Теория математической статистики
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:
, 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
и чтобы при суммировании
не потерять величины этих отклонений, разница возводится в квадрат, поскольку мы оцениваем отклонение каждого измерения, делим на количество измерений. Обозначается дисперсия как
.
![]()
Для вычисления дисперсии не нужно вычислять среднее.
Дисперсия при сгруппированных данных вычисляется по такой же формуле, но ![]()
i изменяется от 1 до k, где k – количество разных значений
.
Стандартное отклонение: 
Для унимодальных симметричных распределений почти 70% значений лежит в интервале
.
1. Влияние на дисперсию увеличения каждого значения на какую либо константу:
, после выполнения математических операций убеждаемся, что дисперсия не изменяется.
2. Изменение дисперсии при умножении каждого исходного значения на константу:
, то есть дисперсия увеличивается на квадрат константы.
3. Дисперсия объединенной группы:
где:

- количество значений группы А, для Б аналогично
- среднее группы А, для Б аналогично
Среднее отклонение – это совокупность отклонений каждого значения от среднего, взятого по модулю:
Очень проста в вычислениях, но редко используется, ввиду того, что нет теоретического обоснования.
Стандартизованные данныеЧасто появляется потребность оценить положение какого-либо конкретного значения по отношению к среднему в единицах стандартного отклонения
Любое множество данных можно преобразовать в такое множество, у которого среднее равно нулю, а стандартное отклонение равно единице.
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
, где с, d – константы – будут иметь среднее равное d.
Асимметрия – это свойство распределения частот. На практике симметричные полигоны и гистограммы не встречаются и чтобы выявить и оценить степень асимметрии, вводят следующую меру:
В единицах стандартного отклонения асимметрия равна:
Асимметрия бывает положительной и отрицательной. Положительная сдвигается влево, а отрицательная – вправо.
Чтобы упростить вычисление Ass можно использовать следующую формулу:
Асимметрия в этом уравнении принимает значения от –3 до +3
Четвертый момент
Эксцесс – это мера крутости кривой распределения. Унимодальная кривая распределения может быть островершинной, плосковершинной, средне вершинной.
Эксцесс для стандартных данных:
| 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 распределениеНормальное распределение лучше всего описывается кривой созданной ДеМуавром по следующей формуле:
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 ![]()
2. 95% площади лежит в интервале ![]()
3. 99,7% площади лежит в интервале ![]()
Если x имеет нормальное распределение со средним μ и стандартным отклонение t
, то z равное
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.
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 дисперсиейПри 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
,
. 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
.
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:
Частный случай, ковариация переменной с самой сабой – дисперсия
Чтобы избавить меру связи от отклонений двух групп значений:
- коэффициент
кореляции Пирсона или произведение моментов.
Значение коэффициента Пирсона не может выйти за границы интервала (-1; 1).
Влияние линейного преобразования переменных на коэффициент кореляцииВместо xi вводим в формулу bx+ a, где a, b – коэффициенты, для yi вводим в формулу dy+ c, где c, d – коэффициенты.
![]()

![]()

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
![]()
![]()
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
используя xi и коэффициенты b1 и b0.
Даже при наилучшем линейном предсказании, предсказание
будет отличаться от реального yi на какую-то величину, которую мы назовем ошибкой оценки и обозначим ei:
Точность предсказания зависит от того, насколько удачно подобраны коэффициента b1 и b0. Критерием успешности подбора коэффициентов является минимальная величина суммы квадратов всех ошибок оценки
– критерий наименьших квадратов
Другой критерий:
. Этот критерий приводит к медианой линии регрессии. Из уравнения
следует ![]()
Исходя из минимизации формулы наименьших квадратов найдем формулы:
;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
.
При прогнозировании является ли среднее ошибок оценки подходящей мерой для прогнозирования.
![]()
Средняя ошибка оценки всегда равна нулю. Один из способов доказать этот факт, это выбрать в качестве меры прогнозирования дисперсию ошибки оценки.
Стандартная ошибка оценки ![]()
Стандартную ошибку оценки применяют для определения пределов, в окрестности предсказанного
попадает 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

Если x и y распределены по нормальному закону и имеют одинаковую дисперсию, то
.
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
, при rxy =1 и не может быть меньше
при rxy = -1.
Если между переменными отсутствует линейная связь, b1=0 уравнение регрессии сводится к прямой без наклона, то есть
.
Для определения меры нелинейной связи между переменными