Статистическая основа принятия решений
![Контрольная: Статистическая основа принятия решений](https://gugn.ru/work/1339359/cover.png)
Сформировать практические навыки постановки и реализации статистического процесса для поддержки менеджерского решения. Освоить способы сбора, обработки, анализа и визуализации статистической информации на практике. Научиться соотносить управленческие задачи с массивами данных. Сформировать навыки статистического анализа в Excel. Если основная гипотеза верна, то случайная величина Z* распределена… Читать ещё >
Статистическая основа принятия решений (реферат, курсовая, диплом, контрольная)
Статистическая основа принятия решений
1. Выборки к генеральной совокупности: оценка параметра и построение доверительных интервалов
Сформировать практические навыки постановки и реализации статистического процесса для поддержки менеджерского решения. Освоить способы сбора, обработки, анализа и визуализации статистической информации на практике. Научиться соотносить управленческие задачи с массивами данных. Сформировать навыки статистического анализа в Excel.
Для выполнения проекта, я выбрал данные, отражающих рейтинг районов Москвы по стоимости квартир в марте 2010 года
Район | Цена в марте 2010 года (долл./м2) | |
Арбат | ||
Тверской | ||
Китай-город | ||
Парк культуры | ||
Хамовники | ||
Якиманка | ||
Дорогомилово | ||
Красносельский | ||
Мещанский | ||
Беговой | ||
Пресненский | ||
Замоскворечье | ||
Гагаринский | ||
Таганский | ||
Донской | ||
Сокольники | ||
Аэропорт | ||
Басманный | ||
Марьина Роща | ||
Черемушки | ||
Крылатское | ||
Проспект Вернадского | ||
Нижегородский | ||
Алексеевский | ||
Динамо | ||
Академический | ||
Тропарево-Никулино | ||
Хорошевский | ||
Коньково | ||
Филевский | ||
Останкинский | ||
Хорошево-Мневники | ||
Зюзино | ||
Войковский | ||
Кунцево | ||
Соколиная гора | ||
Бутырский, Тимирязевский | ||
Даниловский | ||
Нагатинский | ||
Строгино | ||
Свиблово | ||
Чертаново | ||
Южнопортовый | ||
Можайский | ||
Преображенское | ||
Куркино | ||
Покровское-Стрешнево | ||
Медведково | ||
Очаково-Матвеевское | ||
Ясенево | ||
Бабушкинский | ||
Лефортово | ||
Левобережный | ||
Теплый Стан | ||
Тушино | ||
Отрадное | ||
Измайлово | ||
Москворечье-Сабурово, Царицыно | ||
Головинский | ||
Митино | ||
Данные взяты с сайта www.raiting.rbc.ru. Было отобрано 60 районов Москвы. Таким образом, объём выборки равен 60. Вычисления произведены в Microsoft Excel и приложены к анализу.
Статистические законы распределения
1) Рассматриваемая случайная величина является непрерывной, поэтому для определения статистического закона распределения данной случайной величины был построен интервальный статистический ряд. Для построения статистического ряда необходимо вычислить некоторое величины — число интервалов, на которое разбивается рассматриваемый отрезок исходных величин, частоты.
Максимальное значение | ||
Минимальное значение | ||
Количество интервалов | ||
Длина интервала | 749,1667 | |
Объём выборки | ||
Интервальный статистический ряд имеет вид:
Начало промежутка | Конец промежутка | Частота | ||
3660,00 | 4409,17 | 0,52 | ||
4409,17 | 5158,33 | 0,23 | ||
5158,33 | 5907,50 | 0,10 | ||
5907,50 | 6656,67 | 0,05 | ||
6656,67 | 7405,83 | 0,03 | ||
7405,83 | 8155,00 | 0,07 | ||
Частота была посчитана с помощью средства Excel Гиcтограмма.
2) Для построения эмпирической функция распределения, которая служит оценкой теоретической функции распределения, были посчитаны следующие значения:
Начало промежутка | Конец промежутка | ||
-? | 3660,00 | ||
3660,00 | 4409,17 | 0,52 | |
4409,17 | 5158,33 | 0,75 | |
5158,33 | 5907,50 | 0,85 | |
5907,50 | 6656,67 | 0,90 | |
6656,67 | 7405,83 | 0,93 | |
7405,83 | 8155,00 | 1,00 | |
8155,00 | +? | 1,00 | |
Далее мы построили график эмпирической функции — кумуляту, имеющую следующий вид:
3) Для построения гистограммы, мы нашли для нашей случайной непрерывной величины эмпирическую плотность распределения. Были посчитаны следующие значения:
Начало промежутка | Конец промежутка | ||
3660,00 | 4409,17 | 0,69 | |
4409,17 | 5158,33 | 0,31 | |
5158,33 | 5907,50 | 0,13 | |
5907,50 | 6656,67 | 0,7 | |
6656,67 | 7405,83 | 0,4 | |
7405,83 | 8155,00 | 0,9 | |
С помощью этих значений мы построили график функции эмпирической плотности — гистограмму:
2. Оценивание параметров распределения
4) Затем мы вычисляли оценки математического ожидания, дисперсии, среднеквадратического отклонения, ассиметрии и эксцесса, для вычисления которых использования средство Excel Описательная статистика.
Итоговая статистика | ||
Среднее | 4803,116 667 | |
Стандартная ошибка | 149,7 236 439 | |
Медиана | 4352,5 | |
Стандартное отклонение | 1159,754 359 | |
Дисперсия выборки | 1 345 030,173 | |
Эксцесс | 1,601 423 954 | |
Асимметричность | 1,506 908 437 | |
Интервал | ||
Минимум | ||
Максимум | ||
Сумма | ||
Счет | ||
Таким образом, средняя цена в регионах Москвы в марте 2010 равна 4803,116 667 долл./м2. Цена варьируется от 3,5 до 6 тысяч долл./м2. Наименьшая цена за этот период составила 3660 в Митино, наибольшая — 8155 на Арбате.
5) Для интервального оценивания параметров распределения были построены доверительные интервалы. Возьмём доверительную вероятность равную 0,95.
Доверительная вероятность б | 0,95 | |
Ф (С) | 0,475 | |
Cб= | 1,96 | |
Для выборки большого объема | |||
Для математического ожидания | |||
б = P {xЇ - S*Сб/v (n-1) < m < xЇ + S*Сб/v (n-1)} | |||
Лев. граница интервала m1 = | |||
Прав. граница интервала m2 = | |||
Для дисперсии | |||
б = P1 — Сб*v2/(n-1) | |||
Лев. граница интервала v1 = | |||
Прав. граница интервала v2 = | |||
Для выборки малого объема | |||
Для математического ожидания | |||
б = P {xЇ - t?? n-1*S/ v (n-1)< m < xЇ + t?, n-1*S/v (n-1)} | |||
Лев. граница интервала m1 = | |||
Прав. граница интервала m2 = | |||
Для дисперсии | |||
б = P{(n-1)*S2/??2, n-1 < у2 < (n-1)*S2/??1, n-1} | |||
Лев. граница интервала v1 = | |||
Прав. граница интервала v2 = | |||
3. Статистическая проверка гипотез
7) После визуального изучения кумуляты, гистограммы и анализа полученных оценок числовых характеристик мы выдвинули гипотезу о том, что функция распределена по нормальному закону и проверили по критерию Пирсона и по критерию Колмагорова.
Ho: | с. в. распределена по нормальному закону с параметрами m=4803,116 667и s= 1159,754 359 | |
Ha: | с. в. не распределена по нормальному закону с параметрами m=4803,116 667и s= 1159,754 359 | |
Мы знаем, что выдвигая гипотезу о классе закона распределения случайной величины по критерию Пирсона мы сначала строим интервальный статистический ряд, а затем вычисляем выборочную статистику:
начало | конец | F (xi) | F (xi+1) | pi вероятность | li частота | n pi | n pi — li | (n pi — li)^2/ n pi | |
-? | 3660,000 | 0,000 | 0,162 | 0,162 | 9,729 | 9,729 | 9,729 | ||
3660,000 | 4409,167 | 0,162 | 0,367 | 0,205 | 12,294 | — 18,706 | 28,464 | ||
4409,167 | 5158,333 | 0,367 | 0,620 | 0,253 | 15,196 | 1,196 | 0,094 | ||
5158,333 | 5907,500 | 0,620 | 0,830 | 0,209 | 12,553 | 6,553 | 3,421 | ||
5907,500 | 7405,833 | 0,830 | 0,988 | 0,158 | 9,484 | 4,484 | 2,120 | ||
7405,833 | 8155,000 | 0,988 | 0,998 | 0,010 | 0,629 | — 3,371 | 18,063 | ||
8155,000 | +? | 0,998 | 1,000 | 0,002 | 0,116 | 0,116 | 0,116 | ||
Для 1- б = 0,05 | v = r-2−1 = | Т.к. Z*>K2, то отклоняем основную гипотезу в пользу альтернативной | ||
K2= | 5,99 | |||
Z*= | 62,01 | |||
Так как частота попадания в 4-й интервал равна 2, а в пятый интервал — 3, мы объединяем 4-й и 5-й интервалы. Мы проверяем гипотезу о том, что распределение нормальное, значит число параметров распределения равно двум. Следовательно, число степеней свободы будет равно 2 (н=r-ш-1). Уровень значимости будет равняться 0,05 (1-б).Критическая область при проверке гипотез по критерию Пирсона является правосторонней, её границу мы ищем по таблицам критических точек распределения по заданному уровню значимости и степеням свободы. По формуле получаем, что выборочная статистика равна 62,01, а граница критической области равна 5,99.
Так как значение выборочной статистики больше значения границы критической области, наша гипотеза о нормальном распределении случайной величины отвергается.
доверительный интервал распределение гипотеза
Конец | F (xi) | F*(xi) | abs (F (xi) — F*(xi)) | |
3660,000 | 0,162 | 0,000 | 0,162 | |
4409,167 | 0,367 | 0,517 | 0,150 | |
5158,333 | 0,620 | 0,750 | 0,130 | |
5907,500 | 0,830 | 0,850 | 0,020 | |
6656,667 | 0,945 | 0,900 | 0,045 | |
7405,833 | 0,988 | 0,933 | 0,054 | |
8155,000 | 0,998 | 1,000 | 0,002 | |
max= | 0,162 | |||
Для 1-a = 0,05 | K2 = | 1,358 | Т.к. Z*2, то гипотеза принимается | |
l* =Z*=vn * max|Fn (Xi) — Fn*(Xi)|= | 1,256 | |||
При проверке гипотезы о виде закона распределения непрерывной случайной величины по критерию согласия Колмагорова также необходимо вычислить выборочную статистику. Произведя расчеты, мы узнаем, что её значение равно 1,256.
Критическая область также правосторонняя, а её границу ищем по таблицам распределения Колмагорова по уровню значимости. значения границы критической области равно 1,358. В нашем случае значение выборочной статистики меньше значения границы критической области, а значит по критерию согласия Колмагорова гипотеза о том, что функция распределена по нормальному закону принимается.
8) Далее мы, располагая выборочными данными, можем вычислить оценки параметров математического ожидания и дисперсии и выдвинуть предположение чему равно неизвестное математическое ожидание:
Ho: | m = 4800 | ||
Ha: | m? 4800 | ||
Среднее | 4803,117 | |
Стандартное отклонение | 1159,754 | |
Дисперсия выборки | ||
Если основная гипотеза верна, то случайная величина Z* распределена по закону Стьюдента с (n-1) степенью свободы. По таблице распределения Стьюдента по заданному уровню значимости (0,05) и n-1 степени свободы (59) ищем симметричную критическую точку распределения.
Мы вычисляем значение выборочной статистики с помощью средства Ecxel и получаем:
Выборочная статистика Z* = | — 0,20 641 932 | Т.к. |Z*|2, то принимается | |
Граница критической области K2 = | 2,001 | основная гипотеза | |
9) Мы выдвигаем предположение о том, чему равна неизвестная дисперсия:
Ho: | V = 1 300 000 | |
Ha: | V ? 130 000 | |
Рассчитав выборочную статистику и границы критической области в Excel, получаем:
Выборочная статистика Z* = | 61,4 367 706 | |
Граница критической области K1 = | 82,11 740 607 | |
Граница критической области K2 = | 39,66 185 967 | |
Т.к. K12, то приниматеся основная гипотеза | |
10) Рассмотрим 2 выборки — стоимость квартир в Москве за март и за апрель в одних и тех же районах и выдвинем гипотезы о равенстве математических ожиданий и дисперсий для этих случайных величин.
Итак, выдвинем гипотезу о равенстве средних значений, т. е.:
Ho: | m1 = m2 | |||
Ha: | m1 ? m2 | |||
X1 = | 4803,117 | X2 = | 4926,333 | |
n1 = | n2 = | |||
Число степеней свободы в нашем случае составляет 118 (n1 + n2 -2), а уровень значимости 0,05. С помощью этих данных мы по таблице критических точек ищем границы критической области.
Вычисляем выборочную статистику с помощью Excel. Получаем:
Выборочная статистика Z* = | — 0,57 553 309 | |
Граница критической области K1 = | — 1,980 | |
Граница критической области K2 = | 1,980 | |
Т.к. lZ*l2, то принимается основная гипотеза | |
Выдвинем гипотезу о равенстве, т. е.:
Ho: | ?12 = ?22 | |
Ha: | ?12 ? ?22 | |
Вычисляем выборочную статистику Z* и найдём границу критической области по таблицам распределения Фишера. Получаем:
Выборочная статистика Z* = | 1,10 565 841 | Т.к. Z*2, то принимается основная гипотеза | |
Граница критической области K2 = | 1,530 | ||