Проверка средних значений

ПРОВЕРКА СРЕДНИХ ЗНАЧЕНИЙ  [c.124]

Собранные в результате выборочного наблюдения и при необходимости откорректированные данные распространяются на генеральную совокупность. Существуют два основных метода распространения прямой пересчет и способ коэффициентов. Сущность способа прямого пересчета заключается в умножении среднего значения признака, найденного в результате выборочного наблюдения, на объем генеральной совокупности. Способ коэффициентов целесообразно использовать в случаях, когда выборочное наблюдение проводится с целью проверки и уточнения данных сплошного наблюдения, в частности численности учтенных единиц совокупности. При этом следует использовать следующую формулу  [c.143]


Нормативная величина предельных норм накладных расходов обычно устанавливается на основе анализа и использования отчетных данных соответствующего специализированного подразделения отрасли, обслуживающего определенный регион. С целью проверки полученного в результате обработки статистического материала рекомендуется определять значение нормативной величины предельной нормы расчетно-нормативным методом. Для этого необходимо знать средние значения следующих показателей в среднеотраслевой норме накладных расходов численность рабочих Чот на 1 млн. руб. сметной стоимости строительно-монтажных работ и на тот же измеритель средний уровень заработной платы Зот, а также среднюю продолжительность строительства объектов отрасли ВоГ.  [c.243]


Дисперсия распределения размеров месторождений моделируется на основе анализа временных серий. Распределение размера запасов открытий обычно принимается логнормальным. Проверка производится на имеющейся статистике. Следует отметить, что дисперсия логнормального распределения не уменьшается с уменьшением средних размеров открытий, поэтому важно прогнозировать распределение открытий по размерам, а не просто средние значения прироста запасов. При гипотезе о лог-нормальном распределении удобно наносить данные о запасах на логарифмический бланк. Из него непосредственно получают вероятности открытий месторождений различной крупности.  [c.180]

Когда кривые скользящих средних значений расходятся слишком далеко, это означает, что рынок достиг некоторого предела и ему необходима пауза. (См. рис. 10.6а и б.) Очень часто тенденция "замирает" - до той поры, пока кривые не начинают сходиться. Когда показатели короткого периода сближаются с показателями длинного, рынок подходит к критической точке. Так, при тенденции роста "короткая" линия, снижаясь, приближается к "длинной", а затем "отскакивает" от нее. Обычно это идеальные условия для покупки. Данная ситуация во многом сходна с проверкой ценами основной линии тренда. Если же линия короткого периода, падая, "прорывает" линию длинного, это сигнализирует о переломе тенденции.  [c.258]

Поскольку новые данные для тестов берутся из той же совокупности, что и образцы, и имеют то же среднее значение, функцию распределения и частоту того или иного исхода, начинает вызывать сомнения надежность модели при использовании ее в реальном времени. Особенно плохо все становится в тех случаях, когда целевое состояние — банкротство корпорации, тяжелое состояние больного или обнаружение при проверке багажа спрятанного оружия — является весьма редким событием. Для банкротств корпораций это — порядка одного процента случаев. В такой ситуации даже очень точные модели при использовании в реальном времени выдают огромное количество ложных тревог. Так, например, доля ошибок в 10% при условии, что 99% компаний выживут, означает, что на каждую правильную идентификацию будет выдаваться примерно 10 ложных тревог (ошибок 2-го рода). Более того, редко происходящие события имеют большой разброс (дисперсию). Поэтому доля компаний, обанкротившихся в течение года, сильно меняется от года к году, а для небольших выборок, которые обычно являются основой базы данных банка или финансовой компании, этот эффект выражен еще сильнее.  [c.204]


Для проверки линейности уравнения регрессии используется следующий подход. Так как изменение функции отклика вносит случайный характер, то при каждом значении рекомендуется проводить по несколько экспериментов, чтобы для данного значения А получить некоторое среднее значение Y.  [c.90]

Для проверки значимости уравнения регрессии необходимо при заданных значениях (хр х2) провести несколько экспериментов, чтобы для данного значения (, , х2) получить некоторое среднее значение функции у. В этом случае экспериментальный материал представляется, например, в виде табл. 3.19.  [c.111]

При проверке партии рассчитываются такие статистические показатели, как среднее значение и диапазон отклонений, показатели дисперсии.  [c.159]

Для разных грузов и различных условий хранения и транспортировки определяют средние значения неизбежных массовых потерь, которые называют нормами естественной убыли и выражают в процентах. Нормы естественной убыли устанавливают после проведения экспериментальных перевозок, проверки естественных свойств грузов и расчетов, эти нормы согласовывают с соответствующими государственными инстанциями. Для разных районов страны, времени года и других условий эти нормы различны.  [c.101]

При нормальной эксплуатации транспортных средств оси в должен быть не менее 0,85. На основе данных об использовании отдельных средств транспорта определяются средние значения для всего наличного парка транспортных средств. Особое значение имеет оценка качества транспортного обслуживания. Качество транспортного обслуживания — комплексное понятие, учитывающее соблюдение сроков и размера партий доставки, отсутствие случаев повреждения и неправильной засылки грузов, предоставление дополнительных услуг и т. д. Оценка по каждому из критериев с учетом их веса позволяет получить комплексную оценку качества транспортного обслуживания. Оперативное управление работой транспортного хозяйства заключается в составлении укрупненных месячных и недельных программ, уточненных сменно-суточных заданий на перевозки и погрузочно-разгрузочные работы, диспетчировании работы транспортных средств в режиме реального времени. Укрупненную месячную программу перевозок составляет планово-диспетчерское бюро транспортного хозяйства (цеха) на основании месячных планов и дополнительных заявок на перевозки грузов, поступающих от цехов, складов и служб предприятия. При значительных изменениях объема перевозок требуется проверка загрузки транспортных средств, уточнение сменности их работы, перепланирование маршрутов и количества транспортных средств, выпускаемых на линию и закрепляемых за каждым маршрутом. Организация и сменно-суточное планирование внутризаводских перевозок зависят от типа обслуживаемого производства.  [c.348]

В некоторых случаях известно заранее, что результат измерения подчиняется равномерному закону распределения вероятности. Например, из-за люфтов и трения в опорах подвижной части измерительного механизма он с равной вероятностью может отличаться от среднего значения на любую величину в пределах общего люфта. Последний обычно известен, так что появление больших отклонений может быть следствием только ошибок. Без дополнительной проверки они должны быть отброшены.  [c.79]

Инструментом, облегчившим работу, стал персональный компьютер. Благодаря генераторам случайных чисел мы можем использовать процесс, описанный в Главе 4, особенно уравнения (4.7) и (4.8), и смоделировать много выборок значений R/S. Мы можем вычислить средние значения и дисперсии опытным путем и определить, соответствуют ли они уравнениям (5.1), (5.2) и (5.3). Этот процесс представляет собой моделирование широко известным методом "Монте-Карло", которое особенно подходит для проверки гауссовой гипотезы.  [c.75]

Нормальность распределения — это жесткая проверка гипотезы случайных колебаний рынка. Но нужна одна важная оговорка. Даже если гипотеза случайных колебаний адекватно описывает ситуацию на фондовом рынке, даже если изменения котировок описываются нормальным распределением, среднее значение изменений всегда отлично от нуля. Тенденция к повышению котировок не должна нас удивлять. Состояние владельцев акций со временем растет, как и сбережения, доходы и прибыли корпораций. Поскольку по большей части котировки не падают, а растут, среднее значение их изменений оказывается положительным.  [c.136]

При изучении литературы оказывается, что ошибка регрессии вызывает самую сильную критику метода анализа по множеству объектов. Спорят, что производимая (и продаваемая) каждой фирмой продукция обычно является случайной переменной и колебания выпускаемой продукции вокруг среднего значения не контролируются фирмой. Фирма определит наилучший способ распределения выпускаемой продукции. По словам Фридмена, если нет переменных затрат, то исследование на множестве объектов продемонстрирует резкое снижение средних затрат. Когда фирмы классифицируются по действительному выпуску продукции, тогда возникает именно такой тип смещения. Фирмы с наивысшими объемами выпуска вряд ли будут производить продукцию на непривычно низком уровне в среднем они явно скорее будут выпускать продукцию на необычно высоком уровне в отличие от тех, чей уровень выпуска является самым низким [39]. Эта критика была широко принята. Были предприняты попытки избежать ошибки регрессии путем классификации фирм по предприятиям и проверкой значимости внутризаводской и межзаводской регрессии [11]. С другой стороны, спорили, что если выпускаемая продукция является случайной переменной, то оценочной кривой затрат для принятия решения будет кривая ожидаемых затрат, а не кривая затрат, вызываемых случайными изменениями объемов выпуска [94]. Кривые ожидаемых затрат будут более пологими, чем исходные кривые. Поскольку учетный период обычно включает в себя много единичных экономических периодов, имеющиеся реально в наличии данные в основном будут приближаться к ожидаемому объему выпуска. Если данное положение справедливо, то это дает начало объяснению того, почему в оцененных кривых затрат наблюдается почти линейность и почему следует более серьезно воспринимать результаты этих исследований.  [c.192]

Рассмотреть на основании выборочных наблюдений классическую процедуру проверки гипотезы об отличии от нуля среднего значения случайной переменной. Как эту проблему следовало бы трактовать с точки зрения, изложенной в настоящей главе  [c.97]

Обработка нормативного ряда содержит следующие этапы группировку полученных из наблюдений значений по разновидности процесса выборку по каждому элементу рядов полученных значений анализ и основную чистку рядов путем исключения значений, не относящихся к исследуемой нормали проведение проверки рядов с помощью математических методов оценки определение средних значений по очищенным рядам.  [c.46]

Хотя в предыдущих параграфах рассматривался случай, когда среднее значение генеральной совокупности было уже известно, на практике такое явление встречается очень редко. Обычно при сравнении существующего технологического процесса с усовершенствованным технологическим процессом, при сравнении производственной методики по способу А и способу В, при сопоставлении результатов работы группы А и группы В и т. д. среднее генеральной совокупности часто бывает неизвестно. В такого рода ситуациях рекомендуется осуществлять проверку, придерживаясь следующего порядка.  [c.131]

ПРОВЕРКА РАСХОЖДЕНИЙ В СРЕДНИХ ЗНАЧЕНИЯХ ДАННЫХ, ОБРАЗУЮЩИХ ПАРЫ  [c.132]

Предварительно проверьте, нет ли ошибок в дисперсии двух способов А и В. В случае отсутствия ошибок проведите проверку расхождений в средних значениях. Кроме того, определите, при каком способе — А или В — сопротивление разъему выше.  [c.187]

Третьим шагом алгоритма производится нормирование средних величин относительно максимального значения базы сравнения в 10 баллов отношением средних значений к сумме средних величин. Для целей — это искомые коэффициенты их относительной важности. А для задач — это пока предварительное значение сопряженных с целью задач, обеспечивающих совместно достижение той или иной цели. В сумме они должны соответствовать десяти (условие проверки).  [c.235]

Определение чистой прибыли на основе прибыли от продаж с учетом прочих результатов и налогов. Проверка полученного значения через соотношение Р/Е, чистая прибыль в этом случае определяется как произведение собственного капитала и среднего рыночного соотношения между капитализацией и прибылью. Чистая прибыль может быть также рассчитана как произведение средней рентабельности собственного капитала на величину скорректированного собственного капитала.  [c.176]

При обосновании нормативных значений длительности элементов операции по данным хронометража необходимо учитывать закон распределения исследуемой случайной величины. Его характер устанавливается прежде всего исходя из физической сущности наблюдаемого процесса. Так, если отклонения от среднего значения одинаково вероятны как в большую, так и в меньшую сторону, то можно считать закон распределения нормальным. Проверка гипотезы о законе распределения проводится по статистическим критериям на основе данных наблюдений. Исследования показывают, что случайные величины, наблюдаемые при хронометраже, обычно характеризуются нормальным законом распределения или близкими к нему законами.  [c.109]

Число степеней свободы для используемой для проверки гипотезы в отношении среднего значения, равно. г 1. В нашем случае —. 1 = 29 1 или 28. Из табл. 4 Статистического приложения находим, что вероятность получения более высокого значения, чем 2,471, меньше 0,05. критическое значение для 28 степеней свободы и  [c.583]

При проверке различий в средних значениях зависимой переменной, связанных с влиянием контролируемых независимых переменных, часто необходимо учитывать неконтролируемые независимые переменные.  [c.622]

Операторы 9—10. Проверка максимального значения проходки на долото на значимость по критерию Шовена —W. Такая проверка целесообразна для исключения максимального значения из дальнейших расчетов с щелью получения средних значений, имеющих наибольшую вероятность характеризовать ис-  [c.60]

Элементарный способ проверки нормального распределения — это проверка по числам Вестергарда. При нормальном распределении 25% от объем З совокупности наблюдений должно располагаться в интервале г/ 0,3ст, 50% — в интервале г/ 0,7ст, 75% —в интервале / 1,1 а и 99% — в интервале f/ 3 r (здесь у — среднее значение признака у, о — среднее квадратическое отклонение этого признака). Проверкой установлено, что в нашем случае распределение признака (распределение уровня торгово-управленческих расходов) во всех трех группах близко к нормальному.  [c.177]

При высокой эффективности проектируемого цеха наряду со станками со средними значениями окупаемости имеются станки, стоимость приобретения, и установки которых окупится только за,длительный срок. Поэтому по наиболее дорогостоящим станкам желательно провести дополнительный расчет срока окупаемости их приобретения. Большинство же станков, обеспечивающих снижение себестоимости детале-операции на 25% и более, в такой проверке не нуждается.  [c.198]

В предыдущих разделах мы останавливались на формальных проверках статистической достоверности коэффициентов регрессии и корреляции с помощью /-критерия Стьюдента, F-крте-рия Фишера и Z-преобразования (для коэффициентов корреляции). При использовании этих критериев делаются предположения относительно поведения остатков е,- — остатки представляют собой независимые случайные величины и их среднее значение равно 0 они имеют одинаковую (постоянную) дисперсию и подчиняются нормальному распределению.  [c.155]

Оператор Р — проверка условия неполноты ассортимента продаваемой продукции /С2 — счетчик по видам продукции Р3 — проверка условия неполноты числа реализаций процесса /С4 — счетчик числа реализаций Ф5 — формирование случайной величины наличия или отсутствия отклонения (1 — имеется отклонение, 0 — отклонение отсутствует) фактического спроса (конъюнктуры) от договорных условий Рв — проверка условия наличия этого отклонения Ф7 — формирование случайной величины отклонения фактического спроса от договорных условий (отклонение может быть как в большую, так и в меньшую сторону) Р8 — проверка условия спрос больше, чем обусловлен договором Ф9 — формирование случайной величины изменения цены (0) или изменения объема продаж (1) Р10 — проверка условия изменения объема продаж по сравнению с договорным Лц — вычисление нового объема продаж Л12 — присвоение цене значения, обусловленного договором А 13 — присвоение объему продаж значения, обусловленного договором Л14 — присвоение цене значения, обусловленного договором А 15 — вычисление значения цены в связи с отклонением спроса от обусловленного договором Ф17 — формирование случайной величины изменения объема продаж при изменении спроса в меньшую сторону по сравнению с договорными условиями (1) или формирование изменения цены (0) Р1В — проверка условия изменения объема продаж Л19 — вычисление величины объема продаж при новых условиях Л20 — присвоение цене, по которой производится продажа средств производства, значения, обусловленного договором Л21 — вычисление цены, соответствующей спросу в новых условиях Л22 — присвоение величине объема продаж значения, обусловленного договором Я23 — определение значения максимальной цены г -го вида средств производства по всем реализациям процесса Я24 — определение минимального значения цены по всем реализациям процесса А 2Б — вычисление среднего объема продаж по всем реализациям процесса Л 2в — вычисление среднего значения цены по всем реализациям процесса Q27 — окончание расчетов и выдача результатов. ( По моделирующим алгоритмам имитации поведения предприятия в системе оптовой торговли составлены алгольные программы и произведен счет на ЭВМ БЭСМ-4 для 100 реализаций процесса и 10 продуктов. Анализ полученных параметров показал некоторые интересные особенности поведения предприятий в условиях оптовой торговли. Вместе с тем для исследования этих особенностей необходимо иметь результаты для значительно большего числа значений внешних и внутренних характеристик процесса. Возникает необходимость и в некотором усложнении имитационных моделей путем добавления таких ограничивающих факторов, как санкции за нарушение договоров и возможность вмешательства центра при несоблюдении договорных условий. Эти проблемы и определяют направление дальнейших исследований теоретических основ оптовой торговли.  [c.93]

Кроме того, существует возможность того, что результаты вызваны смещением, происходящим в генераторе псевдослучайных чисел, которое не уменьшается при двойном перемешивании. Возможно, объем выборки 300 все еще недостаточен. Для проверки смещения выборки использовался независимый ряд чисел. Этот ряд составляли 500 ежемесячных изменений индекса S P 500, нормализованных к нулевому среднему и единичной дисперсии. Перед началом эксперимента эти числа перемешивались 10 раз. Затем они беспорядочно перемешивались 300 раз, и вычислялись значения R/S, как и прежде. Результаты приведены в таблице 5.2. Они фактически неотличимы от гауссова генерированного ряда. Результаты еще более замечательны, когда мы полагаем, что рыночные прибыли не являются обычно распределенными они имеют толстые хвосты и высокий пик в среднем значении, даже после перемешивания. Судя по этим результатам, мы можем сказать, что в формуле Эниса и Ллойда чего-то не хватает для значений п меньше 20. Чего в ней не хватает - неизвестно. Тем не менее, опытным путем я смог вывести поправку к формуле Эниса и Ллойда. Эта поправка умножает (5.4) и (5.5) с поправочным коэффициентом и дает  [c.78]

Для проверки антиперсистентности я провел Д/5-анализ волатильности. В качестве временного ряда были взяты помесячные данные — стандартные отклонения дневных прибылей—с января 1945 по июль 1990 гг., или примерно за 45 лет. На рис. 9.7 представлена кривая изменений этого ряда в двойных логарифмических координатах. Она в высшей степени антиперсистентна, при Н = 0.39. Это один из немногих антиперсистентных рядов, которые найдены в экономике-Если волатильность возрастала в последний месяц, то наиболее вероятно ее уменьшение в следующем месяце. Поскольку Н меньше 0.50, то нет и среднего значения в этом распределе-  [c.144]

Процедура анализа. Для проверки выдвинутой гипотезы сегментирования рынка в качестве аналитической процедуры была использована множественная корреляция. Для анализа использовался профессиональный статистический пакет Statisti a 5.5. Просчитывались коэффициенты корреляции респондентами, относящимися к одному рыночному сегменту в соответствии с выдвинутой гипотезой с последующим сравнением со значениями корреляции с респондентами из соседних сегментов и средним значением по выборке в целом (табл. 23).  [c.96]

Значение критерия Фишера, вычисленное по формуле (10.10) сравнивают с табличным значением для выбранного уровня значимости. Если расчетное значение не превышает табличного, то гипотезу адекватности принимают. Для отыскания табличного значения критерия требуется еще знать число степеней свободы, связанных с числителем и знаменателем выражения (10.10). Они представляют собой знаменатели тех формул, по которым вычисляют соответствующие дисперсии. Наряду с прямой оценкой адекватности, которая описана выше, существует ряд косвенных признаков, по которым можно судить о степени адекватности модели. Часто для оценки дисперсии опыта используют параллельные эксперименты в нулевой точке. Различие между средним значением из этих опытов и свободным членом линейного уравнения характеризует суммарный вклад квадратичных эффектов. Если это различие незначимо, например по критерию Стьюден-та, то можно предполагать, что модель адекватна. Такая проверка не является абсолютной, так как возможно, что сумма положительных коэффициентов при квадратах близка к сумме отрицательных.  [c.231]

Аналогично можно решать и обратную задачу - нахождения интервала, в который нормально распределенная случайная величина попадает с заданной вероятностью. Эта процедура часто используется в задачах теории оценивания и проверки гипотез. Так, например, пусть мы хотим проверить гипотезу о равенстве среднего значения нормально распределенной случайной величины м (для генеральной совокупности) нулю, допуская вероятность ошибки 0,05 в случае, если эта гипотеза верна, В это 1 случае выборочное значение стандартной нормально распределенной случайной величины Zflo-лжно попадать в такой интервал, что вероятность РгоЬ г, критические значения г = г, = -г,, такие, что  [c.277]

Обобщающий результат статистического исследования объединенной выборочной совокупности из 50 133 наблюдений (observation) во временном интервале с 1976 по 1995 гг. заключается в оценке со. Она оказалось равной 0,62 (fi)e 0,62), т.е. значительно отличающейся от полярного предельного значения, равного 1,0. Другими словами, динамика анормальных доходов характеризуется тенденцией изменения средних значений к 0 (zero). Проверка условий действительных сдвигов средних значений о) свидетельствует о том, что модель обеспечивает благоприятные возможности для характеристики эволюции анормальных доходов. Измерение информационного параметра /также свидетельствует о существенных отличиях его количественной характеристики от полярного значения. Выборочное обследование показало, что у в 0,32.  [c.396]

Подмножество, содержащее лучшую совокупность. Мы рассмотрели несколько процедур, в которых средние значения сравнивались между собой или с некоторым стандартным значением. Эти ММС дают доверительные границы для л, — jv или л1 — г0 с каким-то выбранным доверительным уровнем (1 — а). При проверке гипотез нас интересует, отличаются ли средние и если отличаются, то в каком направлении. Тогда вероятность того, что одно или более различий ложно объявлены значимыми, когда нуль-гипотеза о равных средних справедлива, есть а. Уровень ошибки, устанавливаемый для эксперимента, неуправляем для альтернативной гипотезы, т. е. неуправляема (и часто трудно вычисляема) мощность (см. [Miller, 1966, р. 102—107]). Нередко требуется определить, какая из систем имеет наибольшее среднее. Рассмотренные ММС можно применять для выяснения того, какая из совокупностей значимо лучше (ср., например, уравнение (18) и другие доверительные интервалы). Если доверительный интервал не содержит нуля, имеет место значимое различие. Однако есть метод, приспособленный непосредственно для выбора с некоторой заданной вероятностью подмножества из общего числа k совокупностей, такого, что оно (это подмножество) содержит наилучшую совокупность (или содержит все совокупности не хуже, чем стандартная, если есть стандартная совокупность). Или  [c.189]

Напомним (см. разд. 1.4. Главы 1), что поскольку логит-модель является нелинейной моделью, то оцененные коэффициенты имеют интерпретацию, отличающуюся от интерпретации коэффициентов в линейной модели. В связи с этим, в третьем столбце табл. 1 приведены значения предельного эффекта для переменных со статистически значимыми оценками коэффициентов, вычисленные при средних значениях объясняющих переменных на рассмотренном периоде. Так, значение 0.060 предельного эффекта для дамми переменной end of period означает, что если аукцион проводится в конце периода между проверками выполнения требований в отношении резервов, то (при неизменных значениях остальных объясняющих переменных) шансы за то, что банк примет участие в аукционе, против того, что банк не примет участие в аукционе, возрастают в среднем приблизительно на 6%.  [c.340]

Маркетологи сравнили продажи 12 видов товаров по каталогу и через розничную торговую сеть. Результаты анализа показали, что следует отклонить выдвинутую гипотезу о том, что нет сушественной разницы степени воспринимаемого потребителями риска для этих двух видов продаж. Для проверки гипотезы были вычислены 12 (по одному для каждого товара) парных наблюдений. Средние значения степени риска (в баллах) для некоторых из в обоих видах продаж даны в приведенной ниже причем наивысший балл отвечает наибольшему риску.  [c.553]

Они позволяют исследователю построить итоговые доверительные интервалы, которые можно использовать для попарных сравнений всех средних для всех комбинаций условий. Эти критерии, перечисленные в порядке снижения их включают проверку наименьшего значения значимой разности, критерий множественного размаха Дункана (Dunkan), метод  [c.627]