Xreferat.com » Рефераты по математике » Теория математической статистики

Теория математической статистики

значение, и естественной нижней границей, включая наименьшее значение интервала. Теория математической статистики. Включающий размах отличается от исключающего на единицу.

Размах от 90-го до 10-го процентеля: D = P90 – P10 . Эта мера более стабильна, чем предыдущая, так как на нее влияет множество значений.

Полу-междуквантильный размах: Теория математической статистики, Q используется в распределениях, которые симметричны относительно медианы и среднего, для корректировки границ.

Дисперсия. Каждая из предыдущих мер возрастает с ростом рассеяния и уменьшается однородностей. Дисперсию, в отличие от предыдущих мер, используют при вычислении каждого из полученных измерений. Вычисляются значения отклонений Теория математической статистики и чтобы при суммировании Теория математической статистикине потерять величины этих отклонений, разница возводится в квадрат, поскольку мы оцениваем отклонение каждого измерения, делим на количество измерений. Обозначается дисперсия как Теория математической статистики.

Теория математической статистики

Для вычисления дисперсии не нужно вычислять среднее.

Дисперсия при сгруппированных данных вычисляется по такой же формуле, но Теория математической статистики

Теория математической статистики

i изменяется от 1 до k, где k – количество разных значений Теория математической статистики.

Стандартное отклонение: Теория математической статистики

Для унимодальных симметричных распределений почти 70% значений лежит в интервале Теория математической статистики.

Свойства дисперсии:

1. Влияние на дисперсию увеличения каждого значения на какую либо константу:

Теория математической статистики, после выполнения математических операций убеждаемся, что дисперсия не изменяется.

2. Изменение дисперсии при умножении каждого исходного значения на константу:

Теория математической статистики, то есть дисперсия увеличивается на квадрат константы.

3. Дисперсия объединенной группы:

Теория математической статистики

где:

Теория математической статистики

Теория математической статистики - количество значений группы А, для Б аналогично

Теория математической статистики - среднее группы А, для Б аналогично

Среднее отклонение – это совокупность отклонений каждого значения от среднего, взятого по модулю:

Теория математической статистики

Очень проста в вычислениях, но редко используется, ввиду того, что нет теоретического обоснования.

Стандартизованные данные

Часто появляется потребность оценить положение какого-либо конкретного значения по отношению к среднему в единицах стандартного отклонения

Теория математической статистики

Любое множество данных можно преобразовать в такое множество, у которого среднее равно нулю, а стандартное отклонение равно единице.

Теория математической статистики Теория математической статистики

Значение стандартизованных данных Z позволяют преобразовать множество x в произвольную шкалу с удобными характеристиками среднего и стандартизованного отклонения. Сами оценки Z могут быть отрицательными или содержать дроби. Мы избавимся от этих шероховатостей, умножая стандартизованные данные на константу и прибавляем к ним константу.

сz – будет иметь стандартное отклонение

Теория математической статистики, где с, d – константы – будут иметь среднее равное d.

Третий момент

Асимметрия – это свойство распределения частот. На практике симметричные полигоны и гистограммы не встречаются и чтобы выявить и оценить степень асимметрии, вводят следующую меру:

Теория математической статистики

В единицах стандартного отклонения асимметрия равна:

Теория математической статистики

Асимметрия бывает положительной и отрицательной. Положительная сдвигается влево, а отрицательная – вправо.

Чтобы упростить вычисление Ass можно использовать следующую формулу:

Теория математической статистики

Асимметрия в этом уравнении принимает значения от –3 до +3

Четвертый момент Теория математической статистики

Эксцесс – это мера крутости кривой распределения. Унимодальная кривая распределения может быть островершинной, плосковершинной, средне вершинной.

Эксцесс для стандартных данных:

Теория математической статистики

Характер распределения Величина эксцесса

Нормальное

Островершинное

Плосковершинное

3

больше 3 и может быть очень большим

больше нуля, но меньше 3

Эти четыре момента составляют набор особенностей распределения при анализе данных.

Нормальное распределение

Нормальное распределение лучше всего описывается кривой созданной ДеМуавром по следующей формуле:

Теория математической статистики

где U – высота кривой над осью x, t и μ – числа, которые определяют положение кривой относительно числовой оси и регулируют ее размах. Для μ=0, t =1 график принимает вид:

Эта кривая при μ=0, t =1 получила статус стандарта, ее называют единичной нормальной кривой, то есть любые собранные данные стремятся преобразовать так, чтобы кривая их распределения была максимально близка к этой стандартной кривой. Созданы статистические таблицы со значениями площади под единичной нормальной кривой влево от любой точки на оси z в (-3; 3). Общая площадь под кривой равна 1. И все остальные площади рассматривают как процент от целого.

Свойства нормальных кривых:

Семейство нормальных кривых включают в себе все кривые, которые можно получить по данной формуле, отличающиеся друг от друга только парой значений t и μ .

1. 68% площади лежит в интервале Теория математической статистики

2. 95% площади лежит в интервале Теория математической статистики

3. 99,7% площади лежит в интервале Теория математической статистики

Если x имеет нормальное распределение со средним μ и стандартным отклонение t , то z равное Теория математической статистики характеризуется распределением со средним равным нулю и стандартным отклонением равным 1. Площадь между двумя значениями x в нормальном распределении равна площади между ux стандартизованными величинами в единичном нормальном распределении. Нормализованную кривую изобрели для решения задач теории вероятности, но оказалось на практике, что она отлично аппроксимирует распределение черт при большом числе наблюдений для множества переменных. Можно предположить, сто не имея материальных ограничений на количество объектов и время проведения эксперимента, статистическое исследование приводило к нормально кривой.

Двумерное нормальное распределение

Если при исследовании появляется вопрос о связи между двумя переменными для одного и того же объекта (например, рост и интеллект) мы говорим о двумерных связях и результаты эксперимента находят свое отражение в двумерном распределении частот.

Уравнение поверхности называется двумерным нормальным распределением (гладкая непрерывная колоколообразная поверхность)

Характеристики нормального распределения

Распределение значений x без учета значений y есть нормальное распределение; Распределение значений y без учета значений x, тоже нормальное распределение; Для каждого фиксированного значения x значение y дают нормальное распределение с дисперсией Теория математической статистики; Для каждого фиксированного значения y значение x распределяется нормально с дисперсией Теория математической статистики; Среднее значения y для каждого отдельного значения x ложатся на переменную. Меры изменчивости

При решении вопроса о наличии взаимосвязи (корреляции) между двумя переменными, руководствуются несколькими коэффициентами. Связь, выраженная графически, называется диаграммной рассеивания, где x – оценка IQ, y – оценка теста по математике.

Положение каждого объекта на диаграмме распределения определяется парой значений xi, yi и выражаются по отношению к мере центральной тенденции величинами Теория математической статистики, Теория математической статистики. Если объект имеет высокие показатели по обеим переменным, то эти величины получаются большими и положительными, в противном случае, если xi, yi малы, то разность большой и отрицательной.

В дальнейшем будем говорить о произведении этих разностей и в том случае когда наблюдается прямая связь между этими переменными, произведение будет большим и положительным, следовательно такой же будет и сумма этих произведений Теория математической статистики.

В случае обратной связи, когда большим значениям yi соответствуют малые значения xi и наоборот, в этом случае произведение разностей будет большим и отрицательным и сумма разностей также будет большой и отрицательной.

Если между переменными не наблюдается какой-либо связи , количество положительных и отрицательных произведений примерно рано и сумма их близка к нулю. Таким образом большая положительная сумма – жесткая прямая зависимость; большая отрицательная сумма – сильная обратная зависимость; близость к нулю – отсутствие зависимости.

Недостатком этой меры является то, что ее величина зависит от числа пар переменных x участвующих в расчетах.

Чтобы избежать связь независимого состояния V групп, мы усредняем эти значения:

Теория математической статистики - ковариация

Частный случай, ковариация переменной с самой сабой – дисперсия

Чтобы избавить меру связи от отклонений двух групп значений:

Теория математической статистики - коэффициент кореляции Пирсона или произведение моментов.
Теория математической статистики

Значение коэффициента Пирсона не может выйти за границы интервала (-1; 1).

Влияние линейного преобразования переменных на коэффициент кореляции

Вместо xi вводим в формулу bx+ a, где a, b – коэффициенты, для yi вводим в формулу dy+ c, где c, d – коэффициенты.

Теория математической статистики

Теория математической статистики

Теория математической статистики

Теория математической статистики

Вопрос о кореляции между переменными будучи решен положительно не означает наличия более общего вида связи (заработная плата учителям и количество поступивших в ВУЗы после окончания школы). Если мы проводим идентификацию групп с различным средним, наличие кореляции не исключено, но возможно другое объяснение взаимосвязи, чем вытекающее их эксперимента. Отсутствие связи при нулевом коэффициента Пирсона означает всего лишь отсутствие линейной связи.

Дисперсия суммы и разности переменных

Теория математической статистики

Теория математической статистики

Теория математической статистики

Предсказание и оценивание

Переменная, которую мы хотим оценить называется зависимой переменной или откликом , обозначим ее через y.

Переменная которую мы используем для оценки называется независимой переменной или фактором, ее обозначим через x.

Конкретная характеристика (переменная x) имеющаяся в нашем распоряжении, позволяет получить до проведения эксперимента значение y, зависимой переменной. Мы получаем Теория математической статистики используя xi и коэффициенты b1 и b0.

Даже при наилучшем линейном предсказании, предсказание Теория математической статистики будет отличаться от реального yi на какую-то величину, которую мы назовем ошибкой оценки и обозначим ei:

Теория математической статистики

Точность предсказания зависит от того, насколько удачно подобраны коэффициента b1 и b0. Критерием успешности подбора коэффициентов является минимальная величина суммы квадратов всех ошибок оценки Теория математической статистики– критерий наименьших квадратов

Другой критерий: Теория математической статистики. Этот критерий приводит к медианой линии регрессии. Из уравнения Теория математической статистики следует Теория математической статистики

Исходя из минимизации формулы наименьших квадратов найдем формулы:

Теория математической статистики;Теория математической статистики

Наше исследование получается наиболее результативным, если мы предполагаем, что фактор и отклик имеют двумерные нормальные распределения.

Свойства двумерного нормального распределения

1. Выборочные средние отклика (y) для каждого значения x лежат на прямой;

2. Для любого значения x, соответствующие значения y нормально распределены;

3. Для любого значения x, y – имеют одинаковую дисперсию Теория математической статистики.

При прогнозировании является ли среднее ошибок оценки подходящей мерой для прогнозирования.

Теория математической статистики

Средняя ошибка оценки всегда равна нулю. Один из способов доказать этот факт, это выбрать в качестве меры прогнозирования дисперсию ошибки оценки.

Стандартная ошибка оценки Теория математической статистики

Стандартную ошибку оценки применяют для определения пределов, в окрестности предсказанного Теория математической статистикипопадает фактическое значение yi.

В приделах Se – расположено 69% фактических значений объекта, в приделах 2Se – 95%, в приделах 3Se – 97,5%.

Связь b1 и b0 с другими описательными статистиками

Теория математической статистики

Теория математической статистики

Если x и y распределены по нормальному закону и имеют одинаковую дисперсию, то Теория математической статистики.

Поскольку rxy не зависит от Sx и Sy, b1 - принимает максимальное значение при rxy =1 и минимальное значение при rxy = -1, следовательно b1 никогда не может быть больше Теория математической статистики, при rxy =1 и не может быть меньше Теория математической статистики при rxy = -1.

Если между переменными отсутствует линейная связь, b1=0 уравнение регрессии сводится к прямой без наклона, то есть Теория математической статистики.

Измерение нелинейной связи между переменными

Для определения меры нелинейной связи между переменными

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.

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: