Решение. 1. В диапазон А1:А7 введите исходный ряд чисел.

1. В диапазон А1:А7 введите исходный ряд чисел.

2. Далее вызовите процедуру Описательная статистика. Для этого, указав курсором мыши на пункт меню Сервис, выберите команду Анализ данных. Затем в появившемся списке Инструменты анализа выберите строку Описательная статистика.

3. В появившемся диалоговом окне в рабочем поле Входной интервал: укажите входной диапазон —А1:А7. Переключателем активизируйте Выходной интервал и укажите выходной диапазон — ячейку В1. В разделе Группировка переключатель установите в положение по столбцам. Установите флажок в левое поле Уровень
надежности: и в правом поле (%) — 95. Затем нажмите кнопку ОК.

4. В результате анализа в указанном выходном диапазоне для доверительной ве­роятности 0,95 получаем значения доверительного интервала (рис. 4.4).

Рис. 4.4. Исходная выборка (А1:А7) и результат вычислений (СЗ) из примера 4.2

 

Уровень надежности — это половина доверительного интервала для генерального среднего арифметического. Из полученного результата следует, что с вероятнос­тью 0,95 среднее арифметическое для генеральной совокупности находится в интервале 18,571 ± 3,77. Здесь 18,571 — выборочное среднее М для рассматриваемо­го примера, которое находится обычно процедурой Описательная статистика одно­временно с доверительным интервалом.

5. Для нахождения доверительных границ для «выскакивающей» варианты необ­ходимо полученный выше доверительный интервал умножить на (в приме­ре — , то есть 3,77* = 9,975). В Excel это можно выполнить следующим образом. Табличный курсор установите в свободную ячейку С4; введите с клави­атуры знак =; мышью укажите на ячейку СЗ (в которой находится результат вы­числений); введите с клавиатуры знак *; с панели инструментов Стандартная вы­зовите Мастер функций (кнопка fx); выберите категорию Математические, тип функции Корень; нажмите ОК; введите с клавиатуры число = 7 и нажмите ОК. В результате получим в ячейке С4 значение доверительного интервала — 9,975.

Таким образом, варианта, попадающая в интервал 18,571 ± 9,975, считается при­надлежащей данной совокупности с вероятностью 0,95. Выходящая за эти грани­цы может быть отброшена с уровнем значимости a = 0,05.

Проверка соответствия теоретическому распределению. Следующей задачей, воз­никающей при анализе одной выборки, является оценка меры соответствия (рас­хождения) полученных эмпирических данных и каких-либо теоретических рас­пределений. Это связано с тем, что в большинстве случаев при решении реальных задач закон распределения и его параметры неизвестны. В то же время применяе­мые статистические методы в качестве предпосылок часто требуют определенного закона распределения.

Наиболее часто проверяется предположение о нормальном распределении генераль­ной совокупности, поскольку большинство статистических процедур ориентировано на выборки, полученные из нормально распределенной генеральной совокупности.

Для оценки соответствия имеющихся экспериментальных данных нормальному закону распределения обычно используют графический метод, выборочные пара­метры формы распределения и критерии согласия.

Графический метод позволяет давать ориентировочную оценку расхождения или совпадений распределений (рис. 4.5).

Рис. 4.5. Сопоставление выборочного распределения веса студенток и кривой нормального распределения

 

При большом числе наблюдений ( > 100) неплохие результаты дает вычисление выборочных параметров формы распределения: эксцесса и асимметрии. Принято говорить, что предположение о нормальности распре­деления не противоречит имеющимся данным, если асимметрия близка к нулю, то есть лежит в диапазоне от -0,2 до 0,2, а эксцесс — от 2 до 4.

Наиболее убедительные результаты дает использование критериев согласия.

Кри­териями согласия называют статистические критерии, предназначенные для про­верки согласия опытных данных и теоретической модели. Здесь нулевая гипотеза Н_о представляет собой утверждение о том, что распределение генеральной сово­купности, из которой получена выборка, не отличается от нормального. Среди кри­териев согласия большое распространение получил непараметрический критерий (хи-квадрат). Он основан на сравнении эмпирических частот интервалов груп­пировки с теоретическими (ожидаемыми) частотами, рассчитанными по форму­лам нормального распределения.

Для определения степени соответствия реального распределения нормальному можно воспользоваться критерием [3, 5], для чего необходимо рассчитать величину

,

- относительная частота попадания случайной величины в -й интервал; - вероятность попадания случайной величины в i –й интервал в соответствии с нормальным законом распределения

Отметим, что сколько-нибудь уверенно о нормальности закона распределения можно судить, если имеется не менее 50 результатов наблюдений. В случаях мень­шего числа данных можно говорить только о том, что данные не противоречат нор­мальному закону, и в этом случае обычно используют графические методы оценки соответствия. При большем числе наблюдений целесообразно совместное исполь­зование графических и статистических (например, тест хи-квадрат или аналогич­ные) методов оценки, естественно дополняющих друг друга.

Использование критерия согласия хи-квадрат. Для применения критерия жела­тельно, чтобы объем выборки > 40, выборочные данные были сгруппированы в интервальный ряд с числом интервалов не менее 7, а в каждом интервале находи­лось не менее 5 наблюдений (частот).

Отметим, что сравниваться должны именно абсолютные частоты, а не относитель­ные (частости). При этом, как и любой другой статистический критерий, крите­рий хи-квадрат не доказывает справедливость нулевой гипотезы (соответствие эмпирического распределения нормальному), а лишь может позволить ее отверг­нуть с определенной вероятностью (уровнем значимости).

В MS Excel критерий хи-квадрат реализован в функции ХИ2ТЕСТ. Функция ХИ2ТЕСТ вычисляет вероятность совпадения наблюдаемых (фактических) значений и теоретических (гипотетических) значений. Если вычисленная вероятность ниже уровня значимости (0,05), то нулевая гипотеза отвергается и утверждается, что наблюдаемые значения не соответствуют нормальному закону распределения. Если вычисленная вероятность близка к 1, то можно говорить о высокой степени соот­ветствия экспериментальных данных нормальному закону распределения.

Функция имеет следующие параметры: ХИ2ТЕСТ (фактический_интервал; ожидае-мый_интервал). Здесь:

* фактический_интервал — это интервал данных, которые содержат наблюдения, подлежащие сравнению с ожидаемыми значениями;

* ожидаемый интервал — это интервал данных, который содержит теоретические (ожидаемые) значения для соответствующих наблюдаемых.

Пример 4.3. Проверить соответствие выборочных данных (64,57, 63, 62, 58, 61, 63, 60, 60, 61, 65, 62, 62, 60, 64, 61, 59, 59, 63, 61, 62, 58, 58, 63, 61, 59, 62, 60, 60, 58, 61, 60, 63, 63, 58, 60, 59, 60, 59, 61, 62, 62, 63, 57, 61, 58, 60, 64, 60, 59, 61, 64, 62, 59, 65) нормальному закону распределения.