Xreferat.com » Рефераты по экономике » Основные понятия статистики

Основные понятия статистики

BORDERCOLOR="#000000" CELLPADDING=8 CELLSPACING=0> Размер заработной платы (тыс. руб.) Число работников (частота)
Накопленная частота 5800 30
30 6000 45
75 6200 80
155 6400 60
215 6600 35
250

Решение. Сумма частот n = 250 – четно, Основные понятия статистики = 125. Основные понятия статистикиОсновные понятия статистикиОсновные понятия статистики= 6200.

В интервальном вариационном ряду для определения медианы сначала нужно найти медианный интервал – первый по счету интервал, в котором накопленная частота равна или превышает полусумму частот вариационного ряда. После этого медиана определяется по формуле


Основные понятия статистики,

где Основные понятия статистики– нижняя граница медианного интервала;

Основные понятия статистики – величина медианного интервала;

Основные понятия статистики – накопленная частота интервала, предшествующего медианному;

Основные понятия статистики – частота медианного интервала.

Пример. По данным примера 5.3 определить медиану интервального ряда.

Медианным является интервал (1500-1600), так как это первый по счету интервал, сумма накопленных частот которого (115) больше полусуммы накопленных частот интервального ряда (0.5∙210 = 105). Подставив данные примера в формулу для медианы интервального ряда, получим

Основные понятия статистики.

В математической статистике используют структурные характеристики, делящие вариационный ряд на большее число частей, – квантили – показатели дифференциации признаков по частотам. Различают несколько видов квантилей.

Квартили – значения признака, которые делят вариационный ряд на четыре равные части. Второй квартиль равен медиане, первый и третий вычисляются аналогично расчету медианы. При расчете i-го квартиля сначала по относительным частотам определяют соответствующий квартильный интервал – первый по счету интервал, накопленная частота которого больше Основные понятия статистики (n – сумма частот). Затем значение квартиля рассчитывают по формуле, аналогичной формуле для нахождения медианы


Основные понятия статистики, i =1, 2, 3,

где i – номер квартильного интервала;

Основные понятия статистики– нижняя граница i-го квартильного интервала;

Основные понятия статистики– величина i-го квартильного интервала;

Основные понятия статистики – накопленная частота интервала, предшествующего i-му квартильному интервалу;

Основные понятия статистики – частота i-го квартильного интервала.

Отношение третьего и первого квартилей называется квартильным коэффициентом


Основные понятия статистики =Основные понятия статистики


и показывает, во сколько раз значение признака у четверти вариантов, имеющих наибольшие значения признака, превышает значение признака у другой четверти с наименьшими значениями.

Значения признака, которые делят вариационный ряд на десять равных частей, называются децилями. Расчет значений децилей проводится аналогично расчету квартилей. Отношение девятого и первого децилей – децильный коэффициент Основные понятия статистики= Основные понятия статистики показывает, во сколько раз величина признака у 10% совокупности с наибольшими значениями превышает такую же величину у 10% совокупности с наименьшими значениями признака.

В статистике используются также перцентили – значения признака, которые делят вариационный ряд на сто равных частей.

В ряде случаев в математической статистике вычисляют показатели формы распределения частот по вариантам: асимметрию и эксцесс. Характеристика симметричности распределения – коэффициент асимметрии – рассчитывается по формуле

Основные понятия статистики,


где Основные понятия статистики – центральный момент третьего порядка;

Основные понятия статистики – куб среднего квадратического отклонения.

Если варианты распределены симметрично относительно средней величины Основные понятия статистики, т.е. равноудаленные от Основные понятия статистики варианты имеют одинаковые частоты, коэффициент асимметрии равен нулю. Если Основные понятия статистики< 0, в вариационном ряду преобладают варианты, которые меньше, чем средняя величина. В этом случае говорят о наличии левосторонней асимметрии. И, наоборот, при Основные понятия статистики> 0 преобладают варианты, которые больше Основные понятия статистики. Это указывает на правостороннюю симметрию.

Пример. Рис. 1 иллюстрирует зависимость вида кривой распределения от асимметрии.


Основные понятия статистикиОсновные понятия статистики

Рис. 1


Для симметричных распределений рассчитывается также эксцесс распределения – показатель островершинности распределения. Эксцесс рассчитывается по формуле

Основные понятия статистики,


где Основные понятия статистики – центральный момент четвертого порядка.

При расчете экцесса эталоном является нормальное распределение, для которого Основные понятия статистики, и, следовательно Основные понятия статистики. Для распределений, у которых Основные понятия статистики, кривая более островершинная, чем нормальная кривая. Если Основные понятия статистики, кривая будет более плосковершинной.

Пример. Рис. 2 иллюстрирует зависимость вида кривой распределения от эксцесса


Основные понятия статистики

Рис. 2


Контрольные вопросы


Что называется средней величиной?

Какие виды средних величин вы знаете?

Какие виды средней арифметической вам известны?

Как вычисляется средняя геометрическая величина?

Что представляет собой средняя гармоническая?

Чем характеризуется понятие «размах вариации»?

Что такое среднее линейное отклонение?

Что такое дисперсия и как она может быть вычислена?

Что называется средним квадратическим отклонением?

Что называется коэффициентом вариации?

Что такое мода?

Как определяется мода для дискретных и интервальных вариационных рядов?

Что такое медиана?

Как определяется медиана для дискретных и интервальных вариационных рядов?


4.Графическое представление вариационных рядов


В математической статистике широко используется геометрическая интерпретация результатов первичной статистической обработки экспериментальных данных. Графическое представление сгруппированного дискретного вариационного ряда в осях – признак и частота - называется полигоном частот. Графическое представление интервального вариационного ряда в виде прямоугольников, с основаниями, равными длине интервалов и с высотой, равной соответствующей относительной частоте, называется гистограммой.

Пример. Имеются данные наблюдения над числом посетителей сайта академии в течение 40 дней:

70, 75, 100, 120, 75, 60, 100, 120, 70, 60, 65, 100, 65, 100, 70, 75, 60, 100, 100, 120, 70, 75, 70, 120, 65, 70, 75, 70, 100, 100, 120, 120, 100, 75, 75, 70, 70, 100, 100, 75.

Число посетителей Х является дискретным признаком, полученные данные представляют собой выборку из n = 40 наблюдений.

Требуется составить вариационный ряд, найти относительные частоты, построить эмпирическую функцию плотности распределения и эмпирическую функцию распределения.

Сначала составим вариационный ряд:

60, 60, 60, 65, 65, 65 70, 70, 70, 70, 70, 70, 70, 75, 75, 75, 75, 75, 75, 75, 75, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 100, 120, 120, 120, 120, 120, 120.


Сгруппированный вариационный ряд представим в виде таблиц

Номер группы i 1 2 3 4 5 6
Число посетителей хi 60 65 70 75 100 120
Частота ni 3 3 9 8 11 6
Относительная частота pi* 0.075 0.075 0.225 0.2 0.275 0.15

Графическое изображение результатов представлено на рис.1 и рис.2


Основные понятия статистики

Рис. 3


Основные понятия статистики

Рис.4


Построим эмпирическую функцию распределения. Исходными данными для её построения являются множество значений признака и множество относительных частот:


хi 50 60 65 70 75 100 120
pi* 0 0.075 0.075 0.225 0.2 0.275 0.15
xi 50 60 65 70 75 100 120
Pi* 0 0,075 0,075 0,225 0,200 0,275 0,150
F ( xi ) 0 0,075 0,15 0,375 0,575 0,85 1

Основные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистики


Пример. В таблице 1 приведена выборка результатов отчетности однотипных 60 предприятий по прибыли (млн. руб.). Составить интервальный вариационный ряд. Построить гистограмму.


Таблица 1.

Основные понятия статистики


Результаты решения задачи приведены в таблице 2.

Таблица 2.

Основные понятия статистики


Основные понятия статистики


Контрольные вопросы:

Дайте определения основным категориям математической статистике: генеральная совокупность, выборка, статистическая совокупность, признак, оценка.

Что называется вариационным рядом? Классификация вариационных рядов.

Выпишите основные соотношения для вычисления количественных статистических характеристик вариационного ряда: среднего арифметического значения, дисперсии, среднего квадратического значения, коэффициента вариации, коэффициента асимметрии, коэффициента эксцесса, моды, медианы

4. Сформулируйте определения полигона частот, гистограммы и кумуляты.

5.На основе данных о результатах анализа эффективности работы 50 и предприятий города по изменению реальной заработной платы на этих предприятиях в отчетном году (в % к предыдущему году) сформировать


Таблица 3.

No Эр[%] No Эр[%] No Эр[%] No Эр[%] No Эр[%]
1 91 11 100 21 102 31 104 41 108
2 93 12 100 22 102 32 104 42 109
3 95 13 101 23 103 33 105 43 109
4 96 14 101 24 103 34 105 44 110
5 97 15 101 25 103 35 106 45 111
6 97 16 101 26 103 36 106 46 112
7 97 17 101 27 103 37 106 47 113
8 97 18 102 28 103 38 107 48 103
9 98 19 102 29 104 39 107 49 108
10 98 20 102 30 104 40 107 50 98

интервальный вариационный ряд значений темпов роста реальной заработной платы для равноотстоящих вариант, разбив рассматриваемый отрезок значений исследуемого параметра на 8 равноотстоящих частичных интервалов.

4. Построить таблицу значений относительных частот для равноотстоящих вариант, таблицу значений эмпирической плотности относительных частот и эмпирической функции распределения, разбив рассматриваемый отрезок значений исследуемого параметра на 8 равноотстоящих частичных интервалов.

5. Построить полигон и гистограмму относительных частот и график эмпирической функции распределения.

6. Назовите основные характеристики вариационного ряда и выпишите основные соотношения для их определения.

7. Вычислить выборочную среднюю арифметическую выборки, её дисперсию, выборочное среднее квадратическое отклонение, коэффициент асимметрии и выборочные коэффициенты асимметрии и эксцесса, отобразив выборочную среднюю и выборочное среднее квадратическое отклонение на полигоне и гистограмме относительных частот. Найти моду, медиану. Накопленные частоты интервалов, построить кумуляты.


Тема 2.2. Статистическое оценивание


Статистическое оценивание. Точечные и интервальные оценки. Требование к оценкам: несмещенность, состоятельность и эффективность.

Методы оценивания: метод моментов, метод максимального правдоподобия (Фишера), метод наименьших квадратов.

Статистики. Критерии. Критериальные случайные величины Пирсона, Стьюдента, Фишера-Снедекора.

Проверка статистических гипотез Н0 и HI. Уровень значимости. Ошибки 1-го и 2-го рода.


Статистическое оценивание


Задача оценивания параметров теоретического распределения состоит в построении приближенных формул для вычисления значений этих параметров, зависящих от выборочных значений х1, ….хn. Любую функцию j = j (х1, ….хn), зависящую от выборочных переменных и поэтому являющуюся случайной величиной, принято называть статистикой. Для того, чтобы оценки неизвестных параметров, т.е. статистики, давали хорошие приближение неизвестных параметров распределения генеральной совокупности, они должны удовлетворять определенным требованиям:

Математическое ожидание оценки параметра по всевозможным выборкам данного объёма должно равняться истинному значению определяемого параметра (как предписывает теория вероятностей). Оценку, удовлетворяющую этому требованию, называют несмещенной.

При увеличении объёма выборки оценка должна сходиться по вероятности к истинному значению параметра. В этом случае оценку называют состоятельной.

Оценка параметра представляет собой случайную величину, зависящую от выборки, поэтому естественный интерес представляет разброс этой оценки, т.е. её дисперсия. Оценку называют эффективной, если при заданном объёме выборки эта оценка имеет наименьшую дисперсию.

Поскольку в качестве оценки мы ищем число – точку на координатной оси – то такие оценки называются точечными.


Методы оценивания: метод моментов, метод максимального правдоподобия (Фишера), метод наименьших квадратов


Известны три основных метода нахождения приближенных формул вычисления точечных оценок: метод максимального правдоподобия, метод моментов и метод наименьших квадратов.

Метод максимального правдоподобия (Фишера)

Пусть исследуемый нами признак Х имеете непрерывное распределение, зависящее от m параметров Θ1….Θm из некоторого множества Θ. В этом случае плотность вероятности генеральной совокупности будет зависеть от значения признака х и этих параметров, т.е. ƒ(х, Θ1….Θm). Пусть теперь из генеральной совокупности получена выборка объёмом n: х1, …..хn. Рассмотрим представленную выборку с позиции того, что каждое значение её хi есть реализация некоторой случайной величины Хi, полученное в i-ом наблюдении, причем в силу репрезентативности выборки Хi имеет то же распределение, что и вся генеральная совокупность. В результате выборку можно рассматривать как n –мерную случайную величину (Х1, …. Хn) или выборочный вектор Х = (Х1…. Хn), все компоненты которого представляют независимые случайные величины с одинаковыми функциями плотности вероятности, совпадающими с плотностью вероятности генеральной совокупности, т.е.


ƒ Хi (хi, Θ1….Θm) = ƒ(хi, Θ1….Θm)


Из теории вероятностей известно, что плотность вероятностей совместного распределения независимых случайных величин равна произведению плотностей вероятностей каждой из случайных величин, т.е.


ƒ(х1, х2, ….хn, Θ1….Θm) = ƒ(х1, Θ1….Θm) ƒ(х2, Θ1….Θm)….. ƒ(хn, Θ1….Θm)


Метод максимального правдоподобия оценки неизвестных параметров распределения

Θ1….Θm основан на свойстве случайной величины реализовывать в эксперименте в основном те свои значения (Х1, …. Хn) , вероятность которых максимальная.

Таким образом, в качестве оценки Основные понятия статистики неизвестных параметров распределения Θ1….Θm принимаются те значения, которые доставляют max функции ƒ(х1, х2, ….хn, Θ1….Θm), т.е. решения уравнения :


ƒ(х1, х2, ….хn, Основные понятия статистики) = max ƒ(х1, х2, ….хn, Θ1….Θm),

( Θ1….Θm )Основные понятия статистики Θ


если решения этого уравнения существуют.

Во многих случаях вместо функции ƒ(х1, х2, ….хn, Θ1….Θm) рассматривают её натуральный логарифм, достигающий максимума в тех же точках, что и сама функция ƒ(х1, х2, ….хn, Θ1….Θm). В результате нахождение оценок Основные понятия статистики сводится к известной задаче математического анализа - отыскания максимума функции m переменных. Для отыскания точек экстремумов получаем уравнения максимального правдоподобия:Основные понятия статистики


Основные понятия статистики или Основные понятия статистики i = 1….m

Пример. Пусть время t до выхода из строя группы компьютеров на испытательном стенде описывается показательным распределением:


Основные понятия статистики ,


единственный параметр которого λ неизвестен. Найти методом максимального правдоподобия оценку параметра λ

Р е ш е н и е. Испытав n компьютеров, мы получим выборку объёмом n : t1, ….tn. Функция плотности вероятности совместного распределения значений t1, ….tn имеет вид:

ƒ(t1, t2, ….tn, λ) = λe-λt1 λe-λt2…. λe-λtn = λn e-λt1 e-λt2…. e-λtn


поскольку выражение для функции плотности вероятности представляет собой произведение экспонент, то лучше воспользоваться логарифмической формой функции правдоподобия:


ln ƒ(t1, t2, ….tn, λ) = ln [λn e-λt1 e-λt2…. e-λtn ] = n lnλ – λ (t1 + t2 + ….+ tn).


Уравнение максимального правдоподобия будет иметь вид:


Основные понятия статистики Основные понятия статистики Основные понятия статистики– (t1 + t2 + ….+ tn) = 0 Основные понятия статистики Основные понятия статистики


Как было установлено в теории вероятностей, математическое ожидание для показательного распределения равно М(Х) = Основные понятия статистики и обозначая Основные понятия статистики, получим:

Основные понятия статистики


Пример. Пусть интересующая нас случайная величина распределена по нормальному закону с неизвестными параметрами Мх и σ (математическое ожидание и среднеквадратическое отклонение) и получена выборка на основе опытов объёмом n : х1, …..хn. Найти методом максимального правдоподобия оценку параметров Мх и σ.

Р е ш е н ие. Плотность вероятности совместного распределения значений х1, …..хn независимых нормально распределённых случайных величин имеет вид:

ƒ(х1, х2, ….хn, Мх, σ) =

Основные понятия статистикиОсновные понятия статистики…..Основные понятия статистики =

Основные понятия статистики =

Основные понятия статистики


Воспользуемся логарифмической формой представления функции правдоподобия:


ln ƒ(х1, х2, ….хn, Мх, σ) = - Основные понятия статистикиln 2π - Основные понятия статистикиln σ2 Основные понятия статистики =

- Основные понятия статистикиln 2π - Основные понятия статистикиln D Основные понятия статистики


Обозначим σ2 = D – дисперсию распределения признака Х. Уравнения максимального правдоподобия для оценки параметров Мх и σ2 = D имеют вид:

Основные понятия статистики

Основные понятия статистики-Основные понятия статистики= 0


Решения этой системы дают оценки параметров:


Основные понятия статистики Основные понятия статистики


Пример. Найти методом максимального правдоподобия оценку параметра λ в распределении Пуассона Основные понятия статистики на основе проведенных опытов.

Решение. Будем называть опытом группу из n испытаний. При этом в каждом опыте фиксируем число появления рассматриваемого события. Пусть таких независимых опытов будет к. Обозначим число появлений события в i-м опыте mi.Функция плотности вероятности совместного распределения количества появления рассматриваемого события m1, m2,…. mk имеет вид:


ƒ(m1, m2, ….mn, λ) =

Основные понятия статистикиОсновные понятия статистики…….Основные понятия статистики = Основные понятия статистики


Находим логарифм этой функции:


Ln ƒ(m1, m2, ….mn, λ) = Основные понятия статистики


Возьмём первую производную по λ и приравняем её к нулю. Получим уравнение максимального правдоподобия:


Основные понятия статистики ,

откуда Основные понятия статистики


Если взять вторую производную


Основные понятия статистики


то оказывается, что она отрицательная. Это значит, что при полученном значении Основные понятия статистики функция правдоподобия lnƒ(m1, m2, ….mn, λ) достигает максимума.

Вывод. Метод максимального правдоподобия является эффективным в случае малых выборок, но часто требует довольно сложных вычислений.

Метод моментов (Пирсона)

Идея метода моментов заключается в приравнивании теоретических и соответствующих им эмпирических моментов, причём число моментов и, следовательно, число уравнений для определения неизвестных параметров распределений берется равным числу параметров. Покажем применение метода на тех же примерах, что и предыдущем пункте.

Напомним, что для случайной величины определены её числовые характеристики – начальные и центральные моменты. Для дискретной случайной величины:

теоретическим моментом к-го порядка называется соотношение вида:

Мкт = Основные понятия статистики.


Эмпирическим моментом к-го порядка для несгруппированных данных называется соотношение вида:


Мкэ = Основные понятия статистики


Если принять А = 0, то моменты в этом случае называются начальными. Обычно их обозначают малыми латинскими буквами.


Основные понятия статистики, Основные понятия статистики.


Например, начальный момент первого порядка m1 - есть математическое ожидание.

Если принять А = m1, то моменты называются центральными. Обычно их обозначают малыми греческими буквами.


μк T =Основные понятия статистики, μк Э =Основные понятия статистики

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: