Выборочные характеристики статистического распределения

Пусть имеется выборка объема n со значениями признака х₁ х₂, х₃,..., х_k. Построим статистическое распределение.

Таблица 4

 

xi	x1	x2	x3	…	xk
ni	n1	n2	n3	…	nk

Для того чтобы охарактеризовать наиболее существенные свойства этого распределения, так же как и в теории вероятностей, используют средние показатели или, как их называют, выборочные числовые характеристики. Рассмотрим некоторые из них.

1. Выборочная средняя . При наличии повторяющихся значений признака

, (3)

где п — объем выборки, х_i n_i взяты из табл. 4. Выборочная средняя изменяется при переходе от одной выборки к другой, поэтому в силу случайного отбора является случайной величиной.

Если дано распределение непрерывной случайной величины, то вместо х _i берут середину интервала (x_i, …, x_i+1), т.е. .

Для упрощения вычисления выборочных характеристик удобно перейти от данных значений признака x ₁|, х₂, х₃,...,х_k к условным значениям и₁, и₂,. и₃,..., u_k —по формуле

, (4)

т. е. ввести вспомогательную величину , где С –новое начало отсчета, обычно это значение признака с наибольшей частотой, h – масштаб.

Можно показать, что при переходе к условным значениям признака по формуле зависимость, связывающая и , имеет вид

(5)

Действительно,

Пример. Дано статистическое распределение:

Таблица 5

 

хi
ni

Найти .

Решение. Перейдем к условным значениям признака, приняв за C значение с наибольшей частотой, т. е. С=5. Далее находим h = x_i - x_i-1 = 2.

Имеем

Составляем распределение условных значений признака.

Таблица 6

 

ui	–2	–1
ni

Находим

Особенно выгодно применять формулу (4), если значения признака велики.

2. Выборочная и исправленная дисперсия. Одна числовая характеристика не дает полного представления о статистическом распределении. В агрономической и зоотехнической практике, как и в других сферах производства, при анализе результатов существенным для выводов является характеристика рассеяния значений признака относительно выборочной средней. Отклонение отдельных значений от выборочной средней бывает значительным и с этим нельзя не считаться.

Составим таблицу отклонений , указывая соответствующие частоты.

Таблица 7

 

				…
ni	n1	n2	n3	…	nk

Найдем среднее значение отклонений . Имеем

 

Следовательно, среднее значение отклонения равно нулю, и поэтому непригодно для характеристики рассеяния признака. Для того чтобы освободиться от знака отклонения и при этом сделать влияние больших отклонений «более ощутимыми», их возводят в квадрат и находят среднее значение. Полученную характеристику называют выборочной дисперсией и обозначают .

Итак,

или

(5)

Определение. Выборочной дисперсией называется среднее арифметическое значение квадратов отклонений признака от выборочной средней.

Пример. Урожайность двух сортов А и В пшеницы, возделываемых на трех участках с одинаковыми условиями роста и развития, характеризуется следующими таблицами:

сорт А сорт В

X, ц					Y, ц		19 '
Площадь, га				Площадь, га

 

Найти дисперсии значений признака обоих сортов.

Решение. Вычислим X_B, Y_B, D_X, D_Y. Находим

Как видим, дисперсия D_y как мера рассеяния или разброса урожайности сорта В относительно среднего значения Y_B в случае примерно одинаковых площадей больше, чем D_y, а это явление нежелательное. Из двух сортов лучшим является тот, урожайность которого более устойчива. По данным опыта сорт А предпочтительнее сорта В.

Для вычисления выборочной дисперсии используют следующую формулу:

(6)

т. е. дисперсия равна разности между средним значением квадрата и квадратом выборочной средней.

Действительно,

Для облегчения вычисления дисперсии используют следующие свойства:

1°. Дисперсия не изменится, если все значения признака увеличить (уменьшить) на постоянное число.

2°. При умножении значений признака на постоянное число h ≠ 0 дисперсия умножается на h².

Выборочная дисперсия, как это показано в более подробных курсах (например, [4]), имеет систематическую ошибку, приводящую к уменьшению дисперсии. Чтобы это устранить, вводят поправку, умножая D_B, на . В результате получают исправленную дисперсию

(7)

или

(8)

 

На практике часто вместо этой формулы используют другую, ей равносильную, а именно:

(9)

 

При малых выборках S ощутимо отличается от D_B, например, при n = 2 имеем S ²=2 D_B. С возрастанием n исправленная дисперсия S ²® D_B. Уже при n = 30 дисперсии S ²и D_B различаются на 3%.