19.Mavzu:Noparametrik ma'lumotlar uchun "Xi-kvadrat" assotsiativ mezoni
Reja:
1. Xi-kvadrat statistikas
2. "Xi-kvadrat" assotsiativ mezoni
Ki-kvadrat statistikasi statistika tajribasidagi haqiqiy va kutilgan hisoblar o'rtasidagi farqni o'lchaydi. Ushbu tajribalar ikki tomonlama jadvallardan multinomial tajribalarga o'zgarishi mumkin. Haqiqiy hisoblar kuzatuvlardan olingan, kutilgan hisoblar odatda probabilistik yoki boshqa matematik modellardan aniqlanadi.
Yuqoridagi formulada biz kutilgan va kuzatilgan hisob-kitoblarning n juftligiga qaraymiz. Belgisi e k kutilgan sonlarni anglatadi, f k esa kuzatilgan sonlarni bildiradi. Statistikani hisoblash uchun biz quyidagilarni bajaramiz:
1.Tegishli haqiqiy va kutilgan hisoblar o'rtasidagi farqni hisoblang.
2.Avvalgi qadamdagi farqlar, standart og'ish uchun formula o'xshash.
3.Kvadratchalardagi farqning har birini tegishli kutilgan songa bo'linadi.
4.Bizning ki-kvadrat statistikasini berish uchun barcha 3-qadamni qo'shing.
Ushbu jarayonning natijasi haqiqiy va kutilgan hisoblar qanchalik farqli ekanligini ko'rsatadigan noaniq haqiqiy son . Agar x 2 = 0 ni hisoblasak, bu bizning kuzatilgan va kutilgan hisoblarimiz orasida hech qanday farq yo'qligini ko'rsatadi. Boshqa tomondan, agar x 2 juda ko'p bo'lsa, u holda haqiqiy sonlar va kutilgan narsalar orasida ba'zi kelishmovchiliklar mavjud.
Xik-kvadrat statistikasi uchun tenglamaning muqobil shakli tenglamani yanada ixcham yozish uchun summa nusxasini qo'llaydi. Bu yuqoridagi tenglamaning ikkinchi qatorida keltirilgan.
2 2/25 = 0 .16
(-5) 2/15 = 1.6667
1 2/4 = 0,25
0 2/24 = 0
3 2/13 = 0.5625
Yuqoridagi raqamlarni birlashtirish bilan yakunlang: 0.16 + 1.6667 + 0.25 + 0 + 0.5625 = 2.693
X 2 qiymatida qanday ahamiyatga ega ekanligini aniqlash uchun gipotezani testdan o'tkazish bo'yicha keyingi ishni bajarish kerak bo'ladi.
20.Mavzu:Bir omilli dispersion tahlil mezonidan foydalanish tamoyillari
Reja:
1.Bir omilli dispersion tahlil mezonlari
2. Dispersion tahlil sonli va sifatli xususiyati
Modellashtirish natijalarining u yoki bu faktorga funksional bog’liqligining effektivlik darajasi ko’rinishidagi ifodalanishi tizimlarni modellashtirishning yakuniy maqsadi hisoblanadi. Bu masalaning yechimi faktorlarning o’zaro ta’sirlashuvi natijasida murakkablashishi mumkin. Shuning uchun modeldagi turli parametrlarni bir-biri bilan bog’laydigan analitik bog’liqliklarni topish matematik statistikaning quyidagi usullari guruhini birgalikda qo’llab asoslanishi mumkin:
dispersion,
korrelyasion
regression tahlil.
Dispersion tahlil bir nechta tanlanmalar o’rtacha qiymatini solishtirish masalasini yechishda qo’llaniladi. Agar tekshiruv natijasida ularning matematik kutilishi bir-biridan kam farq qilsa, barcha tanlanmalar birlashtiriladi, tadqiq etilayotgan tizim xossalari haqidagi ma’lumotlar ko’payadi .
Ko’p faktorli dispersion tahlil tajribada qatnashayotgan faktorlar guruhidan kuzatilayotgan o’zgaruvchiga va uning natijasiga ta’sir qiladigan ixtiyoriy sondagi faktorlarni baholash imkonini beradi.
Dispersion tahlil sonli va sifatli xususiyatga ega bo’lgan faktorlarni baholash imkonini beradi, dispersion tahlil tenglamalarida faktorlar emas balki ularning “samaralari” qatnashadi. Faktorlar sonli xususiyatga ega bo’ganda, ularning kuzatilayotgan o’zgaruvchi bilan o’zaro aloqasi refressiya tenglamasi orqali ifodalanadi.
Korrelyatsiya (lot. correlatio — o’zaro munosabat, o’zaro bog’lanish), korrelyatsion bog’liqlik — ikki yoki bir nechta tasodifiy miqdorlarning statistik o’zaro bog’liqligi. 2 тасодифий миқдорнинг қўшма тақсимотини тавсифлаш учун ковариация (ёки корреляцион момент) дан фойланилади.
Korrelyatsion tahlil yordamida o’zgaruvchi qiymatlarning ular o’rtacha qiymatlariga nisbatan sochilishini baholash orqali x va y o’zgaruvchilar orasidagi bog’lanish darajasi aniqlanadi.
Regressiya (лoт. regressio — teskari harakat, chekinish),ehtimollar nazariyasi va matematik statistikada biror miqdor o’rtacha qiymatining boshqa bir yoki bir necha miqdorlarga bog’liqligi.
Do'stlaringiz bilan baham: |