МИНИСТЕРСТВО ТРАНСПОРТА РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ

ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ

«УЛЬЯНОВСКИЙ ИНСТИТУТ ГРАЖДАНСКОЙ АВИАЦИИ

ИМЕНИ ГЛАВНОГО МАРШАЛА АВИАЦИИ Б. П. БУГАЕВА»

МАТЕМАТИКА. ВЫСШАЯ МАТЕМАТИКА

МАТЕМАТИЧЕСКАЯ СТАТИСТИКА

Методические указания
по выполнению лабораторной работы
«Статистическая обработка одномерной выборки»

Рекомендовано
редакционно-издательским советом института

Ульяновск 2017
УДК 51(075.8)
ББК В1я7
М34

Математика. Высшая математика. Математическая статистика : метод. ука-

зания по выполнению лабораторной работы «Статистическая обработка одно-
мерной выборки» / сост. О. Е. Кочеткова, А. В. Синдяев. – Ульяновск : УИ ГА,
2017. – 36 с.

Содержат основные теоретические сведения, приведен порядок выполне-

ния лабораторной работы с использованием Microsoft Excel. Даны варианты
заданий и контрольные вопросы.
Разработано в соответствии с Федеральным государственным образова-
тельным стандартом и рабочими программами учебных дисциплин «Матема-
тика», «Высшая математика».
Предназначено для курсантов, магистрантов и студентов заочной формы
обучения специальности «Эксплуатация воздушных судов и организация воз-
душного движения», направлений подготовки «Аэронавигация», «Эксплуата-
ция аэропортов и обеспечение полетов воздушных судов», «Техносферная
безопасность», «Управление качеством».
УДК 51(075.8)
ББК В1я7

ОГЛАВЛЕНИЕ
Общие сведения ......................................................................................................... 3
Основные теоретические сведения .......................................................................... 3
Задание и варианты лабораторной работы ............................................................ 14
Порядок выполнения лабораторной работы ......................................................... 18
Контрольные вопросы ............................................................................................. 26
Рекомендуемая литература ..................................................................................... 28
Библиографический список .................................................................................... 28
Приложения .............................................................................................................. 29

 ФГБОУ ВО «Ульяновский институт гражданской авиации

имени Главного маршала авиации Б. П. Бугаева», 2017

2
 ОБЩИЕ СВЕДЕНИЯ

Данное пособие представляет собой руководство по выполнению лабора-

торной работы по математической статистике «Статистическая обработка од-
номерной выборки».
В пособии содержатся необходимые теоретические сведения: основные
определения, свойства, формулы и рисунки, даны задание и варианты для вы-
полнения лабораторной работы. Представлен порядок выполнения лаборатор-
ной работы на компьютере c использованием программы Microsoft Excel, поз-
воляющей эффективно обрабатывать большой объем статистических данных.
Подробно рассмотрены все действия по шагам. Показано, как составляются
электронные таблицы, вводятся необходимые формулы и получаются новые
столбцы электронной таблицы. Описано построение необходимых графиков.
В приложении приведены виды теоретических распределений случайных
величин, используемых в лабораторной работе, а также формулы для расчета
основных числовых характеристик, некоторые статистические таблицы и об-
разцы ввода формул в программе Microsoft Excel.

ОСНОВНЫЕ ТЕОРЕТИЧЕСКИЕ СВЕДЕНИЯ

1. Вариационный ряд, гистограмма,

полигон и группированная выборка

Установление статистических закономерностей, присущих массовым случай-

ным явлениям, основано на изучении статистических данных – сведений о том,
какие значения принял в результате наблюдений интересующий нас признак [1].
Качественные признаки – это неизмеряемые признаки, не имеющие коли-
чественного выражения. Например, тип самолета, тип топлива, тип двигателя.
Количественные признаки – это измеряемые признаки, выражаемые
определенным числом. Например, вес, длина, плотность, температура.
Часто эксперимент представляет собой «черный ящик», выдающий лишь
некие результаты, по которым требуется сделать вывод о свойствах самого
эксперимента. Наблюдатель имеет набор числовых (или их можно сделать
числовыми) результатов, полученных повторением одного и того же случай-
ного эксперимента в одинаковых условиях.

3
 При этом возникает следующий вопрос: Если мы наблюдаем одну случай-
ную величину – как по набору ее значений в нескольких опытах сделать как
можно более точный вывод о ее распределении?
Примером такой серии экспериментов может служить измерение диаметра и
высоты цилиндра в лабораторной работе по физике. Эти измерения проводятся
многократно для одного и того же цилиндра. В итоге получается разброс случай-
ной величины – диаметра и высоты вокруг их среднего значения, которое наибо-
лее близко к истинному значению. Если по оси абсцисс откладывать измеренные
значения xi , а по оси ординат откладывать количество измерений, соответству-
ющих одному и тому же xi , то получится нормальное распределение.
Пусть необходимо изучить совокупность однородных объектов относитель-
но некоторого качественного или количественного признака, характеризующего
эти объекты [2]. Например, если имеется партия авиационных двигателей, то
качественным признаком может служить работоспособность этих двигателей, а
количественным – контролируемая максимальная мощность двигателя.
Лучше всего провести сплошное обследование, т. е. изучить каждый объ-
ект, но это не всегда возможно из-за большого числа объектов, их недоступно-
сти, больших материальных затрат и т. д. В таких случаях отбирается из всей
совокупности ограниченное число объектов и подвергается изучению.
Генеральной совокупностью называется совокупность всех объектов, под-
лежащих изучению.
Выборочной совокупностью или просто выборкой называется совокуп-
ность объектов, случайно отобранных из генеральной совокупности для изу-
чения.
Объемом совокупности (генеральной или выборочной) называется число
объектов этой совокупности.
Пусть из генеральной совокупности извлечена выборка, причем значение
x1 наблюдается n1 раз, x2 – n2 раз, xt – nt раз. Сумма всех этих значений
n1  n2  n3  ...  nt  n , где n – объем выборки или объем совокупности.
Наблюдаемые значения xi называются вариантами, а последовательность
вариант, записанных в возрастающем по величине порядке – вариационным
рядом. Числа n1, n2 , ..., nt называются частотами, а их отношения к объему вы-
n1 n n
борки  p1* , 2  p2* , …, t  pt* – относительными частотами вариант.
n n n

4
 Статистическим распределением выборки называется перечень вариант
и соответствующих им частот или (чаще) относительных частот. Статистиче-
ское распределение обычно задается в виде таблицы (табл. 1).

Таблица 1
xi x1 x2 … xt xi x1 x2 … xt
ni n1 n2 … nt pi* p1* p2* … pt*

При больших объемах выборки статистическое распределение можно (а ча-

сто необходимо) задать в виде последовательности полуинтервалов [ai ; ai 1 ) и
соответствующих им частот, которые в отличие от вариационного ряда обозна-
чаются уже не ni , а mi . В качестве частоты mi , соответствующей полуинтерва-
лу, принимают количество вариант, попавших в этот полуинтервал от ai до
ai 1 . В результате получают табл. 2, называемую группированной выборкой [3].

Таблица 2
Первая Вторая Плотность
Номер Представи- Относитель-
граница граница Часто- относитель-
интерва- тель интер- ная частота,
интерва- интерва- та, mi ной частоты,
ла
ла, ai ла, ai 1
вала, zi pi*
fi*
1 a1 a2 m1 z1 p1* f1*
… … … … … …
8 ak ak 1 mk zk pk* f k*

ai 1  ai
При обработке табл. 2 находятся представители интервалов zi  , от-
2
mi pi
носительные частоты pi*  и плотности относительных частот f i 
*
.
n ai 1  ai
После заполнения группированной выборки следует проверить равенства
k k

m
i 1
i  n; p
i 1
*
i  1,

где k – число интервалов.

Количество интервалов может быть подсчитано по формуле Стерджеса [1]:
k  1  3,322  lg n.
При объеме выборки порядка 100 следует взять 7–10 интервалов.

5
 Для графического изображения статистического распределения использу-
ются гистограмма и полигон.
Полигоном частот (или относительных частот) называется ломаная, от-
резки которой соединяют точки ( xi ; ni ) или ( xi ; pi* ) . При этом на оси абсцисс
(рис. 1) откладываются варианты xi , а на оси ординат – частоты ni или pi* .

Рис. 1. Полигон относительных частот

Гистограммой называется совокупность прямоугольников, основаниями

которых служат интервалы [ai ; ai 1 ] , а высоты равны соответствующим плот-
ностям относительных частот fi* (рис. 2). Площадь i-го частичного прямо-
угольника равна fi* (ai1  ai )  pi* – относительной частоте вариант, попавших
в i-й интервал. Следовательно, общая площадь гистограммы равна единице.

Рис. 2. Гистограмма и полигон группированной выборки

6
 Полигоном группированной выборки называется ломаная, отрезки кото-
рой соединяют середины верхних сторон частичных прямоугольников.
По виду гистограммы и полигона можно составить представление о законе
распределения изучаемого признака. В прил. 1 приведены основные законы
распределения случайных величин и типичные гистограммы и полигоны, по-
лучающиеся при этих распределениях.

2. Числовые выборочные характеристики

статистического распределения

Чтобы охарактеризовать статистическое распределение случайной величи-

ны так же, как и в теории вероятностей [1–5], используются так называемые
числовые выборочные характеристики. Рассмотрим некоторые из них.
Выборочным средним xВ называется среднее арифметическое значение
признака выборочной совокупности. Если все значения признака выборки
объема n различны, то
1 n
xВ   xi .
n i 1
(1)

Если же значения признака x1 , x2 , ..., xt имеют соответственно частоты

n1 , n2 , ..., nt , где n1  n2  n3  ...  nt  n , то
1 t
xВ   xi ni . (2)
n i 1
Для группированной выборки имеет место формула
1 k
xВ   zi mi ,
n i 1
(3)

где k – число интервалов. Эта формула дает менее точное значение xВ , но

значительно сокращает объем вычислений при больших n .
Для того, чтобы охарактеризовать рассеяние наблюдаемых значений коли-
чественного признака выборки вокруг своего среднего значения xВ , вводят
понятие выборочной дисперсии.
Выборочной дисперсией DВ называется среднее арифметическое значе-
ний квадратов отклонений наблюдаемых значений признака от их среднего
значения xВ . Если все варианты выборки различны, то

7
 1 n
DВ   ( xi  xВ ) 2 . (4)
n i 1
Если же варианты повторяются, то
1 t 1 t
DВ   ni ( xi  xВ )   ni xi2  xВ2 .
2
(5)
n i 1 n i 1
Для группированной выборки имеет место следующая формула:
1 k 1 k
DВ   mi ( zi  xВ )   mi zi2  xВ2 .
2
(6)
n i 1 n i 1
Выборочным средним квадратическим отклонением (стандартом) называ-
ется квадратный корень из выборочной дисперсии:
В  DВ . (7)
Известно, что DВ имеет статистическую ошибку, приводящую к ее умень-
шению [2, 4]. Поэтому вычисляют исправленную дисперсию по формуле
n
S2  DВ (8)
n 1
и исправленное выборочное среднее квадратическое отклонение по формуле
S  S2. (9)

3. Оценки параметров теоретического распределения.

Требования к оценкам. Точечные и интервальные оценки

Предположим, что уже удалось установить или предположить по гисто-

грамме и полигону, какое именно распределение имеет изучаемый признак.
Естественно возникает задача оценки параметров, которыми определяется это
распределение. Например, если наперед известно, что изучаемый признак рас-
пределен в выборочной совокупности нормально, то необходимо оценить
(приближенно найти) математическое ожидание и дисперсию этого признака.
Если же есть основание считать, что признак имеет, например, показательное
распределение, то необходимо оценивать параметр  (см. прил. 1).
Точечной называется оценка, которая определяется одним числом. Точеч-
ную оценку можно изобразить в виде точки на числовой оси (рис. 3).

Рис. 3. Точечная оценка параметра 

8
 В нашем распоряжении имеются лишь данные выборки, по которым и
нужно оценить требуемые параметры. Пусть необходимо оценить некоторый
параметр  . По выборке объема n была найдена его оценка * . Значения вы-
борки случайны, поэтому и сама оценка * является случайной величиной.
Можно построить множество различных оценок, но при этом иметь «хоро-
шие» приближения оцениваемого параметра. Поэтому к оценке обычно предъ-
являют следующие три основных требования:
1. Несмещенность. Математическое ожидание оценки * должно быть рав-
но оцениваемому параметру  при любом объеме выборки, т. е. M (* )   .
Другими словами, оценка не должна иметь систематической ошибки.
2. Состоятельность. При бесконечном увеличении объема выборки оцен-
ка * должна сходиться к точному значению  , т. е. *  0 при n   .
3. Эффективность. Оценка называется эффективной, если она не смещена
и имеет минимально возможную дисперсию. В этом случае наименьший раз-
брос * относительно точного значения параметра и оценка в определенном
смысле является самой точной.
Доказано, что оценка xВ является несмещенной, эффективной и состоя-
тельной оценкой математического ожидания случайной величины X , S 2 яв-
ляется несмещенной и состоятельной оценкой ее дисперсии [2, 4, 5].
Чтобы получить представление о точности и надежности оценки * пара-
метра  , используется интервальная оценка параметра (или доверительный
интервал).
Пусть по выборке получена оценка * неизвестного параметра  . Ясно,
что * тем точнее определяет параметр  , чем меньше модуль разности
  * . Если   *   , то число  характеризует точность получений оцен-
ки. Соответственно можно записать

  *   или     *   , или *      *   .
Однако статистические методы не позволяют категорически утверждать,
что оценка * удовлетворяет неравенству   *   , можно лишь говорить о
вероятности , с которой это неравенство осуществляется.

9
 Надежностью (доверительной вероятностью) оценки  по * называется
вероятность  , с которой осуществляется неравенство   *   , т. е.

 
P   *     . (10)
Равенство (10) следует понимать так: вероятность того, что интервал
(*  ; *  ) заключает в себе неизвестный параметр  , равна  . Обычно
надежность оценки задается заранее, причем в качестве  берут число, близ-
кое к единице. Наиболее часто задаются надежностью, равной 0,95, 0,99, 0,999.
Доверительным называется интервал I   (*  ; *  ) , который по-
крывает неизвестный параметр  с заданной надежностью  (рис. 4).

Рис. 4. Доверительный интервал для параметра 

Метод доверительных интервалов разработал американский статистик

Ю. Нейман (1894–1981), исходя из идей английского статистика Р. Фишера
(1890–1962). В качестве конкретного примера рассмотрим задачу определения
такого интервала для математического ожидания количественного признака
X при известной дисперсии D ( X ) . При этом будем рассматривать xВ как
случайную величину X * , имеющую нормальное распределение (что вполне
допустимо в силу центральной предельной теоремы [2]) с параметрами
D( X )
M ( X * )  a; D( X * ) 
.
n
Потребуем, чтобы выполнялось равенство (10), где  – заданная надеж-
ность. Тогда для нормального распределения соотношение можно переписать
P  
X *  a    2 (t )   ,

 n t
где t  . Из последнего равенства находим   и можно записать
 n
 t 
P X *  a    2(t ).
 n 

10
 Приняв во внимание, что вероятность P задана и равна  , получим
 t t 
P  xВ   a  xВ    2(t ). (11)
 n n
Таким образом, в качестве доверительного интервала для математического
ожидания изучаемого признака X с заданной надежностью  нужно взять ин-
тервал
 t t 
I   ( xВ  ; xВ  )   xВ  ; xВ  . (12)
 n n

При этом число t определяется из равенства 2(t )   или  (t ) 
c исполь-
2
зованием таблицы значений функции Лапласа ( x) (прил. 2). Например, при
  0,99 t  2,58 (использовать в лабораторной работе), при   0,95 t  1,96 .
При выводе выражения (11) предполагалось, что точно известно значение
дисперсии изучаемого признака, однако в большинстве случаев это не выпол-
няется. Поэтому при расчетах используется в качестве ее оценки исправленая
выборочная дисперсия и выражение (12) переписывается [2]:
 tS tS 
I    xВ  ; xВ  . (13)
 n n 

4. Статистическая проверка гипотезы

о предлагаемом теоретическом распределении

Статистической называется гипотеза (предположение) о виде неизвестно-

го теоретического распределения или о параметрах известного распределения.
Выдвигаемая гипотеза называется нулевой или основной и обозначается H 0 .
Гипотеза, которая противоречит основной, называется конкурирующей или
альтернативной и обозначается H1 . Методы проверки гипотез в математиче-
ской статистике называют критериями.
Критерием согласия называется критерий проверки гипотезы о предпола-
гаемом законе неизвестного распределения.
Рассмотрим критерий Пирсона или критерий  2 (хи-квадрат). Его досто-
инство состоит в том, что он не критичен к типу проверяемого распределения.
В основе критерия положено сравнение наблюдаемых (эмпирических) и теоре-
тических (рассчитанных согласно предполагаемому распределению) частот.

11
 Пусть по выборке получено статистическое распределение:

zi z1 z2 … zk
mi m1 m2 … mk

где zi – представители интервала; mi – частоты вариант. Выдвигаем гипотезу

H 0 , состоящую в том, что изучаемый признак имеет конкретный тип распре-
деления, и записываем функцию распределения F (x ) . Определяем параметры
закона и рассчитываем теоретические частоты mi* для каждого интервала, ис-
пользуя функцию распределения F (x ) [2]:
mi*  nPi ; (14)
Pi  ai 1  X  ai   F (ai 1 )  F (ai ) , (15)
где Pi – теоретическая вероятность попадания варианты в i-й интервал; ai и
ai 1 – границы i-го интервала. В качестве меры близости теоретического и ста-
тистического распределений в случае критерия Пирсона предлагается брать
сумму нормированных разностей между частотами mi и mi* , возведя их пред-
варительно в квадрат для устранения возможности взаимного погашения по-
ложительных и отрицательных значений. Полное обоснование критерия Пир-
сона дается в [2].
Таким образом, для выборки рассчитывается сумма
(mi  mi* )2
k
Н  
2
, (16)
i 1 mi*
где k – число интервалов группированной выборки. Значение 2Н зависит от
выборки и, следовательно, является случайной величиной. Чем меньше 2Н ,
тем лучше согласуются статистическое (эмпирическое) и теоретическое рас-
пределения. Гипотеза H 0 , утверждающая, что изучаемый признак X имеет
указанное теоретическое распределение, согласуется с результатами на уровне
значимости , если
 2Н   кр
2
, (17)
и гипотеза H 0 отклоняется, если
 2Н   кр
2
, (18)
где  кр
2
– критическое значение.

12
 Для определения критического (или граничного) значения существуют
специальные таблицы распределения (прил. 3)
 кр
2
  2 (, r ).
Пирсон доказал, что при n   закон распределения случайной величины
(16), независимо от того, какому распределению подчинена генеральная сово-
купность, стремится к закону распределения хи-квадрат с r-степенями свобо-
ды. При этом число степеней свободы находится как, r  k  l  1 , где k – число
интервалов группированной выборки; l – число параметров теоретического
распределения. В частности, если предполагаемое распределение – нормаль-
ное или равномерное, то
r  k  3, (19)
для показательного распределения
r  k  2. (20)
Уровень значимости  – есть вероятность, с которой основная гипотеза H 0
по результатам проверки (17) будет отвергнута. Уровень значимости  выби-
рается или задается предварительно.
Для расчета значения 2Н по группированной выборке составляют табл. 3.

Таблица 3
Первая Вторая Теорети- Теорети-
граница граница Частота, ческая ве- ческая ча- (mi  mi* )2
№ интервала, интервала, mi роятность, стота, mi  mi*
mi*
ai ai 1 Рi nРi  mi*
(m1  m1* ) 2
1 a1 a2 m1 p1 m1* m1  m1*
m1*
… … … … … … … …
(mk  mk* )2
k ak ak 1 mk pk mk* mk  mk*
mk*

∑ 100 1 2Н

При этом следует обратить внимание, чтобы в каждый интервал группиро-

ванной выборки попало не меньше 6 значений вариант. Если это условие
нарушено, то следует или изменить границы интервалов, или объединить со-
седние. По заданному  и найденному числу степеней свободы r из прил. 3

13
находится  кр
2
, затем проверяется неравенство (17). Если оно выполняется, то
гипотеза о выбранном теоретическом распределении изучаемого признака
принимается, в противном случае H 0 отвергается и следует выдвинуть новую
гипотезу или проверить правильность выбора интервалов группированной вы-
борки.

ЗАДАНИЕ И ВАРИАНТЫ ЛАБОРАТОРНОЙ РАБОТЫ

Задание: Для выборки объема п необходимо:

1. Построить вариационный ряд.
2. Составить группированную выборку с числом интервалов от 6 до 10.
3. Построить гистограмму плотности относительных частот. Выдвинуть
гипотезу о предполагаемом законе распределения.
4. Найти точечные оценки математического ожидания и среднеквадратиче-
ского отклонения для вариационного ряда и группированной выборки.
5. Построить доверительные интервалы для математического ожидания с
доверительной вероятностью   0,99 для вариационного ряда и группирован-
ной выборки.
6. Проверить гипотезу о правильности выбора теоретического распределения
с помощью критерия Пирсона при уровне значимости   0,01 . Сделать вывод.
7. Построить теоретическую функцию плотности распределения вероят-
ностей.

Варианты заданий

Вариант 1 Вариант 2
–1 4 2 –2 –9 –5 3 –3 0 –2 –2 4 –2 0 –2 –6 –1 –5 –2 –2
2 0 –1 –3 –2 –4 –7 –4 –3 –2 5 –7 –9 –1 –4 2 –4 –5 –2 0
–6 5 4 –3 –5 3 –2 –3 –3 –1 –5 –4 –5 0 –2 0 3 –5 5 4
1 –6 –1 –4 –2 6 1 –5 6 –5 4 –1 –6 –5 –7 –2 –4 –3 1 –10
2 1 –3 –8 2 1 7 –1 –1 0 –1 –1 1 –6 4 –4 0 –6 –5 3
3 3 0 5 –7 –1 –6 –7 1 –3 –2 0 –4 –3 0 0 –4 –3 –6 2
–1 –3 –8 5 –8 –13 1 2 –1 0 0 7 –3 –2 –2 3 –11 0 –1 –1
3 –8 5 –1 0 3 5 2 –1 –1 2 –8 –3 0 3 –7 2 –7 0 1
–5 –3 –1 –5 5 9 –2 –7 0 3 2 –2 –2 1 0 1 –6 0 –3 –2
–1 –1 –2 –3 1 4 2 1 –6 2 2 5 3 10 3 –6 –6 –5 2 –7

14
 Вариант 3 Вариант 4

3 2 0 1 5 3 1 9 5 10 –5 4 –2 –4 –4 –2 –9 –2 –10 –9
0 5 2 1 8 4 6 3 5 1 –11 –3 –1 0 –3 2 –3 –9 –5 2
5 1 4 1 2 2 0 16 1 1 –5 –6 –2 –9 –5 –6 –10 –4 –4 –2
1 5 3 1 6 13 2 4 1 1 –10 –5 –2 –7 –9 –6 –3 –15 –4 –5
1 4 1 2 2 0 1 0 4 3 –4 –7 3 –3 –3 –7 –9 0 –5 –6
0 1 2 3 0 4 2 2 1 1 –2 –7 –5 –8 –5 –4 –10 –2 –6 0
3 10 2 1 0 6 0 2 2 1 –6 2 –7 –3 –9 –8 –5 –6 –14 –4
1 3 2 1 1 4 2 2 0 2 –8 –13 3 –6 –5 5 –2 –2 –6 –9
2 1 7 2 8 1 4 1 3 9 1 –4 –4 –5 –3 4 –4 0 0 –5
1 3 2 1 1 1 0 6 0 3 –4 –8 –5 –7 –3 –5 –8 –7 1 –9

Вариант 5 Вариант 6
–2 6 –1 1 –2 1 1 –1 –1 5 4 1 7 5 2 2 5 2 5 4
4 5 2 2 –2 –1 0 5 0 3 8 9 4 3 6 1 9 2 0 4
–1 6 5 5 –1 1 0 3 5 1 3 1 6 2 0 1 1 3 2 1
1 0 1 6 6 0 5 2 4 3 9 1 0 3 0 13 1 8 2 4
6 –1 1 2 3 –1 5 6 5 3 4 0 7 2 6 6 3 1 0 6
2 5 1 –2 2 6 6 4 6 1 9 0 3 0 1 3 1 2 4 2
–2 0 1 3 4 0 –2 4 0 3 2 2 1 21 18 0 6 3 1 7
4 3 5 –1 2 –2 4 0 6 –1 2 0 4 1 1 3 4 4 1 1
0 –2 6 0 4 0 5 –1 –1 5 1 3 6 5 4 7 6 4 3 4
5 3 2 5 2 6 1 3 2 6 16 7 1 4 8 4 0 1 1 0

Вариант 7 Вариант 8
1 5 4 –1 –6 5 –16 0 4 –5 3 5 3 7 1 1 1 4 3 1
–2 9 3 –3 3 7 4 7 2 –3 2 2 2 0 4 1 1 0 1 4
5 3 2 6 1 0 –5 –4 0 5 5 0 2 5 1 4 3 3 4 1
0 6 –2 5 9 6 0 –3 –2 2 0 3 2 0 6 5 3 5 0 7
–4 8 0 15 4 13 4 –7 –5 –1 2 2 16 0 2 2 1 11 5 9
4 –1 –3 8 –1 5 –3 1 5 11 3 10 4 6 4 4 1 4 1 1
0 –2 –2 –6 –5 2 3 –1 6 –5 6 10 2 1 2 2 3 0 9 1
–3 3 –2 –4 3 –11 1 –3 4 –3 1 4 13 1 3 1 2 4 1 6
–9 –7 9 1 2 6 5 –5 –7 6 5 5 4 8 0 2 1 2 2 1
3 6 8 –1 0 1 –2 –1 –7 7 9 3 4 1 2 3 3 3 0 1

Вариант 9 Вариант 10
3 1 3 1 1 2 0 3 1 5 –2 14 12 6 8 14 13 3 –1 14
5 1 6 2 8 0 4 4 12 0 1 10 7 8 8 –1 9 10 5 1
0 5 1 1 7 2 0 4 1 5 5 6 7 1 9 4 –2 –1 5 7
0 1 3 0 0 1 2 1 1 4 7 6 5 14 11 2 8 8 12 2
6 4 5 2 4 2 9 2 1 6 2 9 11 –2 11 9 13 4 –1 10
1 6 17 4 2 4 2 4 12 0 5 3 10 10 7 4 11 4 5 9
1 10 10 7 1 2 7 3 2 4 13 10 14 2 14 –2 11 –1 6 14
4 3 1 3 1 2 1 1 4 2 5 7 –1 –1 13 1 10 7 12 5
0 2 1 5 2 2 1 2 6 1 5 13 5 1 6 11 1 9 –2 1
6 4 5 0 7 3 1 2 4 5 2 12 6 13 13 5 12 6 10 4

15
 Вариант 11 Вариант 12
6 8 20 4 16 7 3 3 8 5 4 3 10 0 1 1 6 12 9 3
16 33 1 4 2 3 3 3 3 3 3 0 1 7 1 2 0 2 1 10
7 7 7 1 1 7 7 4 7 17 5 1 3 1 8 3 0 6 3 3
0 10 4 3 15 3 1 2 2 14 1 1 9 2 3 1 6 5 0 1
5 2 2 2 2 6 7 23 8 15 8 15 3 0 1 1 4 3 2 7
8 7 13 4 31 9 1 2 3 1 3 14 6 2 5 8 10 1 1 1
15 0 3 2 11 2 12 3 2 2 0 1 5 1 17 2 0 10 7 1
6 6 32 3 3 5 5 8 7 1 2 4 12 0 3 4 5 4 4 3
5 7 3 8 6 7 0 2 3 2 1 2 11 23 1 4 2 1 10 4
22 2 1 1 8 10 4 4 4 9 6 7 7 7 2 4 2 4 0 0

Вариант 13 Вариант 14
–5 9 –2 2 8 –5 4 1 3 –5 –4 4 –9 –6 –4 –3 0 –3 –1 –6
–3 –5 0 –1 1 –3 0 4 9 –1 –9 3 –10 3 –7 –5 –1 –7 –2 –6
6 6 0 0 7 2 6 0 5 9 –4 –6 –16 –9 –5 –6 –1 –1 –1 1
1 –5 –1 5 –5 6 3 –4 –5 7 –13 –5 –5 –3 1 –1 –5 –1 –3 –2
8 0 1 4 5 7 6 8 3 7 –10 –2 –11 –7 –2 –3 –3 –2 –9 0
–5 6 –4 3 4 –5 –5 1 –1 –1 –4 –1 –10 –3 –5 –1 –7 –7 –11 –3
5 9 9 1 6 2 7 –2 –1 4 –4 2 –9 –5 –4 –16 –5 –6 –1 –3
–2 –5 –2 1 4 7 –2 0 1 –1 –3 –6 0 0 –10 –13 –12 2 –4 –11
3 7 –5 –4 8 9 6 –3 5 –2 –2 –5 0 –5 –1 –1 –11 4 –6 –6
5 3 2 –2 6 –3 2 –2 2 –1 2 –2 –14 –1 –10 –9 –6 –4 1 –6

Вариант 15 Вариант 16
–5 4 –3 –7 –11 –8 –10 –15 –1 –11 –3 5 –3 –7 1 –9 3 –7 –4 8
–6 –11 –14 –8 –9 –5 –6 –4 –5 –6 –5 –7 –1 –11 –8 –14 8 –2 –8 –1
–4 –10 –15 –13 –10 –3 –1 –6 1 –6 –8 –3 –7 –7 –5 –4 –3 –12 0 4
–8 –8 –4 –2 –3 –3 –3 –6 –7 2 –10 6 –13 –8 1 –6 0 2 –11 –4
–2 –2 –8 3 –9 –2 –5 –8 –4 –3 –1 –6 –2 –8 –3 2 –10 –4 –7 –8
–4 –5 –11 –2 –2 –2 0 –5 –5 –3 –6 –7 –9 –4 6 3 –8 10 –4 –8
–3 –15 –8 –8 2 –6 –4 0 –4 –9 2 –6 –5 –7 –7 3 –5 –2 10 2
–4 –3 –11 –8 –9 –2 –7 –8 –5 –7 –3 –6 –5 6 2 –2 –7 –1 –8 –4
1 –1 0 –5 –6 –4 –4 –2 –10 –10 5 –5 –4 –2 –9 5 –10 –1 –12 –3
–9 –4 2 –7 –2 –6 –1 –12 –4 –4 2 –10 1 6 –9 4 –3 –7 –3 –1

Вариант 17 Вариант 18
4 4 1 3 5 7 5 0 4 2 0 5 –7 –11 0 5 3 –3 –2 0
7 4 6 0 6 5 6 0 1 1 12 5 –1 –6 –2 2 –5 –1 3 3
11 3 5 1 4 2 4 5 1 3 4 2 –6 3 7 –1 5 1 14 6
2 1 0 1 12 0 3 2 5 10 –3 0 –1 9 6 –9 –2 2 –6 –13
1 2 10 4 0 1 0 8 2 2 1 3 –7 1 4 –1 7 –1 –3 –3
4 2 2 1 4 2 0 11 1 2 4 –5 0 –2 –4 0 1 3 –9 –5
13 3 1 3 10 4 2 5 3 12 –7 –5 0 –1 –7 9 1 –11 –2 6
2 4 32 5 2 0 1 5 1 6 –4 1 1 11 –3 1 2 –2 0 1
0 8 1 2 0 2 7 21 6 1 2 –1 4 3 –7 5 4 4 3 4
10 2 3 0 3 2 1 1 3 7 3 –5 –4 5 4 –1 4 –6 –3 0

16
 Вариант 19 Вариант 20
–3 3 –5 –4 2 –3 –1 –5 –6 –9 4 5 1 2 1 3 3 2 3 3
–5 –1 –8 –5 0 –1 –4 –3 –2 –9 7 3 27 0 1 0 1 19 1 2
–3 –4 –1 –1 –2 2 –6 –6 0 –5 0 2 5 6 4 1 3 8 4 5
–5 –5 –5 –4 –3 –7 2 –5 –6 1 5 3 2 3 0 0 2 4 1 2
–4 –1 –5 –3 –6 –6 –3 –10 –3 –1 2 10 4 4 1 0 2 0 0 3
–5 0 –6 3 –4 –3 0 –4 –5 –10 5 6 1 10 5 4 2 1 3 11
–5 –2 –5 0 –5 –4 1 –2 –2 0 1 5 2 3 1 1 8 1 5 1
–2 –2 –4 1 –5 0 1 –2 –4 –5 3 6 9 0 2 8 2 0 4 5
2 0 –4 0 –4 –7 –3 –4 –3 –4 4 6 1 8 9 4 1 1 2 13
–7 –5 0 –6 –2 –3 –3 1 –1 –6 2 2 1 3 1 2 1 2 4 2

Вариант 21 Вариант 22
3 3 4 8 2 4 6 2 3 7 0 5 5 2 4 2 2 2 5 4
5 8 –1 5 4 2 2 7 0 5 0 5 4 2 3 2 0 1 3 5
7 1 9 –4 1 7 4 0 5 0 5 3 5 4 5 5 0 2 1 2
0 2 3 3 8 2 –1 2 3 4 4 0 1 5 2 3 0 0 5 0
7 6 –1 3 4 2 3 3 –1 0 2 3 5 0 4 3 1 2 0 3
–4 3 3 –2 7 6 4 6 7 6 4 2 3 3 2 1 3 2 2 2
5 3 8 6 0 2 7 –1 3 –2 4 3 1 3 1 0 0 0 0 1
2 2 10 6 1 3 0 5 2 4 4 3 0 2 2 3 0 3 5 5
6 7 4 8 3 6 1 2 4 1 3 4 4 5 0 5 5 0 5 0
7 4 5 2 5 6 7 3 7 2 5 2 5 3 2 1 5 0 1 0

Вариант 23 Вариант 24
2 4 6 –2 1 2 –2 7 –1 2 7 13 10 2 4 2 8 6 4 0
–2 4 4 3 4 3 –5 3 10 1 21 24 3 8 9 1 15 4 5 1
0 1 –1 7 1 –1 –1 6 3 9 3 16 1 6 10 1 7 10 15 2
7 6 5 5 0 9 11 1 10 2 7 2 3 2 1 0 6 14 9 19
–3 –2 2 2 1 3 3 2 6 3 0 6 6 11 1 0 5 15 4 1
3 4 1 3 0 4 6 –4 –3 1 1 1 5 12 11 9 3 10 9 15
4 7 2 7 4 2 –1 3 2 5 20 3 0 7 11 2 21 19 8 4
–2 5 –3 –2 5 4 0 7 4 –1 5 1 17 1 1 14 2 2 1 0
–6 1 5 4 1 4 0 0 1 3 0 3 1 7 3 5 2 0 11 2
0 4 11 1 –1 7 4 4 0 4 0 6 13 1 3 11 14 5 2 6

Вариант 25 Вариант 26
–1 5 2 3 4 2 –1 3 3 3 –3 10 8 2 4 7 8 –1 0 0
–1 5 1 –1 4 –1 0 3 2 1 4 1 3 –2 10 –3 –2 –2 10 4
4 1 2 5 –1 –1 0 3 4 1 1 10 1 –1 10 4 6 5 –1 –3
5 3 –1 1 4 2 5 –1 –1 –1 3 –2 4 0 7 4 10 2 0 10
–1 5 1 5 0 3 2 5 0 –1 4 9 1 –3 3 9 7 1 0 –1
1 2 –1 1 4 2 5 1 0 1 10 1 0 6 4 4 –3 –3 5 –2
0 1 0 0 1 –1 –1 1 3 –1 8 7 2 2 9 0 2 7 –1 1
–1 2 0 0 –1 4 2 4 –1 –1 1 0 5 8 8 –1 3 4 7 10
1 –1 5 2 1 5 –1 2 –1 3 10 7 7 8 4 8 2 –2 1 –2
2 4 2 –1 2 3 –1 2 –1 4 –1 6 9 2 1 7 –2 10 6 1

17
 Вариант 27 Вариант 28
4 3 0 0 9 1 6 2 3 6 1 4 3 –2 0 6 –2 –1 0 0
2 6 6 0 2 6 –1 4 2 1 1 5 –4 6 3 10 0 2 –1 5
–2 –4 3 2 5 6 3 6 5 0 –5 1 2 3 –3 0 4 1 9 –1
3 1 3 3 5 6 5 2 1 5 –4 2 –3 4 –1 3 –3 4 0 0
6 –2 –1 6 5 2 4 8 3 0 3 –2 8 –5 –6 4 –2 2 –4 1
5 0 2 3 5 –2 4 4 4 5 –1 –2 –3 4 5 0 –4 –3 6 –3
0 2 8 1 3 –1 –4 7 2 0 4 6 1 5 3 1 –2 –4 2 5
8 9 5 4 3 7 4 1 0 4 2 –1 –1 –3 –6 7 5 –3 –1 6
4 –1 5 7 6 7 9 2 6 3 –2 –3 0 4 1 3 –2 3 –5 4
2 2 5 1 2 4 –1 2 10 3 –6 –1 3 6 –1 –2 3 –6 –1 2

Вариант 29 Вариант 30
3 4 4 10 3 11 5 2 4 0 –1 6 2 0 3 4 3 –1 6 3
–4 4 11 11 2 4 6 1 4 4 4 4 1 6 0 –1 1 2 2 –1
11 3 6 0 8 7 0 4 –3 7 3 0 1 –1 5 4 1 5 6 0
6 –2 0 0 11 3 –2 –1 6 5 5 3 5 –1 –1 –1 3 –1 3 0
–1 1 6 1 3 0 2 –2 6 7 3 1 0 –1 6 4 3 1 3 3
0 2 2 0 3 –2 –2 4 –1 2 4 1 2 2 5 2 1 2 –1 4
8 5 8 7 –1 7 4 9 3 0 4 4 1 –1 1 4 2 1 –1 5
0 4 10 0 0 7 1 2 7 3 2 3 0 0 4 4 2 5 1 1
2 4 7 1 9 2 3 7 6 4 4 4 5 5 2 2 0 5 2 5
0 2 –2 5 7 –1 5 5 5 1 6 3 5 0 1 1 2 3 –1 3

Вариант 31 Вариант 32
5 14 2 12 1 0 1 5 2 3 –5 5 –1 –7 –7 –10 5 –7 –4 7
7 8 2 5 6 4 1 1 2 16 –3 –4 –10 –2 –3 –6 –8 2 –13 –2
5 9 7 6 5 4 3 10 2 0 –5 –2 –2 1 –6 –7 –3 5 –12 –5
2 19 9 3 3 3 8 5 2 7 –5 –4 –7 –2 –7 –2 –2 –7 –1 –3
18 10 1 12 6 9 1 7 3 11 –11 –8 –6 –3 –5 4 –3 –1 –2 –6
11 1 6 7 19 2 13 2 0 1 –1 1 –10 –2 –2 –13 –8 –1 1 –3
7 4 3 19 1 1 4 11 1 2 –1 –5 –3 –1 –1 –11 –11 –8 –17 –4
2 15 1 17 10 1 52 0 3 7 –8 –12 0 –2 –3 –5 –1 –6 –1 –8
0 4 3 4 21 4 0 2 2 5 –2 –10 –2 –5 0 –6 –11 –4 –1 –5
0 0 7 11 3 1 2 7 4 13 –3 –7 0 –3 –4 –4 –7 –6 –2 –4

ПОРЯДОК ВЫПОЛНЕНИЯ ЛАБОРАТОРНОЙ РАБОТЫ

Лабораторная работа выполняется в электронной таблице Microsoft Excel.

1. В начале работы откройте папку «Статистика 2017», выбрав на рабочем
столе папку Лабораторные работы ЕНД → Новые лабораторные → Статистика
2017 → Таблицы для заполнения.xlsx.
2. Сохраните файл под своей фамилией, именем и номером группы, нажав
Сохранить как…

18
 3. Выполните лабораторную работу, четко следуя пошаговым рекоменда-
циям. Если Вы хорошо владеете Microsoft Excel, то можете придерживаться
только основных пунктов порядка выполнения лабораторной работы.
4. Завершив лабораторную работу, сфотографируйте каждый лист элек-
тронной таблицы (всего 4 листа). Убедитесь в хорошем качестве фотографий.
Отчет о выполнении лабораторной работы можно представить в печатном или
рукописном виде. Образец титульного листа отчета приведен в прил. 5.

1. Построение вариационного ряда

1. Скопируйте ваш вариант задания из файла «Пособие по математической

статистике» и вставьте его в ячейку L2 на первом листе.
2. Расположите строки таблицы в ряд следующим образом: начиная с ячей-
ки V2, поочередно копируйте строки таблицы варианта во вторую строку
электронной таблицы.
3. Проверьте правильность скопированного числа вариант.
4. Для составления вариационного ряда выделите ячейки L2-DG. На глав-
ной панели выберите: Сортировка и фильтр → Настраиваемая сортировка → Сор-
тировать в пределах указанного выделения → Сортировка → Параметры →
Столбцы диапазона → ОК → Сортировать по строке 2 → ОК.
5. Выделите, скопируйте и вставьте по 10 вариант в строки таблицы 1 (рис. 5).

2. Построение группированной выборки

с числом интервалов от 6 до 10

1. В таблицу 2 (см. рис. 5) поочередно введите первую и вторую границы

интервала.
2. Найдите частоту mi вариант на каждом интервале. В качестве частоты mi,
соответствующей интервалу, принимают количество вариант, попавших в этот
интервал от ai до ai 1 ,
k

m
i 1
i  100.

3. Рассчитайте представителя первого интервала z1 . Для этого в ячейку Е17

введите формулу =(В17+С17)/2. Путем копирования формулы найдите значе-
ния zi для оставшихся интервалов.

19
20
Рис. 5. Первый лист электронной таблицы
 4. Рассчитайте относительную частоту p1 . Для этого в ячейку F17 введите
формулу =D17/100. Путем копирования формулы, найдите значения pi для
оставшихся интервалов.
5. Рассчитайте плотность относительной частоты f1 . Для этого в ячейку
G17 введите формулу =F17/(C17-B17). Путем копирования формулы, найдите
значения fi для оставшихся интервалов. Число десятичных знаков должно
равняться 4.
6. Если при разбиении на интервалы оказалось, что npi  5 для i  1, , k,
то рекомендуется объединить соседние интервалы.

3. Построение гистограммы и формулировка

гипотезы о законе распределения

1. Заполните таблицу 3 (см. рис. 5). Первый столбец таблицы 3 заполняйте,

вводя данные с клавиатуры, второй столбец – выполнив: Выделить ячейки G 17:
G 26 → Копировать→ Выделить ячейку J17 → Специальная вставка → Значения и
форматы чисел → ОК.
Применяйте такой метод вставки для заполнения последующих таблиц.
При заполнении таблицы 3 гистограмма распределения строится автомати-
чески.
2. Выдвинете и запишите гипотезу о предполагаемом типе теоретического
распределения для данной выборки.

4. Нахождение точечных оценок математического ожидания

и среднего квадратического отклонения
для вариационного ряда и группированной выборки

1. Перенесите данные из таблицы 1 и таблицы 2 (см. рис. 5) на второй лист

(рис. 6).
2. Пользуясь возможностями электронной таблицы, рассчитайте выбороч-
ное среднее xВ выборки. Выделите диапазон ячеек A2:J11. В нижнем правом
углу программы найдите Среднее. Введите это значение в таблицу 4 (см. рис. 6)
(выборочное среднее для вариационного ряда).

21
22
Рис. 6. Второй лист электронной таблицы
 3. Пользуясь возможностями электронной таблицы, рассчитайте по фор-
мулам:
– выборочное среднее для группированной выборки:
1
 z1m1  z2 m2   zk mk  ;
xВ 
n
– выборочную дисперсию для группированной выборки:

DВ  
1 2
n
z1 m1  z22 m2   zk2 mk   xB2 ;

– исправленную дисперсию для вариационного ряда с помощью функции

=ДИСП(X), где X – все значения вариационного ряда;
– исправленную дисперсию для группированной выборки:
n
S2  DВ ;
n 1
– исправленное выборочное среднее квадратическое отклонение для ва-
риационного ряда и группированной выборки:
S  S2.

5. Построение доверительного интервала для математического

ожидания с доверительной вероятностью  = 0,99

1. Доверительный интервал рассчитайте по формуле

 tS t S 
I    xВ  ; xВ  ,
 n n
где t определяется из равенства 2Ф(t) = ; Ф(х) – функция Лапласа.
При  = 0,99 t = 2,58. Введите полученные значения в таблицу 5 (см. рис. 6).
2. Заполните таблицу 6 (см. рис. 6).

6. Проверка гипотезы о правильности выбора

теоретического распределения с помощью
критерия Пирсона при уровне значимости  = 0,01

1. Перенесите на третий лист электронной таблицы значения границ интер-

вала и частоту в таблицу 7 (рис. 7).

23
24
Рис. 7. Третий лист электронной таблицы
 2. Рассчитайте Pi в соответствии с выбранной гипотезой распределения:
 a a
P(  X  )       , где a  xВ ,   S ;
     
1
P(  X  )  e  e , где   ;
xВ

P(  X  )  , где a  x1 , b  x100 ,   ai ,   ai 1.
ba
В электронных таблицах функция Лапласа вводится =НОРМСТРАСП(...),
а экспонента =EXP(...). (прил. 4).
3. Заполните остальные поля таблицы 7.
4. По заданному уровню значимости и рассчитанному числу степеней сво-
боды, найдите из таблицы 8 (см. рис. 7) критическую точку  кр
2
(; r ) . Запол-
ните таблицу 9.
5. Сделайте вывод о подтверждении или опровержении гипотезы о законе
распределения для данной выборки.

7. Построение теоретической функции

плотности распределения вероятностей

1. Перейдите на четвертый лист электронной таблицы.

2. В соответствии с законом распределения выберите функцию плотности
распределения вероятностей f ( x) :
0, при x  a,
 1

f ( x)   , при a  x  b,
 b  a
0, при x  b.
0, при x  0,
f ( x)   x
  e , при x  0.
( x a )2
1 
f ( x)  e 2 .
2

 2
3. Заполните таблицу 10 (рис. 8). Значения x назначьте таким образом,
чтобы график f (x ) соответствовал эталлоной кривой выбранного распределения
(см. прил. 1).

25
 Рис. 8. Четвертый лист электронной таблицы

Рассчитайте f ( x1 ) . Для этого в ячейку B3 введите формулу в соответствии с

законом распределения (см. прил. 3). Путем копирования формулы, найдите зна-
чения f ( xi ) для оставшихся xi . Число десятичных знаков должно равняться 4.
4. Постройте график f (x ) . Для этого выделите диапазон ячеек B3:B17 и
выберете: Вставка → График.

КОНТРОЛЬНЫЕ ВОПРОСЫ

1. Дайте определение понятию «математическая статистика». Перечислите

основные задачи математической статистики.
2. Приведите классификацию признаков, характеризующих особенности
поведения генеральной совокупности. Дайте им определение.
3. Дайте определение понятию «случайная величина». Дайте определения по-
нятиям «дискретная случайная величина», «непрерывная случайная величина».
4. Дайте определение понятия «функция распределения (вероятностей)».
Перечислите и докажите свойства функции распределения.
5. Дайте определение понятия «плотность распределения (вероятностей)».
Перечислите и докажите свойства плотности распределения.

26
 6. Как найти вероятность попадания случайной величины в заданный ин-
тервал?
7. Что такое равномерное распределение случайной величины? Назовите
числовые характеристики и приведите функцию распределения.
8. Что такое нормальное распределение случайной величины? Назовите
числовые характеристики и приведите функцию распределения.
9. Что такое показательное (экспоненциальное) распределение случайной
величины? Назовите числовые характеристики и приведите функцию распре-
деления.
10. Что называется генеральной, выборочной совокупностью, объемом со-
вокупности, элементом совокупности?
11. Что называется вариационным рядом выборки, статистическим распре-
делением выборки?
12. Что называется группированной выборкой?
13. Дайте определение понятиям «полигон» и «гистограмма». Как их ис-
пользуют для выбора теоретического распределения случайной величины?
14. Что называют выборочным средним? Запишите формулы его нахождения.
15. Что называют выборочной дисперсией? Запишите формулы для ее
нахождения.
16. Как определяют параметры теоретического распределения?
17. Дайте классификацию оценки неизвестного параметра теоретического
распределения?
18. Какую точечную оценку называют несмещенной, состоятельной, эф-
фективной?
19. Что такое доверительный интервал для неизвестного параметра теоре-
тического распределения?
20. Как проверяется гипотеза о предполагаемом теоретическом распреде-
лении совокупности? Приведите критерии согласия.
21. В чем заключается критерий Пирсона?

27
 РЕКОМЕНДУЕМАЯ ЛИТЕРАТУРА

Основная
1. Шипачев, B. C. Высшая математика. Полный курс : учеб. для академиче-
ского бакалавриата / B. C. Шипачев ; под ред. А. Н. Тихонова. – 4-е изд., испр.
и доп. – М. : Юрайт, 2016. – 607 с.
2. Шипачев, В. С. Высшая математика : учеб. и практикум для бакалавров /
В. С. Шипачев ; под ред А. Н. Тихонова. – 8-е изд. перераб. и доп. – М. : Юрайт,
2016. – 447 с.
3. Малахов, А. Н. Высшая математика : учеб. пособие / А. Н. Малахов,
Н. И. Максюков, В. А. Никишкин. – М. : Евразийский открытый институт,
2009. – 396 c. – Режим доступа: http://www.iprbookshop.ru/10643. – Загл. с экрана.
Дополнительная
4. Кремер, Н. Ш. Теория вероятностей и математическая статистика : учеб.
для вузов / Н. Ш. Кремер. – 3-е изд., перераб. и доп. – М. : ЮНИТИ-ДАНА,
2010. – 551 с.
5. Высшая математика в упражнениях и задачах : учеб. пособие для вузов :
в 2 ч. Ч. 1 / П. Е. Данко, А. Г. Попов, Т. Я. Кожевникова, С. П. Данко. – 7-е
изд., испр. – М. : Оникс : Мир и Образование, 2009. – 368 с.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Кремер, Н. Ш. Теория вероятностей и математическая статистика : учеб.

для вузов / Н. Ш. Кремер. – 3-е изд., перераб. и доп. – М. : ЮНИТИ-ДАНА,
2010. – 551 с.
2. Гмурман, В. Е. Теория вероятностей и математическая статистика : учеб.
пособие / В. Е. Гмурман. – 9-е изд., стер. – М. : Высшая школа, 2003. – 479 с.
3. Поленищенко, Л. И. Методические указания к лабораторной работе по
разделу «Математическая статистика» : учеб.-метод. пособие / Л. И. Полени-
щенко, В. В. Селиванов. – Ульяновск : УВАУ ГА, 1999. – 37 с.
4. Вентцель, Е. С. Теория вероятностей / Е. С. Вентцель. – 11-е изд., стер. –
М. : КноРус, 2016. – 664 с.
5. Письменный, Д. Т. Конспект лекций по теории вероятностей, математи-
ческой статистике и случайным процессам / Д. Т. Письменный. – 3-е изд. – М. :
Айрис-Пресс, 2008. – 288 с.

28
 Приложение 1

Типовые законы распределения случайных величин

1. Равномерное распределение
0, при x  a, 0, при x  a,
 1 xa
 
f ( x)   , при a  x  b, F ( x)   , при a  x  b,
 b  a  b  a
0, при x  b. 1, при x  b.
ab (b  a)2
M (X )  ; D( X )  .
2 12

График функции плотности распределения вероятностей (1) и гистограмма (2)

2. Показательное распределение
0, при x  0, 0, при x  0,
f ( x)   x
F ( x)   x
  e , при x  0. 1  e , при x  0.
1 1
M (X )  ; D( X )  .
 2

График функции плотности распределения вероятностей (1) и гистограмма (2)

29
3. Нормальное распределение
( x  a )2
1  1  xa
f ( x)  e 2 2
; F ( x)    .
 2 2   
M ( X )  a; D( X )   2 .

График функции плотности распределения вероятностей (1) и гистограмма (2)

30
 Приложение 2
Таблица значений функции Ф(x)

x Ф(x) x Ф(x) x Ф(x) x Ф(x) x Ф(x) x Ф(x)

0,00 0,0000 0,33 0,1293 0,66 0,2454 0,99 0,3389 1,32 0,4066 1,65 0,4505
0,01 0,0040 0,34 0,1331 0,67 0,2486 1,00 0,3413 1,33 0,4082 1,66 0,4515
0,02 0,0080 0,35 0,1368 0,68 0,2517 1,01 0,3438 1,34 0,4099 1,67 0,4525
0,03 0,0120 0,36 0,1406 0,69 0,2549 1,02 0,3461 1,35 0,4115 1,68 0,4535
0,04 0,0160 0,37 0,1443 0,70 0,2580 1,03 0,3485 1,36 0,4131 1,69 0,4545
0,05 0,0199 0,38 0,1480 0,71 0,2611 1,04 0,3508 1,37 0,4147 1,70 0,4554
0,06 0,0239 0,39 0,1517 0,72 0,2642 1,05 0,3531 1,38 0,4162 1,71 0,4564
0,07 0,0279 0,40 0,1554 0,73 0,2673 1,06 0,3554 1,39 0,4177 1,72 0,4573
0,08 0,0319 0,41 0,1591 0,74 0,2703 1,07 0,3577 1,40 0,4192 1,73 0,4582
0,09 0,0359 0,42 0,1628 0,75 0,2734 1,08 0,3599 1,41 0,4207 1,74 0,4591
0,10 0,0398 0,43 0,1664 0,76 0,2764 1,09 0,3621 1,42 0,4222 1,75 0,4599
0,11 0,0438 0,44 0,1700 0,77 0,2794 1,10 0,3643 1,43 0,4236 1,76 0,4608
0,12 0,0478 0,45 0,1736 0,78 0,2823 1,11 0,3665 1,44 0,4251 1,77 0,4616
0,13 0,0517 0,46 0,1772 0,79 0,2852 1,12 0,3686 1,45 0,4265 1,78 0,4625
0,14 0,0557 0,47 0,1808 0,80 0,2881 1,13 0,3708 1,46 0,4279 1,79 0,4633
0,15 0,0596 0,48 0,1844 0,81 0,2910 1,14 0,3729 1,47 0,4292 1,80 0,4641
0,16 0,0636 0,49 0,1879 0,82 0,2939 1,15 0,3749 1,48 0,4306 1,81 0,4649
0,17 0,0675 0,50 0,1915 0,83 0,2967 1,16 0,3770 1,49 0,4319 1,82 0,4656
0,18 0,0714 0,51 0,1950 0,84 0,2995 1,17 0,3790 1,50 0,4332 1,83 0,4664
0,19 0,0753 0,52 0,1985 0,85 0,3023 1,18 0,3810 1,51 0,4345 1,84 0,4671
0,20 0,0793 0,53 0,2019 0,86 0,3051 1,19 0,3830 1,52 0,4357 1,85 0,4678
0,21 0,0832 0,54 0,2054 0,87 0,3078 1,20 0,3849 1,53 0,4370 1,86 0,4686
0,22 0,0871 0,55 0,2088 0,88 0,3106 1,21 0,3869 1,54 0,4382 1,87 0,4693
0,23 0,0910 0,56 0,2123 0,89 0,3133 1,22 0,3883 1,55 0,4394 1,88 0,4699
0,24 0,0948 0,57 0,2157 0,90 0,3159 1,23 0,3907 1,56 0,4406 1,89 0,4706
0,25 0,0987 0,58 0,2190 0,91 0,3186 1,24 0,3925 1,57 0,4418 1,90 0,4713
0,26 0,1026 0,59 0,2224 0,92 0,3212 1,25 0,3944 1,58 0,4429 1,91 0,4719
0,27 0,1064 0,60 0,2257 0,93 0,3238 1,26 0,3962 1,59 0,4441 1,92 0,4726
0,28 0,1103 0,61 0,2291 0,94 0,3264 1,27 0,3980 1,60 0,4452 1,93 0,4732
0,29 0,1141 0,62 0,2324 0,95 0,3289 1,28 0,3997 1,61 0,4463 1,94 0,4738
0,30 0,1179 0,63 0,2357 0,96 0,3315 1,29 0,4015 1,62 0,4474 1,95 0,4744
0,31 0,1217 0,64 0,2389 0,97 0,3340 1,30 0,4032 1,63 0,4484 1,96 0,4750
0,32 0,1255 0,65 0,2422 0,98 0,3365 1,31 0,4049 1,64 0,4495 1,97 0,4756

31
 Окончание табл.
x Ф(x) x Ф(x) x Ф(x) x Ф(x) x Ф(x) x Ф(x)
1,98 0,4761 2,16 0,4846 2,36 0,4909 2,56 0,4948 2,76 0,4971 2,96 0,4985
1,99 0,4767 2,18 0,4854 2,38 0,4913 2,58 0,4951 2,78 0,4973 2,98 0,4986
2,00 0,4772 2,20 0,4861 2,40 0,4918 2,60 0,4953 2,80 0,4974 3,00 0,49865
2,02 0,4783 2,22 0,4868 2,42 0,4922 2,62 0,4956 2,82 0,4976 3,20 0,49931
2,04 0,4793 2,24 0,4875 2,44 0,4927 2,64 0,4959 2,84 0,4977 3,40 0,49966
2,06 0,4803 2,26 0,4881 2,46 0,4931 2,66 0,4961 2,86 0,4979 3,60 0,499841
2,08 0,4812 2,28 0,4887 2,48 0,4934 2,68 0,4963 2,88 0,4980 3,80 0,499928
2,10 0,4821 2,30 0,4893 2,50 0,4938 2,70 0,4965 2,90 0,4981 4,00 0,499968
2,12 0,4830 2,32 0,4898 2,52 0,4941 2,72 0,4967 2,92 0,4982 4,50 0,499997
2,14 0,4838 2,34 0,4904 2,54 0,4945 2,74 0,4969 2,94 0,4984 5,00 0,499997
 0,5

32
 Приложение 3

Критические точки распределения 2

Число степеней Уровень значимости, 
свободы, r 0,01 0,025 0,05 0,95
1 6,6 5,0 3,8 0,0039
2 9,2 7,4 6,0 0,103
3 11,3 9,4 7,8 0,352
4 13,3 11,1 9,5 0,711
5 15,1 12,8 11,1 1,15
6 16,8 14,4 12,6 1,64
7 18,5 16,0 14,1 2,17
8 20,1 17,5 15,5 2,73
9 21,7 19,0 16,9 3,33
10 23,2 20,5 18,3 3,94

33
 Приложение 4
Образец ввода формул в электронную таблицу

a a
1. Ввод формулы P(  X  )         . В ячейку вводится
     
= HOPMCTPACП   a  /    HOPMCTPAC П  a  /   .
2. Ввод формулы P(  X  )  e  e . В ячейку вводится
= EXP       EXP     .

3. Ввод формулы P(  X  )  . В ячейку вводится
ba
=     /  b  a  .

0, при x  a,
 1

4. Ввод формулы f ( x)   , при a  x  b, В ячейку вводится
 b  a
0, при x  b.
=1 /  b  a  .

0, при x  0,
5. Ввод формулы f ( x)   0,5 x
В ячейку вводится
 0,5  e , при x  0.
= 0,5  EXP  0,5  .
( x a )2
1 
6. Ввод формулы f ( x)  e 22
, 2  2,5066 . В ячейку вводится
 2

= 1/    2,5066    EXP    
 a   2  /  2  2  .

34
 Приложение 5
Образец титульного листа отчета о выполнении лабораторной работы

УЛЬЯНОВСКИЙ ИНСТИТУТ ГРАЖДАНСКОЙ АВИАЦИИ

ИМЕНИ ГЛАВНОГО МАРШАЛА АВИАЦИИ Б. П. БУГАЕВА

Кафедра естественно научных дисциплин

ОТЧЕТ
о выполнении лабораторной работы
по дисциплинам «Математика», «Высшая математика»
(раздел «Математическая статистика»)

Тема: СТАТИСТИЧЕСКАЯ ОБРАБОТКА ОДНОМЕРНОЙ ВЫБОРКИ

Вариант № ____

Выполнил: курсант
учебной группы УК-14-1
А. С. Иванов
Проверил: О. Е. Кочеткова

Ульяновск 2017

35
 Методические указания
по выполнению лабораторной работы
«Статистическая обработка одномерной выборки»

МАТЕМАТИКА. ВЫСШАЯ МАТЕМАТИКА

МАТЕМАТИЧЕСКАЯ СТАТИСТИКА

Составители: КОЧЕТКОВА
ОЛЬГА ЕВГЕНЬЕВА
СИНДЯЕВ
АНДРЕЙ ВАСИЛЬЕВИЧ

Компьютерная верстка И. А. Ерёминой

Подписано в печать 30.06.2017. Формат 6090/16. Бумага офсетная.

Печать трафаретная. Усл. печ. л. 2,25. Уч.-изд. л. 1,61.
Тираж 200 экз. Заказ № 260.
РИО и типография УИ ГА. 432071, г. Ульяновск, ул. Можайского, 8/8

36