Произведение коэффициента стьюдента на ошибку генерального среднего это

В отличие от критериев
Розенбаума и Манна-Уитни критерий t
Стьюдента является параметрическим,
т. е. основан на определении основных
статистических показателей – средних
значений в каждой выборке (и)
и их дисперсий (s²_x
и s²_y),
рассчитываемых по стандартным формулам
(см. раздел 5).

Использование критерия
Стьюдента предполагает соблюдение
следующих условий:

Распределения значений
для обеих выборок должны соответствовать
закону нормального распределения (см.
раздел 6).
Суммарный объем выборок
должен быть не менее 30 (для β₁
= 0,95) и не менее 100 (для β₂
= 0,99).
Объемы двух выборок
не должны существенно отличаться друг
от друга (не более чем в 1,5 ÷ 2 раза).

Идея критерия Стьюдента
достаточно проста. Предположим, что
значения переменных в каждой из выборок
распределяются по нормальному закону,
т. е. мы имеем дело с двумя нормальными
распределениями, отличающимися друг
от друга по средним значениям и дисперсии
(соответственно
и,и,
см. рис. 7.1).

s_x
s_y

Рис.
7.1. Оценка различий между двумя независимыми
выборками:
и—
средние значения выборок x
и y;
s_x
и s_y—
стандартные отклонения

Нетрудно понять, что
различия между двумя выборками будут
тем больше, чем больше разность между
средними значениями и чем меньше их
дисперсии (или стандартные отклонения).

В
случае независимых выборок коэффициент
Стьюдента определяют по формуле:

(7.2)

где n_x
и n_y
– соответственно численность выборок
x
и y.

После вычисления
коэффициента Стьюдента в таблице
стандартных (критических) значений t
(см. Приложение, табл. Х) находят величину,
соответствующую числу степеней свободы
n
= n_x
+ n_y
– 2, и сравнивают
ее с рассчитанной по формуле. Если t_эксп.
£
t_кр.,
то гипотезу о достоверности различий
между выборками отвергают, если же
t_эксп.
> t_кр.,
то ее принимают. Другими словами, выборки
достоверно отличаются друг от друга,
если вычисленный по формуле коэффициент
Стьюдента больше табличного значения
для соответствующего уровня значимости.

В рассмотренной нами
ранее задаче вычисление средних значений
и дисперсий дает следующие значения:
x_ср.
= 38,5; σ_х²
= 28,40; у_ср.
= 36,2; σ_у²
= 31,72.

Можно видеть, что
среднее значение тревожности в группе
девушек выше, чем в группе юношей. Тем
не менее эти различия настолько
незначительны, что вряд ли они являются
статистически значимыми. Разброс
значений у юношей, напротив, несколько
выше, чем у девушек, но различия между
дисперсиями также невелики.

Подставляем
значения в формулу:

Вывод

t_эксп.
= 1,14 < t_кр.
= 2,05 (β₁
= 0,95). Различия между двумя сравниваемыми
выборками не являются статистически
достоверными. Данный вывод вполне
согласуется с таковым, полученным при
использовании критериев Розенбаума и
Манна-Уитни.

Другой
способ определения различий между двумя
выборками по критерию Стьюдента состоит
в вычислении доверительного интервала
стандартных отклонений. Доверительным
интервалом называется среднеквадратичное
(стандартное) отклонение, деленное на
корень квадратный из объема выборки и
умноженное на стандартное значение
коэффициента Стьюдента для n
– 1 степеней свободы (соответственно,
и).

Примечание

Величина
=m_x называется
среднеквадратичной ошибкой (см. раздел
5). Следовательно, доверительный интервал
есть среднеквадратичная ошибка,
умноженная на коэффициент Стьюдента
для данного объема выборки, где число
степеней свободы ν = n
– 1, и заданного уровня значимости.

Две
независимые друг от друга выборки
считаются достоверно различающимися,
если доверительные интервалы для этих
выборок не перекрываются друг с другом.
В нашем случае мы имеем для первой
выборки 38,5 ± 2,84, для второй 36,2 ± 3,38.

Следовательно,
случайные вариации x_i
лежат в диапазоне 35,66 ¸
41,34, а вариации y_i
– в диапазоне 32,82 ¸
39,58. На основании этого можно констатировать,
что различия между выборками x
и y
статистически недостоверны (диапазоны
вариаций перекрываются друг с другом).
При этом следует иметь в виду, что ширина
зоны перекрытия в данном случае не имеет
значения (важен лишь сам факт перекрытия
доверительных интервалов).

Метод
Стьюдента для зависимых друг от друга
выборок (например, для сравнения
результатов, полученных при повторном
тестировании на одной и той же выборке
испытуемых) используют достаточно
редко, поскольку для этих целей существуют
другие, более информативные статистические
приемы (см. раздел 10). Тем не менее, для
данной цели в первом приближении можно
использовать формулу Стьюдента следующего
вида:

(7.3)

Полученный результат
сравнивают с табличным значением для
n
– 1 степеней свободы, где n
– число пар значений x
и y.
Результаты сравнения интерпретируются
точно так же, как и в случае вычисления
различий между двумя независимыми
выборками.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

#
#
23.02.201514.96 Mб37Longman_Advanced_Learners_39_Grammar.pdf
#
#
#
#
#
#
#
#
#

Источник

Коэффициенты Стьюдента

Кванти́ли (проценти́ли) распределе́ния Стью́дента (коэффициенты Стьюдента) — числовые характеристики, широко используемые в задачах математической статистики таких как построение доверительных интервалов и проверка статистических гипотез.

Содержание

1 Определение
2 Замечания
3 Таблица квантилей
- 3.1 Пример
4 См. также

Определение

Пусть F_n — функция распределения Стьюдента t(n) с n степенями свободы, и alpha in [0,1] . Тогда α-квантилью этого распределения называется число t_α,n такое, что

$F_nleft(t_{alpha,n}right) = alpha$ .

Замечания

$F_n^{-1}(alpha) = t_{alpha,n}$ .

Функция $F^{-1}_n$ не имеет простого представления. Однако, возможно вычислить её значения численно.
Распределение t(n) симметрично. Следовательно,

t_{1 − α,n} = − t_α,n.

Таблица квантилей

Нижеприведённая таблица получена с помощью функции tinv пакета t_α,n, необходимо найти строку, соответствующую нужному n, и колонку, соответствующую нужному α. Искомое число находится в таблице на их пересечении.

Пример

t_0.2,4 = 0.2707;

t_0.8,4 = − t_0.2,4 = − 0.2707.

См. также

Распределение Стьюдента;
Доверительный интервал для математического ожидания нормальной выборки.

Квантили t_α,n

two-tailed test	1-0.9/2	1-0.8/2	1-0.7/2	1-0.6/2	1-0.5/2	1-0.4/2	1-0.3/2	1-0.2/2	1-0.1/2	1-0.05/2	1-0.02/2
one-tailed test	1-0.9	1-0.8	1-0.7	1-0.6	1-0.5	1-0.4	1-0.3	1-0.2	1-0.1	1-0.05	1-0.02
1	0.1584	0.3249	0.5095	0.7265	1.0000	1.3764	1.9626	3.0777	6.3138	12.7062	31.8205
2	0.1421	0.2887	0.4447	0.6172	0.8165	1.0607	1.3862	1.8856	2.9200	4.3027	6.9646
3	0.1366	0.2767	0.4242	0.5844	0.7649	0.9785	1.2498	1.6377	2.3534	3.1824	4.5407
4	0.1338	0.2707	0.4142	0.5686	0.7407	0.9410	1.1896	1.5332	2.1318	2.7764	3.7469
5	0.1322	0.2672	0.4082	0.5594	0.7267	0.9195	1.1558	1.4759	2.0150	2.5706	3.3649
6	0.1311	0.2648	0.4043	0.5534	0.7176	0.9057	1.1342	1.4398	1.9432	2.4469	3.1427
7	0.1303	0.2632	0.4015	0.5491	0.7111	0.8960	1.1192	1.4149	1.8946	2.3646	2.9980
8	0.1297	0.2619	0.3995	0.5459	0.7064	0.8889	1.1081	1.3968	1.8595	2.3060	2.8965
9	0.1293	0.2610	0.3979	0.5435	0.7027	0.8834	1.0997	1.3830	1.8331	2.2622	2.8214
10	0.1289	0.2602	0.3966	0.5415	0.6998	0.8791	1.0931	1.3722	1.8125	2.2281	2.7638
11	0.1286	0.2596	0.3956	0.5399	0.6974	0.8755	1.0877	1.3634	1.7959	2.2010	2.7181
12	0.1283	0.2590	0.3947	0.5386	0.6955	0.8726	1.0832	1.3562	1.7823	2.1788	2.6810
13	0.1281	0.2586	0.3940	0.5375	0.6938	0.8702	1.0795	1.3502	1.7709	2.1604	2.6503
14	0.1280	0.2582	0.3933	0.5366	0.6924	0.8681	1.0763	1.3450	1.7613	2.1448	2.6245
15	0.1278	0.2579	0.3928	0.5357	0.6912	0.8662	1.0735	1.3406	1.7531	2.1314	2.6025
16	0.1277	0.2576	0.3923	0.5350	0.6901	0.8647	1.0711	1.3368	1.7459	2.1199	2.5835
17	0.1276	0.2573	0.3919	0.5344	0.6892	0.8633	1.0690	1.3334	1.7396	2.1098	2.5669
18	0.1274	0.2571	0.3915	0.5338	0.6884	0.8620	1.0672	1.3304	1.7341	2.1009	2.5524
19	0.1274	0.2569	0.3912	0.5333	0.6876	0.8610	1.0655	1.3277	1.7291	2.0930	2.5395
20	0.1273	0.2567	0.3909	0.5329	0.6870	0.8600	1.0640	1.3253	1.7247	2.0860	2.5280
21	0.1272	0.2566	0.3906	0.5325	0.6864	0.8591	1.0627	1.3232	1.7207	2.0796	2.5176
22	0.1271	0.2564	0.3904	0.5321	0.6858	0.8583	1.0614	1.3212	1.7171	2.0739	2.5083
23	0.1271	0.2563	0.3902	0.5317	0.6853	0.8575	1.0603	1.3195	1.7139	2.0687	2.4999
24	0.1270	0.2562	0.3900	0.5314	0.6848	0.8569	1.0593	1.3178	1.7109	2.0639	2.4922
25	0.1269	0.2561	0.3898	0.5312	0.6844	0.8562	1.0584	1.3163	1.7081	2.0595	2.4851
26	0.1269	0.2560	0.3896	0.5309	0.6840	0.8557	1.0575	1.3150	1.7056	2.0555	2.4786
27	0.1268	0.2559	0.3894	0.5306	0.6837	0.8551	1.0567	1.3137	1.7033	2.0518	2.4727
28	0.1268	0.2558	0.3893	0.5304	0.6834	0.8546	1.0560	1.3125	1.7011	2.0484	2.4671
29	0.1268	0.2557	0.3892	0.5302	0.6830	0.8542	1.0553	1.3114	1.6991	2.0452	2.4620
30	0.1267	0.2556	0.3890	0.5300	0.6828	0.8538	1.0547	1.3104	1.6973	2.0423	2.4573
31	0.1267	0.2555	0.3889	0.5298	0.6825	0.8534	1.0541	1.3095	1.6955	2.0395	2.4528
32	0.1267	0.2555	0.3888	0.5297	0.6822	0.8530	1.0535	1.3086	1.6939	2.0369	2.4487
33	0.1266	0.2554	0.3887	0.5295	0.6820	0.8526	1.0530	1.3077	1.6924	2.0345	2.4448
34	0.1266	0.2553	0.3886	0.5294	0.6818	0.8523	1.0525	1.3070	1.6909	2.0322	2.4411
35	0.1266	0.2553	0.3885	0.5292	0.6816	0.8520	1.0520	1.3062	1.6896	2.0301	2.4377
36	0.1266	0.2552	0.3884	0.5291	0.6814	0.8517	1.0516	1.3055	1.6883	2.0281	2.4345
37	0.1265	0.2552	0.3883	0.5289	0.6812	0.8514	1.0512	1.3049	1.6871	2.0262	2.4314
38	0.1265	0.2551	0.3882	0.5288	0.6810	0.8512	1.0508	1.3042	1.6860	2.0244	2.4286
39	0.1265	0.2551	0.3882	0.5287	0.6808	0.8509	1.0504	1.3036	1.6849	2.0227	2.4258
40	0.1265	0.2550	0.3881	0.5286	0.6807	0.8507	1.0500	1.3031	1.6839	2.0211	2.4233
41	0.1264	0.2550	0.3880	0.5285	0.6805	0.8505	1.0497	1.3025	1.6829	2.0195	2.4208
42	0.1264	0.2550	0.3880	0.5284	0.6804	0.8503	1.0494	1.3020	1.6820	2.0181	2.4185
43	0.1264	0.2549	0.3879	0.5283	0.6802	0.8501	1.0491	1.3016	1.6811	2.0167	2.4163
44	0.1264	0.2549	0.3878	0.5282	0.6801	0.8499	1.0488	1.3011	1.6802	2.0154	2.4141
45	0.1264	0.2549	0.3878	0.5281	0.6800	0.8497	1.0485	1.3006	1.6794	2.0141	2.4121
46	0.1264	0.2548	0.3877	0.5281	0.6799	0.8495	1.0483	1.3002	1.6787	2.0129	2.4102
47	0.1263	0.2548	0.3877	0.5280	0.6797	0.8493	1.0480	1.2998	1.6779	2.0117	2.4083
48	0.1263	0.2548	0.3876	0.5279	0.6796	0.8492	1.0478	1.2994	1.6772	2.0106	2.4066
49	0.1263	0.2547	0.3876	0.5278	0.6795	0.8490	1.0475	1.2991	1.6766	2.0096	2.4049
50	0.1263	0.2547	0.3875	0.5278	0.6794	0.8489	1.0473	1.2987	1.6759	2.0086	2.4033
100	0.1260	0.2540	0.3864	0.5261	0.6770	0.8452	1.0418	1.2901	1.6602	1.9840	2.3642
1000	0.1257	0.2534	0.3854	0.5246	0.6747	0.8420	1.0370	1.2824	1.6464	1.9623	2.3301

Wikimedia Foundation.
2010.

Полезное

Смотреть что такое «Коэффициенты Стьюдента» в других словарях:

Процентили распределения Стьюдента — Квантили (процентили) распределения Стьюдента (коэффициенты Стьюдента) числовые характеристики, широко используемые в задачах математической статистики таких как построение доверительных интервалов и проверка статистических гипотез. Содержание 1 … Википедия
Квантили распределения Стьюдента — Квантили (процентили) распределения Стьюдента (коэффициенты Стьюдента) числовые характеристики, широко используемые в задачах математической статистики таких как построение доверительных интервалов и проверка статистических гипотез.… … Википедия
Коэффициент корреляции — (Correlation coefficient) Коэффициент корреляции это статистический показатель зависимости двух случайных величин Определение коэффициента корреляции, виды коэффициентов корреляции, свойства коэффициента корреляции, вычисление и применение… … Энциклопедия инвестора
Корреляция — (Correlation) Корреляция это статистическая взаимосвязь двух или нескольких случайных величин Понятие корреляции, виды корреляции, коэффициент корреляции, корреляционный анализ, корреляция цен, корреляция валютных пар на Форекс Содержание… … Энциклопедия инвестора
Наименьших квадратов метод — один из методов ошибок теории (См. Ошибок теория) для оценки неизвестных величин по результатам измерений, содержащим случайные ошибки. Н. к. м. применяется также для приближённого представления заданной функции другими (более простыми)… … Большая советская энциклопедия
Математи́ческие ме́тоды — в медицине совокупность методов количественного изучения и анализа состояния и (или) поведения объектов и систем, относящихся к медицине и здравоохранению. В биологии, медицине и здравоохранении в круг явлений, изучаемых с помощью М.м., входят… … Медицинская энциклопедия
НАИМЕНЬШИХ КВАДРАТОВ МЕТОД — один из методов ошибок теории для оценки неизвестных величин по результатам измерений, содержащим случайные ошибки. Н. к. м. применяется также для приближенного представления заданной функции другими (более простыми) функциями и часто оказывается … Математическая энциклопедия
РДМУ 109-77: Методические указания. Методика выбора и оптимизации контролируемых параметров технологических процессов — Терминология РДМУ 109 77: Методические указания. Методика выбора и оптимизации контролируемых параметров технологических процессов: 73. Адекватность модели Соответствие модели с экспериментальными данными по выбранному параметру оптимизации с… … Словарь-справочник терминов нормативно-технической документации
ГОСТ Р 50779.10-2000: Статистические методы. Вероятность и основы статистики. Термины и определения — Терминология ГОСТ Р 50779.10 2000: Статистические методы. Вероятность и основы статистики. Термины и определения оригинал документа: 2.3. (генеральная) совокупность Множество всех рассматриваемых единиц. Примечание Для случайной величины… … Словарь-справочник терминов нормативно-технической документации
Нахождение дисперсии ошибки определения коэффициента регрессии — 3.9.3. Нахождение дисперсии ошибки определения коэффициента регрессии При равном числе параллельных опытов (m0) во всех точках плана матрицы дисперсию ошибки определения коэффициента регрессии определяют по формуле… … Словарь-справочник терминов нормативно-технической документации

Источник

Доверительные интервалы

Общий обзор

Доверительный интервал для среднего

Доверительный интервал для пропорции

Интерпретация доверительных интервалов

Общий обзор

Взяв выборку из популяции, мы получим точечную оценку интересующего нас параметра и вычислим стандартную ошибку для того, чтобы указать точность оценки.

Однако, для большинства случаев стандартная ошибка как такова не приемлема. Гораздо полезнее объединить эту меру точности с интервальной оценкой для параметра популяции.

Это можно сделать, используя знания о теоретическом распределении вероятности выборочной статистики (параметра) для того, чтобы вычислить доверительный интервал (CI – Confidence Interval, ДИ – Доверительный интервал) для параметра.

Вообще, доверительный интервал расширяет оценки в обе стороны некоторой величиной, кратной стандартной ошибке (данного параметра); два значения (доверительные границы), определяющие интервал, обычно отделяют запятой и заключают в скобки.

Доверительный интервал для среднего

Использование нормального распределения

Выборочное среднее имеет нормальное распределение, если объем выборки большой, поэтому можно применить знания о нормальном распределении при рассмотрении выборочного среднего.

В частности, 95% распределения выборочных средних находится в пределах 1,96 стандартных отклонений (SD) среднего популяции.

Когда у нас есть только одна выборка, мы называем это стандартной ошибкой среднего (SEM) и вычисляем 95% доверительного интервала для среднего следующим образом:

Если повторить этот эксперимент несколько раз, то интервал будет содержать истинное среднее популяции в 95% случаев.

Обычно это доверительный интервал как, например, интервал значений, в пределах которого с доверительной вероятностью 95% находится истинное среднее популяции (генеральное среднее).

Хотя это не вполне строго (среднее в популяции есть фиксированное значение и поэтому не может иметь вероятность, отнесённую к нему) таким образом интерпретировать доверительный интервал, но концептуально это удобнее для понимания.

Использование t-распределения

Можно использовать нормальное распределение, если знать значение дисперсии в популяции. Кроме того, когда объем выборки небольшой, выборочное среднее отвечает нормальному распределению, если данные, лежащие в основе популяции, распределены нормально.

Если данные, лежащие в основе популяции, распределены ненормально и/или неизвестна генеральная дисперсия (дисперсия в популяции), выборочное среднее подчиняется t-распределению Стьюдента.

Вычисляем 95% доверительный интервал для генерального среднего в популяции следующим образом:

где — процентная точка (процентиль) t-распределения Стьюдента с (n-1) степенями свободы, которая даёт двухстороннюю вероятность 0,05.

Вообще, она обеспечивает более широкий интервал, чем при использовании нормального распределения, поскольку учитывает дополнительную неопределенность, которую вводят, оценивая стандартное отклонение популяции и/или из-за небольшого объёма выборки.

Когда объём выборки большой (порядка 100 и более), разница между двумя распределениями (t-Стьюдента и нормальным) незначительна. Тем не менее всегда используют t-распределение при вычислении доверительных интервалов, даже если объем выборки большой.

Обычно указывают 95% ДИ. Можно вычислить другие доверительные интервалы, например 99% ДИ для среднего.

Вместо произведения стандартной ошибки и табличного значения t-распределения, которое соответствует двусторонней вероятности 0,05, умножают её (стандартную ошибку) на значение, которое соответствует двусторонней вероятности 0,01. Это более широкий доверительный интервал, чем в случае 95%, поскольку он отражает увеличенное доверие к тому, что интервал действительно включает среднее популяции.

Доверительный интервал для пропорции

Выборочное распределение пропорций имеет биномиальное распределение. Однако если объём выборки n разумно большой, тогда выборочное распределение пропорции приблизительно нормально со средним .

Оцениваем выборочным отношением p=r/n (где r– количество индивидуумов в выборке с интересующими нас характерными особенностями), и стандартная ошибка оценивается:

95% доверительный интервал для пропорции оценивается:

Если объём выборки небольшой (обычно когда np или n(1-p) меньше 5), тогда необходимо использовать биномиальное распределение для того, чтобы вычислить точные доверительные интервалы.

Заметьте, что если p выражается в процентах, то (1-p) заменяют на (100-p).

Интерпретация доверительных интервалов

При интерпретации доверительного интервала нас интересуют следующие вопросы:

Насколько широк доверительный интервал?

Широкий доверительный интервал указывает на то, что оценка неточна; узкий указывает на точную оценку.

Ширина доверительного интервала зависит от размера стандартной ошибки, которая, в свою очередь, зависит от объёма выборки и при рассмотрении числовой переменной от изменчивости данных дают более широкие доверительные интервалы, чем исследования многочисленного набора данных немногих переменных.

Включает ли ДИ какие-либо значения, представляющие особенный интерес?

Можно проверить, ложится ли вероятное значение для параметра популяции в пределы доверительного интервала. Если да, то результаты согласуются с этим вероятным значением. Если нет, тогда маловероятно (для 95% доверительного интервала шанс почти 5%), что параметр имеет это значение.

Связанные определения:
Доверительный интервал
Доверительный предел
Коэффициент доверия
Оценка
Оценочная функция
Свободный от распределения доверительный интервал

В начало

Содержание портала

Источник

4.6. Оценка генеральной средней по повторной и бесповторной выборкам

Итак, вникаем: пусть из нормально распределенной (или около того) генеральной совокупности

объёма проведена выборка объёма и по её результатам найдена выборочная средняя . Тогда доверительный интервал для оценки

генеральной средней имеет вид:
, где («дельта» большая) – точность

оценки, которую также называют предельной ошибкойвыборки.

Точность оценки рассчитывается как произведение – коэффициента доверия на среднюю ошибкувыборки («мю»).

Если известна дисперсия генеральной совокупности , то коэффициент доверия отыскивается из лапласовского соотношения , а средняя ошибка рассчитывается по формуле:
– для бесповторной выборки или – для повторной.

Если же генеральная дисперсия не известна, то в качестве её приближения используют исправленную выборочную дисперсию . В этом случае коэффициент доверия определяют с помощью распределения Стьюдента, а при можно использовать соотношение . Средняя же ошибка рассчитывается по аналогичным формулам:
– для бесповторной или – для повторной выборки.

Напоминаю, что доверительная вероятность (надёжность) задаётся наперёд и показывает, с какой вероятностью построенный

доверительный интервал накрывает истинное

значение .

С конспектом отмучились, теперь задачи 🙂

Модифицируем задание Примера 19, а именно уточним способ отбора попугаев:

Пример 25

Известно, что генеральная совокупность распределена нормально со средним квадратическим отклонением . По результатам 4%-ной бесповторной выборки объёма , найдена выборочная средняя (условно средний рост птицы).

1) Найти доверительный интервал для оценки генеральной средней с надежностью .

2) Выборку какого объёма нужно организовать, чтобы уменьшить данный интервал в два раза?

Не решение даже, а целое исследование впереди, начинаем. Прежде всего, найдём объём генеральной

совокупности:
попугаев, и на самом деле нам предстоит

ответить на следующий вопрос: а достаточно ли выборки объёма ? Или для качественного исследования роста попугаев нужно выбрать побольше

птиц?

1) Доверительный интервал для оценки генеральной средней составим по формуле:

, где – точность оценки. В задачах данного типа у коэффициента доверия часто

опускают подстрочный индекс и пишут просто ,

однако я не буду следовать мейнстриму, т. к. эта «кастрация» ухудшает понимание.

По условию, нам известна генеральная дисперсия, поэтому коэффициент доверия найдём из

соотношения . По таблице значений функции Лапласа либо на макете (пункт 1*) определяем, что этому значению функции соответствует аргумент .

Поскольку выборка бесповторная, то среднюю ошибку рассчитаем по

формуле:

Таким образом, точность оценки и

соответствующий доверительный интервал:

– с вероятностью данный интервал накроет истинное значение генерального среднего

роста попугая.

Теперь предположим, что нас не устраивает точность полученного результата. Хотелось бы уменьшить интервал. Или оставить

его таким же, но повысить доверительную вероятность. Этим вопросам и посвящён следующий пункт решения:

2) Выясним, сколько попугаев нужно взять, чтобы уменьшить полученный интервал в два раза. Иными словами, была точность

0,96, а мы хотим . При условии сохранения

доверительной вероятности необходимый объём выборки можно рассчитать по формуле , которая выводится из .
А нашей задаче:
и обязательно проверочка:
, ч.т.п.

Таким образом, чтобы обеспечить точность при

надёжности нужно провести выборку объёмом

не менее 358 попугаев (округлили в бОльшую сторону). В этом случае получится доверительный

интервал в два раза короче:

И внимание! Здесь нельзя использовать значение предыдущего пункта! Почему? Потому что в новой выборке мы почти

наверняка получим НОВУЮ выборочную среднюю. Вот её-то и нужно будет подставить.

Осталось прикинуть, а не много ли это – 358 попугаев? Объём выборки составит: от генеральной совокупности – ну, в принципе, сносно, хотя и многовато. Поэтому здесь

можно использовать другой подход: оставить точность оценки прежней, но повысить доверительную вероятность до . В этом случае нужно найти новый коэффициент доверия (из соотношения ) и решить уравнение , получив в качестве корня необходимый объём выборки . Желающие могут выполнить этот пункт самостоятельно, в результате

получается выборка в попугаев или генеральной совокупности. Что лучше, конечно, ведь измерить

линейкой 358 попугаев – задача хлопотная, они явно будут сопротивляться, а некоторые ещё и говорить нехорошие слова J.

Теперь распишем доверительный интервал подробно:

и ответим вот на какой вопрос: а что будет, если генеральная совокупность великА или даже бесконечна? В

этом случае дробь близкА к нулю, и мы получаем

интервал:
, который фигурировал в Примере 19. То есть по

умолчанию (когда не сказано, бесповторная выборка или нет), считают именно так.
Следует отметить, что полученный выше интервал соответствует повторной выборке со

средней ошибкой , таким образом, при слишком

большом объёме генеральной совокупности

математическое различие между бесповторной и повторной выборкой стирается.

Пришло время запланировать собственное статистическое исследование:

Пример 26

В результате многократных независимых измерений некоторой физической величины в прошлом достаточно точно определена генеральная дисперсия ед.; при этом средняя величина склонна изменениям (от исследования к

исследованию). Сколько измерений нужно осуществить, чтобы с вероятностью заключить текущее истинное значение генеральной средней в интервале длиной 0,5 ед.

И это как раз только что описанный случай: данную выборку можно считать бесповторной, при этом ген. совокупность

теоретически бесконечна; либо повторной, так как округлённые результаты измерений могут повторяться.

Краткое решение в конце книги, числа можете выбрать по своему вкусу J. Но здесь есть одно «странное» значение . Оно не случайно и соответствует

правилу «трёх сигм», т. е.,

практически достоверным является тот факт, что построенный интервал накроет истинное значение .

Разумеется, на практике генеральная дисперсия чаще не известна, и поэтому за неимением лучшего, используют исправленную

выборочную дисперсию:

Пример 27

С целью изучения урожайности подсолнечника в колхозах области проведено 5%-ное выборочное обследование 100 га посевов,

отобранных в случайном порядке, в результате которого получены следующие данные:

С вероятностью 0,9974 определить предельную ошибку выборки и возможные границы, в которых ожидается средняя

урожайность подсолнечника в области.

Решение: в условии не указан тип отбора, но исходя из логики исследования, положим, что он

бесповторный. Поскольку выборка 5%-ная, то объем генеральной совокупности (общая посевная площадь области)

составляет:
гектаров – не знаю, насколько это

реалистично, оставим этот вопрос на совести автора задачи.

По условию, требуется найти предельную ошибку выборки (точность оценки) , где –

коэффициент доверия, соответствующий доверительной вероятности , и коль скоро выборка бесповторна и генеральной дисперсии мы не знаем, то средняя ошибка рассчитывается по формуле . Далее нужно составить интервал , который с вероятностью 99,74% (практически достоверно) накроет генеральную среднюю урожайность

подсолнечника по области.

И если с коэффициентом «тэ гаммовое» трудностей никаких, то коэффициент «мю» здесь трудовой – по той причине, что нам не

известна исправленная выборочная дисперсия. Ну что же, хороший повод освежить пройденный материал. Смотрим на таблицу

выше и приходим к выводу, что нам предложен интервальный вариационный ряд с

открытыми крайними интервалами. Поскольку длина частичного интервала составляет га, то вопрос закрываем так: 11-13 и 19-21 га.

Находим середины интервалов (переходим к

дискретному ряду), произведения и их суммы:

Вычислим выборочную среднюю: центнеров с гектара.

Выборочную дисперсию вычислим по формуле:
и этим частенько пренебрегают, но я

призываю поправлять дисперсию:
– мелочь, а приятно.

Теперь составляем доверительный интервал ,

где .

Найдём коэффициент доверия .

Поскольку нам известна лишь исправленная выборочная дисперсия (а не генеральная), то правильнее использовать распределение

Стьюдента. Но, к сожалению, в таблице нет значений для , но зато есть расчётный макет (пункт 2б). Для заданной надёжности и количества степеней свободы получаем .

Поскольку объём выборки , то можно использовать

нормальное распределение, и тут получается конфетка:
, какой способ выбрать – зависит от вашей

методички, и я так подозреваю, второй :). Но сейчас выберем первый.

Вычислим среднюю ошибку бесповторной выборки:
ц/га, таким образом, предельная ошибка

составляет ц/га, и искомый доверительный

интервал:

(ц/га) – границы, в которых ожидается

средняя урожайность подсолнечника в области с вероятностью (практически достоверно).

Ответ: ц/га, (ц/га)

В рассмотренной задаче можно поставить вопросы, аналогичные Примеру 25, а именно попытаться улучшить исследование, в

частности, уменьшить точность оценки . В этом

случае для определения необходимого объема выборки используется та же формула , но она менее достоверна, поскольку в разных выборках мы будем получать разные значения

. Такие задачи, однако, встречаются, будьте

готовы. Да, и аналогичная формула для повторной выборки: .

Пример 28

По результатам 10%-ной бесповторной выборки объёма , найдены выборочная средняя и дисперсия .

а) Найти пределы, за которые с доверительной вероятностью 0,954 не выйдет среднее значение генеральной совокупности.
б) Найти эти пределы, если выборка повторная. Какой способ точнее?

Значение 0,954 обусловлено тем, что автор задачи пощадил студентов, в методичке используется функция Лапласа и получается целое значение .