Правила построения дискретных и интервальных рядов распределения. Интервальный ряд распределения

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

ЗАДАЧА 1

Имеются следующие данные о заработной плате работников на предприятии:

Таблица 1.1

	Размер заработной платы в усл. ден. ед.

Требуется построить интервальный ряд распределения, по которому найти;

1) среднюю заработную плату;

2) среднее линейное отклонение;

4) среднее квадратическое отклонение;

5) размах вариации;

6) коэффициент осцилляции;

7) линейный коэффициент вариации;

8) простой коэффициент вариации;

10) медиану;

11) коэффициент асимметрии;

12) показатель асимметрии Пирсона;

13) коэффициент эксцесса.

Решение

Как известно, варианты (значения признано) расположены в порядке возрастания образуют дискретный вариационный ряд. При большом числе вариант (больше 10) даже в случае дискретной вариации строятся интервальные ряды.

Если составляется интервальный ряд с ровными интервалами, то размах вариации делится на указанное число интервалов. При этом, если полученное значение целое и однозначное (что бывает редко), то длина интервала принимается равной этому числу. В остальных случаях производится округление обязательно в сторону увеличения, так чтобы последняя оставляемая цифра была чётной. Очевидно, с увеличением длины интервала расширяется размах вариации на величину, равной произведению числа интервалов: на разность расчетной и первоначальной длины интервала

а) Если величина расширения размаха вариации незначительна, то ее либо прибавляют к наибольшему либо вычитают из наименьшего значения признака;

б) Если величина расширения размаха вариации ощутима, то, чтобы не произошло смешения центра размаха, ее примерно делят пополам одновременно прибавляя к наибольшему и вычитая из наименьшего значений признака.

Если составляется интервальный ряд с неравными интервалами, то процесс упрощается, но по-прежнему длина интервалов должна выражаться числом с последней чётной цифрой, что значительно упрощает последующие расчёты числовых характеристик.

30 - объем выборки.

Составим интервальный ряд распределения, используя формулу Стерджеса:

K = 1 + 3.32*lg n,

K - число групп;

K = 1 + 3.32*lg 30 = 5,91=6

Находим размах признака - заработная плата работников на предприятии - (х) по формуле

R= xmaх - xmin и делим на 6; R= 195-112=83

Тогда длина интервала будет l пер=83:6=13.83

Началом первого интервала будет 112. Прибавляя к 112 l рас=13,83, получим его конечное значение 125,83, которое одновременно является началом второго интервала и т.д. конец пятого интервала - 195.

При нахождении частот следует руководствоваться правилом: «если значение признака совпадает с границей внутреннего интервала, то его следует относить к предыдущему интервалу».

Получим интервальный ряд частот и накопительных частот.

Таблица 1.2

Следовательно, 3 работника имеют зар. плату от 112 до 125,83 усл.ден.ед. Наибольшая зар. плата от 181,15 до 195 усл.ден.ед. только у 6-ті работников.

Для расчёта числовых характеристик интервальный ряд преобразуем в дискретный, взяв в качестве вариант середины интервалов:

Таблица 1.3

							14131,83

По формуле взвешенного среднего арифметического

усл.ден.ед.

Среднее линейное отклонение:

где xi - значение изучаемого признака у i-той единицы совокупности,

Средняя величина изучаемого признака.

Размещено на http://www.allbest.ru/

LРазмещено на http://www.allbest.ru/

Усл.ден.ед.

Среднее квадратическое отклонение:

Дисперсия:

Относительный размах вариации (коэффициент осцилляции): с= R:,

Относительное линейное отклонение: q = L:

Коэффициент вариации: V = у:

Коэффициент осцилляции показывает относительную колеблемость крайних значений признака около среднего арифметического, а коэффициент вариации характеризует степень и однородности совокупности.

с= R: = 83 / 159,485*100% = 52,043%

Таким образом, разница между крайними значениями на 5,16% (=94,84%-100%) меньше среднего значения заработной платы работников на предприятии.

q = L: = 17,765/ 159,485*100% =11,139 %

V = у: = 21,704/ 159,485*100% = 13,609%

Коэффициент вариации меньше 33%, что говорит о слабой вариации заработной платы работников на предприятии, т.е. о том, что средняя величина является типической характеристикой заработной плате работников (совокупность однородная).

В интервальных рядах распределения мода определяется по формуле -

Частота модального интервала, т. е. интервала, содержащего наибольшее число вариант;

Частота интервала, предшествующего модальному;

Частота интервала, следующего за модальным;

Длина модального интервала;

Нижняя граница модального интервала.

Для определения медианы в интервальном ряду воспользуемся формулой

где - кумулятивная (накопленная) частота интервала, предшествующего медианному;

Нижняя граница медианного интервала;

Частота медианного интервала;

Длина медианного интервала.

Медианный интервал - интервал, накопленная частота которого (=3+3+5+7) превышает половину суммы частот - (153,49; 167,32).

Рассчитаем асимметрию и эксцесс для чего составим новую рабочую таблицу:

Таблица 1.4

Фактические данные	Расчетные данные

Рассчитаем момент третьего порядка

Следовательно, асимметрия равна

Так как 0,3553 0,25, то асимметрия признается значительной.

Рассчитаем момент четвертого порядка

Следовательно, эксцесс равен

Так как < 0, то эксцесс является плосковершинным.

Степень асимметрии может быть определена с помощью коэффициента асимметрии Пирсона (Аs): осцилляция выборка стоимость товарооборот

где -- средняя арифметическая ряда распределения; -- мода; -- среднее квадратическое отклонение.

При симметричном (нормальном) распределении = Мо, следовательно, коэффициент асимметрии равен нулю. Если Аs > 0, то больше моды, следовательно, имеется правосторонняя асимметрия.

Если As < 0, то меньше моды, следовательно, имеется левосторонняя асимметрия. Коэффициент асимметрии может изменяться от -3 до +3.

Распределение не является симметричным, а имеет левостороннюю асимметрию.

ЗАДАЧА 2

Какова должна быть численность выборки, чтобы с вероятностью 0,954 ошибка выборки не превышала 0,04, если на основе предыдущих обследований известно, что дисперсия равна 0,24?

Решение

Объем выборки при бесповторном отборе рассчитывается по формуле:

t - коэффициент доверия (при вероятности 0,954 он равен 2,0; определяется по таблицам интегралов вероятности),

у2=0,24 - среднее квадратическое отклонение;

10000 чел. - численность выборки;

Дх =0,04 - предельная ошибка выборочной средней.

С вероятностью 95,4% можно утверждать, что численность выборки, обеспечивающая относительную погрешность не более 0,04, должна составлять не менее 566 семей.

ЗАДАЧА 3

Имеются следующие данные о доходах от основной деятельности предприятия, млн. руб.

Для анализа ряда динамики определите следующие показатели:

1) цепные и базисные:

Абсолютные приросты;

Темпы роста;

Темпы прироста;

2) средний

Уровень ряда динамики;

Абсолютный прирост;

Темп роста;

Темп прироста;

3) абсолютное значение 1% прироста.

Решение

1. Абсолютный прирост (Д у) - это разность между последующим уровнем ряда и предыдущим (или базисным):

цепной: Ду = уi - yi-1,

базисный: Ду = уi - y0,

уi - уровень ряда,

i - номер уровня ряда,

y0 - уровень базисного года.

2. Темп роста (Ту) - это отношение последующего уровня ряда и предыдущего (или базисного 2001 г.):

цепной: Ту = ;

базисный: Ту =

3. Темп прироста (Т Д ) - это отношение абсолютного прироста к предыдущему уровню, выраженное в %.

цепной: Ту = ;

базисный: Ту =

4. Абсолютное значение 1% прироста (А) - это отношение цепного абсолютного прироста к темпу прироста, выраженному в %.

А =

Средний уровень ряда рассчитывается по формуле средней арифметической.

Средний уровень доходов от основной деятельности за 4 года:

Средний абсолютный прирост рассчитывается по формуле:

где n - число уровней ряда.

В среднем за год доходы от основной деятельности выросли на 3,333 млн. руб.

Среднегодовой темп роста рассчитывается по формуле средней геометрической:

уn - конечный уровень ряда,

у0 - начальный уровень ряда.

Ту = 100% = 102,174 %

Среднегодовой темп прироста рассчитывается по формуле:

Т? = Ту - 100% = 102,74% - 100% = 2,74%.

Таким образом, в среднем за год доходы от основной деятельности предприятия увеличивались на 2,74%.

ЗАДАЧ А 4

Вычислить:

1. Индивидуальные индексы цен;

2. Общий индекс товарооборота;

3. Агрегатный индекс цен;

4. Агрегатный индекс физического объема продажи товаров;

5. Абсолютный прирост стоимости товарооборота и разложите по факторам (за счет изменения цен и количества проданных товаров);

6. Сделать краткие выводы по всем полученным показателям.

Решение

1. По условию, индивидуальные индексы цен по изделиям А, Б, В составили -

iрA=1.20; iрБ=1,15; iрВ=1.00.

2. Общий индекс товарооборота рассчитаем по формуле:

I w = = 1470/1045*100% = 140,67 %

Товарооборот вырос на 40,67 % (140,67%-100%).

В среднем цены на товары выросли на 10,24%.

Сумма дополнительных расходов покупателей от роста цен:

w(p) = ? p1q1 - ? p0q1 = 1470 - 1333,478= 136,522 млн. руб.

В результате роста цен покупателям пришлось дополнительно израсходовать 136,522 млн. руб.

4. Общий индекс физического объема товарооборота:

Физический объем товарооборота вырос на 27,61 %.

5. Определим общее изменение товарооборота во втором периоде по сравнению с первым периодом:

w = 1470- 1045 = 425 млн.руб.

за счет изменения цен:

W(р) = 1470 - 1333,478 = 136,522 млн. руб.

за счет изменения физического объема:

w(q) = 1333,478 - 1045= 288,478 млн. руб.

Товарооборот товаров увеличился на 40,67%. Цены в среднем по 3-м товарам выросли на 10,24%. Физический объем товарооборота увеличился на 27,61%.

В целом объем реализации увеличился на 425 млн.руб., в том числе за счет роста цен он вырос на 136,522 млн. руб., а за счет увеличения объемов продаж - на 288,478 млн. руб.

ЗАДАЧА 5

По 10 заводам одной отрасли имеются следующие данные.

№ завода	Выпуск продукции, тыс. шт. (Х)

На основе приведенных данных:

I) для подтверждения положений логического анализа о наличии корреляционной прямолинейной зависимости между факторным признаком (объемом выпуска продукции) и результативным признаком (расходом электроэнергии) нанесите исходные данные на график корреляционного поля и сделайте выводы о форме связи, укажите ее формулу;

2) определите параметры уравнения связи и нанесите полученную при этом теоретическую линию на график корреляционного поля;

3) исчислите линейный коэффициент корреляции,

4) поясните значения показателей, полученных в пунктах 2) и 3);

5) используя полученную модель, сделайте прогноз о возможном расходе электроэнергии на заводе с объемом производства 4,5 тыс. шт.

Решение

Данные признака - объем выпуска продукции (фактор), обозначим через хi; признака - расход электроэнергии (результат) через уi; точки с координатами (х, у) наносим на корреляционное поле ОХУ.

Точки корреляционного поля расположены вдоль некоторой прямой. Следовательно, связь - линейная, будем искать уравнение регрессии в виде прямой Уx=ax+b. Для его нахождения воспользуемся системой нормальных уравнений:

Составим расчетную таблицу.

По найденным средним составляем систему и решаем её относительно параметров а и b:

Итак, получим уравнение регрессии у на х: = 3,57692 х + 3,19231

Строим линию регрессии на корреляционном поле.

Подставляя в уравнение регрессии значения х из столбца 2, получим расчетные (столбец 7) и сравниваем их с данными у, что отражено в столбце 8. Кстати, правильность расчетов подтверждается и совпадением средних значений у и.

Коэффициент линейной корреляции оценивает тесноту зависимости между признаками х и у и рассчитывается по формуле

Угловой коэффициент прямой регрессии а (при х) характеризует направление выявленной зависимости признаков: при а>0 одинаковы, при а<0- противоположны. Его абсолютная величина - мера изменения результативного признака при изменении факторного на единицу измерения.

Свободный член прямой регрессии выявляет направление, а его абсолютное значение - количественную меру влияния на результативный признак всех прочих факторов.

Если < 0, то ресурс факторного признака отдельного объекта используется с меньшей, а при >0 с большей результативностью, чем в среднем по всему множеству объектов.

Проведём послерегрессионный анализ.

Коэффициент при х прямой регрессии равен 3,57692 >0, следовательно, с увеличением (уменьшением) выпуска продукции растёт (падает) расход электроэнергии. Увеличение выпуска продукции на 1 тыс. шт. даёт в среднем рост расход электроэнергии на 3,57692 тыс. кВт.ч.

2. Свободный член прямой регрессии равен 3,19231,следовательно, влияние прочих факторов увеличивает силу воздействия выпуска продукции на расход электроэнергии в абсолютном измерении на 3,19231 тыс. кВт.ч.

3. Коэффициент корреляции 0,8235 выявляет весьма тесную зависимость расхода электроэнергии от выпуска продукции.

По уравнению регрессионной модели легко делать прогнозы. Для этого в уравнение регрессии подставляют значения х - объем выпуска продукции и прогнозируют расход электроэнергии. При этом значения х можно брать не только в пределах заданного размаха, но и вне его.

Сделаем прогноз о возможном расходе электроэнергии на заводе с объемом производства 4,5 тыс. шт.

3,57692*4,5 + 3,19231= 19,288 45 тыс. кВт.ч.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Захаренков С.Н. Социально-экономическая статистика: Учеб.-практ пособие. -Мн.: БГЭУ, 2002.

2. Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики. - М.: ИНФРА - М., 2000.

3. Елисеева И.И. Статистика. - М.: Проспект, 2002.

4. Общая теория статистики / Под общ. ред. О.Э. Башиной, А.А. Спирина. - М.: Финансы и статистика, 2000.

5. Социально-экономическая статистика: Учеб.-практ. пособие / Захаренков С.Н. и др. - Мн.: ЕГУ, 2004.

6. Социально-экономическая статистика: Учеб. пособие. / Под ред. Нестерович С.Р. - Мн.: БГЭУ, 2003.

7. Теслюк И.Е., Тарловская В.А., Терлиженко Н. Статистика.- Минск, 2000.

8. Харченко Л.П. Статистика. - М.: ИНФРА - М, 2002.

9. Харченко Л.П., Долженкова В.Г., Ионин В.Г. Статистика. - М.: ИНФРА - М, 1999.

10. Экономическая статистика / Под ред. Ю.Н. Иванова - М., 2000.

Размещено на Allbest.ru

...

Подобные документы

Расчет средней арифметической для интервального ряда распределения. Определение общего индекса физического объема товарооборота. Анализ абсолютного изменения общей стоимости продукции за счет изменения физического объема. Расчет коэффициента вариации.

контрольная работа , добавлен 19.07.2010


Сущность оптового, розничного и общественного товарооборота. Формулы расчета индивидуальных, агрегатных индексов товарооборота. Расчет характеристик интервального ряда распределения - среднего арифметического, моды и медианы, коэффициента вариации.

курсовая работа , добавлен 10.05.2013


Расчет планового и фактического объема продаж, процента выполнения плана, абсолютного изменения товарооборота. Определение абсолютного прироста, средних темпов роста и прироста денежных доходов. Расчет структурных средних: моды, медианы, квартиля.

контрольная работа , добавлен 24.02.2012


Интервальный ряд распределения банков по объему прибыли. Нахождение моды и медианы полученного интервального ряда распределения графическим методом и путем расчетов. Расчет характеристик интервального ряда распределения. Вычисление средней арифметической.

контрольная работа , добавлен 15.12.2010


Формулы определения средних величин интервального ряда - моды, медианы, дисперсии. Расчет аналитических показателей рядов динамики по цепной и базисной схемам, темпов роста и прироста. Понятие сводного индекса себестоимости, цен, затрат и товарооборота.

курсовая работа , добавлен 27.02.2011


Понятие и назначение, порядок и правила построения вариационного ряда. Анализ однородности данных в группах. Показатели вариации (колеблемости) признака. Определение среднего линейного и квадратического отклонения, коэффициента осцилляции и вариации.

контрольная работа , добавлен 26.04.2010


Понятие моды и медианы как типичных характеристик, порядок и критерии их определения. Нахождение моды и медианы в дискретном и интервальном вариационном ряду. Квартили и децили как дополнительные характеристики вариационного статистического ряда.

контрольная работа , добавлен 11.09.2010


Построение интервального ряда распределения по группировочному признаку. Характеристика отклонения распределения частот от симметричной формы, расчет показателей эксцесса и ассиметрии. Анализ показателей бухгалтерского баланса или отчёта о прибылях.

контрольная работа , добавлен 19.10.2014


Преобразование эмпирического ряда в дискретный и интервальный. Определение средней величины по дискретному ряду с использованием ее свойств. Расчет по дискретному ряду моды, медианы, показателей вариации (дисперсия, отклонение, коэффициент осцилляции).

контрольная работа , добавлен 17.04.2011


Построение статистического ряда распределения организаций. Графическое определение значения моды и медианы. Теснота корреляционной связи с использованием коэффициента детерминации. Определение ошибки выборки среднесписочной численности работников.

Признаки, изучаемые статистикой, варьируются (отличаются друг от друга) у различных единиц совокупности в один и тот же период или момент времени. Например, величина внешнеторгового оборота варьируется по подразделениям ФТС; величина экспорта (импорта) варьируется по направлениям экспорта (по разным странам-партнерам по внешней торговле), по видам товаров и т.п.

Причиной вариации являются разные условия существования разных единиц совокупности. Например, огромное число причин влияет на масштабы внешней торговли различных стран мира.

Для управления и изучения вариации статистикой разработаны специальные методы исследования вариации, система показателей, с помощью которой вариация измеряется, характеризуются ее свойства.

Первым этапом статистического изучения вариации является построение ряда распределения (или вариационного ряда ) – упорядоченного распределения единиц совокупности по возрастающим (чаще) или по убывающим (реже) значениям признака и подсчет числа единиц с тем или иным значением признака.

Существует 3 вида ряда распределения:

1) ранжированный ряд – это перечень отдельных единиц совокупности в порядке возрастания изучаемого признака (например, таблица 11); если численность единиц совокупности достаточно велика ранжированный ряд становится громоздким, и в таких случаях ряд распределения строится с помощью группировки единиц совокупности по значениям изучаемого признака (ели признак принимает небольшое число значений, то строится дискретный ряд, а в противном случае – интервальный ряд);

2) дискретный ряд – это таблица, состоящая из двух столбцов (строк) – конкретных значений варьирующего признака Xi и числа единиц совокупности с данным значением признака fi – частот; число групп в дискретном ряду определяется числом реально существующих значений варьирующего признака;

3) интервальный ряд – это таблица, состоящая из двух столбцов (строк) – интервалов варьирующего признака Xi и числа единиц совокупности, попадающих в данный интервал (частот), или долей этого числа в общей численности совокупностей (частостей).

Построим ряд распределения внешнеторгового оборота (ВО) по таможенным постам России, для чего необходимо провести статистическое наблюдение, то есть собрать первичный статистический материал, который представляет собой величину ВО по таможенным постам.

Результаты наблюдения ВО по 35 таможенным постам региона за отчетный период представим в виде ранжированного по возрастанию величины ВО ряда распределения (таблица 11).

Таблица 11. Внешнеторговый оборот (ВО) по 35 таможенным постам, млн.долл.

№ поста		№ поста		№ поста

Определим средний размер ВО по формуле (10), приняв за X величину ВО, а за N – численность постов:

= = 2100/35 = 60 (млн.долл.)

Дисперсию (о ней будет рассказано чуть позднее – на 4-м этапе анализа вариации в этой теме) определим по формуле (28):

= = 445,778 (млн.долл.2)

Построим интервальный ряд распределения ВО по таможенным постам, для чего необходимо выбрать оптимальное число групп (интервалов признака) и установить длину (размах) интервала. Поскольку при анализе ряда распределения сравнивают частоты в разных интервалах, необходимо, чтобы длина интервалов была постоянной . Оптимальное число групп выбирается так, чтобы достаточной мере отразилось разнообразие значений признака в совокупности и в то же время закономерность распределении, его форма не искажалась случайными колебаниями частот. Если групп будет слишком мало, не проявится закономерность вариации; если групп будет чрезмерно много, случайные скачки частот исказят форму распределения.

Чаще всего число групп в ряду распределения определяют по формуле Стерждесса (19) или (20):

(19) или ,(20)

где k – число групп (округляемое до ближайшего целого числа); N – численность совокупности.

Из формулы Стерджесса видно, что число групп – функция объема данных (N ).

Зная число групп, рассчитывают длину (размах) интервала по формуле (21):

,(21)

где X мax и X min - максимальное и минимальное значения в совокупности.

В нашем примере про ВО по формуле Стерждесса (19) определим число групп:

k = 1 + 3,322lg 35 = 1+ 3,322*1,544 = 6,129 ≈ 6.

Рассчитаем длину (размах) интервала по формуле (21):

h = (111,16 – 24,16)/6 = 87/6 = 14,5 (млн.долл.).

Теперь построим интервальный ряд с 6 группами с интервалом 14,5 млн.долл. (см. первые 3 столбца табл. 12).

Таблица 12. Интервальный ряд распределения ВО по таможенным постам, млн.долл.

	Группы постов по величине ВО	Число постов	Середина интервала	Х i’fi	Накопл. частота	| Хi ’ - | fi	(Х i ’ - )2 fi	(Х i ’ - )3 fi	(Х i ’ - )4 fi
	96,66 – 111,16

Существенную помощь в анализе ряда распределения и его свойств оказывает графическое изображение. Интервальный ряд изображается столбиковой диаграммой, в которой основания столбиков, расположенные по оси абсцисс, – это интервалы значений варьирующего признака, а высоты столбиков – частоты, соответствующие масштабу по оси ординат. Графическое изображение распределения таможенных постов в выборке по величине ВО приведено на рис. 4. Диаграмма такого типа называется гистограммой .

Рис. 4. Гистограмма распределения Рис. 5. Полигон распределения

Данные табл. 12 и рис. 4 показывают характерную для многих признаков форму распределения: чаще встречаются значения средних интервалов признака, реже – крайние (малые и большие) значения признака. Форма этого распределения близка к нормальному закону распределения, которое образуется, если на варьирующую переменную влияет большое число факторов, ни один из которых не имеет преобладающего значения.

Если имеется дискретный ряд распределения или используются середины интервалов (как в нашем примере про ВО – в таблице 12 в 4-м столбце рассчитаны середины интервалов как полусумма значений начала и конца интервала), то графическое изображение такого ряда называется полигоном (см. рис. 5) , которое получается соединением прямыми точек с координатами Xi и fi .

Располагая данные статистического наблюдения, характеризующих то или иное явление, прежде всего необходимо их упорядочить, т.е. придать характер системности

Английский статистик. УДжРейхман по поводу неупорядоченных совокупностей образно сказал, что столкнуться с массой необобщенных данных равнозначно ситуации, когда человека бросают в лесной чаще без компаса. Что же собой представляет систематизация статистических данных в виде рядов распределениялу?

Статистический ряд распределения - это упорядоченные статистические совокупности (табл. 17). Простейшим видом статистического ряда распределения ранжированном ряд, т.е. ряд чисел, находящейся в порядке возрастания ч или падения варьируя признаки. Такой ряд не позволяет судить о закономерности, заложенные в распределенных данных: у какой величины группируется большинство показателей, какие есть отклонения от этой величины; как а общая картина распределения. С этой целью группируют данные, показывая, как часто встречаются отдельные наблюдения в общем их числе (Схема 1а 1).

. Таблица 17

. Общий вид статистических рядов распределения

. Схема 1. Схемастатистичних рядов распределения

Распределение единиц совокупности по признакам, не имеют количественного выражения, называется атрибутивным рядом (например, распределение предприятий по их производственным направлением)

Ряды распределения единиц совокупности по признакам, имеют количественное выражение, называются вариационными рядами . В таких рядах значение признака (варианты) находятся в порядке возрастания или убывания

В вариационном ряде распределения различают два элемента: варианта и частота. Варианта - это отдельное значение группировочного признаки частота - число, которое показывает, сколько раз встречается каждый варианта

В математической статистике исчисляется еще один элемент вариационного ряда - частисть . Последняя определяется как отношение частоты случаев данного интервала к общей сумме частот частисть определяется в долях единицы, процентах (%) в промилле (% о)

Таким образом, вариационный ряд распределения - это такой ряд, в котором варианты расположены в порядке возрастания или убывания, указаны их частоты или частости. Вариационные ряды бывают дискретные (переривни) и др. нтервальни (непрерывного).

. Дискретные вариационные ряды - это такие ряды распределения, в которых варианта как величина количественного признака может принимать только определенное значение. Варианты различаются между собой на одну или несколько единиц

Так, количество произведенных деталей за смену конкретным рабочим может выражаться только одним определенным числом (6, 10, 12 и тд). Примером дискретного вариационного ряда может быть распределение работников по к количеством произведенных деталей (табл 18 18).

. Таблица 18

. Дискретный ряд распределения _

. Интервальные (непрерывного) вариационные ряды - такие ряды распределения, в которых значение варианты даны в виде интервалов, т.е. значения признаков могут отличаться друг от друга на сколь угодно малую величину. При построении вариационного ряда нэп переривнои признаки невозможно указать каждое значение варианты, поэтому совокупность распределяется по интервалам. Последние могут быть равны и неравны. Для каждого из них указываются частоты или частости (табл. 1 9 19).

В интервальных рядах распределения с неравными интервалами вычисляют такие математические характеристики, как плотность распределения и относительная плотность распределения на данном интервале. Первая характеристика определи ся отношением частоты до величины того же интервала, вторая - отношением частости к величине того же интервала. Для приведенного выше примера плотность распределения на первом интервале составит 3: 5 = 0,6, а относительная плотность на этом интервале - 7,5:5 = 1,55%.

. Таблица 19

. Интервальный ряд распределения _

Лабораторная работа №1

По математической статистике

Тема: Первичная обработка экспериментальных данных

3. Оценка в баллах. 1

5. Контрольные вопросы.. 2

6. Методика выполнения лабораторной работы.. 3

Цель работы

Приобретение навыков первичной обработки эмпирических данных методами математической статистики.

На основе совокупности опытных данных выполнить следующие задания:

Задание 1. Построить интервальный вариационный ряд распределения.

Задание 2. Построить гистограмму частот интервального вариационного ряда.

Задание 3. Составить эмпирическую функцию распределения и построить график.

а) моду и медиану;

б) условные начальные моменты;

в) выборочную среднюю;

г) выборочную дисперсию, исправленную дисперсию генеральной совокупности, исправленное среднее квадратичное отклонение;

д) коэффициент вариации;

е) асимметрию;

ж) эксцесс;

Задание 5. Определить границы истинных значений числовых характеристик, изучаемой случайной величины с заданной надёжностью.

Задание 6. Содержательная интерпретация результатов первичной обработки по условию задачи.

Оценка в баллах

Задания 1-5 – 6 баллов

Задание 6 – 2 балла

Защита лабораторной работы (устное собеседование по контрольным вопросам и лабораторной работе) - 2 балла

Работа сдается в письменной форме на листах формата А4 и включает:

1) Титульный лист (Приложение 1)

2) Исходные данные.

3) Представление работы по указанному образцу.

4) Результаты расчетов (выполненные вручную и/или с помощью MS Excel) в указанном порядке.

5) Выводы - содержательная интерпретация результатов первичной обработки по условию задачи.

6) Устное собеседование по работе и контрольным вопросам.

5. Контрольные вопросы

Методика выполнения лабораторной работы

Задание 1. Построить интервальный вариационный ряд распределения

Для того, чтобы статистические данные представить в виде вариационного ряда с равноотстоящими вариантами необходимо:

1.В исходной таблице данных найти наименьшее и наибольшее значения.

2.Определить размах варьирования :

3. Определить длину интервала h, если в выборке до 1000 данных, используют формулу: , где n – объем выборки – количество данных в выборке; для вычислений берут lgn).

Вычисленное отношение округляют до удобногоцелого значения .

4. Определить начало первого интервала для четного числа интервалов рекомендуют брать величину ; а для нечетного числа интервалов .

5. Записать интервалы группировок и расположить их в порядке возрастания границ

, ,………., ,

где - нижняя граница первого интервала. За берется удобное число не большее , верхняя граница последнего интервала должна быть не меньше . Рекомендуется, чтобы интервалы содержали в себе исходные значения случайной величины и выделять от 5 до 20 интервалов.

6. Записать исходные данные по интервалам группировок, т.е. подсчитать по исходной таблице число значений случайной величины, попадающих в указанные интервалы. Если некоторые значения совпадают с границами интервалов, то их относят либо только к предыдущему, либо только к последующему интервалу.

Замечание 1. Интервалы необязательно брать равными по длине. На участках, где значения располагаются гуще, удобнее брать более мелкие короткие интервалы, а там где реже - более крупные.

Замечание 2 .Если для некоторых значений получены “нулевые”, либо малые значения частот , то необходимо перегруппировать данные, укрупняя интервалы (увеличивая шаг ).

Предмет математической статистики. Генеральная и выборочная совокупность.

— Математическая статистика – раздел математики, который изучает способы отбора, группировки, систематизации и анализа статистических данных, для получения научно обоснованных выводов.

— Статистические данные – числовые значения рассматриваемого признака изучаемых объектов, полученные как результат случайного эксперимента.

Математическая статистика тесно связана с теорией вероятностей, но в отличие от теории вероятностей, математическая модель эксперимента неизвестна. В математической статистике по статистическим данным необходимо установить неизвестное распределение вероятностей или объективно оценить параметры распределения.

Методы математической статистики позволяют строить оптимальные математические модели массовых, повторяющихся явлений. Связующим звеном между теорией вероятностей и математической статистикой являются предельные теоремы теории вероятностей.

В настоящее время статистические методы используются практически во всех отраслях народного хозяйства.

— Генеральная совокупность – статистические данные всех изучаемых объектов (иногда – сами объекты). Часто генеральную совокупность рассматривают как СВ Х.

— Выборка (выборочная совокупность) – статистические данные объектов, выбранных случайно из генеральной совокупности.

— Объём выборки n (объём генеральной совокупности N ) – количество объектов, выбранных для изучения из генеральной совокупности (количество объектов в генеральной совокупности).

Примеры .

а) Статистическими данными могут быть: рост студентов; количество глаголов (или других частей речи) в отрывке текста определённой длины; средний балл аттестата; уровень интеллекта; число ошибок, допущенных диспетчером и т. п.

б) Генеральной совокупностью может быть: рост всех людей, разряды всех рабочих завода, частота употребления определённой части речи во всех произведениях изучаемого автора, средний балл аттестата всех выпускников и т. п.

в)Выборкой может быть: – рост 20 студентов, количество глаголов в выбранных произвольно 50 однородных отрывках текста длиной 500 словоупотреблений, средний балл аттестата 100 выпускников, выбранных случайно из школ города и т.п.

Выборка называется репрезентативной, если она верно отражает свойство генеральной совокупности. Репрезентативность выборки достигается случайностью отбора, когда все объекты генеральной совокупности имеют одинаковую вероятность быть отобранными.

Для того чтобы выборка была репрезентативной применяют различные способы отбора объектов изучения.

Виды отбора : простой, механический, серийный, типический.

Простой . Произвольно отбираются элементы из всей генеральной совокупности.

Механический отбор . Выбирают каждый 10 (25, 30 и т.п.) объект из генеральной совокупности.

Серийный . Проводится исследование в каждой серии (например, из текста выбирают 10 отрывков по 500 словоупотреблений- 10 серий).

Типический . Генеральную совокупность по определённому признаку разделяют на типические группы. Количество серий, извлекаемых из каждой такой группы, определяется удельным весом этой группы в генеральной совокупности.

Статистическое распределение выборки и его графическое изображение.

Пусть изучается СВ Х (генеральная совокупность) относительно некоторого признака. Проводится ряд независимых испытаний. В результате опытов СВ Х принимает некоторые значения. Совокупность полученных значений представляет собой выборку, а сами значения являются статистическими данными.

Первоначально проводят ранжирование выборки - расположение статистических данных выборки по неубыванию. Получаем вариационный ряд.

Вариационный ряд - проранжированная выборка.

Дискретный статистический ряд

Если генеральная совокупность является дискретной СВ, строится дискретный статистический ряд (статистическое распределение).

Пусть значение появилось в выборке раз,

Разa , …, - раз.

I-тая варианта выборки; - частота i-той варианты Частота показывает, сколько раз данная варианта появилась в выборке.

- относительная частота i-той варианты

(показывает какую часть выборки составляет ).

Статистическое распределение – это соответствие между вариантами выборки и их частотами или относительными частотами.

Для ДСВ статистическое распределение можно представить в виде таблицы – статистического ряда частот или статистического ряда относительных частот.

Статистический ряд частот Статистический ряд

относительных частот

			........
			........

			........
			........

Для наглядности представления статистического распределения выборки строят «графики» статистического распределения: полигон и гистограмму.

Полигон частот (относительных частот) – графическое изображение дискретного статистического ряда - ломаная линия, последовательно соединяющая точки [ для полигона относительных частот].

Пример. Исследователя интересуют знания абитуриентов по математике. Выбирают 10 абитуриентов и записывают их школьные оценки по этому предмету. Получена следующая выборка: 5;4;4;3;2;5;4;3;4;5.

а) Представить выборку в виде вариационного ряда;

б) построить статистический ряд частот и относительных частот;

в) изобразить полигон относительных частот для полученного ряда.

а) Проведем ранжирование выборки, т.е. расположим члены выборки по неубыванию. Получаем вариационный ряд: 2; 3; 3; 4; 4; 4; 4; 5; 5;5.

б) Построим статистический ряд частот (соответствие между вариантами выборки и их частотами) и статистический ряд относительных частот (соответствие между вариантами выборки и их относительными частотами)

	0,1	0,2	0,4	0,3

Статистический ряд частот статистический ряд отн. частот

1+2+4+3=10=n 0,1+0,2+0,4+0,3=1.

Полигон относительных частот.