Графическое изображение рядов распределения

2.3 Графическое изображение рядов распределения

Графическое изображение интервальных рядов включает построения полигона частот, гистограммы и кумуляты.

В пакете STATISTICA построение полигона происходит следующим образом:

а) Analysis → Frequency tables → Variables (выбрать переменную);

б) установить количество интервалов в “No. of exact intervals”;

в) Frequency tables → Count;

г) нажать правую кнопку мыши и из выпадающего списка выбрать “Custom Graphs”;

д) 2D Graphs → Graph Type → Line Plot. [1]

Построение кумуляты:

а)Analysis → Frequency tables → Variables (выбрать переменную);

б) установить количество интервалов в “No. of exact intervals”;

в) Frequency tables → Cumul. Count;

г) нажать правую кнопку мыши и выбрать “Custom Graphs”;

д) 2D Graphs → Graph Type → Line Plot (Bar ).

Построение гистограммы происходит следующим образом:

а) Analysis → Frequency tables → Variables (выбрать переменную);

б) установить количество интервалов в “No. of exact intervals”;

в) Frequency tables → Percent;

г) нажать правую кнопку мыши и из выпадающего списка выбрать “Custom Graphs”;

д) 2D Graphs → Graph Type → Bar

2.4 Точечные оценки средних показателей

Точечная оценка математического ожидания по вариационному ряду вычисляется по формуле (2.4):

где  – значения элементов выборки.

Оценка дисперсии по вариационному ряду вычисляется по формуле (2.5).

Вычисление оценки математического ожидания по интервальному вариационному ряду осуществляется по формуле (2.6):

где – середина -го интервала;

 – статистическая вероятность (частость) попадания в -тый интервал.

Оценка дисперсии для интервального ряда вычисляется по формуле (2.7):

Вычисление точечных оценок по вариационному ряду в пакете STATISTICA:

Analysis → Descriptive statistics → Categorization → Number of intervals (установить количество интервалов) → More statistics → Mean, Variance. [2]

Значения точечных оценок математического ожидания и дисперсии для простого и интервального рядов приведены в таблице 2.8.

Таблица 2.8 – Оценки математического ожидания и дисперсии

Из приведенных данных видно, что полученные оценки математического ожидания и дисперсии по вариационному (простому) и интервальному рядам имеют близкие значения. Причем, чем больше объем выборки, тем более точный результат. От номера эксперимента, то есть от количества испытаний величины точечной оценки не зависят. Это видно на рисунках 2.25 – 2.32.

Рисунок 2.25 - Зависимость  от объема выборки для

Рисунок 2.26 - Зависимость  от объема выборки для

Рисунок 2.27 - Зависимость  от объема выборки для

Рисунок 2.28 - Зависимость  от объема выборки для

Рисунок 2.29 - Зависимость  от номера эксперимента по

Рисунок 2.30 - Зависимость  от номера эксперимента по

Рисунок 2.31 - Зависимость  от номера эксперимента по

Рисунок 2.32 - Зависимость  от номера эксперимента по

В таблице 2.9 приведены оценки математического ожидания и дисперсии, вычисленные для 10 выборок по 1000 элементов в каждой для случайной величины  и случайной величины .

Таблица 2.9 – Точечные оценки выборок из 1000 элементов для  и

Похожие работы

Исследования свойств штамповой стали после термической обработки

Скачать

140975

39

36

... отпуска может быть на 10–20оС ниже, а его продолжительность на 20–25% меньше, чем первого отпуска. Охлаждение после отпуска проводится на воздухе. 1.1.5 Влияние термической обработки на свойства штамповых сталей Служебные свойства штампового инструмента и его стойкость в значительной степени определяются соответствующим назначением марки стали, ее термообработкой и условиями эксплуатации ...

Критерии исключения выбросов ПКГ при статистической обработке результатов испытаний РЭСИ

Скачать

10137

3

4

... о начавшихся в них процессах деградации, которые в дальнейшем приведут к условным отказам. В этом случае выбросы являются закономерными, обусловлены физическими процессами и их нельзя исключать из дальнейшего рассмотрения при статистической обработке результатов испытаний. Поэтому для принятия того или иного решения проводят тщательный комплексный анализ возможных причин указанных отклонений. ...

Использование баз данных математических задач в процессе подготовки учащихся 11-х классов к ЕГЭ по математике

Скачать

122582

1

9

... в процессе обучения, необходима разработка совершенно новых подходов к работе с таким видом информационных ресурсов как базы данных. Глава 2.Технология использования баз данных математических задач в процессе подготовки учащихся к ЕГЭ по математике 2.1 Реализация модели В соответствии с теорией поэтапного формирования умственных действий учащихся, подготовку к сдаче единого ...

Исследование и разработка методов и технических средств и измерения для формирования статистических высококачественных моделей радиоэлементов

Скачать

148486

26

5

... плана ФЭ. Большое разнообразие моделей РК приводит к необходимости использования разнообразных способов и технических средств для измерения их параметров. Как правило, статические и динамические параметры РК измеряют на разных технологических установках. Методы построения средств измерения для идентификации моделей РК могут быть сведены к следующим принципам, учитывающим особенности подключения ...