Лекции по статистике
пример.
Для вычисления дисперсии можно использовать формулу
.
Основные свойства дисперсии:
Пусть ряд значений признака состоит из j однородных групп: x(1),...,X(n1),...X(n1+n2),...X(n),n=n1+n2+...+nj. Обозначим дисперсии групп D1,...Dj/
Надо найти общую дисперсию.

, т.е. общая дисперсия равна сумме внутригрупповой и внешне групповой дисперсий.
Таким образом общая дисперсия равна взвешенной сумме групповых дисперсий и взвешенной сумме квадратов отклонений групповых средних от общей средней. Первое слагаемое выражает величину дисперсии внутри частей совокупности, а второе- различие между этими частями.
пример.
Каждая из перечисленных дисперсий имеет вполне определенный смысл: общая дисперсия показывает величину вариации зарплаты, которая вызвана всеми факторами, влияющими на размер зарплаты. (число обслуживаемых станков, различия в опыте и т.д.) Групповые дисперсии показывают величину вариации, которая вызвана многими причинами кроме различий в числе обсуживаемых станков, так как внутри группы все рабочие обслуживают одинаковое количество станков. Средняя из групповых вариаций вызвана не различиями в числе обслуживаемых станков по всему числу рабочих, различия по числу станков.
Чем больше межгрупповая дисперсия
по сравнению
, тем больше влияние группировочного признака на величину исследуемого признака.
Если группировать рабочих внутри каждой группы по другому признаку, оказывающему влияние на заработок, например по уровню квалификации, то можно из внутригрупповых дисперсий выделить дисперсию, показывающую величину вариации, вызванной вторым группировочным признаком и дисперсию остаточную, характеризующую вариацию за счет всех причин, кроме 2 группировочных признаков. Теоретически такую комбинационную группировку можно продолжать до тех пор, пока не будут исчерпаны все причины, воздействующие на исследуемый признак. Общая дисперсия в этот случае будет представлена как сумма дисперсий, характеризующих вариацию, вызванную каждой из причин.
Кроме абсолютных для характеристики совокупности значений признаков применяются относительные показатели.
Коэффициент вариации
.
Используется для сравнения размеров вариации в вариационных рядах с различными средними, а также для сравнения вариаций разных показателей в оной и той же совокупности. Он отражает состояние между вариацией выборки и ее центром.
пример.
Реже используются следующие коэффициенты:
Коэффициент вариации по размахуСуществуют 2 основных характеристики: коэффициент ассиметрии и коэффициент эксцессов, которые характеризуют соответсвенно скошенность и крутость распределения.
Моментом порядка р распределения вариационного ряда называется
![]()
В зависимости от значения а общая схема моментов разбивается на 3 подсистемы.
а=0, получаем систему начальных моментовЦентральные моменты 3 и 4 порядков используются для характеристики ассиметрии и эксцесса распределения вариационного ряда.
10.Сравнение эмпирического и теоретического распределений вариационных рядов. дискретные вариационные рядыПусть имеется вариационный ряд. Предположим, что признак Х распределен по некоторому вероятностному закону Р. ![]()
Р:
|
х |
х1 |
х2 |
.... |
xk |
|
р |
p1 |
p2 |
..... |
pk |
По теоретическому распределению Р можно построить так называемое выравнивающие или теоретические частоты
. Если отличия между теоретическими и эмпирическими частотами небольшое, то можно считать, что Х распределен по закону Р.
Объективную оценку близости эмпирических частот к теоретическим можно получить с помощью определенных критериев близости, называемых критериями согласия. Существует множество таких критериев. Критерий Пирсона основан на следующем:
.
Существуют значения (табличные) для соответствующего числа степеней свободы К и уровня значимости
. По таблице находятся ![]()
K=k-1-r, где r - число общих характеристик теоретического распределения, принятых равными соответствующим эмпирическим.
11.Оценивание параметров распределений по выборке. Доверительные интервалы.1. требования к оценкам
Пусть требуется изучить количественный признак генеральной совокупности. Допустим из теоретических соображений удалось установить какое именно распределение имеет признак. Естественна задача оценки параметров этого распределения.
Требования к оценкам:
несмещенность или асимптотическая несмещенность
![]()
Требование состоятельности применяется к большим объемам.
эффективностьЭффективной называют оценку, которая при заданном объеме выборки n имеет min дисперсию.
надежность оценокОценку, определяемую одним числом называют точечной. При выборках малого объема точечная оценка может значительно отличаться от оцениваемого параметра, т.е. приводить к грубым ошибкам. По этой причине при небольших объемах выборки пользуются интервальными оценками, которые определяются 2 числами - концами интервала. Эти оценки позволяют установить точность и надежность оценок.
Пусть
=const,
тем точнее определяет
, чем меньше (
-
). Если есть величина
>0, (
-
)<
, то чем меньше
, тем точнее оценка.
- надежность оценки. Обычно надежность задается наперед
=95-99%. Величину
называют уровнем значимости.
, интервал
- доверительный. Концы этого интервала - случайные величины и называются доверительными границами, они могут меняться от выборки к выборке. Говорят, что наш доверительный интервал с вероятностью
покрывает
.