Скачать 414.66 Kb.
|
Министерство сельского хозяйства РФ ФГБОУ ВПО «Вологодская государственная молочнохозяйственная академия имени Н.В.Верещагина» Кафедра статистики и информационных технологий МАТЕМАТИЧЕСКАЯ СТАТИСТИКА Методические указания и контрольные задания для студентов факультета агрономии и лесного хозяйства по направлению подготовки 110400 Агрономия Вологда - Молочное 2013 УДК 519.22 (07) ББК 22.171 р 30 Т338 Составитель – Старший преподаватель кафедры статистики и информационных технологий Н.А. Кучанская Рецензент – Т338 Математическая статистика: Методические указания и контрольные задания/ Сост. Н.А. Кучанская. – Вологда–Молочное: ИЦ ВГМХА, 2013. – 32 с. Методические указания и контрольные задания по курсу «Математическая статистика» предназначены для студентов факультета агрономии и лесного хозяйства заочной формы обучения. УДК 519.22 (07) ББК 22.171 р 30 Введение Задача любой науки состоит в выявлении и исследовании закономерностей, которым подчиняются реальные явления и процессы. Найденные закономерности имеют не только теоретическую ценность, они широко применяются на практике – в планировании, управлении и прогнозировании. ^ – раздел математики, изучающий методы сбора, систематизации и обработки результатов наблюдений с целью выявления статистических закономерностей. Если теория вероятностей изучает закономерности случайных явлений на основе абстрактного описания действительности (теоретической вероятностной модели), то математическая статистика оперирует непосредственно результатами наблюдений над случайным явлением, представляющем выборку из некоторой конечной или бесконечной гипотетической генеральной совокупности. Используя результаты, полученные теорией вероятностей, математическая статистика позволяет не только оценить значения искомых характеристик, но и выявить степень точности выводов, получаемых при обработке исходных данных. Данные методические указания и контрольные задания по курсу «Математическая статистика» предназначены для студентов агрономического факультета заочной формы обучения, включают контрольные задания и вопросы, а, также примеры решения задач и вопросы к зачёту. ^ Тема 1. Вариационные ряды. Задачи математической статистики. Виды вариационных рядов. Графическое изображение вариационного ряда. Средние величины. Структурные характеристики. Показатели вариации. Начальные и центральные моменты вариационного ряда. Асимметрия и эксцесс. ^ . Генеральная и выборочная совокупности. Понятие оценки параметров распределения. Свойства статистических оценок. Точечная и интервальная оценки. Доверительные интервалы для оценки математического ожидания нормального распределения. Доверительный интервал для генеральной доли. ^ . Статистическая гипотеза и общая схема её проверки. Проверка гипотезы о числовом значении математического ожидания нормального распределения. Проверка гипотез о виде распределения. Критерии согласия Пирсона и Колмогорова. ^ Задачи корреляционного анализа. Парный коэффициент корреляции. Виды уравнений регрессии, линейное уравнение регрессии. Множественное уравнение регрессии. ^ Задачи 1 – 20 посвящены теме: «Вариационные ряды». Для решения этих задач полезно использовать следующие формулы: 1) средняя арифметическая ![]() ![]() где k – число интервалов, xi - середина i-го интервала, fi - частота i-го интервала, n= ![]() 2) дисперсия ![]() ![]() 3) среднее квадратическое отклонение ![]() 4) коэффициент вариации ![]() 5) При вычислении медианы и моды потребуются следующие формулы: ![]() где ![]() ![]() ![]() ![]() В качестве медианного берут интервал, накопленная частота которого содержит в себе половину единиц совокупности. ![]() где ![]() ![]() ![]() ![]() Модальным является интервал с наибольшей частотой. Пример 1. На основании следующих данных составьте ранжированный, а затем дискретный вариационный ряд: 7; 2; 2; 1; 5; 3; 5; 2; 6; 1; 4; 4; 3; 7; 6; 2; 5; 1; 4; 6. Найдите среднее значение, моду и медиану. Ранжированный ряд будет иметь вид: 1, 1, 1, 2, 2, 2, 2, 3, 3, 4, 4, 4, 5, 5, 5, 6, 6, 6, 7, 7. Составим дискретный вариационный ряд:
Для определения среднего значения воспользуемся формулой (2.1): ![]() Модальным является значение признака, обладающее максимальной частотой: Max(fi)=4=f2, следовательно, Мо=х2=2. Для определения медианы следует найти накопленные частоты: ![]() ![]() Первой из всех накопленных частот больше, чем ![]() ![]() Пример 2. На основании данных таблицы 2.1 найдите числовые характеристики интервального вариационного ряда. Сделайте выводы. Таблица 2.1 – Распределение времени обработки детали (мин) рабочими завода.
Для определения числовых характеристик воспользуемся расчётной таблицей:
Для достижения требуемой точности все вычисления производились с помощью программы Excel. На основании выше приведённых формул получаем:
![]()
D=207,1/40=5,1775.
![]()
![]()
Модальным является интервал с наибольшей частотой. В нашем случае это интервал (3;5), следовательно, ![]()
Накопленные частоты находятся следующим образом: ![]() ![]() ![]() ![]() Таким образом, среднее время обработки детали 5,65 мин, разброс (рассеивание) времени обработки около среднего значения составляет 2,27 мин. Значение коэффициента вариации больше 33%, что говорит о том, что совокупность не является однородной (вариация времени обработки детали значительная). Наиболее часто встречаемое время обработки детали 4,75 мин, 50% рабочих обрабатывают деталь более, чем за 5,55 мин, а остальные 50% рабочих – менее, чем за 5,55 мин. Следующие 10 заданий охватывают тему «^ ». Пример 3. По данным 9 измерений высоты овса найдены средняя результатов измерений ![]() ![]() Среднее квадратическое отклонение результатов измерений неизвестно, поэтому для определения границ истинного значения воспользуемся доверительным интервалом: ![]() где ![]() ![]() ![]() ![]() ![]() ![]() После вычислений получим: ![]() Пример 4. Определите вероятность того, что допущенная при выборочном обследовании погрешность в оценке среднего процента выполнения месячного плана рабочим цеха не превысит 2%, если было обследовано 25 рабочих и известно, что процент выполнения плана любым рабочим есть нормально распределённая случайная величина с ![]() Для определения вероятности воспользуемся доверительным интервалом, покрывающим средний процент выполнения месячного плана: ![]() где ![]() ![]() ![]() Искомая вероятность равна ![]() где ![]() ![]() В условиях нашей задачи ![]() ![]() ![]() Таким образом, искомая вероятность ![]() =2·0,3944=0,7888. Задачи 31 – 40 составлены по теме «Проверка статистических гипотез», а именно: проверка гипотезы о числовом значении математического ожидания нормального распределения. Выдвигается гипотеза Н0 о том, что а=а0 относительно гипотезы Н1 возможны три случая: 1) параметр а равен числу, которое больше числа а0; 2) параметр а равен числу, которое меньше а0; 3) параметр а не равен числу а0. Если генеральное среднее квадратическое отклонение σ известно, то при проверке гипотезы Н0 используется критерий: U= ![]() Рассмотрим три вида конкурирующей гипотезы Н1: 1) Н1: а>а0. При такой гипотезе Ф(uкр) находится из соотношения ![]() где Ф(uкр) – функция Лапласа, ![]() Если UфактUкр, то гипотезу Н0 принимают. 2) Н1: а<а0. В этом случае Uкр определяется аналогично. Если Uфакт -Uкр, то гипотезу Н0 принимают. 3) Н1: а ![]() Здесь Ф(uкр) вычисляется из равенства: ![]() Если -UкрUфактUкр, то гипотезу Н0 принимают. Пример 5. Установлено, что средний вес зерна (стандарт) должен быть равен 0,05 г. Выборочная проверка n=100 зёрен показала, что средний вес равен 0,047 г. На основе проведённых исследований можно считать, что вес таблетки есть нормально распределённая случайная величина со средним квадратическим отклонением 0,001 г. На уровне значимости 0,05 выяснить, можно ли считать полученное в выборке отклонение от стандарта случайным. Проверяемая гипотеза Н0: а=0,05 г, конкурирующая Н1: а=0,047 (а<а0). Поэтому здесь имеет место случай, когда в конкурирующей гипотезе параметр а равен числу, меньшему а0. Вычисляем Uфакт= ![]() ![]() Находим Ф(uкр) из соотношения ![]() Uфакт<-Uкр, значит, гипотезу Н0 отвергаем. Другими словами, полученное в выборке отклонение от стандарта неслучайно. Если генеральное среднее квадратическое отклонение σ неизвестно, то при проверке гипотезы Н0 используется критерий: ![]() Рассмотрим три вида конкурирующей гипотезы Н1: 1) Н1: а>а0. При такой гипотезе tкр находится по числу степеней свободы ν=n-1 и вероятности, равной (2·α), где, ![]() Если tфактtкр, то гипотезу Н0 принимают. 2) Н1: а<а0. В этом случае tкр определяется аналогично. Если tфакт - tкр, то гипотезу Н0 принимают. 3) Н1: а ![]() Здесь tкр находится по числу степеней свободы ν=n-1 и вероятности α. Если -tкрtфактtкр, то гипотезу Н0 принимают. Пример 6. Произведены хронометрические измерения времени выполнения технологической операции у 11 работниц и получено среднее время её выполнения 48 с, выборочная дисперсия Dвыб=6,1 с. На уровне значимости 0,01 решить, можно ли принять за нормативное время 50 с? Проверяемая гипотеза Н0: а=50 c, конкурирующая Н1: а<50 c. Для вычисления фактического значения критерия необходимо найти «исправленное» среднее квадратическое отклонение ![]() ![]() ![]() ![]() Критическое значение tкр определяем по таблице Стьюдента с ν=11-1=10 и вероятностью 2·α=2·0,01=0,02. tкр=2,764, -2,56<-2,764, следовательно, нулевую гипотезу принимаем и математическое ожидание а=50. Теме «Исследование взаимосвязей между признаками» соответствуют задачи 41 – 50. Пример 7. С помощью парного коэффициента коэффициента корреляции установите наличие связи между признаками. Найдите параметры уравнения регрессии зависимости урожайности зерновых y (ц/га) от количества внесённых минеральных удобрений х (кг/га). Таблица 2.2 – Исходные данные
Связь между двумя признаками определяется с помощью коэффициента парной корреляции, вычисляемого следующим образом: ![]() Для решения воспользуемся расчётной таблицей:
![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() Таким образом, связь между урожайностью зерновых и количесивом внесённых минеральных удобрений прямая и довольно тесная. Параметры уравнения регрессии зависимости урожайности от количества внесённых удобрений вида y=a0+a1·x найдём следующим образом: ![]() ![]() ![]() ![]() Уравнение регрессии будет иметь вид: ух=11,5586+0,159·х. Коэффициент регрессии а1=0,159 показывает, что при увеличении количества внесённых удобрений на 1 кг/га, урожайность зерновых увеличится на 0,159 ц/га. 50> |
![]() | Методические указания предназначены для выполнения типового расчёта по оцениванию параметров и проверке гипотезы о нормальном распределении... | ![]() | Методические указания и контрольные задания по дисциплине "Электротехника и электроника" для студентов спец. 37 01 06 "Техническая... |
![]() | Контрольные задания по курсу «Экономико-математическое моделирование» и методические указания к их выполнению | ![]() | Методические указания и контрольные задания по дисциплине «Химия». Екатеринбург: гоу впо «Рос гос проф пед университет», 2009. 68... |
![]() | Приведены теоретические сведения, методические рекомендации, контрольные вопросы и задания для выполнения лабораторных работ по разделу... | ![]() | Методические указания и контрольные задания по дисциплине Стандартизация норм точности для студентов специальности: 1- 38. 02. 01... |
![]() | ... | ![]() | Статистика: методические указания и контрольные задания для студентов специальностей 1-26 02 02 «Менеджмент» и 1-26 02 03 «Маркетинг»... |
![]() | ... | ![]() | Производственные технологии : программа, методические указания и контрольные задания для студентов специальностей 1-25 01 07 – Экономика... |