Вы находитесь на странице: 1из 54

Задача проверки статистических гипотез – одна из основных и

распространенных задач в математической статистике. t-критерий Стьюдента и


непараметрический критерий Манна-Уитни являются самыми
распространенными методами решения данной задачи. Необходимо, чтобы
исходные данные для t-критерия Стьюдента имели нормальное распределение.
В случае применения двухвыборочного критерия для независимых выборок
также необходимо соблюдение условия равенства дисперсий. А для критерия
Манна-Уитни практически нигде не упоминаются условия применимости.
Поэтому сначала необходимо проверить тестируемые выборки на
нормальность распределения. Если распределение выборок можно считать
нормальным – применяем t-критерий Стьюдента, если нет – критерий Манна-
Уитни.
В своей дипломной работе я пользовалась инструментом SPSS, который
позволяет проверять гипотезы различных критериев, анализировать данные,
управлять данными и др.
ГЛАВА 1

НЕОБХОДИМЫЕ СВЕДЕНИЯ ИЗ ТЕОРИИ


ПРОВЕРКИ СТАТИСТИЧЕСКИХ ГИПОТЕЗ

1.1 Основные понятия и общие принципы теории проверки


статистических гипотез
В данном пункте мы рассмотрим основные математические
распределения и случайные величины, которые будут применяться в
математической и прикладной статистике.
1.1.1 Нормальная случайная величина (случайная величина Гаусса)
Случайная величина  имеет нормальное распределение
(распределение Гаусса) с параметрами μ и σ 2, если ее плотность распределения
имеет вид:
2
− (x− μ)
1 2σ
2

pξ ( x )= e , σ >0 , μ ∈ R .
σ √2 π

Функция распределения нормальной случайной величины задается


следующим образом:
2
x −( x− μ)
1 2σ
2

F ξ ( x )= ∫e dx .
σ √ 2 π −∞

Если μ=0 , σ=1, то данное распределение называется стандартным


нормальным распределением.
График плотности вероятности нормального распределения при
различных значениях параметров преставлен на рис.1.

2
Рис. 1  График плотности вероятности нормального распределения

1.1.2 Биномиальная случайная величина (биномиальное


распределение)
Закон распределения запишется следующим образом:
ξ :0 1… k … n ;
P : Pn (0) Pn (1) … P n (k )… P n(n);
где ¿ Pn ( k )=C ∙ p ∙ qn−k , 0< p<1 , q=1− p.
k
n
k

Число успехов в n испытаниях схемы Бернулли имеет биномиальное


распределение.

1.1.3 Хи-квадрат распределение ( χ 2-распределение)


В этом пункте рассматривается случайная величина
χ 2n =ξ 21+ …+ξ 2n
гдеξ 1 ,… , ξ n– случайные величины с параметрами (0, 1), которые независимы
нормально распределены. Найдем плотность распределения случайной
величины χ 2. Вероятность события x < χ n < x +dx можно получить из n-мерной
сферической нормальной плотности
1
pξ́ ( x́ )= n
σ ¿¿
с   1, проинтегрировав ее по n-мерному сферическому слою радиуса x и
толщины dx , в результате, т.к. (n – 1)-мерный объем (n – 1)-мерной сферы
радиуса x пропорционален x n−1 получается 2
−x
n−1 2
p χ ( x )=C n x
n
e , x ≥ 0.

3
Для определения C n воспользуемся тем, что

∫ p χ ( x )=1 ,
n
0

откуда получим 2
∞ −x n

( n2 )C =1 ,
−1
n−1 2 2
C n∫ x e dx=2 Г n
0

где – гамма функция и


0 , x <0 ,

{
2
n−1 −x
x
p χ ( x )=
n n
e 2
, x≥0, (1.1)
−1 n
2 2
Г
2 ()
Используя
1
p χ ( x )=
2 p χ (√ x ) , x ≥ 0
n
2√x n

имеем
0 , x <0 ,

{
n
−1 −x
2
p χ ( x )= x
2
n
n
e 2
, x ≥0 (1.2)
n
2 Г 2
2 ( )
Распределение с плотностью (4) называется хи-квадрат распределением ( χ 2-
распределением) с n степенями свободы. Плотность (1.1) при n=3 называется
плотностью распределения Максвелла и в кинетической теории газов дает
распределение абсолютной величины скорости частиц.

1.1.4 Распределение Стьюдента


Пусть случайные величины ξ 0 , ξ1 , … , ξn с параметрами (0,1)независимы и
нормально распределены. В статистике часто используется случайная величина
ξ0
τ n= ,
n

которая называется отношением Стьюдента. Распределение случайной


√ 1
∑ ξ2
n k=1 k

величины τn, которое называется распределением Стьюдента с n степенями


свободы, имеет следующую плотность
n+1
( 2 )
Г
x 2 −n +1
s ( x )=
n
n
√ nπ Г ( )
( 1+ )
2
2
, x∈R. (1.3)
2
Формулу (1.3) будем выводить следующим образом. Пусть
χ n =√ ξ21 +…+ ξ2n ,
тогда

4
ξ0 √ n
τ n= ,
χn
является отношением двух независимых случайных величин, распределение
которых известно (числитель имеет нормальное распределение с параметрами
(0, σ = √ n), а знаменатель – распределение (1.1)).
Функция распределения Sn(x) случайной величины τn равна
2
−1 u

Sn ( x )=Р ( τ n ≤ x ) =



n−1 2 n(+v
2
) dudv ,
∬ 0 √ n ( u ) p χ n ( v ) dudv=an ∬ v e
u u
≤x , v>0 ≤ x , v>0
v v

где
1
a n= n
.
−1 n
√2 nπ 2 2
Г
2 ()
От переменных (u, v) перейдем к новым переменным (y, z) по формулам
u= yz , v=z (1.4)
Якобиан преобразования равен
∂(u , v)
=z ,
∂( y , z )
поэтому
2 2 2
−1 u

( 2
) dudv = x dy ∞ z n e −z2 ( yn + 1) dz=¿ x y2
−n+1 ∞ −ω2 n−1
n+1
x
y2
( ) (
+v

u

≤ x ,v> 0
v n−1
e 2 n
∫ ∫
−∞ 0

−∞ n
+1 2
dy ∫ ω e
0
n 2
dω=2 2
Г ( 2 )∫
−∞ n
+1
v

откуда следует формула (1.3). Можно заметить, что при n → ∞ плотность Sn(x)
будет сходиться к нормальной плотности
2
−x
1 2
e .
√2

1.1.5 Распределение Фишера


Пусть случайные величины ξ 0 , ξ1 , … , ξm , η1 , … , ηn с параметрами (0, 1)
независимы и нормально распределены. Обозначим
m
1
∑ ξ2
m k=1 k
F mn= n
1 2
∑ ηj
n j=1
Распределение случайной величины Fmn имеет плотность

p F ( x ) =m n
m
2
n
2
Г ( m+n
2 )

x
m
2
−1

, x≥0, (1.5)
m +n
mn
m n
Г ( ) Г ( ) ( n+mx ) 2
2 2

5
( p F ( x ) =0 , если x< 0)
mn
и называется F-распределением (распределением Фишера, F-
m
распределением Фишера). Для вывода (1.5) будем использовать то, что n Fmn−¿
это отношение двух независимых случайных величин, имеющих распределение
χ 2с m и n степенями свободы соответственно. Поэтому
❑ m n −u+ v
m 1 −1 −1
Р ( F ≤x =
n mn ) m +n
m mn
∬ u2 v2 e 2
dudv
2 2 Г
2( )( )
Г
2
u
v
≤ x ,u ≥ 0 ,v ≥0

Делая опять под знаком интеграла замену (1.4), получаем


m
m n −u+v x m ∞ m +n − z(1+ y) m+n x −1
y2
❑ −1 −1 −1 −1 m+n
u

≤ x ,u ≥0 , v ≥0
u 2
v 2
e 2
dudv=∫ y
0
2
dy ∫ z
0
2
e 2
dz =2 2
Г( )∫ (1+ y )
2 0
m+n
2
dy
v

и
m+n
m (
Г
2 ) y
x
m
2
−1

Р( F
n mn
≤ x )=
m n

Г ( ) Г ( ) (1+ y) 0
m +n
2
dy

2 2
откуда уже можно вывести (1.5).

1.1.6 Распределение Колмогорова


Случайная величина  имеет распределение Колмогорова, если ее
функция распределения имеет следующий вид:

{
2 2

F❑ ( x )= ∑ (−1)k e−2 k x , x> 0


k=−∞
0 , x ≤0.

1.1.7 Статистические гипотезы


Разработка эффективных методов проверки статистических гипотез
является одной из основных задач математической статистики.
Статистической гипотезой называют любое утверждение о виде или
свойствах распределения наблюдаемых в эксперименте случайных величин.
Такие утверждения можно делать на основании теоретических соображений
или статистических исследований других наблюдений. Рассмотрим для
примера следующую ситуацию: эксперимент заключается в многократном
измерении некоторой физической величины, значение a которой точно
неизвестно и не меняется в процессе измерений. Многие случайные факторы
(точность настройки измерительного прибора, погрешность округления при
считывании данных и т.д.) оказывают влияние на результаты измерений,
поэтому результат i-го измерения 𝑋𝑖 можно записать в виде 𝑋𝑖 = 𝑎 + 𝜀𝑖, где 𝜀𝑖 –
случайная погрешность измерения.
6
Итак, задача состоит в том, чтобы в случае, если для исследуемого
объекта (явления, процесса и т.д.) сформулирована некая гипотеза (обычно
обозначается символом 𝐻0 и называется основной или нулевой гипотезой)
составить такое правило, которое позволяет сделать вывод о принятии или
отклонении гипотезы по результатам соответствующих наблюдений.
Статистическим критерием проверки гипотезы 𝐻0 называется такое
правило, согласно которому проверяемая гипотеза 𝐻0 принимается или
отвергается. Основным предметом теории проверки статистических гипотез
как раз и является разработка и обоснование таких правил.

1.1.8 Основные характеристики критериев согласия


В этом пункте рассматривается общий метод построения критериев
согласия.
Пусть сформулирована некоторая гипотеза 𝐻0 о распределении случайной
величины 𝑋 = (𝑋1, … , 𝑋𝑛), описывающей результат изучаемого эксперимента.
Чаще всего для того, чтобы построить критерий проверки этой гипотезы
пытаются найти такую статистику 𝑇 = 𝑇(𝑋), которая характеризует отклонение
эмпирических данных от соответствующих (гипотезе 𝐻0) гипотетических
значений, для которой в случае справедливости 𝐻0 можно было бы определить
распределение (точно или приближенно). В случае, если 𝐻0 является сложной
гипотезой, то распределение 𝑇(𝑋) должно быть одним и тем же для всех
простых гипотез, составляющих 𝐻0.
Предположим, что найдена такая статистика и её распределение при
гипотезе 𝐻0. Пусть ℱ = {𝑡: 𝑡 = 𝑇(𝑋), 𝑥 ∊ 𝒳} – множество всех возможных
значений статистики T; Пусть 𝑎 – заранее определенное, достаточно малое
положительное число. Определим для 𝑎 подмножество ℱ1𝑎 ⊂ ℱ так, чтобы в
случае справедливости гипотезы 𝐻0 вероятность осуществления события {𝑇(𝑋)
∈ ℱ1𝑎} (далее будем обозначать эту вероятность символической записью
𝑃(𝑇(𝑋) ∈ ℱ1𝑎| 𝐻0)) удовлетворяла условию
𝑃(𝑇(𝑋) ∈ ℱ1𝑎| 𝐻0) ≤ 𝑎. (1.6)

В таком случае правило проверки гипотезы 𝐻0 может быть


сформулировано следующим образом. Предположим, что 𝑥 – наблюдавшаяся
реализация случайной величины 𝑋 и 𝑡 = 𝑇(𝑥) – значение статистики T, которое
соответствует данной случайной величине. Если 𝑡 ∈ ℱ1𝑎, то произошло
маловероятное событие в предположении справедливости гипотезы 𝐻0 и,
следовательно, эту гипотезу следует отвергнуть считая, что она противоречит
статистическим данным. Если же 𝑡 ∉ ℱ1𝑎, то в этом случае нет оснований

7
отказываться от принятой гипотезы и следует считать, что наблюдения не
противоречат гипотезе (или согласуются с ней).
В описанной выше ситуации критерий формулируется следующим
образом:

Если 𝑡 = 𝑇(𝑥) – наблюдавшееся значение статистики 𝑇(𝑋), то при 𝑡 ∈ ℱ1𝑎


гипотеза 𝐻0 отвергается; Если же 𝑡 ∉ ℱ1𝑎, то считается, что данные не имеют
противоречий и нет оснований отвергать гипотезу. Следует отметить, что факт
𝑡 ∈ ℱ0𝑎 = ℱ \ ℱ1𝑎 не является доказательством того, что гипотеза 𝐻0 истинна,
он только свидетельствует о том, что согласие данных в опыте и теоретических
предположений достаточно хорошее.
В описанной выше методике статистика 𝑇 называется статистикой
критерия, а подмножество значений статистики ℱ1𝑎 называется критической
областью для выдвинутой гипотезы 𝐻0 (этот термин отражает тот факт, что
значение 𝑡 ∈ ℱ1𝑎 рассматривают как свидетельствующее против этой
гипотезы). Число 𝑎 можно считать вероятностью ложного отвержения
гипотезы 𝐻0, в случае если она верна (т.е. вероятностью ошибочного решения в
ситуации, когда 𝐻0 истинна). Это число также называют уровнем значимости.
В конкретных практических задачах величину 𝑎 обычно выбирают равной 0.1,
0.05, 0.01 и т.д.
Таким образом, задание соответствующей критической области в
множестве значений статистики 𝑇 определяет критерий согласно методике.
Критическая область по своему смыслу должна включать все маловероятные
значения статистики критерия. Чаще всего используются области вида {𝑡 ≥ 𝑡𝑎}
(для статистик 𝑇, не принимающих отрицательные значения) или вида {|𝑡|
≥ 𝑡𝑎}, но в тоже время в конкретных практических задачах возможны и иные
варианты выбора критической области. Существенное влияние на вид
критической области оказывает цель, для которой строится критерий.
Ограничимся пока следующим общим замечанием: основным фактором
построения каждого критерия является определение наличия тех или иных
отклонений от основной гипотезы. Такие отклонения могут иметь разный
характер, поэтому следует иметь в виду как универсальные, так и
специфические критерии, предназначенные для выявления отклонений
определенного типа.
Может оказаться, что в одних случаях лучше использовать критерий,
основанный на критической области {𝑡 ≥ 𝑡𝑎}, а в других на критической
области {𝑡 ≤ 𝑡𝑎} поскольку часто большие и малые значения статистики 𝑇(𝑋)
указывают на разный характер отклонения 𝐻0.
8
Можно строить различные критерии согласия для проверки одной и той
же гипотезы 𝐻0 основываясь на разных статистиках 𝑇(𝑋) и для того, чтобы
выбрать в конкретной ситуации более подходящий в данном случае критерий,
надо иметь представление о методах сравнений различных критериев. Идея
построения таких методов заключается в исследовании поведения критериев
при различных отклонениях от основной гипотезы. Теперь введем понятие
альтернативного распределения (альтернативной гипотезы) и мощности
критерия.
Пусть, ведется наблюдение за случайной величиной 𝑋. Альтернативным
распределением или альтернативой называют любое распределение 𝐹𝑥 = 𝐹,
которое допустимо в данной ситуации, но отличается от гипотетического.
Альтернативной гипотезой 𝐻1 называется совокупность всех альтернативных
распределений.
Предположим, что построен некоторый критерий с уровнем значимости 𝑎
для проверяемой гипотезы 𝐻0, который основан на статистике 𝑇(𝑋), и пусть
ℱ1𝑎 – соответствующая критическая область. Функцией мощности критерия
называется величина 𝑊(𝐹) = 𝑊(ℱ1𝑎; 𝐹), которая представляет собой
вероятность попадания значения статистики критерия в критическую область,
когда истинным распределением наблюдений является распределение 𝐹.
(Условимся в дальнейшем записывать эту вероятность в виде 𝑃(𝑇(𝑋) ∈ ℱ1𝑎|𝐹).)
Итак, функцией мощности называется некоторый функционал на множестве
всех допустимых распределений {𝐹}. Для распределений 𝐹, которые
составляют нулевую гипотезу (условимся этот факт записывать как 𝐹 ∈ 𝐻0),
значения функции мощности удовлетворяют по построению критерия условия
(1.6); перепишем это условие в новых терминах в виде
𝑊(𝐹) ≤ 𝑎, ∀ 𝐹 ∈ 𝐻0 (1.7)

Если 𝐹 ∈ 𝐻1, то значение 𝑊(𝐹) называют мощностью критерия при


альтернативе F.
Функция мощности играет основополагающую роль в теории проверки
гипотез. Она характеризует критерий полностью, поскольку показывает,
насколько хорошо критерий улавливает возможные отклонения от основной
гипотезы. Можно сказать, что критерий тем мощнее, чем больше его мощность
при альтернативах. Действительно, если наблюдавшееся значение 𝑡(𝑥)
попадает в критическую область, то нулевую гипотезу отклоняют, и если
истинной действительно является некоторая альтернатива (нулевая гипотеза не
верна), то тем самым принимают правильное решение. Таким образом,
значение 𝑊(𝐹) при 𝐹 ∈ 𝐻1 характеризует вероятность принятия правильного
решения в том случае, когда нулевая гипотеза ложна.
9
Несмещенность является одним из важнейших свойств критерия,
означающее, что одновременно с условием (1.2) должно выполняться условие
𝑊(𝐹) > 𝑎, ∀𝐹 ∈ 𝐻1 (1.8)

Иначе говоря, несмещенность критерия означает, что вероятность


отвергнуть нулевую гипотезу, не превышает заданного уровня значимости 𝑎 в
том случае, когда она истинна, и в то же время то она отвергается с
вероятностью, большей 𝑎 если гипотеза 𝐻0 ложна. Для вычисления функции
мощности критерия требуется знать распределение статистики критерия как
при нулевой гипотезе, так и при альтернативах. Именно поэтому не всегда
удается найти функцию 𝑊(𝐹).
В заключении следует отметить, что трудоемкость практического решения
является важным фактором при выборе критерия. На практике, когда требуется
быстро получить ответ, предпочтение нередко отдается просто реализуемому
критерию, даже если он не является оптимальным в теоретическом смысле.

1.2 Критерий согласия Колмогорова


Прежде, чем мы будем рассматривать критерий согласия Колмогорова,
необходимо рассмотреть теорему Колмогорова.
Теорема: Если функция F(x) непрерывна, то при фиксированном t > 0

2 2

lim P ( √ n D n ≤ t ) =K ( t )= ∑ (−1) j e−2 j t (1.9)


n→∞ j=−∞

При n ≥ 20 уже можно с хорошим приближением использовать для


практических расчетов предельную функцию распределения K ( t ) .
Теорема Колмогорова обычно применяется для определения границ, в
которых с заданной вероятностью будет находиться теоретическая функция
распределения F(x), если мы ее не знаем. Пусть для заданного γ ∈ ( 0 , 1 ) числоt γ
будет определено уровнем K ( t γ ) =γ . Тогда из (1.4) мы имеем
tγ t →
≤ F ( x ) ≤ F n ( x ) + γ для всех x )n → ∞ K ( t γ )=γ . Таким образом, с
P ( √ n Dn ≤ t γ ) =P(F n ( x )−
√n √n
вероятностью, близкой к γ , при больших n, значение функции F(x) для всех x
' tγ tγ
удовлетворяют неравенствам F n ( x )− ≤ F( x )≤ F n ( x ) + . Поскольку 0 ≤ F (x )≤ 1, то
√n √n
tγ tγ
эти неравенства могут быть уточнены: max (0 , F (x )− )≤ F( x) ≤min( ¿ F n ( x ) + , 1)¿.
√n √n
Область, которая определяется верхней и нижней границами, называется
асимптотической γ -доверительной зоной для функции распределения. Для
получения числовых значений t γ при разных γ можно воспользоваться
табулированными значениями функции K ( t ) .
10
Предположим 𝑋 = (𝑋1 , … , 𝑋𝑛) это выборка из распределения ℒ(𝜉) с
неизвестной функцией распределения 𝐹𝜉(𝑥), о которой выдвинута простая
гипотеза 𝐻0: 𝐹𝜉(𝑥) = 𝐹(𝑋). Одним из наиболее известных критериев проверки
этой гипотезы является критерий 𝜒2.
Критерий согласия Колмогорова. Он применяется в тех случаях, когда
функция 𝐹(𝑋) непрерывна. Статистикой критерия является величина
Dn=D n ( X )=¿ −∞ < x <∞ |Fn ( x )−F ( x )|, (1.10)
Которая предоставляет собой максимальное отклонение эмпирической
функции распределения F n ( x ) от гипотетической функции распределения
F ( x ). При каждом x величина F n ( x ) является оптимальной оценкой для F ( x )
и с увеличением объема выборки n происходит сближение F n ( x ) с F ( x ),
поэтому, при больших n, когда гипотеза 𝐻0 истина, значение Dn не должно
существенно отклоняться от нуля. Отсюда можно сделать вывод, что
критическую область критерия, основанного на статистике Dn, следует задавать
в виде F 1α ={t ≥ t α }.
Особенность статистики Dn заключается в том, что ее распределение при
гипотезе 𝐻0 не зависит от вида функции F ( x ). На самом деле, предполагая в
формуле (1.4) x=F−1 ( u ) , 0 ≤ u≤ 1 , где F −1 ( u )−функция, обратная к F( x ), получаем
Dn =¿ 0<u<1|F n ( F−1 (u) )−u|.

Переходя к новым случайным величинам будем использовать


формулу U i=F ( X i ) , i=1 , … ,n ;пусть U (1) ≤ … ≤U (n) – их вариационный ряд.
Функция F ( x ) монотонна, поэтому U k =F ( X (k )) , k =1 , … ,n и неравенства
F−1 ( u ) ≥ X ( k )эквивалентны неравенствам u ≥U (k) и тогда мы имеем
n n
1
F n ( F−1 ( u ) )= ∑ e ( F−1 ( u )− X (k ))= 1n ∑ e ( u−U ( k) ) =Фn (u)
n k=1 k=1

Независимо от вида функции F ( x ) (но только если F ( x ) непрерывна)


L ( U i )=R (0 ,1) и Фn (u) – эмпирическая функция распределения выборки из
равномерного R(0 ,1) распределения. Таким образом, статистика Dnсовпадает с
¿ |F n ( Фn (u) ) −u|и, следовательно, ее распределение не зависит от F ( x ) (если
0< u<1

гипотеза 𝐻0 справедлива). Этот факт принципиален, так как тем самым


достаточно вычислить и протабулировать распределение Dnвсего один
раз, а именно для выборки из равномерного R(0 ,1) распределения, и
использовать ее для проверки гипотезы относительно произвольной
непрерывной функции распределения F ( x ).

11
Второй замечательный факт заключается в том, что распределение
статистики Dn при достаточно больших n (уже при n ≥ 20) практически от nне

2 2

зависит, а имеет вид lim P ( √ n D n ≤ t ) =K ( t )= ∑ (−1) j e−2 j t .


n→∞ j=−∞

Отсюда следует, что при n ≥ 20 критическую границу t α =t α ( n) можно полагать


равной λ α / √ n , где K (λ α )=1−α . В этом случае
P ( D n ∈ F1 α|H 0 )=P ( √n D n ≥ λα|H 0 ) ≈ 1−K ( λ α ) =α .

Так, 𝜆α = 1,3581 при α = 0,05 и 𝜆α = 1,6276 при α = 0,01.


Таким образом, число 𝜆α при заданном уровне значимости α определяют из
соотношения K ( λ α ) =1−α и в этом случае правило проверки гипотезы 𝐻0 имеет
(при n ≥ 20) следующий вид: если наблюдавшееся значение t=D n ( x ) статистики
D n=D n ( Х )=¿ −∞ < x <∞ |Fn ( x )−F ( x)| удовлетворяют неравенству √ n t ≥ λα , то
гипотезу H 0 отвергают; в противном случае делают вывод, что нет
основания отвергать гипотезу H 0, когда она верна, с вероятностью,
приблизительно равной α. Это правило называется критерием согласия
Колмогорова.

1.3 Критерий Манна – Уитни


Рассмотрим объединенную выборку ( X 1 , … , X n , Y 1 , … , Y m ) и построим
вариационный ряд. Пусть R1 , … , R n – ранги величины X 1 , … , X n соответственно и
T =R1 +…+ R n. Тогда, T – сумма номеров мест, которые занимают в общем
вариационном ряду элементы выборки.
1при X r <Y s
Введем случайные величины Z rs= 0 в противном{ случае
и предположим
n m
U =U ( n ,m )=∑ ∑ Z rs, (1.11)
r=1 s =1

так что U – общее число таких случаев, когда элементы выборки X


предшествуют в общем вариационном ряду элементы выборки Y.
Мы можем показать, что статистики T и Y связаны линейным
соотношением T + U=nm+n( n+1)/2.
Проведем вычисления первых двух моментов статистики U при любой
гипотезе, которая задается парой непрерывных функций распределения ( F 1 , F2 ).
Из равенства (1.10) имеем

EU =nmE Z11 =nmP ( X 1 <Y 1 )=nm ∫ F 1 ( x ) d F 2 ( x ) =nma (1.12)
−∞

В частном случае, для F 1(x )≡ F2 (x ) (т.е. когда гипотеза нулевая) α =1/2.


Так же аналогично можно получить, что
DU =nm[α + ( n−1 ) b+ ( m−1 ) c−(n+m−1)α 2 ], (1.13)
∞ ∞
2
где b=∫ F ( x ) d F 2 ( x), c= ∫ ¿ ¿.
1
−∞ −∞
12
Если гипотеза нулевая, то b=c=1/ 3, поэтому DU =nm ¿1)/12.
nm nm ( n+m+1 )
При n , m→ ∞ L(U (n ,m)∨H 0 ) N ( , ).
2 12

Это предельное соотношение можно с хорошим приближением использовать


уже при n , m≥ 4 , n+m≥ 20.
Полученные результаты дают нам основание на то, что можно построить
и рассчитать критерий согласия проверки гипотезы H 0. Критическая область F 1α
может иметь различный вид. Это зависит от целей, для которых строится
критерий. Если мы хотим получить критерий, состоятельный против
альтернатив, для которых величина α в (1.6) удовлетворяет условию a < 1/2, то
критическую область задают в виде F 1α = {t ≤ t α (n , m)}, где при больших n и m
nm(n+m+1)
можно предположить t α ( n , m )= nm −
2 √ 12
t α , Ф (−t α ) =α .

Случай, когда a > 1/2, сводится к рассмотренному перестановкой F 1 и F2 .


Критерий, который составлен против альтернатив, определяемых условием
a ≠ 1/2, задают двусторонней критической областью

nm(n+ m+1)
{| | √
F 1α = t−
nm
2

12 } ( ) 2
α
t α / 2 , Ф −t α = .
2

Стоит отметить, что в последнем случае критерий не отличает от нулевой


гипотезы те альтернативы ( F 1 , F2 ), F 1 ≢ F 2, для которых a=1/2.

1.4 t-критерий Стьюдента


t-критерий Стьюдента — это общее название для класса методов
статистической проверки гипотез (статистических критериев), основанных на
распределении Стьюдента. Наиболее частые случаи применения t-критерия
связаны с проверкой равенства средних значений в двух выборках и чаще всего
используются в биомедицинских исследованиях.
t-критерий так же имеет такие названия, как парный t-критерий
Стьюдента, t-test, two-sample unpaired.
t-статистика строится обычно по следующему общему принципу: в
числителе случайная величина с нулевым математическим ожиданием (при
выполнении нулевой гипотезы), а в знаменателе — выборочное стандартное
отклонение этой случайной величины, получаемое как квадратный корень из
несмещённой оценки дисперсии.
Существуют некоторые требования, для применения данного критерия.
Необходимо, чтобы исходные данные имели нормальное распределение. В
случае применения двухвыборочного критерия для независимых выборок
также необходимо соблюдение условия равенства дисперсий.
13
1.4.1 Одновыборочный t-критерий
Применяется для проверки нулевой гипотезы, это значит, что между
образцами средних нет различий. H 0 : E ( X )=m о равенстве математического
ожидания E ( X ) некоторому известному значению m.
Очевидно, при выполнении нулевой гипотезы E ( X́ ) =m. С учётом
2
σ
предполагаемой независимости наблюдений V ( X́ ) = . Используя несмещенную
n
оценку дисперсии
2
n
( X t− X́)2
s X =∑
t=1 ( n−1)

получаем следующую t-статистику:


X́−m
t=
sX
√n
Если справедлива нулевая гипотеза этой статистики t (n−1).
Следовательно, при превышении значения статистики по абсолютной величине
критического значения данного распределения (при заданном уровне
значимости) нулевая гипотеза отвергается.

1.4.2 Двухвыборочный t-критерий для независимых выборок


Пусть имеются две независимые выборки объемами n1 , n2 нормально
распределенных случайных величин X 1 , X 2. Необходимо проверить по
выборочным данным нулевую гипотезу равенства математических ожиданий
этих случайных величин H 0 : M 1 =M 2
Рассмотрим разность выборочных средних V ( ∆ ) = X́ 1− X́ 2. Очевидно, если
нулевая гипотеза выполнена Е ( ∆ )=M 1−M 2=0. Дисперсия этой разности равна
σ 21 σ 22
исходя из независимости выборок: V ( ∆ ) = + . Тогда используя несмещенную
n1 n2
оценку дисперсии
2
n
(X t − X́ )2
s =∑

t =1 (n−1)

получаем несмещенную оценку дисперсии разности выборочных средних


s 12 s 22
+ . Следовательно, t-статистика для проверки нулевой гипотезы равна
2
s∆ =
n1 n2

14
X́ 1− X́ 2
t= .
1 1 Эта статистика при справедливости нулевой гипотезы имеет
√ +
n1 n2
распределениеt (df ), где
s 1 2 s 22 2
( + )
n1 n2
df =
s12 2 s22 2
( ) ( )
n1 n2
+
n1−1 n2−1

1.4.3 Случай одинаковой дисперсии


В случае, если дисперсии выборок предполагаются одинаковыми, то
1 1
V ( ∆ ) =σ 2 ( + )
n1 n2

Тогда t-статистика равна:


X́ 1− X́ 2 (n¿¿ 2−1) s22
t=
sX
√ 1 1
+
n 1 n2
√ 2
, s X = ( n¿¿ 1−1)s +
1
n1 +n2−2
¿¿

Эта статистика имеет распределение t ( n1+ n2−2 ) .

15
ГЛАВА 2

УСЛОВИЯ ПРИМЕНИМОСТИ КРИТЕРИЕВ


СТЬЮДЕНТА И МАННА–УИТНИ

В практической части своей дипломной работы я буду рассматривать


работу А. А. Корнеева (кандидат психологических наук, младший научный
сотрудник, факультет психологии МГУ имени М.В. Ломоносова) и А. Н.
Кричевца (кандидат физико-математических наук, доктор философских наук,
профессор, МГУ имени М.В. Ломоносова) А.А.Корнеев, А.Н.Кричевец [2].
Изначально я проделаю работу, аналогичную той, которая была
выполнена в статье журнала, а затем проделаю работу, исправив некоторые
математические погрешности, которые, на мой взгляд, были допущены в
данной статье.

2.1 Полученные результаты и их обсуждение


Рассмотрим пример, который рассматривался в статье А.А.Корнеева и
А.Н.Кричевца: биномиально распределенная случайная величина с
вероятностью успеха p = 0.5 и количеством испытаний, равным 5. Здесь можно
заметить первую умышленную ошибку: критерий Стьюдента применяется
только для нормальных распределений случайных величин.
С помощью пакета SPSS мною были смоделировано 50 выборок
размером 12 из испытаний данной случайной величины. (Приложение А.)
Затем, каждая выборка проверялась на нормальность по двум критериям:
Колмогорова и Шапиро –Уилка. Я использовала критерий Колмогорова потому
что он был использован в статье, но так как размер выборки равен 12, то я
считаю, что применение критерия Колмогорова здесь не обосновано (т.к.
данный критерий применяется для выборок, объем которых n ≥ 20), а можно
применить критерий Шапиро – Уилка, поскольку он предназначен для
небольших выборок.

  Критерий Колмогорова Критерий Шапиро – Уилка


Статистик
Статистика ст.св. p-знач. ст.св. p-знач.
  а
VAR0000 0,26
1 12 0,024 0,872 12 0,069
VAR0000 0,258 12 0,027 0,802 12 0,01

16
2
VAR0000
3 0,169 12 0,200* 0,94 12 0,495
VAR0000
4 0,191 12 0,200* 0,906 12 0,187
VAR0000
5 0,218 12 0,12 0,859 12 0,048
VAR0000
6 0,233 12 0,072 0,897 12 0,146
  Критерий Колмогорова Критерий Шапиро – Уилка
Статистик
Статистика ст.св. p-знач. ст.св. p-знач.
  а
VAR0000
7 0,209 12 0,153 0,824 12 0,018
VAR0000
8 0,279 12 0,011 0,886 12 0,105
VAR0000
9 0,177 12 0,200* 0,917 12 0,262
VAR0001
0 0,249 12 0,038 0,9 12 0,156
VAR0001
1 0,284 12 0,008 0,875 12 0,077
VAR0001
2 0,307 12 0,003 0,764 12 0,004
VAR0001
3 0,245 12 0,044 0,895 12 0,137
VAR0001
4 0,345 12 0 0,748 12 0,003
VAR0001
5 0,293 12 0,005 0,867 12 0,06
VAR0001
6 0,241 12 0,054 0,83 12 0,021
VAR0001
7 0,352 12 0 0,729 12 0,002
VAR0001
8 0,199 12 0,200* 0,919 12 0,276
VAR0001
9 0,198 12 0,200* 0,894 12 0,134
VAR0002 0,254 12 0,032 0,851 12 0,038

17
0
VAR0002
1 0,205 12 0,174 0,891 12 0,123
VAR0002
2 0,193 12 0,200* 0,887 12 0,109
VAR0002
3 0,338 12 0 0,732 12 0,002
VAR0002
4 0,164 12 0,200* 0,925 12 0,333
VAR0002
5 0,209 12 0,153 0,824 12 0,018
VAR0002
6 0,307 12 0,003 0,764 12 0,004
VAR0002
7 0,301 12 0,004 0,801 12 0,01
VAR0002
8 0,346 12 0 0,855 12 0,043
VAR0002
9 0,295 12 0,005 0,833 12 0,023
VAR0003
0 0,251 12 0,036 0,877 12 0,08
VAR0003
1 0,169 12 0,200* 0,94 12 0,495
VAR0003
2 0,27 12 0,016 0,746 12 0,002
VAR0003
3 0,299 12 0,004 0,863 12 0,053
VAR0003
4 0,237 12 0,061 0,891 12 0,123
VAR0003
5 0,267 12 0,018 0,864 12 0,055
VAR0003
6 0,167 12 0,200* 0,947 12 0,598
VAR0003
7 0,333 12 0,001 0,767 12 0,004
VAR0003
8 0,281 12 0,01 0,827 12 0,019
VAR0003
9 0,257 12 0,027 0,905 12 0,182

18
VAR0004
0 0,293 12 0,005 0,867 12 0,06
VAR0004
1 0,184 12 0,200* 0,919 12 0,28
VAR0004
2 0,267 12 0,018 0,864 12 0,055
  Критерий Колмогорова Критерий Шапиро – Уилка
Статистик
Статистика ст.св. p-знач. ст.св. p-знач.
  а
VAR0004
3 0,262 12 0,022 0,781 12 0,006
VAR0004
4 0,307 12 0,003 0,764 12 0,004
VAR0004
5 0,207 12 0,163 0,87 12 0,066
VAR0004
6 0,209 12 0,153 0,824 12 0,018
VAR0004
7 0,299 12 0,004 0,863 12 0,053
VAR0004
8 0,354 12 0 0,732 12 0,002
VAR0004
9 0,238 12 0,059 0,84 12 0,028
VAR0005
0 0,249 12 0,038 0,9 12 0,156

* Это нижняя граница истинной значимости.

Проанализировав таблицу можно сделать следующее заключение: на


уровне значимости 0,05 из 50 выборок критерий Колмогорова отвергает
гипотезу нормальности у 28 выборок, а критерий Шапиро – Уилка отвергает 20
выборок. Из них общее число выборок, у которых отвергается гипотеза
нормальности – 15.
Следующая часть моей задачи – это проверка возможности
использования t-критерия и критерия Манна – Уитни для оценки гипотез о
равенстве средних значений двух выборок из испытаний данной биномиальной
случайной величины.

19
VAR0000 VAR0000 VAR0000 VAR0000
  1 2 3 4
U Манна – Уитни 47,5 46 62 60
W Вилкоксона 125,5 124 140 138
Асимп. знач. (двухсторонняя) 0,137 0,121 0,549 0,469
Точная знч. [2*(1-сторон. знач.)] 0,16 0,143 0,59 0,514
       
Группирующая переменная: VAR00026
       
VAR0000 VAR0000 VAR0000 VAR0000
  5 6 7 8
U Манна – Уитни 58,5 58,5 70,5 54,5
W Вилкоксона 136,5 136,5 148,5 132,5
Асимп. знач. (двухсторонняя) 0,424 0,397 0,927 0,293
Точная знч. [2*(1-сторон. знач.)] 0,443 0,443 0,932 0,319
       
Группирующая переменная: VAR00026
       
VAR0000 VAR0001 VAR0001 VAR0001
  9 0 1 2
U Манна – Уитни 55,5 68,5 71 70,5
W Вилкоксона 133,5 146,5 149 148,5
Асимп. знач. (двухсторонняя) 0,32 0,832 0,952 0,927
Точная знч. [2*(1-сторон. знач.)] 0,347 0,843 0,977 0,932
       
Группирующая переменная: VAR00026
       
VAR0001 VAR0001 VAR0001 VAR0001
  3 4 5 6
U Манна – Уитни 63 48 60,5 47
W Вилкоксона 141 126 138,5 125
Асимп. знач. (двухсторонняя) 0,579 0,142 0,474 0,131
Точная знч. [2*(1-сторон. знач.)] 0,63 0,178 0,514 0,16
       
Группирующая переменная: VAR00026
       
VAR0001 VAR0001 VAR0001 VAR0002
  7 8 9 0
U Манна – Уитни 55 52 39 47
W Вилкоксона 133 130 117 125
Асимп. знач. (двухсторонняя) 0,297 0,227 0,049 0,135

20
Точная знч. [2*(1-сторон. знач.)] 0,347 0,266 0,06 0,16
       
Группирующая переменная: VAR00026
       
VAR0002 VAR0002 VAR0002 VAR0002
  1 2 3 4 VAR00025
U Манна – Уитни 68,5 64,5 42,5 60 62,5
W Вилкоксона 146,5 142,5 120,5 138 140,5
Асимп. знач. (двухсторонняя) 0,832 0,641 0,075 0,459 0,565
Точная знч. [2*(1-сторон. знач.)] 0,843 0,671 0,089 0,514 0,59
         
Группирующая переменная: VAR00026
         
Из результатов таблицы можно заметить, что все значения превышают
уровень значимости 0,05 и 0,01, следовательно, нет оснований отклонять
гипотезу.

21
t-критерий для равенства средних    
 
95%
Средне-
знач. Средняя доверительный
  квадратична
т ст.св. (двух- разност интервал для
я ошибка
сторонняя) ь разности
разности
  Нижняя Верхняя
Предполагаются
VAR равные дисперсии
1,502 22 0,147 0,58333 0,38844 -0,22224 1,3889
0000
1 Не предполагаются 20,89
равные дисперсии
1,502 0,148 0,58333 0,38844 -0,22472 1,39138
4
Предполагаются
VAR равные дисперсии
-1,651 22 0,113 -0,75 0,45436 -1,69228 0,19228
0000
2 Не предполагаются 21,21
равные дисперсии
-1,651 0,114 -0,75 0,45436 -1,69431 0,19431
3
Предполагаются
VAR равные дисперсии
0,733 22 0,472 0,33333 0,45505 -0,61038 1,27705
0000
3 Не предполагаются 21,88
равные дисперсии
0,733 0,472 0,33333 0,45505 -0,61068 1,27734
3
Предполагаются
VAR равные дисперсии
-0,568 22 0,576 -0,25 0,44024 -1,16301 0,66301
0000
4 Не предполагаются 18,16
равные дисперсии
-0,568 0,577 -0,25 0,44024 -1,1743 0,6743
8
Предполагаются
VAR равные дисперсии
-0,944 22 0,355 -0,5 0,52944 -1,59798 0,59798
0000
Не предполагаются
5 -0,944 21,24 0,356 -0,5 0,52944 -1,60027 0,60027
равные дисперсии

Предполагаются
VAR равные дисперсии
-0,983 22 0,336 -0,33333 0,33897 -1,03631 0,36964
0000
6 Не предполагаются 21,83
равные дисперсии
-0,983 0,336 -0,33333 0,33897 -1,03662 0,36996
1
Предполагаются
VAR равные дисперсии
0,398 22 0,695 0,16667 0,41893 -0,70215 1,03548
0000
7 Не предполагаются 21,92
равные дисперсии
0,398 0,695 0,16667 0,41893 -0,70231 1,03565
7
Предполагаются
VAR равные дисперсии
-0,979 22 0,338 -0,41667 0,42566 -1,29943 0,4661
0000
8 Не предполагаются 20,73
равные дисперсии
-0,979 0,339 -0,41667 0,42566 -1,30258 0,46924
1
Предполагаются
VAR равные дисперсии
-0,959 22 0,348 -0,41667 0,43447 -1,3177 0,48437
0000
9 Не предполагаются 18,36
равные дисперсии
-0,959 0,35 -0,41667 0,43447 -1,32815 0,49481
6
Предполагаются
VAR равные дисперсии
0 22 1 0 0,43082 -0,89347 0,89347
0001
0 Не предполагаются 21,42
равные дисперсии
0 1 0 0,43082 -0,89485 0,89485
9
22
t-критерий для равенства средних    
 
95%
Средне-
знач. Средняя доверительный
  квадратична
т ст.св. (двух- разност интервал для
я ошибка
сторонняя) ь разности
разности
  Нижняя Верхняя
Предполагаются
VAR равные дисперсии
-0,17 22 0,866 -0,08333 0,48915 -1,09777 0,9311
0001
1 Не предполагаются 21,17
равные дисперсии
-0,17 0,866 -0,08333 0,48915 -1,10008 0,93341
1
Предполагаются
VAR равные дисперсии
0,179 22 0,86 0,08333 0,46534 -0,88172 1,04839
0001
2 Не предполагаются 18,10
равные дисперсии
0,179 0,86 0,08333 0,46534 -0,89389 1,06055
9
Предполагаются
VAR равные дисперсии
-0,492 22 0,628 -0,16667 0,33897 -0,86964 0,53631
0001
3 Не предполагаются 21,83
равные дисперсии
-0,492 0,628 -0,16667 0,33897 -0,86996 0,53662
1
Предполагаются
VAR равные дисперсии
1,487 22 0,151 0,75 0,5044 -0,29606 1,79606
0001
4 Не предполагаются 20,88
равные дисперсии
1,487 0,152 0,75 0,5044 -0,2993 1,7993
8
Предполагаются
VAR равные дисперсии
0,793 22 0,436 0,33333 0,42044 -0,5386 1,20527
0001
Не предполагаются
5 0,793 21,84 0,436 0,33333 0,42044 -0,53897 1,20564
равные дисперсии

Предполагаются
VAR равные дисперсии
1,682 22 0,107 0,75 0,44594 -0,17483 1,67483
0001
Не предполагаются
6 1,682 20,82 0,108 0,75 0,44594 -0,17787 1,67787
равные дисперсии

Предполагаются
VAR равные дисперсии
1,274 22 0,216 0,5 0,39248 -0,31395 1,31395
0001
7 Не предполагаются 21,94
равные дисперсии
1,274 0,216 0,5 0,39248 -0,31407 1,31407
7
Предполагаются
VAR равные дисперсии
1,292 22 0,21 0,58333 0,45157 -0,35316 1,51983
0001
8 Не предполагаются 21,96
равные дисперсии
1,292 0,21 0,58333 0,45157 -0,35325 1,51992
4
Предполагаются
VAR равные дисперсии
2,11 22 0,046 0,91667 0,43447 0,01563 1,8177
0001
Не предполагаются
9 2,11 21,97 0,046 0,91667 0,43447 0,01556 1,81777
равные дисперсии

t-критерий для равенства средних    


 

23
95%
Средне-
знач. Средняя доверительный
  квадратична
т ст.св. (двух- разност интервал для
я ошибка
сторонняя) ь разности
разности
  Нижняя Верхняя
Предполагаются
VAR равные дисперсии
1,542 22 0,137 0,66667 0,43228 -0,22983 1,56317
0002
0 Не предполагаются 20,50
равные дисперсии
1,542 0,138 0,66667 0,43228 -0,23365 1,56698
2
Предполагаются
VAR равные дисперсии
0,17 22 0,866 0,08333 0,48915 -0,9311 1,09777
0002
1 Не предполагаются 21,29
равные дисперсии
0,17 0,866 0,08333 0,48915 -0,93305 1,09972
4
Предполагаются
VAR равные дисперсии
0,462 22 0,649 0,16667 0,36063 -0,58122 0,91456
0002
2 Не предполагаются 21,96
равные дисперсии
0,462 0,649 0,16667 0,36063 -0,58129 0,91462
7
Предполагаются
VAR равные дисперсии
1,999 22 0,058 0,75 0,37521 -0,02814 1,52814
0002
3 Не предполагаются 20,65
равные дисперсии
1,999 0,059 0,75 0,37521 -0,0311 1,5311
1
Предполагаются
VAR равные дисперсии
-0,484 22 0,633 -0,16667 0,34451 -0,88114 0,5478
0002
4 Не предполагаются 19,45
равные дисперсии
-0,484 0,634 -0,16667 0,34451 -0,88659 0,55326
5
Предполагаются
VAR равные дисперсии
0,94 22 0,357 0,41667 0,4431 -0,50227 1,3356
0002
5 Не предполагаются 21,46
равные дисперсии
0,94 0,358 0,41667 0,4431 -0,50359 1,33693
7

Исходя из данных, приведенных в таблице, можно заметить, что на


уровне значимости 0,05 из 25 выборок всего 2 отвергают гипотезу, а это
означает, что нет оснований отвергать нулевую гипотезу однородности.

24
2.2

Изучив статью из журнала, я предлагаю свой вариант анализа условий


применимости t-критерия Стьюдента и критерия Манна-Уитни. В моем анализе
будут применятся данные критерии согласно правилам математической
статистики.
Вместо биномиальных случайных величин я буду рассматривать
нормальные случайные величины. Это является условием t-критерия
Стьюдента.
Затем, с помощью пакета SPSS, мною были смоделировано 50 выборок
размером 50 из испытаний данной случайной величины. (Приложение Б.)
Несмотря на то, что выборки изначально моделировались из нормальных
случайных величин, я, как и в предыдущем пункте, проверяла их на
нормальность по двум критериям: Колмогорова и Шапиро – Уилка.

  Критерий Колмогорова Критерий Шапиро – Уилка


  Статистика ст.св. знач. Статистика ст.св. знач.
VAR00001 0,064 50 ,200* 0,987 50 0,838
VAR00002 0,064 50 ,200* 0,988 50 0,886
VAR00003 0,13 50 0,03 0,964 50 0,129
VAR00004 0,068 50 ,200* 0,985 50 0,779
VAR00005 0,095 50 ,200* 0,981 50 0,616
VAR00006 0,077 50 ,200* 0,984 50 0,72
VAR00007 0,074 50 ,200* 0,971 50 0,25
VAR00008 0,105 50 ,200* 0,972 50 0,276
VAR00009 0,088 50 ,200* 0,982 50 0,642
VAR00010 0,108 50 ,200* 0,961 50 0,095
VAR00011 0,078 50 ,200* 0,984 50 0,741
VAR00012 0,063 50 ,200* 0,986 50 0,807
VAR00013 0,063 50 ,200* 0,984 50 0,711
VAR00014 0,089 50 ,200* 0,979 50 0,524
VAR00015 0,098 50 ,200* 0,98 50 0,556
VAR00016 0,09 50 ,200* 0,984 50 0,721
VAR00017 0,073 50 ,200* 0,98 50 0,551
VAR00018 0,072 50 ,200* 0,978 50 0,468
VAR00019 0,106 50 ,200* 0,968 50 0,193
VAR00020 0,103 50 ,200* 0,965 50 0,146
VAR00021 0,186 50 0,00 0,946 50 0,024
VAR00022 0,1 50 ,200* 0,977 50 0,436
25
VAR00023 0,1 50 ,200* 0,971 50 0,256
Критерий Колмогорова Критерий Шапиро – Уилка
Статистика ст.св. знач. Статистика ст.св. знач.
VAR00024 0,067 50 ,200* 0,983 50 0,679
VAR00025 0,063 50 ,200* 0,978 50 0,461
VAR00026 0,114 50 0,11 0,961 50 0,095
VAR00027 0,092 50 ,200* 0,964 50 0,126
VAR00028 0,09 50 ,200* 0,977 50 0,45
VAR00029 0,077 50 ,200* 0,988 50 0,876
VAR00030 0,122 50 0,06 0,951 50 0,038
VAR00031 0,117 50 0,09 0,96 50 0,092
VAR00032 0,103 50 ,200* 0,972 50 0,276
VAR00033 0,105 50 ,200* 0,98 50 0,549
VAR00034 0,106 50 ,200* 0,972 50 0,283
VAR00035 0,074 50 ,200* 0,971 50 0,256
VAR00036 0,063 50 ,200* 0,987 50 0,863
VAR00037 0,076 50 ,200* 0,988 50 0,873
VAR00038 0,077 50 ,200* 0,968 50 0,195
VAR00039 0,094 50 ,200* 0,973 50 0,313
VAR00040 0,079 50 ,200* 0,977 50 0,418
VAR00041 0,093 50 ,200* 0,969 50 0,21
VAR00042 0,09 50 ,200* 0,971 50 0,261
VAR00043 0,078 50 ,200* 0,978 50 0,468
VAR00044 0,081 50 ,200* 0,982 50 0,639
VAR00045 0,098 50 ,200* 0,969 50 0,207
VAR00046 0,077 50 ,200* 0,982 50 0,625
VAR00047 0,079 50 ,200* 0,978 50 0,49
VAR00048 0,071 50 ,200* 0,992 50 0,986
VAR00049 0,074 50 ,200* 0,979 50 0,528
VAR00050 0,083 50 ,200* 0,978 50 0,479

* Это нижняя граница истинной значимости.

По результатам критерия Колмогорова, гипотеза нормальности


отвергается у 3-ей и 21-ой выборок. В остальных случаях нет оснований
отвергать гипотезу нормальности. Поэтому я исключаю эти столбцы из
рассмотрения, а значит и соответствующие им пары тоже рассматриваться не
будут.
26
Затем, как и в предыдущем пункте, я буду проверять возможности
использования t-критерия Стьюдента и критерия Манна – Уитни для проверки
гипотез о равенстве средних значений двух выборок из испытаний данной
нормальной случайной величины.
VAR0000 VAR0000 VAR0000
  VAR00001 2 3 4
U Манна-Уитни 906 896 924
W Вилкоксона 1231 3746 3774
Асимп. знач. (двухсторонняя) 0,802 0,741 0,914
       
Группирующая переменная: VAR00026
       
VAR0000 VAR0000 VAR0000
  VAR00005 6 7 8
U Манна-Уитни 885 803 935 872
W Вилкоксона 1210 1128 3785 3722
Асимп. знач. (двухсторонняя) 0,676 0,284 0,984 0,602
       
Группирующая переменная: VAR00026
       
VAR0001 VAR0001 VAR0001
  VAR00009 0 1 2
U Манна-Уитни 867 869 763,5
W Вилкоксона 1192 1194 1088,5
Асимп. знач. (двухсторонняя) 0,575 0,586 0,166
       
Группирующая переменная: VAR00026
       
VAR0001 VAR0001 VAR0001
  VAR00013 4 5 6
U Манна-Уитни 829 856 797 799
W Вилкоксона 1154 3706 1122 3649
Асимп. знач. (двухсторонняя) 0,388 0,516 0,263 0,27
     
Группирующая переменная: VAR00026
       
VAR0001 VAR0001 VAR0002
  VAR00017 8 9 0
U Манна-Уитни 765 766 933 695
W Вилкоксона 3615 1091 3783 1020
Асимп. знач. (двухсторонняя) 0,17 0,172 0,971 0,054
       
Группирующая переменная: VAR00026
       
VAR0002 VAR0002 VAR0002
  VAR00021 2 3 4 VAR00025
U Манна-Уитни 833 637 799 749 836
W Вилкоксона 1158 962 1124 1074 3686
Асимп. знач. (двухсторонняя) 0,405 0,017 0,27 0,133 0,419
         
Группирующая переменная: VAR00026
         

27
Из результатов таблицы можно заметить, что только одно значение из 23
не превышает уровень значимости 0,05. А это значит, что нет оснований
отвергать гипотезу. (12 минут)

  t-критерий для равенства средних    


 
Средне- 95% доверительный
знач.
    Средняя квадратичная интервал для
т ст.св. (двух-
разность ошибка разности
сторонняя)
разности Нижняя Верхняя
   
Предполагаются
VAR равные дисперсии
0,336 98 0,738 0,08032 0,23928 -0,39452 0,55517
0000
Не предполагаются
1 0,351 44,546 0,727 0,08032 0,22901 -0,38106 0,54171
равные дисперсии

Предполагаются
VAR равные дисперсии
0000
Не предполагаются
2
равные дисперсии

Предполагаются
VAR равные дисперсии
0,434 98 0,665 0,10529 0,24266 -0,37626 0,58684
0000
Не предполагаются
3 0,411 37,717 0,684 0,10529 0,25633 -0,41376 0,62434
равные дисперсии

Предполагаются -
VAR равные дисперсии
98 0,68 -0,10141 0,24499 -0,5876 0,38477
0,414
0000
4 Не предполагаются -
равные дисперсии
40,688 0,683 -0,10141 0,24675 -0,59986 0,39703
0,411
Предполагаются -
VAR равные дисперсии
98 0,954 -0,01136 0,19797 -0,40423 0,38151
0,057
0000
5 Не предполагаются -
равные дисперсии
43,067 0,953 -0,01136 0,19298 -0,40053 0,37781
0,059
Предполагаются -
VAR равные дисперсии
98 0,451 -0,14348 0,18953 -0,5196 0,23263
0,757
0000
6 Не предполагаются -
равные дисперсии
39,349 0,466 -0,14348 0,19483 -0,53745 0,25048
0,736
Предполагаются -
VAR равные дисперсии
98 0,9 -0,03037 0,2403 -0,50723 0,44649
0,126
0000
7 Не предполагаются -
равные дисперсии
47,444 0,892 -0,03037 0,22264 -0,47817 0,41742
0,136
Предполагаются
VAR равные дисперсии
0,788 98 0,433 0,17406 0,22088 -0,26426 0,61238
0000
Не предполагаются
8 0,906 54,269 0,369 0,17406 0,19219 -0,21122 0,55934
равные дисперсии

VAR Предполагаются -
равные дисперсии
98 0,669 -0,09582 0,22317 -0,53869 0,34705
0000 0,429

28
Не предполагаются -
9 равные дисперсии
44,331 0,657 -0,09582 0,21414 -0,52731 0,33566
0,447

  t-критерий для равенства средних    


 
Средне- 95% доверительный
знач.
    Средняя квадратичная интервал для
т ст.св. (двух-
разность ошибка разности
сторонняя)
разности Нижняя Верхняя
   
Предполагаются -
VAR равные дисперсии
98 0,738 -0,07637 0,22736 -0,52755 0,37482
0,336
0001
0 Не предполагаются -
равные дисперсии
41,136 0,739 -0,07637 0,22751 -0,53578 0,38305
0,336
Предполагаются
VAR равные дисперсии
0001
Не предполагаются
1
равные дисперсии

Предполагаются -
VAR равные дисперсии
98 0,126 -0,37473 0,24275 -0,85646 0,10699
1,544
0001
2 Не предполагаются -
равные дисперсии
40,778 0,133 -0,37473 0,24417 -0,86793 0,11846
1,535
Предполагаются -
VAR равные дисперсии
98 0,623 -0,10579 0,21464 -0,53174 0,32015
0,493
0001
Не предполагаются
3 -0,56 52,809 0,578 -0,10579 0,18905 -0,48501 0,27343
равные дисперсии

Предполагаются
VAR равные дисперсии
0,798 98 0,427 0,18448 0,23131 -0,27456 0,64351
0001
Не предполагаются
4 0,803 41,641 0,427 0,18448 0,22983 -0,27945 0,64841
равные дисперсии

Предполагаются -
VAR равные дисперсии
98 0,28 -0,26264 0,24195 -0,74279 0,21751
1,086
0001
5 Не предполагаются -
равные дисперсии
55,698 0,212 -0,26264 0,20815 -0,67968 0,15439
1,262
Предполагаются
VAR равные дисперсии
1,265 98 0,209 0,28428 0,22468 -0,16159 0,73016
0001
Не предполагаются
6 1,123 34,446 0,269 0,28428 0,25325 -0,23013 0,7987
равные дисперсии

Предполагаются
VAR равные дисперсии
1,631 98 0,106 0,38643 0,23686 -0,0836 0,85647
0001
Не предполагаются
7 1,706 44,594 0,095 0,38643 0,22656 -0,07 0,84287
равные дисперсии

Предполагаются -
VAR равные дисперсии
98 0,131 -0,36163 0,23774 -0,83343 0,11016
1,521
0001
8 Не предполагаются -
равные дисперсии
45,299 0,116 -0,36163 0,22554 -0,8158 0,09254
1,603

  t-критерий для равенства средних    


 

29
Средне- 95% доверительный
знач.
    Средняя квадратичная интервал для
т ст.св. (двух-
разность ошибка разности
сторонняя)
разности Нижняя Верхняя
   
Предполагаются -
VAR равные дисперсии
98 0,986 -0,00417 0,2331 -0,46676 0,45841
0,018
0001
9 Не предполагаются -
равные дисперсии
36,63 0,987 -0,00417 0,25118 -0,51329 0,50494
0,017
Предполагаются -
VAR равные дисперсии
98 0,044 -0,35763 0,17494 -0,7048 -0,01047
2,044
0002
0 Не предполагаются -
равные дисперсии
55,109 0,022 -0,35763 0,1512 -0,66063 -0,05464
2,365
Предполагаются -
VAR равные дисперсии
98 0,84 -0,04523 0,22318 -0,48812 0,39766
0,203
0002
1 Не предполагаются -
равные дисперсии
36,124 0,853 -0,04523 0,24285 -0,53769 0,44724
0,186
Предполагаются -
VAR равные дисперсии
98 0,027 -0,50109 0,22247 -0,94257 -0,05961
2,252
0002
2 Не предполагаются -
равные дисперсии
41,907 0,028 -0,50109 0,22023 -0,94556 -0,05662
2,275
Предполагаются -
VAR равные дисперсии
98 0,366 -0,20061 0,22067 -0,63851 0,2373
0,909
0002
3 Не предполагаются -
равные дисперсии
42,367 0,361 -0,20061 0,21709 -0,6386 0,23739
0,924
Предполагаются
VAR равные дисперсии
-1,37 98 0,174 -0,31142 0,22738 -0,76266 0,13981
0002
4 Не предполагаются -
равные дисперсии
42,56 0,17 -0,31142 0,22313 -0,76154 0,13869
1,396
Предполагаются
VAR равные дисперсии
0,677 98 0,5 0,15868 0,23454 -0,30675 0,62411
0002
Не предполагаются
5 0,632 36,964 0,531 0,15868 0,25115 -0,35021 0,66757
равные дисперсии

По результатам t-критерия Стьюдента видно, что 3 значения из 23 не


превышает уровень значимости 0,05. А это значит, что нет оснований
отклонять гипотезу. 22,5 мин

Вывод 20 минут

30
31
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Большев Л.Н., Смирнов Н.В Таблицы математической статистики.


М.: Наука. Главная редакция физико-математической литературы, 1983.
2. Ивченко Г.И., Медведев Ю.И. Математическая статистика. М.:
Высш. шк. 1984.
3. Корнеев А.А, Кричевец А.Н. Условия применимости критериев
Стьюдента и Манна-Уитни // Психологический журнал – 2011 – том 32, №1 –
С.97-110.
4. Лагутин М.Б. Наглядная математическая статистика: Учебное
пособие – БИНОМ. Лаборатория знаний 2007.
5. Лазакович Н.В., Сташуленок С.П., Яблонский О.Л. Теория
вероятностей: учебник.  3-е изд., с изменен.  Минск: БГУ, 2013.

32
ПРИЛОЖЕНИЕ А
Таблица 1.
VAR0000 VAR0000 VAR0000 VAR0000 VAR0000 VAR0000 VAR0000 VAR0000
1 2 3 4 5 6 7 8
4 1 1 4 2 0 2 3
3 2 3 3 2 3 2 4
1 1 2 1 4 3 1 1
3 2 2 2 2 4 1 3
3 3 1 3 2 2 3 3
2 3 1 2 3 3 2 1
2 1 3 3 1 2 3 1
3 2 2 2 3 3 2 3
4 3 4 3 4 3 1 4
1 3 2 1 4 2 3 0
3 2 0 4 4 2 3 2
4 3 0 2 1 1 2 3

VAR0000 VAR0001 VAR0001 VAR0001 VAR0001 VAR0001 VAR0001 VAR0001


9 0 1 2 3 4 5 6
4 2 2 2 3 3 2 4
2 2 3 2 4 3 2 2
3 2 2 3 3 2 3 1
3 2 2 4 3 3 4 2
2 1 2 2 2 3 2 4
1 3 2 4 1 3 3 1
1 3 3 3 2 3 4 4
0 2 3 2 2 2 3 3
0 3 2 3 4 1 2 4
3 5 3 4 2 1 2 4
4 1 1 2 1 0 1 3
1 4 4 2 2 3 2 3

VAR0001 VAR0001 VAR0001 VAR0002 VAR0002 VAR0002 VAR0002 VAR0002


7 8 9 0 1 2 3 4
3 1 3 3 1 5 3 3
2 4 3 3 3 1 3 3
2 3 4 3 2 1 2 1
3 4 2 3 3 3 2 0

33
2 4 2 4 2 3 3 3
2 3 4 4 2 3 0 4
4 3 2 2 2 2 2 2
2 2 4 4 4 1 2 2
2 2 1 2 4 2 2 1
3 4 3 2 3 1 3 4
4 1 3 3 1 4 2 0
2 5 2 0 1 3 2 2

VAR0002 VAR0002 VAR0002 VAR0002 VAR0002 VAR0003 VAR0003 VAR0003


5 6 7 8 9 0 1 2
1 2 4 2 3 2 3 3
3 2 2 0 3 3 3 3
3 2 2 5 5 1 4 3
1 3 1 2 2 3 1 3
3 1 4 2 3 4 2 1
2 3 4 4 3 3 3 3
2 3 4 1 2 2 2 2
3 3 3 4 1 1 2 1
2 3 4 2 3 3 4 1
2 1 2 2 3 3 1 2
1 1 3 2 3 1 5 1
2 3 4 2 1 2 3 1

VAR0003 VAR0003 VAR0003 VAR0003 VAR0003 VAR0003 VAR0003 VAR0004 VAR0004


3 4 5 6 7 8 9 0 1
2 2 2 2 3 2 2 3 4
2 3 2 3 3 1 4 1 3
2 1 5 3 3 4 5 3 5
3 3 3 3 1 1 4 3 1
3 0 3 4 1 2 4 2 1
4 2 3 2 3 2 1 4 3
1 2 3 0 3 2 4 2 2
1 1 3 2 4 3 3 3 2
2 2 1 1 4 2 2 3 3
2 1 1 1 4 1 2 1 3
4 2 2 1 3 1 4 2 1

34
2 3 3 2 4 4 3 3 4

VAR0004 VAR0004 VAR0004 VAR0004 VAR0004 VAR0004 VAR0004 VAR0004 VAR0005


2 3 4 5 6 7 8 9 0
2 4 2 3 3 2 3 2 3
2 4 2 2 2 1 3 4 1
3 2 4 2 1 3 2 4 4
2 4 3 3 3 2 2 5 3
1 3 4 2 2 2 3 3 2
5 2 2 2 1 2 3 2 2
3 2 3 4 1 2 1 2 0
1 4 2 1 2 1 2 3 3
3 3 2 4 2 4 3 3 3
3 2 3 4 3 3 3 3 2
3 3 2 3 3 2 3 2 4
3 2 4 4 2 4 2 2 3

35
ПРИЛОЖЕНИЕ Б.
Таблица 2.
VAR00001 VAR00002 VAR00003 VAR00004 VAR00005 VAR00006 VAR00007
- 0,45862407 0,28044269
0,357000545 -0,52484893 2 -0,30760248 -2,05396645 1 0,071702289
0,29455463
0,124207418 -0,15534056 8 -1,34471975 0,08651341 -0,12767714 1,363082447
0,55708142
1,377952685 -0,72727744 1 1,100472673 0,026968792 -0,99442332 -0,73798446
-
0,495397217 0,62059371 -1,33160938 -0,45870934 0,361733328 -0,43748059 0,777949936
-
0,008453753 1,698144843 -0,46730975 -0,78012704 -0,23913799 -1,12635007 0,859126885
0,61670220 0,01518515
1,474359124 -2,41048838 9 -0,25767804 -0,65908353 1 0,273845444
-
0,098651753 0,486595582 -0,12089345 -0,66804432 0,801778697 -0,85857437 1,581724973
- 0,69720954 0,93071548
0,797986104 -1,25482984 3 1,40967586 -0,70092028 7 -3,08820745
- 1,54739154 2,81463144
0,657182682 0,528362989 8 -2,2752829 -0,24244514 3 0,251909569
- 0,10626536
1,160171905 0,717150215 1 -0,03026003 -1,00895249 -1,43770649 0,590998752
0,70523128 1,79665676
0,682941845 1,603202691 7 0,282751671 -0,65026825 1 0,415695922
-
0,644325837 0,963054845 -1,21754965 0,888146587 3,030581865 -0,38469807 0,633630179
-
1,049884304 1,828693712 -0,30976935 0,992417881 1,550183697 1,78261871 -1,25482984
-
0,579286734 0,282433348 -0,71112936 -1,56563146 -0,4428739 -0,48590664 0,026968792
- 0,20221705
0,451243523 -0,18374521 -0,45488832 -1,66634436 -1,44788828 2 -0,54116072
-
0,137092684 1,080784386 0,10595727 -0,95180212 -0,24520318 -0,18670335 -0,06211849
- 0,41953512
1,190078365 2,457854862 7 -0,34171421 0,851737241 -0,53841745 0,196832843
1,378743946 0,012278178 -0,01235549 -0,0503951 -0,04710273 0,37097834 -1,66358859

36
1
- 0,02681645
0,475602064 1,105672709 1 0,740094492 0,548170647 -0,41961812 1,002861154
0,65357994 0,34106506
2,40495865 0,183200655 6 -0,33960646 1,813432391 1 -1,12981979
0,01901071
1,354223969 0,674274361 -0,62616664 -1,83318662 -1,40576049 3 -0,94317556
0,38091229
1,392527338 -0,29048351 7 -0,63784341 0,059053491 -2,20656148 -0,06917162
- 0,49004256 0,64989080
0,274719696 0,087050012 7 -1,31200068 1,522544153 8 -0,55645614
- 0,48926722
0,171777401 0,118812977 -0,11111297 0,712805104 1,076675744 2 0,993295544
0,01327293 0,53294229
0,168051884 -0,08597453 8 1,153598532 0,528099235 5 1,261414582
2,72608303 0,72439206
0,52941914 0,672066562 9 -1,02073045 -0,59903414 6 -0,39509814
0,49401478
0,820700734 -1,30677108 5 -1,45512786 1,641710696 -0,93686822 0,314266799
0,899324277 1,499779501 -0,44085027 -1,21482572 0,505802973 -1,13986971 1,285334292
- 0,11927568
2,127399057 0,805264335 -1,53163001 1,783746484 -1,18481239 3 0,50120093
-0,06472419 0,980967343 -0,75008984 1,109769983 -0,54399607 -1,03945467 -1,05454092
0,059359309 -1,47913852 -0,27170131 0,662604407 0,244730245 -0,94079041 2,098167897
- 1,35710251 0,33434389
1,706616786 -0,1123442 9 0,271384124 -0,2415004 5 0,879665549
1,11702092
0,985307906 0,193323331 0,32481239 -0,0864361 -1,26617579 9 0,371469469
1,78224581
0,333129719 -0,12158694 8 -0,20190441 0,977506716 -0,13431304 1,141333996
0,347071136 1,515754775 -0,17931256 -1,95485882 0,65414838 -0,39344513 1,405555849
VAR00001 VAR00002 VAR00003 VAR00004 VAR00005 VAR00006 VAR00007
0,71626118 1,74528395
-0,45802949 -1,71288775 4 0,069478574 -0,59291324 3 -0,13184376
- 0,42731699 1,14973772
1,233925104 -0,53179747 1 -0,39195811 0,454040219 7 -0,47963226
- 0,60068259
0,604810566 -0,25096256 -0,14064653 -1,19365723 1,539588084 7 0,825100415
0,432014531 1,04340188 -2,28143108 -0,8658958 0,717250259 1,32440163 0,85956799

37
7
0,49220034 0,05422634
0,674754119 -1,36716153 3 0,084362455 -1,36482868 8 -0,32900857
-
0,254832457 -1,44788828 -0,47989033 0,471067096 -1,02447302 -2,34707841 -0,85338797
1,056143901 0,154954023 -0,45285333 -1,09502253 0,311856638 -0,7667154 -0,50258905
- 1,25685119 0,95699078
0,889053808 -2,52603058 2 -1,81462383 -1,03683305 9 -0,42179181
- 0,16463900
2,159340511 -0,5005063 -1,22886377 0,180323241 -0,32763637 5 -0,68487452
1,199605322 -0,41594603 -0,23205985 0,226091288 -0,44718149 -0,20956122 -0,54222369
1,65570782 0,181100859 0,2578372 0,722204732 -0,7412018 -0,41995236 1,415487532
- 0,36655592
0,068635018 0,215743512 -0,09965106 0,227817054 -0,65841732 3 -0,87315129
0,11665633 2,56302882
-0,70955366 -0,5875404 8 -0,22444283 0,945085503 9 -0,25957661
0,27750047
0,208310666 -1,16830734 6 0,885086138 0,721709057 -1,70628937 0,969275789
- 0,41327780
1,023308869 -1,04617584 3 -0,72528678 1,15018338 -0,59756985 -0,31041054

VAR00008 VAR00009 VAR00010 VAR00011 VAR00012 VAR00013


0,05445599
5 -0,38058261 0,760979901 -0,748975708 0,808336154 0,223501502
0,04809749 -0,43268642 0,310892574 -0,832001206 0,522742312 -0,716556769
-1,18852768 -0,81663529 -1,629182407 0,192466132 -1,137382242 0,514603471
0,25222561
-2,09955033 8 -0,480920335 -0,549504193 2,002525434 0,319173523
0,24788505
5 -0,92389655 0,939598976 -0,19995241 -0,24378437 -0,007075869
-0,5739571 -0,92859409 0,403465492 -0,046259174 -0,078989615 1,040507414
1,06581410
-0,69010639 4 0,019929303 -0,050013114 -1,109769983 1,419875844
0,04457433 1,10117298
5 4 0,028882141 1,142068413 -0,565230494 0,981708581
-1,57402155 -0,98655164 -1,287785381 2,021633918 -0,120893446 0,375489435
0,09388713
8 -0,20799803 0,046642299 -0,39195811 1,249470643 -0,343011379

38
0,28609747
-0,33660854 5 2,473825589 -0,30992851 0,09012183 1,582798177
-0,68797135 -0,7132985 0,332321406 -1,465346031 -0,770105544 1,131847966
3,37720848
6 2,09679456 0,367374469 0,018628725 1,039193194 -1,442672328
-0,36860229 -0,41803105 1,034738943 -0,226482371 0,105649178 1,29024329
2,61541572
4 -0,72717967 -0,31692025 -0,72677949 0,667089353 0,302472927
0,35284529 0,60582124
1 2 0,516176897 0,400895033 1,466019057 1,373027771
-0,11796601 -1,05028221 -1,081468781 -0,396008772 -0,1291437 0,374175215
1,17529907
-0,07945118 6 -0,1619253 -0,069478574 0,062501613 0,152863322
0,09596078
-0,02298975 6 -0,078223366 0,827792519 1,5976957 -1,066623554
1,95279426
4 -0,16549166 0,221227765 -0,066794428 -0,124439339 -1,27457497
VAR00008 VAR00009 VAR00010 VAR00011 VAR00012 VAR00013
1,18930074
7 -0,03799073 -0,163475988 1,723597052 1,012265329 0,253962753
0,10711119 0,81024609
1 2 0,750089839 0,949157766 0,255544137 -1,099772362
-0,28052227 -0,11157454 1,176213118 -1,558119038 0,513468876 -1,001092187
2,01868715 0,69603856
5 9 -0,241105909 -0,490042567 -1,126782081 -0,591727485
0,69740508
-0,47406047 5 0,53276608 -0,125750148 0,942220595 -0,739893267
1,24083271
-1,29165073 7 -0,63943844 0,5078914 1,257358235 1,557345968
-0,41269459 -0,83829036 -0,041205794 1,01405476 -0,786260443 2,50965968
0,59894318
-1,80012648 8 -0,03990408 1,218031684 0,383545284 1,27803105
-1,25533461 -0,26353518 -0,742611519 -0,77093091 -0,142114231 0,464325467
-1,75555215 -0,06211849 -2,138549462 0,684874522 -0,672162059 0,728574605
0,43874251 0,19332333
8 1 0,040976147 0,012813643 -0,694869868 -1,899052222
-1,67374765 -0,10503413 -2,01693183 1,763100954 0,494965207 -1,604585123
-0,56119688 -0,33766128 0,917816578 0,596746759 0,494792403 1,129383236
0,90299636 0,90656840 -0,48177867 0,977506716 -0,857910436 1,861417331
39
2 3
0,19394747
1 -0,25910253 -0,516613454 0,706015726 0,119969172 -0,914906195
1,26005943 0,65376980
5 3 -0,441777956 0,174106844 -0,786781129 0,256887915
0,28012436
8 -0,98817054 1,007551873 -0,326909912 0,939719484 0,144509613
0,96123130
-0,80515747 8 0,413695034 0,578111212 0,113191163 0,430084128
1,61916887 -1,71554348 0,255781742 0,386924057 -1,601270014 0,042048214
0,12598093 0,66279426
2 4 0,557439535 -0,265436029 -0,28928639 -0,142886165
1,29376758
-1,04604169 2 1,168759809 0,110496785 -0,464495997 -0,008606094
0,64970208 0,96123130
8 8 -0,067561814 -1,649113983 0,313704049 -1,399826033
0,82316773
8 -1,12246198 0,19215463 0,313704049 0,259576609 2,769447747
0,77691538 0,99945282
5 3 1,89167622 -0,660604655 -1,346797944 1,405351213
0,14505076 0,22397216
3 5 -2,248616511 0,643760814 -0,215038654 0,677830485
0,55137434
2 -0,17907951 -0,234181243 -0,250804533 -1,230166617 2,294000296
-0,44456215 -0,47012691 -0,258073669 0,627470627 -0,46858986 -0,431846274
0,03806690 0,17309730
1 5 0,091735046 0,542843281 -1,273715498 -0,441777956
1,75519744
5 -0,10688041 0,647908109 1,020987384 -0,488490741 -1,197879556
1,01880004
9 0,12829446 -0,543375336 -0,143350007 0,030412366 -0,503196134

VAR00014 VAR00015 VAR00016 VAR00017 VAR00018 VAR00019


- -
0,082598035 0,746547357 1,452704055 1,281673576 0,327878524 -0,913512395
-
0,881921096 -0,766303856 2,297201718 0,90138883 0,451751703 -0,254200359
-1,990174496 -0,425975486 1,027449343 -0,015568276 1,382513801 -0,451497044

40
- -
-0,204794333 0,71112936 0,651402843 0,289445552 0,626819201 1,214343683
- -
0,165802021 -0,294475058 1,077223715 1,187595444 0,895204266 0,015338628
VAR00014 VAR00015 VAR00016 VAR00017 VAR00018 VAR00019
-
2,321412467 -0,622819698 0,847346655 -1,360954229 1,758057806 -0,114962404
-
-0,167663075 -0,267100404 1,052144398 -1,160171905 0,211439328 -0,602424279
-
-0,077685627 -0,635968718 0,465774974 1,535099727 0,161072649 -0,772270141
- -
1,107507615 -0,373602234 0,585814632 -0,410447001 1,115024588 1,15018338
-
-0,052234554 -0,083825853 0,563436515 0,480404196 0,853826805 -0,385439307
-1,140015229 0,578382924 1,497428457 0,181878477 0,162390279 -1,37538791
0,186469151 -1,00971647 1,152261575 -0,827144504 0,272971192 -0,889849616
1,771859388 -0,980101049 1,022663128 0,828977136 1,05788331 0,641786073
-
-0,076535116 0,247412117 1,301937118 1,052676453 1,383509698 0,26599082
- -
-0,724490974 0,825746156 1,262942533 -1,5286696 0,093348262 -1,086011707
-
-0,565948994 -0,132847617 1,051878371 -0,437396466 0,830705176 2,392716851
- -
-1,867074388 1,883945515 0,541604095 -1,165585672 1,491821422 1,733133104
-0,443633326 0,073159754 0,059742433 1,437060746 0,120046479 0,711324901
-
-2,588349162 -0,304075911 1,183580025 -0,101188107 1,389510089 1,000335033
-
-0,138019232 1,26822215 0,075153821 -0,479203663 0,075231128 0,877978437
-
-0,681395704 0,17100092 0,549415518 -1,021760454 0,580917003 -0,477144795
- -
-0,048250968 0,218092282 0,309447614 0,209874997 2,780216164 0,888373961
-0,079987785 0,034316372 0,70955366 -0,143968464 1,277683168 -0,822844868
1,140895165 1,698144843 0,390637069 0,173873786 0,785635166 0,763639036
-
0,693605671 -0,08298116 0,041818566 -0,177213906 0,757204361 -0,957595603

41
-
1,34132506 -1,763100954 2,33289029 -0,627750296 1,133737442 0,683133976
- -
0,579559583 0,425725375 1,477542355 0,884519977 0,994298262 0,145437298
0,487025318 0,852176072 -0,69020416 -0,332887566 0,462025582 -1,265661922
-0,624028189 -1,272164809 1,116309249 -1,600992618 0,334828201 -0,802516524
-
-0,553422979 0,566935796 0,430923137 0,457094984 1,41465307 -0,668044322
-
0,942577572 -2,726083039 0,979853212 1,342455107 0,262980393 -0,324087068
-
-0,699942575 0,08758775 0,034546019 -0,130146418 0,51294478 -0,505456228
-
-0,585905582 -0,984935014 0,840793746 0,486165845 1,062041974 -0,326022018
0,633817763 0,633723403 0,303434717 -0,160607669 0,707882464 -0,101957767
-
-0,324328084 0,813331553 0,701801355 -0,928948793 0,877528237 -0,744628323
-
0,518625711 -0,107033884 1,274229362 0,506586275 1,913640517 0,213003659
-
1,489265742 -1,623157004 0,305358299 0,386181682 0,534971605 0,978125172
-
-0,881582309 -0,283149575 0,543020633 1,030828116 1,290770797 1,451389835
-
0,271780891 1,32642981 0,796094355 0,913048552 0,949278274 1,211471954
-
-0,805581521 0,036077381 1,916032488 2,18358764 0,821987669 -0,53992153
-
-0,06924779 -0,075538082 1,335515663 -0,929064754 0,054302518 -0,897719019
-
-0,226405064 -1,281150617 1,100193003 0,82520728 0,765996901 0,412528607
-
-0,718338242 -0,038679673 0,345771696 0,303674597 0,021765345 0,013808403
VAR00014 VAR00015 VAR00016 VAR00017 VAR00018 VAR00019
0,662794264 0,9889186 0,712705059 -1,036178219 0,623934966 0,183123348
- -
-0,36884785 -1,197722668 0,340254473 0,71952627 0,254278802 0,436049277
0,305437879 0,158051989 0,806217031 0,692825779 1,950229489 -0,536826974
0,965123945 0,481090865 0,422544417 1,05307663 -0,81695589 1,801290637

42
- -
0,068021109 -0,183823659 0,432854677 -1,711227924 0,259972239 -1,4888019
-
1,860989869 0,059665126 0,481263669 0,438406005 0,315793613 0,254990482
0,658892532 1,840212462 -0,91514039 1,66297923 0,705917955 -0,251593519

VAR00020 VAR00021 VAR00022 VAR00023 VAR00024 VAR00025


-0,400232238 0,827576514 1,772223186 -0,385275598 0,491164656 -0,894633558
-0,105726485 0,475858997 3,315217327 -2,871165634 1,061234798 -1,58736384
-0,560837634 0,434704361 0,609593371 -0,151547965 0,312739985 0,359284513
-
0,178613391 0,072699322 1,000209977 0,459899638 0,359774504 -0,078989615
-
1,365019671 1,31690058 0,863672085 -0,234496156 0,237484983 -0,298072109
1,492517185 -0,808547611 2,105134627 -1,096136657 1,253990831 0,089661398
0,698184976 0,989418822 1,38032874 -0,111651843 0,89543164 -0,179857125
-0,72907369 2,376946213 -1,04300625 -0,228759518 1,002356385 -1,005141712
0,384286523 0,686809472 -0,3823925 0,658798172 0,707391337 -0,350404434
1,99295755 1,117450665 0,421540562 -2,122997103 0,842646841 -0,733170964
- -
1,033304216 0,339687176 0,275990715 -0,64866299 0,465518042 -0,319012088
-
0,538063887 -2,30367732 1,106659511 -0,589541287 1,22432084 0,44143917
-
-1,574553607 -0,732670742 0,494187589 0,760674084 0,160221134 -0,546569936
- -
0,144354999 -0,827360509 1,384105417 -0,015490969 1,272683221 -0,50302333
- -
1,033824901 1,364437594 0,261396735 0,314025783 0,514953626 0,067943802
- -
1,719554348 1,457997314 0,432603429 1,383907602 1,987964424 1,055343546
-
0,125518227 -1,082019025 0,477144795 -0,435628635 2,67616997 -0,433442437
0,497475412 -0,728673513 2,581873559 1,312364475 2,40495865 0,158903504
-
-1,323851393 -1,980297384 1,089742909 1,238854566 0,385275598 -0,576123966
-
-0,949278274 -1,413404789 1,299617907 -0,925419954 1,758771759 0,670534064

43
-
1,202752173 1,080097718 1,258877091 0,636437107 0,338795871 -0,310732275
-0,964637366 -0,600865633 -0,33531478 0,16386366 1,089465513 0,954453299
-
-0,782722509 -1,981934474 0,487800662 -1,183270797 1,745283953 0,48711172
-
0,74624495 0,500854185 0,729671683 -0,926711436 0,653674306 -1,704975148
-0,715667738 -0,996683411 1,259722922 -1,909838829 0,118890284 1,413613973
-
1,28376314 1,3125441 0,047638196 -0,316276783 0,098420969 -0,0232194
-1,747393981 -1,596054062 0,396008772 -0,426310862 -1,09168468 1,092796538
-
-1,337384674 1,306234481 1,558632903 -0,06058599 0,803572675 0,42195893
VAR00020 VAR00021 VAR00022 VAR00023 VAR00024 VAR00025
1,189146133 -1,202595286 0,622542302 -0,604534307 1,702364898 -1,763464752
1,262092155 -1,668799996 1,081332357 0,170612111 0,46858986 -1,160469765
-
-1,499779501 0,952284154 1,761295607 1,651205821 0,244415332 0,145050763
- -
0,376473963 1,333467026 0,304396508 -0,313382316 1,294297363 -0,077071718
0,05499146 -0,985805855 0,522479695 -1,797043296 0,568195446 0,015874093
-
1,057214831 -0,95312771 0,569004897 0,153947894 1,823827915 -0,614668352
- -
0,290881417 -0,70474016 0,297112592 -0,616702209 1,729367796 0,920967977
-1,543603503 -0,764459855 1,104685907 -0,377377773 0,695747531 -1,306234481
-
-0,782617917 -0,59711283 0,267020823 1,740045263 0,199562464 -1,806347427
-
-0,282273049 0,315633315 -0,96670874 1,701391739 0,381487553 -0,433190053
-
0,173640728 -1,263790637 1,571916073 -1,118592081 0,71804152 0,865227321
0,228917543 -1,401663212 0,457094984 0,242760052 0,013426416 1,314356268
- -
1,744233487 -0,631014245 1,831549525 -0,08651341 1,430007615 0,353334144
-
1,14885097 -1,30033186 2,414708433 0,364921107 1,177743343 0,236148026
-
0,716556769 -2,125925676 1,251310096 0,497648216 0,053919393 0,506498736
44
-0,565769369 1,724274625 0,009371206 0,506238393 0,252857717 -1,458665793
- -
1,088496902 -0,836444087 0,968664153 0,24039764 2,186079655 -1,203857209
-
1,427249572 -0,850527613 0,281079338 -1,710236575 1,363855517 -0,366555923
2,069991751 -0,376802518 0,277739218 -0,524408961 0,283229156 0,653201369
0,770312454 -0,803784133 0,037455266 -0,175039077 0,961108526 0,796514996
-
1,937078196 1,944617907 1,909838829 1,741786946 0,275672392 0,428237854
-
-0,054837983 -0,987547537 1,192099717 -0,063267862 0,030947831 -0,767947768

VAR00026 VAR00027 VAR00028 VAR00029 VAR00030 VAR00031


0,23960979 1,054540917 0,119891865 0,680046242 0,477745061 0,157044724
- -
0,343985675 -0,083518898 0,130839908 -1,83073098 0,520112735 -1,37283223
1,031219199 -1,564590093 0,166345444 -0,842428562 0,329494014 -0,099344106
-
0,015261321 -0,517661647 0,630267323 0,23669827 0,410364009 0,540275096
-
1,237044671 -0,074539912 0,380089205 -0,890986485 0,186624902 -0,166810423
- -
0,321426796 0,08651341 1,164530659 -0,339119879 0,621521394 -0,905415618
-
-1,058151611 1,435987542 0,021841515 0,006234586 0,131381057 2,866509021
-
-1,31055458 1,791304385 0,894519872 1,249470643 0,670534064 -0,242130227
-
-0,280363111 1,792827788 0,501895556 -0,009524683 0,020770585 0,039215138
-1,033304216 0,200186605 0,70483793 -0,667566837 1,178816547 0,140414613
-0,547458967 -0,280044787 0,794834705 -0,488577143 0,597478902 0,245992169
-
0,666516371 1,645253178 0,090583399 0,817597083 2,172109816 2,453161869
-
1,410712684 0,986303803 2,822780516 -0,552798838 2,787564881 1,430648808
VAR00026 VAR00027 VAR00028 VAR00029 VAR00030 VAR00031
-
-0,10757276 0,361080765 1,204805358 -0,923075731 0,063728294 0,860676437

45
-
0,100035322 0,052693849 0,855038707 1,425132723 0,754048415 -1,02887725
-
-0,755778728 -1,435987542 0,049399205 -0,341390205 2,654851414 1,964781404
-0,105264917 0,861009539 0,555028237 -0,547458967 0,64922915 -1,615208021
- -
-2,395390766 0,645079581 0,817062755 0,577479113 0,662889761 0,0970374
-
-0,781788003 0,750596882 1,048424565 -0,317240847 2,334054443 0,119969172
- -
0,967929736 -1,061503099 0,576214916 1,088774297 1,904181772 0,394933295
1,271994279 -0,17962293 2,077867975 -1,078317382 1,884845915 0,790853392
-
-0,530123998 -0,172087766 1,714543032 -0,031407126 0,190051423 2,14233296
-
0,950960839 0,519499963 1,394955689 0,93390554 0,922373147 1,496728146
- -
-1,620019248 -1,511666596 1,284288373 0,580101869 0,312981001 -0,514254452
-0,067791461 1,239843641 0,316678097 -0,481350071 0,032325715 0,918400929
-0,546215233 -0,060201728 1,125483777 -0,759346221 1,639655238 0,605086825
0,772165549 0,752627329 2,036013029 -1,944117685 0,606924004 -1,221410457
- -
0,804100182 -1,336265996 0,648567493 0,563884441 0,116272076 -0,061045284
-
0,783761607 1,262942533 1,913640517 -0,88712568 0,385439307 -1,104685907
-0,008758434 0,369338977 0,768254722 2,59715307 1,437060746 0,195507255
-
0,584361715 -0,345365834 0,012737473 1,626590347 0,588540843 -1,534849616
-
-0,653485586 -0,920852017 1,333653472 -0,750294475 2,013439371 -0,2004208
-
-0,098651753 0,458794602 1,287257874 -0,854047357 0,213316298 0,151470658
0,372125442 0,361733328 0,984189228 0,080908649 0,214647571 0,131843763
-
0,052693849 0,845923296 1,007551873 0,031484433 0,553957307 0,221306209
-
-0,054837983 -0,046336481 0,069478574 0,356429837 0,821557933 0,358713805
-0,122820438 -1,044986675 0,955660653 -1,039061317 0,098190185 -0,012202008
-2,059668986 -1,002104 - 0,479717528 1,494149728 2,51144229

46
0,336933681
-
1,120311026 0,221463097 0,773093234 -0,109496341 0,645550244 -1,426824383
-
-0,21214305 1,7491584 2,008237061 1,047631031 0,486422778 0,158129296
- -
1,44788828 -0,934971922 0,021152573 0,378116738 0,051085181 0,624120275
-
-0,279965207 -1,675302883 0,428490239 -2,839660738 2,330561983 0,861009539
-
-0,023678695 0,627657073 0,554314283 -0,466627625 0,263059974 -0,240082727
0,600132353 -1,175144462 0,440680878 1,4888019 0,196598648 -0,398408702
- -
0,906222795 1,823827915 0,136860763 0,349184575 0,094885308 -0,191921572
-
0,199016768 0,309607913 0,155882844 -0,137169991 0,470981831 0,896461643
-
-3,158347681 -0,783970791 -0,63325615 0,157044724 0,571073997 1,659027475
-1,103983323 1,162875378 0,02528509 1,152557161 1,694597813 0,830596036
2,009965101 0,234653044 0,22813083 -1,380726644 0,269162683 -1,039454673
-
0,403051672 -1,379139576 1,009971129 -0,794730113 0,432603429 -0,630360546
VAR00032 VAR00033 VAR00034 VAR00035 VAR00036 VAR00037
-
-0,038755843 0,833299509 1,051878371 -0,003710738 0,736476977 -0,779090215
-
-0,029265266 1,905591489 1,423236426 0,480662266 0,899437964 1,202279236
-
0,75852995 -0,25665031 0,439838459 -1,200862698 0,226718839 -0,051697953
-
-1,14855311 0,930833721 0,124439339 -1,213704763 1,160171905 0,549059678
-
1,079411049 1,030048224 0,636999857 -1,804010026 1,052144398 0,245676119
-
0,069708221 1,320186129 1,755552148 -0,179312565 1,854969014 -2,639571903
- -
0,996431027 -0,30183287 0,732570697 0,5914535 0,721709057 1,304620127
-
0,621892013 0,005087486 1,445928319 0,799564077 0,391131607 0,3940238
47
-
0,095884616 -0,494014785 1,639655238 -0,185846147 0,557618023 0,056753606
-
0,546303909 0,370978341 -0,28896693 0,887919214 1,038667961 -1,393336788
1,366383913 1,167550181 0,229231318 -1,373616669 1,126493316 0,620685796
-0,381899099 -0,727277438 1,313810571 1,082430572 0,846032435 1,325322501
- -
-0,760469447 1,410917321 1,770754352 0,147834953 0,319978426 -0,498254167
-
-0,16975946 -0,384698069 0,598668066 -1,100052032 1,753414836 -0,853606252
1,470289135 -0,665943389 0,984687176 -0,390058403 0,603893113 -0,710538188
0,635594688 1,541343408 0,282193469 -1,614362191 2,197921276 2,316919563
-
1,316536782 -0,913280473 0,768152404 -0,115115881 0,494965207 0,575311105
-0,800196176 0,000726459 0,087050012 0,709062533 0,019622348 -0,675426008
1,831958798 -1,667876859 2,215383574 0,095116093 0,083364284 0,992292826
-0,305918775 1,852836249 0,487198122 -0,75364369 0,216525677 1,233597686
-
-0,70062697 -0,774434739 0,22860263 -1,797043296 1,219800652 1,177591002
- -
0,909687969 -0,243154545 3,355089575 0,809184257 0,625794883 -1,683133632
- -
-0,136166136 -0,218719833 0,366637778 -0,285938313 2,224369382 0,211907718
1,886655809 0,489956165 0,561733486 0,281556822 2,10025064 -0,769693997
- -
0,141959617 0,782617917 1,494149728 -1,952794264 1,260227691 -0,373602234
-
-1,437492756 1,023697678 2,722954378 1,117591637 0,075307298 0,007075869
-
1,582261575 0,405458422 1,410298864 -0,533559614 2,105134627 0,727179668
- -
0,006386927 -0,899781298 0,735374215 -0,915372311 0,075845037 -0,066640951
-
-0,065108452 -0,39294946 0,646209628 1,740045263 0,554404096 -0,54266593
-
-0,629333954 1,087253167 0,879554136 -1,27336989 0,692243702 2,050819603
- -
0,336366384 1,406997399 0,595376832 -0,216996341 0,586994702 0,425725375

48
-
2,500819392 -1,306234481 0,673601335 -1,128660188 0,809927769 -0,186080342
-0,950360572 -0,371633178 -0,35227572 -0,425388862 1,356143002 0,683423877
-
-0,980967343 0,306239372 0,274480954 -1,194907782 1,457333383 0,637280664
-
-0,389893557 1,985763447 0,696038569 1,004887054 0,795882897 -0,243549039
-
0,967197593 0,18071205 0,319736273 -0,012583996 -0,53541271 0,40354962
-0,658892532 0,205341166 0,897032351 1,189766863 0,382887038 -1,219477781
VAR00032 VAR00033 VAR00034 VAR00035 VAR00036 VAR00037
- -
0,5345305 -0,109727125 0,353904852 -0,73928959 1,057080681 0,051544475
-
-0,568104497 -0,993795766 1,341700226 1,919888746 0,830705176 1,580924618
0,688747832 -0,377870037 0,14381385 1,222056198 0,609777544 -0,885086138
-
-0,616055331 0,305437879 0,383545284 1,704975148 0,186469151 0,318528919
-0,652254357 -2,433480404 0,111958798 0,686907242 0,276546643 -0,64234996
- -
-0,509458005 -0,212064606 0,315069428 1,546377462 0,112806902 -0,875394335
-
-0,168672614 2,029364623 0,051238658 -0,343985675 0,34861614 -0,648378773
-
0,914558314 -0,005775291 0,700822511 -1,618600436 1,084081305 -1,274747774
-
0,116656338 -0,035005314 0,965367235 -0,205966444 1,267540028 1,35231403
- -
1,202752173 -0,06265509 0,177758466 -0,831569196 1,606531441 -0,701605813
-
0,550750201 -1,172707016 0,138791165 -0,237799895 0,244020839 -0,788450052
-
-0,433022933 -0,221618848 0,204481694 -0,09696123 0,444392754 0,525462838
-0,91910124 -1,453586265 0,452514541 1,428097676 0,861009539 -0,232373623

VAR00038 VAR00039 VAR00040 VAR00041 VAR00042 VAR00043


- -
0,383628276 0,999452823 0,492632353 0,689717581 0,268845497 -0,066487473
49
-
0,923075731 -0,070705255 1,69685336 -0,61005494 0,427568239 0,486336376
1,768194124 -0,57702664 1,078728928 -0,022454287 -1,5737578 0,885424924
-0,809609446 -1,226101176 0,085822194 -0,320944764 0,091965831 -0,138251153
- -
-2,227097866 0,282751671 0,444983925 2,375654731 2,206561476 -1,612675078
-
0,934260243 -0,241342377 0,602424279 -1,074629381 0,582729172 -1,163025445
- -
-0,53744543 -0,299351086 0,065645054 -0,723794074 1,456228347 -2,073920768
-
0,093194785 0,587813247 0,430168257 0,895547601 0,030488536 -0,209952304
- -
1,163778052 0,203700665 0,631014245 -1,685980351 1,410917321 0,581007953
-
0,21550818 -0,558601414 0,509458005 1,775915734 1,276300736 -1,0098438
1,456010068 -0,897605332 0,91910124 -0,286336217 0,41502858 -0,744528279
-
-0,619851335 -0,652254357 0,650552465 -0,491078254 0,241342377 -1,484640961
- -
-0,467821337 -0,095653832 1,006790171 -0,592547167 1,289363354 -0,839595486
- -
0,81898861 -0,600316525 1,303546924 -1,249136403 0,390058403 -0,80314976
-1,182502274 0,407119387 0,620685796 -0,706900209 0,241105909 -0,885652298
-
-0,43 -0,117811396 0,018934543 -1,137527761 0,310491259 -0,099344106
-
-0,83557552 -0,722105824 0,339119879 0,527307975 0,605361947 -0,227817054
-
0,834058937 -0,971849659 0,063880634 -1,568764674 1,187595444 2,047690941
-
0,934023774 -0,483755684 0,09012183 -0,770414772 0,358550096 -1,095718289
- -
-0,32030016 0,128834472 0,972952421 -0,466627625 1,475491445 -1,585212885
-0,270351848 -0,049476512 0,203622221 2,131091605 0,853717665 -0,416529247
-0,363530717 -1,013800102 2,193646651 -1,525968401 1,37538791 -0,747963895
VAR00038 VAR00039 VAR00040 VAR00041 VAR00042 VAR00043
-
-0,735674348 0,261476316 1,127937139 -0,134544962 0,003863079 0,707586878

50
-
-0,51696361 0,250884113 0,766920039 -0,126520945 1,544613042 -1,337573394
- -
0,310169526 0,970621841 0,156114766 0,125132829 2,500819392 -1,437492756
-1,96214387 0,494360393 1,022146989 1,240669008 0,812160579 0,569723397
-
1,346797944 -0,172941554 1,132430043 -0,255781742 0,217465868 -0,598668066
-
-0,011742713 1,152707227 0,629893293 -0,229074431 0,992292826 -1,615489964
-
1,571652319 0,181723863 0,800828275 0,934023774 1,064599928 1,659636837
-1,065543529 -0,11257498 1,164983132 0,64000119 0,397167241 -0,660413662
0,287930106 0,868458301 0,060279035 0,597295866 0,945085503 0,335637651
-
0,280442691 -0,146133061 0,430084128 -0,293357516 1,28376314 -0,510242444
-
0,97713837 -0,480060862 0,173097305 0,242681608 1,548914952 0,878428636
-
-0,045188244 -0,014114221 1,348696514 -0,715272108 0,797670054 1,163625711
-
0,442789769 0,281875145 0,773609372 -0,989043656 0,582094799 1,040637017
-
-1,90794708 0,907145932 0,133001095 1,503321982 0,659273383 0,897491645
- -
1,504745342 1,097394033 0,503717956 0,002027036 0,931424893 -0,251515075
-
-0,033014658 -0,146287675 1,154492111 0,275354068 0,104880655 -1,065138804
-
-1,786374924 -0,031254785 0,125980932 0,221698429 0,526254098 -0,052234554
- -
1,38870746 0,777743026 0,216682565 -0,860676437 0,645738965 -1,957969289
-
-0,348777576 -1,033563422 0,666707365 0,362795163 0,358713805 1,273542694
-
-0,994045877 1,218834313 1,653002073 1,468938535 0,595011898 0,15116143
1,58952389 1,115881787 1,051744221 -0,838724645 -2,09335667 -0,956142685
1,457115104 -0,534794253 0,2931165 -0,776915385 0,572605359 0,97713837
- -
0,588813691 -0,447350885 1,139283086 -0,460750016 1,160619831 0,124284725

51
-
0,161770686 1,125918061 0,297671932 0,064187589 0,192700327 -1,09265784
-
-0,878990249 -1,214984877 0,380172196 0,898751296 0,170534804 -0,279488859
0,008682264 0,152863322 1,03252205 -0,188571221 -0,23253051 0,587449449
-
0,447604407 1,861417331 0,01908802 1,361147497 0,765689947 -0,153249857
-
1,652101673 -0,052616542 0,523532435 -0,014267698 0,875281785 -1,54159352

VAR00044 VAR00045 VAR00046 VAR00047 VAR00048 VAR00049 VAR00050


- - -
2,043361746 0,868569714 -0,74251147 2,237266017 1,815815267 0,381487553 1,111754955
-
0,754048415 0,647435172 0,04809749 -0,73979209 -0,7360768 0,006082246 -0,404545517
- -
0,939837719 0,682071004 1,374403382 0,148144181 0,699064913 0,900699888 -0,457264377
0,534706714 1,782991603 0,31490913 -0,8459233 0,472948614 - -0,284821908
0,102111244
0,486853651 0,869126779 -1,6872491 -1,7645516 1,334396984 -0,42748411 0,523618837
-
1,59305273 0,140182692 -0,01694502 1,062849151 0,605269861 1,38032874 0,20838911
-
0,964514584 0,953489234 0,981585799 -0,29583362 1,025507572 0,774848559 -1,355949735
VAR00044 VAR00045 VAR00046 VAR00047 VAR00048 VAR00049 VAR00050
- -
0,310330961 1,873668225 -1,2311466 -0,17348498 0,533824505 0,106956577 0,721807965
- -
0,126829036 0,861452918 2,279375622 0,032325715 0,640940243 0,269003522 -1,756625352
- - -
0,873376393 1,110904577 0,573597845 0,217230536 1,462440196 1,99128408 0,669672318
- -
1,582529876 0,516438377 1,5976957 0,397001259 0,593277036 1,231635451 -1,184967005
- -
0,877303137 -1,01341584 1,32864443 -0,53479425 1,398809673 2,351916919 -0,257282409
- -
0,359855221 0,034699497 0,853497113 0,63831294 0,993420599 0,300632337 -1,133737442
-1,07381311 - 1,47413175 -1,66603968 - 0,244493776 -0,785739758

52
0,180634743 0,838615506
- - -
1,542598511 -1,27543899 0,404545517 -0,00722935 0,372043587 0,145205377 -0,483325948
-
1,393336788 0,485820237 -0,66070015 -0,66775783 0,5126833 1,079274625 1,805565262
- -
1,737271305 0,579649395 0,386098691 -0,18896117 0,017250841 0,825530151 -0,531972546
-
0,627098871 0,159833462 1,55273483 -0,55048304 1,319090188 0,605452897 -0,337175834
- -
0,260527031 0,907259619 0,065874701 -0,65216 0,509110123 0,264960818 -1,733133104
- - -
0,675041747 1,101313956 0,884858764 -1,32348305 1,217870249 0,312900283 -0,219267804
-
2,343476808 1,191788215 1,669109224 -1,17073341 0,379513949 2,37054337 0,32030016
- -
0,920383627 0,136243443 -2,97499355 0,382804046 0,110035216 1,125195013 -0,565050868
- -
1,582261575 0,460664751 -0,25096256 -2,09610334 0,266942379 1,739354047 -1,269079348
-
0,499553607 0,048634092 1,101734597 -0,31643708 0,237484983 1,756266101 -0,064877668
- -
0,282273049 1,282196536 1,115167834 0,819095476 1,815014912 0,342849944 -0,750596882
- - -
0,292318418 0,359774504 0,917002581 0,607476522 0,518625711 0,617535534 -1,498606252
- -
-0,7427127 0,001491571 -0,80589871 -0,68632517 1,443536348 1,047894784 -0,425975486
- -
-1,26328132 0,743923465 -1,10637757 1,91221261 1,315445388 1,400030669 0,787302952
- -
0,228837962 1,405555849 -0,28896693 0,09619157 0,901848125 0,901961812 -1,006790171
- -
0,277500476 0,65651875 -0,9086466 0,051697953 0,284185262 0,443465069 0,720915523
- - -
0,522215942 1,221733328 -0,32134722 0,152708708 0,986053692 1,251310096 0,982824986
1,082566996 0,031560603 -0,77021014 0,64904043 0,946163254 -0,34861614 0,366801487
-
0,577749688 0,679854111 -1,60486252 -0,23009534 1,070823146 0,17962293 1,681873982
- - -0,82617589 0,365002961 0,302953822 - 1,697176231

53
0,652821655 1,633811735 0,345285116
0,580101869 0,791376351 0,987922704 0,32481239 0,860343334 2,033584678 0,883842404
0,351136578 1,51358563 0,435712764 -0,42455213 2,266206138 0,828546263 -0,279806045
- -
0,189661478 0,227346391 -0,46696869 -0,31635636 -0,84964995 -0,75730668 0,813649876
1,681873982 0,576033017 -0,7739186 0,516874934 0,581732138 0,170923613 1,476400939
- -
0,836444087 -1,11730742 0,629613623 -0,92061782 0,610423285 0,469443648 -1,747748684
-
0,905529305 0,725286782 0,410364009 -1,17636773 0,660129444 1,562511898 -0,23080247
-
0,271384124 0,81898861 0,021611868 -0,23441771 0,065338099 0,854929567 -0,606372623
-
0,597752887 0,533559614 -0,59793592 0,721807965 2,430533641 0,411279188 0,028193199
- -
1,088912995 1,977050488 0,436722303 -1,00222906 0,083902023 0,605637069 2,084543667
- -
0,074080617 1,157775387 -0,44870376 -0,74725676 1,313449047 2,124461389 0,698282747
- 0,480577 -0,20971811 0,459219791 -0,0840555 - 0,948678007
0,442282726 1,502139639
VAR00044 VAR00045 VAR00046 VAR00047 VAR00048 VAR00049 VAR00050
- - -
0,159677711 0,603341732 -0,63157358 -2,22709787 0,164174025 0,219816911 -0,017633965
- -
1,298196821 0,598211045 0,314105364 2,324832167 2,131819201 0,274877721 -0,01908802
- - -
0,503891897 0,090813046 0,522917389 0,626166639 0,444815669 1,116736712 -0,198938324
-
0,517050012 0,453701432 0,097421662 1,256344149 0,078375706 1,060295745 0,72508783
- -
0,121972334 0,385687144 0,463473953 -0,15696742 0,244335752 0,534000719 0,548081971

54