Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
1)Размах вариации — это разность между максимальным и минимальным значениями признака
Он показывает пределы, в которых изменяется величина признака в изучаемой совокупности.
Пример
Опыт работы у пяти претендентов на предшествующей работе составляет: 2,3,4,7 и 9 лет.
Решение: размах вариации = 9 — 2 = 7 лет.
2) Простая средняя арифметическая — Равна отношению суммы индивидуальных значений признака к количеству признаков в совокупности
Среднее линейное отклонение — это средняя арифметическая из абсолютных отклонений отдельных значений признака от средней.
Среднее линейное отклонение простое:
Опыт работы у пяти претендентов на предшествующей работе составляет: 2,3,4,7 и 9 лет.
В нашем примере: лет;
Ответ: 2,4 года.
3) Средняя геометрическая величина ( или Среднее геометрическое ) получается от перемножения данных величин и извлечения из этого произведения корня, показатель которого равен числу этих величин:
4) Дисперсия - представляет собой средний квадрат отклонений индивидуальных значений признака от их средней величины.
Дисперсия простая:
В нашем примере:
Дисперсия взвешенная:
Более удобно вычислять дисперсию по формуле:
5) Среднее квадратическое отклонение () равно квадратному корню из среднего квадрата отклонений отдельных значений признака от средней арифметической:
Среднее квадратическое отклонение простое:
6)7) Равномерное распределение, прямоугольное распределение, специальный вид распределения вероятностей случайной величины Х, принимающей значения из интервала (а — h, a + h); характеризуетсяплотностью вероятности:
.
Математическое ожидание:
Ех = a, дисперсия Dx = h2/3, характеристическая функция: .
С помощью линейного преобразования интервал (а — h, a + h) может быть переведён в любой заданный интервал. Так, величина Y = (X — a + h)/2h равномерно распределена на интервале (0, 1). Если Y1, Y2,...,Yn равномерно распределены на интервале (0, 1), то закон распределения их суммы, нормированной математическим ожиданием n/2 и дисперсией n/12, при возрастании n быстро приближается кнормальному распределению (даже при n = 3 приближение часто бывает достаточным для практики).
8) Распределение вероятностей случайной величины Xназ. нормальным, если оно имеет плотность вероятности
Семейство Н. р. (*) зависит, т. о., от двух параметров и >0. При этом математич. ожидание Xравно а, дисперсия Xравна
Плотность вероятности случайной величины X, функция р(х), такая, что при любых a и b вероятность неравенства а < Х < b равна
9) Числовые характеристики случайных величин и их свойства
Числовыми характеристиками случайных величин являются математическое ожидание и дисперсия, а так же и моменты случайных величин
Математическое ожиданием М(Х) называется средняя величина возможных значений случайных величин, взвешенных по их вероятности. Выражается формулой:
Свойство 1. Мат. ожидание постоянной равно этой постоянной.
Свойство 2. Мат. ожидание суммы случайных величин равно сумме их мат. ожиданий:
Из этого свойства следует следствие:
Математическое ожидание суммы конечного числа случайных величин равно сумме их математических ожиданий:
Свойство 3. Математическое ожидание произведения независимых случайных величин Х и Yравно произведению математических ожиданий этих вел. M(XY)=M(X)·(M)Y.
Следствие. Постоянный множитель можно вынести за знак математических ожидания: М(сХ) = сМ(Х)
Дисперсией называется математическое ожидание квадрата отклонения случайных величин от математического ожидания:
D[Х]=M[X-M(X)]2
Свойство 1. Дисперсия постоянной величины равна нулю.
Свойство 2. постоянную величину можно вынести за знак дисперсии, предварительно возведя ее в квадрат:
D(cX) = c2D(X)
Свойство 3. Дисперсия суммы независимых случайных величин Х и Y равна сумме их дисперсий:
D(X+Y) = D(X) + D(Y), от сюда следствие:
если х1, х2, ..., хn - случайные величины, каждая из которых независима от суммы остальных, то
D(X1+X2+...+Xn) = D(X1) + D(X2)+...+D(Xn).
Моментом k-порядка называется математическое ожидание k-й степени отклонения случайнойвеличины Х от некоторой постоянной с.
Если в качестве с берется нуль, моменты называются начальными
νk = М(Х)k
Если с = М(Х), то моменты называются центральными
μ = M[X – M(X)]k
10) Критерий согласия Пирсона (χ2) применяют для проверки гипотезы о соответствии эмпирического распределения предполагаемому теоретическому распределению F(x) при большом объеме выборки (n ≥ 100). Критерий применим для любых видов функции F(x), даже при неизвестных значениях их параметров, что обычно имеет место при анализе результатов механических испытаний. В этом заключается его универсальность.
Использование критерия χ2 предусматривает разбиение размаха варьирования выборки на интервалы и определения числа наблюдений (частоты) nj для каждого из e интервалов. Для удобства оценок параметров распределения интервалы выбирают одинаковой длины.
Число интервалов зависит от объема выборки. Обычно принимают: при n = 100 e = 10 ÷ 15, при n = 200 e = 15 ÷ 20, при n = 400 e = 25 ÷ 30, при n = 1000 e = 35 ÷ 40.
Интервалы, содержащие менее пяти наблюдений, объединяют с соседними. Однако, если число таких интервалов составляет менее 20 % от их общего количества, допускаются интервалы с частотой nj ≥ 2.
Статистикой критерия Пирсона служит величина
, (3.91)
где pj - вероятность попадания изучаемой случайной величины в j-и интервал, вычисляемая в соответствии с гипотетическим законом распределением F(x). При вычислении вероятности pj нужно иметь в виду, что левая граница первого интервала и правая последнего должны совпадать с границами области возможных значений случайной величины. Например, при нормальном распределении первый интервал простирается до -∞, а последний - до +∞.
Нулевую гипотезу о соответствии выборочного распределения теоретическому закону F(x) проверяют путем сравнения вычисленной по формуле (3.91) величины с критическим значением χ2α, найденным по табл. VI приложения для уровня значимости α и числа степеней свободы k = e1 - m - 1. Здесь e1 - число интервалов после объединения; m - число параметров, оцениваемых по рассматриваемой выборке. Если выполняется неравенство
χ2 ≤ χ2α (3.92)
то нулевую гипотезу не отвергают. При несоблюдении указанного неравенства принимают альтернативную гипотезу о принадлежности выборки неизвестному распределению.
Недостатком критерия согласия Пирсона является потеря части первоначальной информации, связанная с необходимостью группировки результатов наблюдений в интервалы и объединения отдельных интервалов с малым числом наблюдений. В связи с этим рекомендуется дополнять проверку соответствия распределений по критерию χ2 другими критериями. Особенно это необходимо при сравнительно малом объеме выборки (n ≈ 100).