумму (1). В ячейку G3 введем частоту варианта 0 — цифру 6 (или ссылку на ячейку, ее содержащую — ЕЗ), в ячейку G4 введем формулу «=G3+E4» и скопируем ее до ячейки G7, в результате получим накопленные частоты. Таким образом, мы получили дискретный вариационный ряд. Естественно, частоты необходимо округлить, но таким образом, чтобы их сумма равнялась 1. Для этого выделим левой кнопкой мыши диапазон частот (F3:F7), щелкнув по правой кнопке, откроем контекстное меню и выполним команду Формат ячеек — Числовой — Число знаков 3 — ОК. Преобразовав обозначения, получим дискретный вариационный ряд, представленный в табл. 3.11.

Источник

2. Вычисление выборочных характеристик распределения (непосредственно)

Интервальный вариационный ряд и его характеристики

п.1. Построение интервального вариационного ряда по данным эксперимента

п.2. Гистограмма и полигон относительных частот, кумулята и эмпирическая функция распределения

п.3. Выборочная средняя, мода и медиана. Симметрия ряда

п.4. Выборочная дисперсия и СКО

п.5. Исправленная выборочная дисперсия, стандартное отклонение выборки и коэффициент вариации

п.6. Алгоритм исследования интервального вариационного ряда

п.7. Примеры

Построить интервальный статистический ряд и гистограмму распределения.

Для имеющейся совокупности опытных данных (выборки) требуется:

1) Построить интервальный статистический ряд и гистограмму распределения;

2) Вычислить выборочную среднюю, выборочную дисперсию, выборочное среднеквадратичное отклонение, коэффициент вариации;

3) Выбрать теоретический закон распределения.

Решение:

Вам также может понравиться

Bccode 116 windows 7 как исправить

Как найти коэффициент капитализации дохода

Как найти подаваемый заряд

Добавить комментарий Отменить ответ