zadanie_3 (Практикум)
Описание файла
Файл "zadanie_3" внутри архива находится в следующих папках: Практикум, Задачи практикума 1. Excel-файл из архива "Практикум", который расположен в категории "". Всё это находится в предмете "теория вероятностей и математическая статистика" из 4 семестр, которые можно найти в файловом архиве МГУ им. Ломоносова. Не смотря на прямую связь этого архива с МГУ им. Ломоносова, его также можно найти и в других разделах. .
Просмотр Excel-файла онлайн
Текст из табличного файла "zadanie_3"
18.02 17.86 18.13 17.92 18.07 18.2 18.1 17.92 17.76 17.99 18.05 18.02 17.94 17.78 18.08 16.97 16.84 17.15 17.06 17.05 16.99 16.88 16.98 17.05 16.79 17 16.94 17.07 17.07 17.05 Определены содержания металла в образцах руды из двух месторождений (A, B). Проверить равенство средних и дисперсий. 12.18 9.35 12.26 13.28 10.12 6.77 9.84 10.62 8.73 11.9 10.45 12.69 11.02 8.61 7.5 12.26 9.53 12.1 13.24 10.19 6.79 9.78 10.66 8.67 12 10.67 12.61 11.22 8.62 7.83 Проведены измерения содержания вещества в серии образцов двумя методами. Проверить, имеется ли различие в показаниях методов (в среднем). Зависимость А-В Коэффициент Пирсона -0.001599 P-значение 0.995488 Доверительный 95% интервал -0.513441 0.511082 Проверка нормальности распределения А1 Выдача обычно включает: Статистика, P-значение двустороннее, вывод Выбранное пороговое значение 0.05 Численность выборки 15 Модифицированный критерий Колмогорова 0.122242 0.234794 Гипотеза о нормальности не отклоняется Критерий хи-квадрат Фишера Классы 5 7.421 2 1.211396 8.723 3 2.973264 10.025 4 4.303286 11.327 2 3.672704 12.629 4 1.848378 Статистика критерия, p-значение 3.801424 0.149462 Гипотеза о нормальности не отклоняется месторождений (A, B).
цов двумя методами. Проверка нормальности распределения А Проверка нормаль Выдача обычно включает: Статистика, P-значение двустороннее, вывод Выбранное пороговое значение 0.05 Численность выборки 15 Модифицированный критерий Колмогорова 0.129559 0.312991 Гипотеза о нормальности не отклоняется Критерий хи-квадрат Фишера Классы 5 17.804 2 1.197264 17.892 3 3.335918 17.98 4 4.832614 18.068 4 3.639904 18.156 2 1.425407 Статистика критерия, p-значение 0.98274 0.388212 Гипотеза о нормальности не отклоняется Выдача обычно включа Статистика, P-значение Выбранное пороговое з 0.05 Численность выборки 15 Модифицированный кр 0.189453 Критерий хи-квадрат Ф Классы 16.826 16.898 16.97 17.042 17.114 Статистика критерия, p 4.377754 Проверка нормальности распределения В1 Зависимость А1-В1 Выдача обычно включает: Статистика, P-значение двустороннее, вывод Выбранное пороговое значение 0.05 Численность выборки 15 Модифицированный критерий Колмогорова 0.133878 0.360644 Гипотеза о нормальности не отклоняется Критерий хи-квадрат Фишера Классы 5 7.435 2 0.915989 8.725 2 2.470453 10.015 3 4.023168 11.305 3 3.95608 12.595 5 2.348914 Статистика критерия, p-значение 4.855844 0.08822 Гипотеза о нормальности не отклоняется Коэффициент Пирсона 0.997823 P-значение 0 Доверительный 95% интервал 0.993266 0.999297 величины зависимы Проверка нормальности распределения В Выдача обычно включает: Статистика, P-значение двустороннее, вывод Выбранное пороговое значение Численность выборки Модифицированный критерий Колмогорова 0.16479 Гипотеза о нормальности не отклоняется Критерий хи-квадрат Фишера 5 2 0.751364 1 3.004181 5 5.31566 6 4.1624 1 1.442401 Статистика критерия, p-значение 0.112042 Гипотеза о нормальности не отклоняется % интервал Двухвыборочный F-тест для дисперсии Среднее Дисперсия Наблюдения df F P(F<=f) одностороннее F критическое одностороннее Двухвыборочный F-тест для дисперсии Среднее Дисперсия Наблюдения df F P(F<=f) одностороннее F критическое одностороннее ый F-тест для дисперсии Переменная 1 Переменная 2 17.9893333333 16.992666667 0.01584952381 0.0094066667 15 15 14 14 1.68492457224 0.17015995886 2.48372574143 ый F-тест для дисперсии Переменная 1 Переменная 2 10.3546666667 10.411333333 3.70681238095 3.546712381 15 15 14 14 1.04514039561 0.46766710726 2.48372574143 Двухвыборочный t-тест с одинаковыми дисперсиями Среднее Дисперсия Наблюдения Объединенная дисперсия Гипотетическая разность средних df t-статистика P(T<=t) одностороннее t критическое одностороннее P(T<=t) двухстороннее t критическое двухстороннее Переменная 1 17.9893333333 0.01584952381 15 0.01262809524 0 28 24.2891121982 1.17E-20 1.70113090761 2.3476121E-20 2.04840711466 Парный двухвыборочный t-тест для средних Среднее Дисперсия Наблюдения Корреляция Пирсона Гипотетическая разность средних df t-статистика P(T<=t) одностороннее t критическое одностороннее P(T<=t) двухстороннее t критическое двухстороннее Переменная 1 10.3546666667 3.70681238095 15 0.99782324499 0 14 -1.6565527818 0.05992105076 1.76131011506 0.11984210152 2.14478668128 наковыми дисперсиями Переменная 2 16.9926666667 0.00940666667 15 ст для средних Переменная 2 10.4113333333 3.54671238095 15 Вывод: 1) Сперва данные проверены на нормальность с помощью критериев Колмогорова и хи-квадрат.
Обе пары выборок я значимости. 2) Далее данные были проверены на зависимость с помощью корреляционного анализа. По полученным значениям -0,0016 и для второй пары выборок А1-В1 - 0,9978) и р-значениям (для А-В - 0,9954 и для А1-В1 - 0) можно сделать вы зависимыми. 3) Была проверена гипотеза о равенстве дисперсий двух пар выборок с помощью двухвыборочного F-теста. F-тест. Статистика представляет из себя отношение выборочных дисперсий (сумм квадратов, деленных на "степени св величинами и соответствующие суммы квадратов имели распределение хи-квадрат(то есть чтобы данные имели нор квадраты которых суммируются, одинакова.
Тест проводится путем сравнения значения статистики с критическим зна значимости. Если F<Fкрит , то гипотеза о равенстве дисперсий принимается, в противном случае отвергается. Более удобный способ одностороннего и р<α/2 для двухстороннего, то гипотеза отклоняется, иначе - принимается. Для пары выборок А-В были получены следующие значения: F=1,6849, F крит=2,4837, р=0,1701 (α=0,05 по умолчанию), и независимых выборок равны. Выборки А1 и В1 зависимы, но использование F-теста нужно. По результатам F-теста F(1,0451)<F(2,4837) крит и р(0,4676 4) Была проверена гипотеза о равенстве средних с помощью t-теста.
t-тест. Статистика представляет из себя отношение случайной величины с нулевым математическим ожиданием (при случайной величины, получаемому как квадратный корень из несмещенной оценки дисперсии. При этом необходи Гипотеза о равенстве средних не отклоняется, если а) для выборок с одинаковыми дисперсиями |t|<tкр.дв. и |t|<tкр.одн., а также p>α.
б) для выборок с разными дисперсиями |t|<tкр.дв. и |t|<tкр.одн., а также p>α. Парный t-тест. Используется для проверки равенства средних двух зависимых выборок. При этом данные должны им наблюдений в выборках, например, когда генеральная совокупность тестируется дважды . Гипотеза принимается, если По результатам t-теста для выборок с одинаковыми дисперсиями |t|(24,2891)>t кр.дв.
(1,7011) и |t|(24,2891)>tкр.одн. (2,0 средние выборок А и В не равны. К выборкам А1 и В1 применятся парный t-тест, так как это результат измерения содержания вещества в серии образц которую доказывает корреляционный анализ. По результатам парного t-теста |t|(1,6565)<t кр.дв. (1,76131)и |t|(1,6565) отклоняется. вадрат.
Обе пары выборок являются нормально распределенными с заданным по умолчанию уровнем По полученным значениям коэффициента Пирсона (для первой пары выборок А-В это значение составляет А1-В1 - 0) можно сделать вывод о том, что выборки А и В являются независимыми, а выборки А1 и В1 - орочного F-теста. в, деленных на "степени свободы").
Необходимо, числитель и знаменатель были независимыми случайными ть чтобы данные имели нормальное распределение). Предполагается, что дисперсия случайных величин, атистики с критическим значением соответствующего распределения Фишера при заданном уровне тся. Более удобный способ проверки гипотезы - сравнение р-значения с уровнем значимости α. Если р<α для . 01 (α=0,05 по умолчанию), из которых видно, что F<F крит и р>α и можно сделать вывод о том, что дисперсии двух 51)<F(2,4837) крит и р(0,4676)>α(0,05) гипотеза о равенстве дисперсий двух выборок не отклоняется. атическим ожиданием (при выполнении нулевой гипотезы) к выборочному стандартному отклонению этой рсии.
При этом необходимо, чтобы данные имели нормальное распределение. ри этом данные должны иметь нормальное распределение. Этот тест используется при естественной парности Гипотеза принимается, если |t|<tкр.дв. и |t|<tкр.одн., а также p>α. 11) и |t|(24,2891)>tкр.одн. (2,0484), а также р(1,174E-20)<α(0,05), гипотеза о равенстве средних отклоняется => ия вещества в серии образцов двумя различными методами. Это означает естественную зависимость выборок, <t кр.дв. (1,76131)и |t|(1,6565)<tкр.одн (2,1447), а также p(0,0599)>α(0,05) гипотеза о равентсве средних не м ляет чайными чин, р<α для рсии двух этой арности ся => выборок, .