Беляев Т.Д.

П-205
Вариант-9
Семестровая работа.

План выполнения
1. Составьте интервальный вариационный ряд.
2. Найти числовые характеристики выборки: моду, медиану, выборочное среднее, выборочное
среднее квадратическое отклонение, коэффициент вариации, асимметрию, эксцесс.
3. Вычислите несмещенные оценки математического ожидания и дисперсии.
4. Построить гистограмму относительных частот, установив статистический (эмпирический) закон
распределения и запишем его функцию плотности
5. Сделать предварительный выбор закона распределения случайной величины.
6. Проверить согласованность эмпирической и теоретической функций распределения выбранного
закона распределения с помощью критериев согласия χ2 – Пирсона, при уровне значимости α = 0,05.
Построить эмпирическую и теоретическую функций распределения на одном графике с
гистораммой.
7. Определить интервальные оценки для генеральной средней, генерального среднего
квадратического отклонения нормального закона распределения с надежностью
а) γ = 0,95; б) γ = 0,99; в) γ = 0,999.

100 сверл были подвергнуты испытанию на твердость. При этом фиксировалась твердость лапки.
Результаты испытания представлены следующим рядом значений:

Вариант 9
11,73
38 12,2579 12,9786 13,1474 13,317 13,4705 13,6742 13,7989 13,9777 14,2822
11,87
76 12,5807 13,0324 13,152 13,3321 13,5166 13,6766 13,8211 13,9788 14,2975
11,95
11 12,6379 13,0355 13,1522 13,3531 13,5354 13,6788 13,8395 14,0968 14,3178
12,02
78 12,6507 13,0383 13,1528 13,3628 13,5368 13,6964 13,8541 14,1367 14,3888
12,03
45 12,6877 13,0392 13,1536 13,4266 13,585 13,6992 13,8695 14,163 14,3897
12,08
39 12,7443 13,1074 13,1589 13,4376 13,5939 13,7109 13,8986 14,1804 14,41
12,13
32 12,8027 13,1079 13,1728 13,4402 13,6326 13,7132 13,9268 14,1922 14,6401
12,13
98 12,9001 13,1101 13,173 13,4451 13,6506 13,7166 13,9345 14,2113 14,686
12,16
91 12,9205 13,1166 13,1877 13,4521 13,6615 13,721 13,9406 14,2282 14,6973
12,19
98 12,9255 13,1229 13,2709 13,4541 13,6637 13,7866 13,9675 14,2338 14,7977

1. Для построения интервального ряда определим интервальный шаг выборки,

воспользовавшись формулой Стерджеса 𝑘 = 1 + 3,322 ∙ lg 𝑛, где n – объем выборки (в нашем случае
100). Значение k считается с округление до ближайшего целого

1
 𝑘 = 1 + 3,322 ∙ lg 100 ≈ 1 + 3,322 ∙ 1,857 ≈ 8

Ширину каждого интервала берем одинаковой и равной

𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛
ℎ= 𝑘 .

Величину ℎ выбираем с точностью выборки и округляем в сторону завышения.

14,7977– 11,7338
h= 8 h=0,38

Границы интервалов вычисляем по формуле

𝑥1 = 𝑥𝑚𝑖𝑛, 𝑥𝑖+1 = 𝑥𝑖 + ℎ (𝑖 = 1,2, … , 𝑘).

За начало первого интервала примем 𝑥1 = 𝑥𝑚𝑖𝑛 = 11,7338.

Подсчитываем 𝑛𝑖 − количество элементов 𝑥𝑖, попавших в i-й интервал (частота интервала). Если
элемент совпадает с границей интервала, то он относится к предыдущему интервалу.

Вычисляем относительные частоты интервалов по формулам 𝑤𝑖 = 𝑛𝑖 (𝑖 = 1,2, … 𝑘)

𝑛

𝑥𝑖−1 + 𝑥𝑖
𝑥̃𝑖 = 2
Интервальный ряд распределения + вспомогательные вычисления для числовых характеристик:

№ Границы интервалов ni wi xi xini xi2 xi2ni wi/h

1 11,7338 - 12,1167875 6 0,06 11,93 71,5517625 142,212631 853,275786 0,156663076
2 12,1167875 - 12,499775 5 0,05 12,31 61,54140625 151,4937873 757,468937 0,130552564
3 12,499775 - 12,8827625 6 0,06 12,69 76,1476125 161,0683025 966,409815 0,156663076
4 12,8827625 - 13,26575 22 0,22 13,07 287,6336375 170,9361765 3760,59588 0,57443128
5 13,26575 - 13,6487375 18 0,18 13,46 242,2303875 181,0974093 3259,75337 0,469989229
6 13,6487375 - 14,031725 25 0,25 13,84 346,0057813 191,5520011 4788,80003 0,652762819
7 14,031725 - 14,4147125 14 0,14 14,22 199,1250625 202,2999516 2832,19932 0,365547178
8 14,4147125 - 14,7977 4 0,04 14,61 58,424825 213,341261 853,365044 0,104442051
Σ 100 1 1342,660475 1414,00152 18071,8682 2,611051275
2. Модой Mo вариационного ряда называется варианта, которая имеет наибольшую частоту:
𝑀𝑜 = 13,84.
Медианой Me вариационного ряда называется значение признака, приходящееся на середину
ранжированного ряда наблюдений.
Медиану можно найти, также воспользовавшись формулой: если количество вариант 𝑥𝑖 в дискретном
вариационном ряду 𝑛 = 2𝑘 + 1 (нечетное число), то 𝑀𝑒 = 𝑥𝑘+1; если 𝑛 = 2𝑘 (четное число), то
𝑥 +𝑥
𝑀𝑒 = 𝑘+12 𝑘
Таким образом, так как количество вариант 𝑥𝑖 в нашем примере 𝑛 = 8 – четной число, то 2k = 8,
тогда 𝑘 = 4, отсюда 𝑀𝑒 = 𝑥𝑘 = 𝑥4 = 13,07.
 Мо 13,84
Ме 13,07
<xB>
𝜎 13,42660475
DB 0,444966704
0,667058246
V 4,9682%
As -0,51316847
Ex 2,753076096

3. Несмещенные оценки

<x>
𝜎 13,42660475
𝟑𝜎 S2
𝜎 0,449461317
< > 0,670418763
«правило » < > 0,45703175
S 0,670418763
As -0,51316847
Ex -0,2469239
Для сравнения подсчитаем 𝜎̅ по «правилу 𝟑𝜎». Так как для случайной величины,
имеющей нормальное распределение, почти все рассеивания укладывается на участке 𝟑𝜎, то с
помощью
«правила 𝟑𝜎» можно ориентировочно определить оценку среднего квадратичного отклонения
случайной величины. Берем максимальное практически возможное отклонение от среднего значения
и делим его на три.
 0.7000 Гистограмма
4. Гистограмма – это ступенчатая распределения
фигура, состоящая 0.6528
из прямоугольников, основаниями которых
0.6000 0.5744 𝑤
служат частичные интервалы длиной ℎ, а высоты равны 𝑖⁄ℎ (плотность относительной частоты).
0.5000 0.4700

0.4000 0.3655
0.3000
0.2000 0.1567 0.1567
0.1306 0.1044
0.1000
0.0000

По данным таблицы построим точки с координатами и (𝑥̃𝑖 ,𝑤𝑖/h) и соединим их плавной

пунктирной линией. Эта линия будет аналогом плотности распределения случайной величины и,
следовательно, по виду гистограммы можно выдвинуть гипотезу о нормальном распределении (или
о распределении, близком к нормальному) случайной величины с плотностью.

5. Выполним предварительный выбор закона распределения случайной величины.

Предварительный закон распределения может определяться по величине коэффициента

вариации наблюденных данных.

Если коэффициент вариации попадает в интервал [0,01; 0,40], то можно выдвинуть гипотезу о
нормальном законе распределения; если в интервал [0,6;1,3], то можно выдвинуть гипотезу об
экспоненциальном законе распределения.

В нашем распределении коэффициент вариации V = 4,9682% попадает в первый интервал,

поэтому выдвигаем гипотезу о нормальном законе распределения.
Следующим критерием оценки гипотезы в случае нормального закона распределения является то, что
асимметрия и эксцесс близки к нулю, в нашем примере As = -0,513 и Ex = -0,246, что достаточно близко к нулю.
 Также гипотеза о нормальном законе распределения может быть принята, если выполняются
𝐴𝑠 неравенства:
𝐸 |𝐴𝑠| < 3 ∙ 𝐸𝐴 и |𝐸𝑥| < 3 ∙ 𝐸𝐸, где
𝐸𝑥 𝐸
| 𝐴𝑠| < 3 ∙ а Еа 0,23895379
| 𝐸𝑥| < 3 ∙ е Ее 0,463933859
| | < 0,71686137
| | < 1,391801576

Таким образом, |𝐴𝑠| < 0,71686 и |𝐸𝑥| < 1,3918

Сделаем вывод: основываясь на значениях коэффициентов вариации (находится в интервале

[0,01; 0,40]), асимметрии (близок к нулю), эксцесса (близок к нулю и выполнении неравенств, можно
предположить, что признак подчинен нормальному закону распределения.
Для строгой проверки гипотезы о нормальном распределении признака применим критерии
согласия.
Они позволяют ответить на вопрос являются ли неизбежные расхождения между
эмпирическим и теоретическим распределениями случайными или теоретический закон подобран
неудачно.
χ2 – Пирсона. При его использовании сравниваются эмпирические 𝑛𝑖 теоретические
(предполагаемые) 𝑛𝑖′ частоты.
Для проверки гипотезы о нормальном распределении рассматриваемой величины заполним таблицу

i Границы xi - <x>/S Ф(xi - xi+1 - Ф(xi+1 - Pi ni nPi (ni

классов <x>/S) <x>/S <x>/S) -nPi)2/nPi

1 -∞ - - -0,5 -1,668097 -0,45235176 0,04764824 6 4,76482402 0,3201922

12,499775 2,23936304 7 4
2
2 12,499775 - -1,66809696 -0,4523518 -1,096831 -0,36364234 0,08870942 5 8,87094244 1,6891323
12,8827625 4 5

3 12,8827625 - - -0,3636423 -0,525565 -0,20040469 0,16323764 6 16,3237646 6,5291382

13,26575 1,09683087 6 3 6
8
4 13,26575 - - -0,2004047 0,045701 0,01822583 0,21863052 22 21,8630519 0,0008578
13,6487375 0,52556479 3 1 8 3
6
5 13,6487375 - 0,04570128 0,0182258 0,616967 0,23137187 0,21314604 18 21,3146044 0,5154495
14,031725 7 3 4 5 5 6 2

6 14,031725 - 0,61696736 0,2313718 1,188233 0,38262927 0,15125740 25 15,1257400 6,4460323

14,4147125 9 8 5 6 1 5 4

7 14,4147125 - 1,18823345 0,3826292 ∞ 0,5 0,11737072 18 11,7370724 3,3419119

∞ 1 8 4 1 1

  Σ         1 100 100 18,842714

4
 Для проверки гипотезы о нормальном распределении случайной величины в качестве меры
расхождения между теоретическим и статистическим распределениями выберем случайную
величину

Случайная величина  2 распределена по закону  2 с параметром r , называемым числом степеней

свободы.

Число параметров нормального распределения l  2 .

Число степенной свободы r  k  l 1  4

Расхождение между статистическим и теоретическим распределениями является не существенным,

если величина 2 не превышает критического
𝜒 значения  к2 .
р
эмп^2 8,842714401
l𝜒 2
r 4
𝛾 кр^2 9,5
α 0,05
0,95

Вывод: 8,42 < 9,5 – нет оснований отвергнуть выдвинутую гипотезу, т.е. гипотезу о том, что
случайная величина распределена по нормальному закону, можно с надежностью
𝛾 = 1 − 𝛼 = 0,95 считать правдоподобной, не противоречащей опытным данным.

6. Построим график теоретической плотности распределения по 8-ми точкам.

X  xi xi -<x> (xi -<x>)2 (xi -<x>)2/B e-(xi -<x>)2/B A*e-(xi

-<x>)2/B
1 11,9253 -1,5013 2,2539 2,507373418 0,08148198 0,048499312
2 12,3083 -1,1183 1,2506 1,391273734 0,24875825 0,148064694
3 12,6913 -0,7353 0,5407 0,601518987 0,54797863 0,326165214
4 13,0743 -0,3523 0,1241 0,138109177 0,87100359 0,518434583
5 13,4572 0,0306 0,0009 0,001044304 0,99895624 0,594593945
6 13,8402 0,4136 0,1711 0,190324367 0,82669094 0,492059018
7 14,2232 0,7966 0,6346 0,705949367 0,49363971 0,29382186
8 14,6062 1,1796 1,3915 1,547919304 0,21269006 0,126596356
 X
B 0,898922635
A 0,595215206

X
Xт.макс
x y
13,4266 0,595215206
т.перегиба
x y
14,0970 0,595215206
12,7562 0,595215206
X  xi f(x) wi/h Δ=f(x)-(wi/h)
1 11,9253 0,0484993 0,156663076 -0,10816376
2 12,3083 0,1480647 0,130552564 0,01751213
3 12,6913 0,3261652 0,156663076 0,169502138
4 13,0743 0,5184346 0,57443128 -0,0559967
5 13,4572 0,5945939 0,469989229 0,124604716
6 13,8402 0,492059 0,652762819 -0,1607038
7 14,2232 0,2938219 0,365547178 -0,07172532
8 14,6062 0,1265964 0,104442051 0,022154305
      Δmax(%) 16,95021375

Отклонение 0,1695 (не большое) ==> закон распределения выбран правильно.

0.7
0.59
0.6
0.52
0.49
0.5

0.4
0.33
0.29
0.3

0.2 0.15
0.13
0.10.05

0
11.9253 12.3083 12.6913 13.0743 13.4572 13.8402 14.2232 14.6062
 7. Будем считать, что случайная величина 𝑋 распределена нормально, причем математическое
ожидание а и среднее квадратичное отклонение  этого распределения неизвестны.

Доверительный интервал для оценки математического ожидания имеет вид:

S S
x ax

 
𝛾 𝛾 t7 пункт t 𝛾
𝛾
𝜀 а) =0,95 б) =0,99   в) =0,999
t 𝜀 1,984 2,627 3,392
0,1330 n n0,176119009 0,227406044
𝜀
<x>- 13,2936 13,25048574 13,19919871
<x>+ 13,5596 13,60272376 13,65401079
интервал a 13,2935936674882<a<13,5596158325119 13,2504857410491<a<13,6027237589509 13,1991987057056<a<13,6540107942945

q 0,143 0,198 0,27

S(1-q) 𝜎 0,57454888 0,537675848 0,489405697
S(1+q) 0,766288646 0,803161678 0,851431829
интервал 0,574548879600073< 6 <0,766288645720984 0,537675847653744< 6 <0,803161677667313 0,489405696742186< 6 <0,851431828578871

Доверительный интервал для  имеет вид: S(1 q)    S(1 q).