Информация о работе:
Дисциплина: Математическая статистика
Тип работы: Лабораторные работы

Лабораторная работа по математической статистике

Фрагмент текста
Добавили к таблице, полученной в результате работы программы «Гистограмма» и уже содержащей правые границы интервалов (aj; aj+1) и интервальные частоты mj, столбцы, содержащие: левые границы интервалов; середины интерваловинтервальные частостиоценки функции плотности внутри интервалов Для получения оценок функции распределения в концах интерваловустановили в столбце «Интегральный %» (в результатах работы программы «Гистограмма» рис. 1.3) числовой формат значений с двумядесятичными знаками после запятой рис. 1.4.Мы заполнили первые шесть столбцов табл. 1.2, содержащие интервальный вариационный ряд, и построить полигон и гистограмму на рис. 1.5 и кумулятуна рис. 1.6.Рис. 1.4 Замена формата столбцаРис. 1.5 Гистограмма и полигонРис. 1.6 Кумулята2) Для вычисления выборочных характеристик использовали программу «Описательная статистика», выбрали соответствующийпункт меню надстройки «Анализ данных» пакета MicrosoftExcel.В окне ввода исходных данных программы «Описательная статистика»(рис. 3.1.6) указали входной интервал (ссылку на ячейки A1:A101, содержащие данные об бюджете с заголовком; отметили флажок «Метки»), установили флажок для генерации итоговой статистики — набора основных выборочныххарактеристик. Указали, что исходные данные помещены в столбце, а результаты работы программы необходимо вывести на новый рабочий лист.Рис. 1.7 Окно ввода данных программы «Описательная статистика»В результате работы программы «Описательная статистика» получены значения выборочных характеристик ежедневного объема продаж (рис. 1.8): выборочное среднее; исправленная выборочная дисперсия; стандартное отклонение; исправленная выборочная асимметрия; исправленный выборочный эксцесс; выборочный коэффициент вариации.Рис. 1.8Результаты работы программы «Описательная статистика»Значения некоторых характеристик могут изменяться при переходе отнесгруппированных данных к сгруппированным (интервальному вариационному ряду).
Показать еще
Эту работу защитили на 5
Похожие работы:
  • Построение интервального вариационного ряда, оценивание нор- мального закона распределения и его параметров (выполняется с при- менением программ «Гистограмма» и «Описательная статистика» над- стройки «Анализ данных» пакета Microsoft Excel).

    %Правые границыЧастотаИнтегральный %10.3633.03%12.691720.20%15.022444.44%17.352670.71%19.681888.89%22.01795.96%24.34398.99%26.66098.99%28.991100.00%Еще0100.00%Урожайность ржиСреднее15.728Стандартная ошибка0.3384220066Медиана15.55Мода14.5Стандартное отклонение3.3842200659Дисперсия выборки11.4529454545Эксцесс0.541430122Асимметричность0.5376340484Интервал17.8Минимум9.2Максимум27Сумма1572.8Счет100Урожайность ржиПараметрыЗначение параметров14.6Объем выборки n10019.3x(min)9.210.9x(max)2720.5Ширина интервала2.3317.5Границы интервалов17.7Левые границыПравые границы14.58.0410.3617.510.3612.6916.512.6915.0214.215.0217.3512.917.3519.6814.119.6822.0116.822.0124.3417.224.3426.6614.926.6628.9914.518.723.810.716.715.417.312.42712.118.114.916.22216.31514.517.61910.12111.517.719.818.713.920.915.814.319.315.817.116.813.712.712.514.4152015.615.612.122.716.19.219.817.424.214.512.715.514.717.115.110.817.512.316.516.216.516.813.913.511.415.212.219.616.419.418.71216.315.41112.81219.310.411.913.311.39.312.81518.5ИнтервалСередина интервалаИнтервальная частотаИнтервальная частостьОценка функции плотностиОценка функции распределенияФункция плотности нормального законаФункция распределения нормального законаF(ai)pi=F(a_i+1)-F(ai)Частота[8,04; 10,36)9.230.030.01290.030.04270.02690.00000.02692.686110.7312208.0057[10,36; 12,69)11.53170.170.07300.20#NAME?#NAME?0.0269#NAME?#NAME?[12,69; 15,02)13.86240.240.10300.44#NAME?#NAME?#NAME?#NAME?#NAME?18.2880241.7840[15,02; 17,35)16.19260.260.11160.70#NAME?#NAME?#NAME?#NAME?#NAME?#NAME?26#NAME?[17,35; 19,68)18.51190.190.08150.89#NAME?#NAME?#NAME?#NAME?#NAME?#NAME?19#NAME?[19,68; 22,01)20.8470.070.03000.96#NAME?#NAME?#NAME?#NAME?#NAME?#NAME?7#NAME?[22,01; 24,34)23.1730.030.01290.99#NAME?#NAME?#NAME?#NAME?#NAME?6.514840.9708[24,34; 26,66)25.5000.000.00000.99#NAME?#NAME?#NAME?#NAME?#NAME?[26,66; 28,99)27.8310.010.00431.00#NAME?#NAME?#NAME?#NAME?#NAME? Итого1001.0015.33248.5254509246100

  • Статистический анализ временных рядов и Моделирование выборок

    36986. 05026. 84487. 2146-0. 79460. 63143. 900625. 52-2. 21777. 73777. 05154. 83380. 68620. 47098. 265635. 92-0. 08026. 00027. 25827. 1780-1. 25801. 58256. 1256410. 121. 92818. 19197. 46499. 39300. 72700. 52852. 975658. 020. 36987. 65027. 67168. 0414-0. 02140. 00050. 140666. 02-2. 21778. 23777. 87835. 66060. 35940. 12925. 640676. 82-0. 08026. 90028. 08508. 0048-1. 18481. 40362. 4806810. 921. 92818. 99198. 291710. 21980. 70020. 49036. 375698. 920. 36988. 55028. 49838. 86810. 05190. 00270. 2756106. 52-2. 21778. 73778. 70506. 48730. 03270. 00113. 51561111. 82-0. 080211. 90028. 91178. 83152. 98858. 931011. 73061210. 221. 92818. 29199. 118411. 0465-0. 82650. 68323. 33061310. 120. 36989. 75029. 32519. 69490. 42510. 18072. 9756147. 22-2. 21779. 43779. 53187. 3141-0. 09410. 00891. 3806158. 02-0. 08028. 10029. 73859. 6583-1. 63832. 68400. 14061611. 721. 92819. 79199. 945211. 8733-0. 15330. 023511. 0556134. 320. 000017. 751970. 3100y cp=8. 395R^2=0. 7475193715ПрогнозtSiTT + Si170. 369810. 151910. 521718-2. 217710. 35868. 1409анализ остатковMx=0:tрасч=0Столбец11,5сигмы2сигмыСреднее9. 43689570931383E-016сигма асимм=0. 50996266480. 76494399721. 0199253296Стандартная ошибка0. 2719674689сигма эксцес=0. 77851312181. 16776968261. 5570262435Медиана0. 0056495098Мода#N/A1. 1669229439Стандартное отклонение1. 0878698755Дисперсия выборки1. 183460866Эксцесс0. 8139817674Асимметричность0. 1091682095Интервал4. 6267647059Минимум-1. 6382843137Максимум2. 9884803922Сумма1. 50990331349021E-014Счет16tОбъём спроса yt, тыс. шт. Скользящая средняяЦентрированная скользящая средняяОценка сезонной компонентыT+I16. 26-5. 890225. 366. 835-7. 5777Показатели123435. 767. 2357. 035-1. 2755. 84021--1. 2752. 662549. 967. 367. 29752. 66258. 031920. 3875-1. 825-1. 23752. 687557. 867. 5857. 47250. 38757. 490230-2. 93752. 30. 462565. 867. 7857. 685-1. 8258. 077740. 75-1. 8625-76. 668. 017. 8975-1. 23756. 7402Всего за период1. 1375-6. 625-0. 21255. 8125k810. 768. 1358. 07252. 68758. 8319Средняя оценка сезонной компоненты0. 3792-2. 2083-0. 07081. 93750. 03750. 009498. 769. 3858. 7608. 3902Si0. 3698-2. 2177-0. 08021. 9281-2. 22044604925031E-016106. 369. 219. 2975-2. 93758. 57771111. 669. 519. 362. 311. 74021210. 069. 6859. 59750. 46258. 1319139. 968. 7359. 210. 759. 5902147. 069. 118.

  • Сравнение 2 выборок

    б) с помощью Мастера функций. Поставим курсор в нужную ячейку, в меню «Вставка» выбираем «Функция», затем в открывшемся окошке Мастера функций в строке «Категории» указываем «статистические», в раскрывшемся списке выбираем функцию СРЗНАЧ; в раскрывшемся окошке «Аргументы функции» вводим нужный диапазон.Рис. 2. Вычисление средних с помощью кнопки функцииПолучаем средние значения: Таблица 2. Средние значения3. Вычислить для обеих выборок исправленную выборочную дисперсию с помощью Мастера функций. Поставим курсор в нужную ячейку, в меню «Вставка» выбираем «Функция», затем в открывшемся окошке Мастера функций в строке «Категории» указываем «статистические», в раскрывшемся списке выбираем функцию ДИСП; в раскрывшемся окошке «Аргументы функции» вводим нужный диапазон.Рис 3. вычисление дисперсий.4. Вычислить для обеих выборок исправленное выборочное среднее квадратическое отклонение с помощью Мастера функций. Поставим курсор в нужную ячейку, в меню «Вставка» выбираем «Функция», затем в открывшемся окошке Мастера функций в строке «Категории» указываем «статистические», в раскрывшемся списке выбираем функцию СТАНДОТКЛОН; в раскрывшемся окошке «Аргументы функции» вводим нужный диапазон.Рис. 4. Вычисление средних квадратических отклонений.Получаем: Таблица 3. Дисперсии и средние квадратические отклонения.5. Построить для обеих выборок гистограммы с помощью Мастера диаграмм. Для этого необходимо предварительно выделяем нужный диапазон данных, включая заголовки столбцов и строк, в меню «Вставка» выбираем «Диаграмма», в раскрывшемся списке выбираем гистограмму.Рис. 5. Мастер диаграммПолучаем: Рис. 6. Гистограмма по первой выборкеРис 7. Гистограмма по второй выборке6. Активизировать на компьютере Пакет анализа. Для установки Пакета анализа в Excel нужно: в меню «Сервис» выбрать «Надстройки». В открывшемся списке установить флажок в строке Пакет анализа.

  • Решение задач по мат. статистике

    693758. 0342118. 438. 86758. 7175-0. 28758. 84251210. 289. 04258. 9551. 3259. 60081310. 188. 9558. 998751. 181258. 9925147. 288. 86758. 91125-1. 631258. 7342158. 08-8. 4925169. 93-9. 2508Оценка параметров линейной модели0. 22965. 7846Расчет аддитивной моделиtytSiyt - SiTT + Siе = yt - (T + Si)е2(yi-ycp)216. 481. 18755. 29256. 01427. 2017-0. 72170. 52081. 578225. 58-1. 45427. 03426. 24384. 78960. 79040. 62474. 649435. 98-0. 41256. 39256. 47346. 0609-0. 08090. 00653. 084447. 030. 67926. 35086. 70307. 3822-0. 35220. 12400. 498858. 081. 18756. 89256. 93268. 1201-0. 04010. 00160. 118266. 08-1. 45427. 53427. 16225. 70810. 37190. 13832. 743276. 88-0. 41257. 29257. 39186. 9793-0. 09930. 00990. 733287. 930. 67927. 25087. 62148. 3006-0. 37060. 13740. 037598. 981. 18757. 79257. 85119. 0386-0. 05860. 00341. 5469106. 58-1. 45428. 03428. 08076. 6265-0. 04650. 00221. 3369118. 43-0. 41258. 84258. 31037. 89780. 53220. 28330. 48131210. 280. 67929. 60088. 53999. 21901. 06101. 12566. 47071310. 181. 18758. 99258. 76959. 95700. 22300. 04975. 9719147. 28-1. 45428. 73428. 99917. 5449-0. 26490. 07020. 2082158. 08-0. 41258. 49259. 22878. 8162-0. 73620. 54200. 1182169. 930. 67929. 25089. 458310. 1375-0. 20750. 04304. 8125123. 780. 00003. 682734. 3894y cp=7. 73625R^2=0. 8929113541ПрогнозtSiTT + Si171. 18759. 687910. 875418-1. 45429. 91758. 463419-0. 412510. 14719. 7346200. 679166666710. 376711. 0559анализ остатковMx=0:tрасч=0Столбец1Среднее4. 44089209850063E-016сигма асимм=164. 7179407351Стандартная ошибка0. 1238734502сигма эксцес=0. 77851312181. 5570262435Медиана-0. 0697303922Мода#N/A0. 5538670161Стандартное отклонение0. 4954938009Дисперсия выборки0. 2455141068Эксцесс0. 2009258396Асимметричность0. 627802318Интервал1. 7971568627Минимум-0. 7362009804Максимум1. 0609558824Сумма7. 105427357601E-015Счет16t Уt У-УсрУ-Уср16. 481. 57816406256. 481. 578164062525. 584. 64941406250. 59439616335. 584. 64941406250. 624172147335. 983. 08441406250. 26417607265. 983. 08441406250. 277409843247. 030. 49878906250. 69346219057. 030. 49878906250. 728200838558. 080. 11816406250. 69346219058. 080. 11816406250. 728200838566. 082. 74316406251. 32088036296. 082. 74316406251. 387049216276. 880. 73316406250. 52835214526. 880. 73316406250. 554819686587.

  • Значение множественной корреляции при анализе большого числа факторов.

    Мы видим, что стандартизованные коэффициенты при факторах FRUIT и EGG значительно меньше, чем при остальных факторах. Удалим эти факторы из регрессионного уравнения и заново выполним расчеты.Рис.9. Результат переоценивая параметров модели По полученным результатам мы видим, что коэффициенты при факторах BREAD и POTATOES не являются статистически значимыми при уровне значимости 0.05. Удалим эти факторы. Еще раз выполним расчеты.Получим следующие результаты (рис.10).Рис.10 Заключительные расчеты регрессионного уравненияМы видим, что теперь все коэффициенты регрессионного уравнения являются статистически значимыми с уровнем значимости 0.05. Коэффициент множественной корреляции равен 0.913479. Коэффициент детерминации равен 0.834443.Полученное регрессионное уравнение имеет видЗначение F-статистики также указывает на статистическую значимость уравнения в целом.Проверим выполнение основных предпосылок метода наименьших квадратов.Для этого используем программу EViews/1. Проверим гипотезу о распределении остатков по нормальному закону.Тест Jarque-Bera свидельствует о том, что с уровнем значимости 5% гипотеза о нормальности распределения остатков не может быть отвергнута.2. Проверка гомоскедастичности остатков.Результат теста Бреуша-Пагана-Годфри означают, что гипотеза о гомоскедастичности остатков не может быть отвергнута с уровнем значимости 5%.3. Проверка отсутствия автокорреляции в остатках.Значение критерия Дарбина-Уотсона (рис.14) свидетельствует об отсутствии автокорреляции в остатках.4. Проверим отсутствие корреляции остатков с объясняющими факторами.Для этого вычислим коэффициент корреляции между остатками и объясняющими переменными.Практически нулевые коэффициенты корреляции свидетельствуют об отсутствии корреляции остатков с объясняющими факторами.

×
Оформите заявку на работу - это бесплатно