Слайд 1Статистика, часть 2
Николай Вячеславович Павлов
pavlov@kafedrapik.ru
Слайд 2Условные обозначения
2*2=4
Быть или не быть?
Это самое важное, надо знать на
100%!!!
Это надо решить и записать!!!
Слайд 3АНАЛИЗ
ЭМПИРИЧЕСКИХ РАСПРЕДЕЛЕНИЙ
Слайд 4Анализ эмпирических распределений = детальное исследование одномерных массивов данных.
Комплексный
анализ рядов распределения включает:
1. Табличное и графическое представление ряда распределения.
2.
Расчет и анализ показателей центра и структуры распределения.
3. Расчет и анализ показателей вариации.
4. Характеристику формы распределения.
5. Выравнивание эмпирического распределения и оценку его соответствия тому или иному типу теоретических распределений.
Слайд 5Определение и виды
Примеры = ?
Слайд 6Элементы ряда
Варианта
Частота
Ранжирование = упорядочение (Оно есть?)
Слайд 12Показатели центра распределения
Арифметическое среднее значение
Мода
Для атрибутивного ряда (категория занятости) =
?
Для дискретного ряда (размер обуви) = ?
Для интервального ряда =
?
Медиана
Для атрибутивного ряда (уровень образования) = ?
Для дискретного ряда (размер обуви)= ?
Для интервального ряда = ?
Слайд 13Мода интервального ряда
Мо – мода,
x0 – значение начала модального интервала,
h – размер модального
интервала,
fМо – частота модального интервала,
fМо-1 – частота интервала, находящего перед модальным,
fМо1 – частота
интервала, находящего после модального.
Что не так с границами?
Слайд 14Медиана интервального ряда
Как понимать границы?
Интервал, в котором середина =медианный интервал.
Где он?
В нем ищем единственное значение
Кумулята = нарастающий итог
Слайд 16Медиана интервального ряда
где
xMe — нижняя граница медианного интервала;
iMe — ширина медианного интервала;
∑f/2 —
количество всех значений, деленное на 2 (два);
S(Me-1)— суммарное количество наблюдений,
которое было накоплено до начала медианного интервала, т.е. накопленная частота предмедианного интервала;
fMe — число наблюдений в медианном интервале.
Слайд 19Показатели
структуры
распределения
Слайд 20Показатели структуры распределения
Медиана
Кварт’или
Дец’или
Децильный коэффициент - соотношение средних доходов 10 %
самых богатых жителей государства к такому же проценту беднейших.
РФ 2007
– 16,7; 2016 – 15,7
Перцентили
Слайд 21Перцентили
Это характеристики данных, которые выражают ранги элементов в виде процентов
(от 0 до 100%), а не в числах.
Наименьшему значению признака
соответствует нулевой перцентиль, наибольшему – 100-й.
Перцентили – это показатели, разбивающие ранжированный ряд данных на определенное число частей.
Слайд 24Выбросы видны в ранжированном ряду
Слайд 25Выбросы
Это единицы совокупности, значения признака которых резко отличаются в меньшую
или большую сторону от основной массы значений признака.
Данные единицы
не
подчиняются
общей закономерности распределения, поэтому анализируются отдельно.
Слайд 26Метод Тьюки
Границы ящика – 1-й (снизу) и 3-й квартили
Ширина ящика
= интерквартиль-ный размах
Ус = полтора интерквартиль-ных размаха от ящика
Почему медиана
не посередине?
Почему разные усы???
Слайд 29Правильная группировка
Двухмодальное распределение
Слайд 30Правильная группировка
Одномодальное распределение
Слайд 33Что это и зачем
Вариация = различия в индивидуальных признаках единиц
совокупности.
Малая вариация => среднее = типичное
Большая вариация => среднее ≠
типичное
И вообще интересно, насколько варьирует заработная плата в России и других странах мира
Слайд 34Показатели вариации
Показатели вариации
Абсолютные
Относительные
Размах вариации
Среднее линейное отклонение
Дисперсия
Среднее квадратическое отклонение
Коэффициент осцилляции
Относительное линейное
отклонение
Коэффициент вариации
Слайд 36Размах вариации
R = Xmax - Xmin
Xmax, Xmin – максимальное
и минимальное значения признака в изучаемой совокупности
Зависит от двух измерений,
поэтому неустойчив Это как так?
Пример: размах зарплаты по СПб
Слайд 37Среднее линейное отклонение
- среднее значение признака в
совокупности;
- индивидуальные значения признака;
- вес или частота
(частость).
Формула попроще, без взвешивания = ?
Слайд 38Дисперсия
Физического смысла нет, но часто используется
Слайд 39Среднее квадратическое отклонение
= стандартное = типовое отклонение
Слайд 40Правило Бьеномэ-Чебышева
Независимо от формы распределения, процент наблюдений, лежащих на расстоянии,
не превышающем k стандартных отклонений от среднего значения, не меньше:
для
k=2:
Слайд 41Относительные показатели вариации
Слайд 42Коэффициент осцилляции
R – размах вариации,
– среднее значение признака в совокупности.
Слайд 43Относительное линейное отклонение
- среднее линейное отклонение,
- среднее значение
признака в совокупности.
Слайд 44Коэффициент вариации
- среднее значение признака в совокупности;
- среднее квадратическое (стандартное) отклонение.
Слайд 45Пример коэффициента вариации
Средняя заработная плата 50 тыс, СКО = 5
тыс.
Прогноз ВВП РФ на следующий год (мой личный) 75 трлн.
руб = 75 000 000 млн. руб. СКО = 5 млн.
Какая оценка более точна?
Вариация заработной платы = 5/50*100 = 10%
Вариация ВВП = 5/75 000 000*100 = 0,000007%
Слайд 46Характеристики формы распределения
Слайд 47Коэффициент асимметрии Пирсона
Mo – мода,
– среднее квадратическое (стандартное)
отклонение.
Асимметрия
Слайд 48Асимметрия
Правосторонняя,
Левосторонняя,
Слайд 49Распределение населения по доходам
Что произошло?
Слайд 52Законы распределения вероятностей
Нормальное
Логарифмически нормальное
Пуассона
Биноминальное
… … … …
Слайд 53Нормальное распределение
Плотность распределения
Сумма независимых одинаково распределенных случайных величин
Давление крови (?)
Отклонения
при стрельбе
Лазерный луч (ниже)
Слайд 55Логарифмически нормальное
Логарифм величины имеет нормальное распределение
Размер градин
Слайд 56Распределение Пуассона
Вероятностное распределение дискретного типа.
Моделирует число событий, произошедших за фиксированное
время, при условии, что данные события происходят с некоторой фиксированной
средней интенсивностью и независимо друг от друга.
Используется при
моделировании
систем массового
обслуживания
Слайд 57Биноминальное распределение
распределение количества «успехов» в последовательности из n независимых
случайных экспериментов, таких, что вероятность «успеха» в каждом из них
постоянна и равна p.
Слайд 58Равномерное распределение
«Генерация случайных чисел слишком важна, чтобы оставлять её
на волю случая.» Роберт Кавью
«Всякий, кто питает слабость к арифметическим
методам получения случайных чисел, грешен вне всяких сомнений.» Джон фон Нейман
=слчис()
Как получить нормальное распределение с помощью этой функции?
Слайд 59Законы распределения вероятностей
Реальность всегда не идеальна
Требуется проверить близость реальных данных
теоретическому распределению
Эта область = проверка гипотез, будет ниже.