Главная Случайная страница


Категории:

ДомЗдоровьеЗоологияИнформатикаИскусствоИскусствоКомпьютерыКулинарияМаркетингМатематикаМедицинаМенеджментОбразованиеПедагогикаПитомцыПрограммированиеПроизводствоПромышленностьПсихологияРазноеРелигияСоциологияСпортСтатистикаТранспортФизикаФилософияФинансыХимияХоббиЭкологияЭкономикаЭлектроника






Построение гистограммы плотностей относительных частот.

Гистограмма относительных частот — это фигура, состоящая из прямоугольников, опирающихся на интервалы группировки. Площадь всей гистограммы должна быть равна 1. Гистограмма является оценкой генеральной функции плотности f(x).

 

 

Гистограмма

 

По виду гистограммы мы подбираем подходящий для данного случая теоретический закон распределения:

Сравниваем гистограмму с теоретическими кривыми основных законов (нормальный, показательный, равномерный).

Определяем параметры и числовые характеристики выбранного нами закона.

По виду гистограммы можно выдвинуть гипотезу о нормальном законе случайной величины X.

 

Оценка числовых характеристик и параметров выдвинутого закона.

Основными параметрами генеральной совокупности являются математическое ожидание (генеральная средняя) М(Х) и среднее квадратическое отклонение s . Это постоянные величины, которые можно оценить по выборочным данным. Оценка генерального параметра, выражаемая одним числом, называется точечной.

Точечной оценкой генеральной средней а является выборочное среднее. Выборочным средним называется среднее арифметическое всех значений величины, встречающихся в выборке.

Если выборочное среднее вычисляется по несгруппированным данным, то для его определения сумму всех значений делят на количество элементов в выборке.

Таблица 3

4891,6 103,44
1621,08 64,72
1448,04 116,58
2153,89 408,24
1448,3 933,48
91,51 875,4
324,82 1297,2
1330,57 856,32
2610,19 700,74
1660,98 253,08
1803,60 181,72
4003,32 292,08

 

 

Теоретическая функция плотности выдвинутого закона распределения. Построение её на гистограмме.

 

Нормальным называется распределение вероятностей непрерывной случайной величины, которое описывается плотностью вероятности

Нормальный закон распределения также называется законом Гаусса.

Нормальный закон распределения занимает центральное место в теории вероятностей. Это обусловлено тем, что этот закон проявляется во всех случаях, когда случайная величина является результатом действия большого числа различных факторов. К нормальному закону приближаются все остальные законы распределения.

Можно легко показать, что параметры а и σ , входящие в плотность

распределения являются соответственно математическим ожиданием и средним квадратическим отклонением случайной величины X.

График плотности нормального распределения называется нормальной кривой или кривой Гаусса.

Нормальная кривая обладает следующими свойствами:

• Функция определена на всей числовой оси.

f(x)>0

• Ось ОХ является горизонтальной асимптотой графика плотности вероятности, т.к. при неограниченном возрастании по абсолютной величине аргумента х, значение функции стремится к нулю.

f(x) достигает max в точке х-а;

График функции имеет две точки перегиба

Таблица 3

i
-2,28 0,03 0,002 0,013
-1,85 0,072 0,005 0,033
-1,43 0,144 0,009 0,059
-1,01 0,24 0,016 0,104
-0,58 0,337 0,022 0,143
-0,16 0,394 0,026 0,169
0,26 0,386 0,025 0,163
0,69 0,314 0,02 0,13
1,11 0,216 0,014 0,091
1,53 0,124 0,008 0,052
1,95 0,06 0,004 0,026
2,38 0,024 0,002 0,013
        0,0996

 

Функция плотности на гистограмме.

 

 
 

 

 


Проверка критерия Пирсона.

Критерий Пирсона - основан на изучении меры расхождения между теоретическим и статистическим распределением, которая в данном случае оценивается по сумме квадратов разности этих расхождений по всем

интервалам выборки с учётом «веса» сл. в. п∙pi.

Пирсон доказал, что значения статистического критерия не зависит от функции распределения f(x) и от числа опытов п, а зависит от числа частичных интервалов R интервального вариационного ряда.

Находится по формуле:

или

Для вычисления Х2набл нужно воспользоваться табличными распределениями X2, в которых значения сл. в. находят по заданному уровню значимости α и вычисленному числу свободы υ.

, где

R- число частичных интервалов. Если в некоторых из интервалов

значения , то надо объединить расположенные рядом интервалы так,

чтобы или , тогда число R- число из необъединённых интервалов, i- число неизвестных параметров.

 

i
i 0,09 10,5 -1,5 2,25 0,2
0,09 10,4 -1,4 1,96 0,2
0,18 14,3 3,7 13,69 0,96
0,15 16,9 -1,9 3,61 0,2
0,2 16,3 3,7 13,69 0,8
0,12 -1 0,01 0,001
0,09 9,1 -0,1 0,01 0,001
0,08 9,1 -1,1 1,21 0,133
           

 

 

Последнее изменение этой страницы: 2016-07-23

lectmania.ru. Все права принадлежат авторам данных материалов. В случае нарушения авторского права напишите нам сюда...