Мы поможем в написании ваших работ!
ЗНАЕТЕ ЛИ ВЫ?
|
Нахождение параметров выборочного уравнения прямой линии регрессии по несгруппированным данным
Пусть изучается система количественных признаков . В результате независимых опытов получены n пар чисел ,
Найдем по данным наблюдений выборочное уравнение регрессии. Для определенности будем искать уравнение
y = a + b × x + e, (1)
где величина y рассматривается как зависимая переменная, x – объясняющая (независимая) переменная, a, b – постоянные величины (параметры уравнения), e – случайный член.
Предположив, что стохастическое слагаемое в уравнении (1) имеет нулевое математическое ожидание и постоянную дисперсию, оценим параметры модели методом наименьших квадратов (МНК).
В основе МНК лежит принцип минимизации суммы квадратов излишков модели. В результате этого можно получить следующую систему нормальных уравнений:
(2)
где a, b – оценки параметров соответственно, n – количество наблюдений, , , , можно вычислить на основании данных наблюдений (), i = 1,2,… n. Решив систему (2), получим уравнение линейной регрессии:
.
Коэффициенты a и b можно также вычислить следующим образом:
(3)
где: .
Достоверность построенной модели можно проверить, воспользовавшись методами дисперсионного анализа. Для этого нужно найти дисперсию излишков по формуле:
где , k – число объясняющих переменных, затем вычислить стандартные ошибки параметров модели:
где: Var (x)= – выборочная дисперсия x.
Для проверки статистической значимости коэффициентов полученной модели нужно проделать следующее:
1) Вычислить расчетное значение t -статистики по формуле:
, .
2) По таблице критических значений для распределения Стьюдента с (n - k) степенями свободы при заданном уровне значимости a найти критическое значение t -критическое;
3) Сравнить t р и t крит. Если t р > t крит, то коэффициенты полученного уравнения регрессии являются статистически значимыми, в противном случае – незначимыми.
На основании коэффициента детерминации
(4)
можно сделать выводы об адекватности полученной модели. Значение R 2 может принадлежать интервалу (0,1).
Коэффициент детерминации показывает, какую часть дисперсии у объясняет полученное уравнение регрессии. Чем ближе R 2 к 1, тем увереннее можно утверждать, что связь между рассматриваемыми величинами является статистически значимой.
Показателем тесноты линейной связи между факторным и результативным признаком является выборочный коэффициент корреляции.
Коэффициент корреляции вычисляется по формуле:
Раскрыв данное соотношение, можем получить его в другой форме:
Данная формула может быть преобразована к виду:
или
.
Для коэффициента корреляции выполняется неравенство .
Если , то между x и y прямая связь (чем больше x, тем больше y),
Если , то между x и y обратная связь (чем больше x, тем меньше y).
Если , то между x и y практически отсутствует связь, близкая к линейной,
Если , то между x и y умеренная связь, если , то между x и y наблюдается функциональная связь.
При помощи коэффициента корреляции уравнение линейной регрессии может быть записано в виде:
.
Задания 1 4 1-1 5 0
На основании имеющихся статистических данных:
1) рассчитайте параметры уравнения линейной регрессии между расходами на жилищные услуги (y) и личным располагаемым доходом (x).
2) вычислите коэффициент детерминации и сделайте вывод.
3) оцените модель через среднюю ошибку аппроксимации и F -критерий Фишера.
4) постройте корреляционное поле и нанесите на него линию полученного уравнения регрессии.
141.
| 2
| 3
| 4
| 5
| 6
| 7
| 8
|
| 3
| 5
| 5,5
| 4
| 7
| 7,5
| 8,5
|
142.
| 5
| 2
| 4
| 6
| 7
| 3
| 5
| 6
|
| 10
| 18
| 14
| 8
| 5
| 15
| 8
| 5
|
143.
| 8
| 7,5
| 6
| 8,2
| 7,5
| 6,5
| 5,5
|
| 3
| 2,5
| 1,5
| 3,5
| 3
| 2,5
| 1,5
|
144.
| 1,7
| 2,4
| 3
| 3,5
| 2,5
| 2
| 1,5
| 4
|
| 3
| 5
| 6,2
| 7,1
| 3,5
| 2,8
| 1,5
| 8,2
|
145.
| 10
| 12
| 8
| 15
| 14
| 16
| 12
| 13
|
| 5,5
| 6,2
| 3,9
| 8
| 7,5
| 8,5
| 5
| 6,2
|
146.
| 3,7
| 4,2
| 3,9
| 4,3
| 5
| 5,2
| 5,3
|
| 11
| 12,4
| 15,2
| 16,6
| 17,2
| 18,1
| 19,2
|
147.
| 5,2
| 7,1
| 8,1
| 9,2
| 10,2
| 11,3
| 11,5
|
| 10,5
| 14,3
| 18,5
| 20,3
| 22,1
| 24,2
| 25,2
|
148.
| 12,2
| 14,3
| 10,6
| 8,2
| 9,5
| 14,2
| 18,1
| 22,2
|
| 6,5
| 7,5
| 5,8
| 4,7
| 5,1
| 7,2
| 10,2
| 12,1
|
149.
| 36
| 24
| 18
| 25
| 31
| 33
| 24
|
| 108
| 63
| 47
| 80
| 92
| 102
| 71
|
150.
| 5,9
| 7,2
| 6,1
| 10,2
| 14,2
| 15,1
| 16,8
| 19,2
| 20,1
|
| 6
| 5,4
| 4,3
| 8,3
| 12,1
| 12,4
| 13,2
| 15,1
| 18,2
| Пример выполнения заданий 14 1-15 0
На основании имеющихся статистических данных за 10 лет:
| 47,97
| 48,97
| 50,38
| 52,49
| 54,23
| 58,08
| 61,63
| 64,66
| 67,35
| 70,13
|
| 6,4
| 6,7
| 7,07
| 7,4
| 7,74
| 8,16
| 8,53
| 8,91
| 9,35
| 9,84
| 1) рассчитайте параметры уравнения линейной регрессии между расходами на жилищные услуги (y) и личным располагаемым доходом (x).
2) вычислите коэффициент детерминации и сделайте вывод.
3) оцените модель через среднюю ошибку аппроксимации и F -критерий Фишера.
4) постройте корреляционное поле и нанесите на него линию полученного уравнения регрессии.
Решение:
1. Идентифицируем переменные:
x – располагаемый личный доход, независимая переменная.
y – расходы на жилищные услуги, зависимая переменная.
2. Оценим параметры модели одношаговым методом наименьших квадратов (МНК). Все необходимые вычисления запишем в таблицу 10.
Для коэффициентов a и b запишем систему нормальных уравнений (2):
Таблица 15
| x
| y
| x2
| xy
|
|
|
|
| 1
| 47,97
| 6,4
| 2301,1
| 307,01
| 15,49
| 92,53
| 6,96
| 0,055
| 2
| 48,97
| 6,7
| 2398,0
| 328,10
| 11,29
| 74,29
| 7,11
| 0,006
| 3
| 50,38
| 7,07
| 2538,1
| 356,19
| 6,78
| 51,97
| 7,31
| 0,008
| 4
| 52,49
| 7,4
| 2755,2
| 388,43
| 3,11
| 26,00
| 7,63
| 0,014
| 5
| 54,23
| 7,74
| 2940,8
| 419,74
| 0,91
| 11,28
| 7,88
| 0,044
| 6
| 58,08
| 8,16
| 3373,3
| 473,93
| 0,07
| 0,24
| 8,45
| 0,006
| 7
| 61,63
| 8,53
| 3798,2
| 525,70
| 2,10
| 16,33
| 8,97
| 0,003
| 8
| 64,66
| 8,91
| 4180,9
| 576,12
| 6,36
| 50,00
| 9,42
| 0,012
| 9
| 67,35
| 9,35
| 4536,0
| 629,72
| 13,08
| 95,28
| 9,81
| 0,003
| 10
| 70,13
| 9,84
| 4918,2
| 690,08
| 22,95
| 157,28
| 10,22
| 0,001
| сумма
| 575,89
| 80,1
| 33740,1
| 4695,02
| 82,14
| 575,19
|
| 0,154
| среднее
| 57,589
| 8,01
|
|
|
|
|
|
| Подставив в указанную систему значения , вычисленные согласно входным данным, получим систему уравнений:
Откуда находим: a = -0,225; b = 0,143.
Таким образом, .
Найдя отклонения каждой переменной от своего среднего арифметического, оценим параметры a и b в альтернативной форме:
Искомое уравнение линейной регрессии: .
Коэффициент показывает, что при увеличении располагаемого личного дохода на 1 млрд. долларов расходы на жилищные услуги увеличивались в среднем на 0,143 млрд. долларов.
Коэффициент корреляции и детерминации (по формуле (4)):
;
.
Поскольку коэффициент детерминации R 2 = 0,98, то расходы на жилищные услуги на 98% зависят от личных доходов граждан.
Проверка адекватности модели
Для проверки качества оценивания регрессии служит критерий Фишера. Он заключается в формулировании и проверке нулевой гипотезы:
H 0: R 2 = 0, при альтернативной гипотезе
H 1: R 2 ¹ 0.
Для проведения F -теста необходимо:
1) вычислить расчетное значение F -статистики по формуле:
.
2) по таблице критических значений для распределения Фишера при заданном уровне значимости a со степенями свободы V 1 = k и V 2 = n - k -1 найти F крит.
3) если F р > F крит, то нулевая гипотеза отклоняется с вероятностью (1- a), в противном случае нулевая гипотеза принимается.
В данном случае 89. Табличное значение с уровнем значимости a = 0,05 и числом степеней свободы V 1 = 1 и V 2 = n - k -1 = 10 (Приложение 5) равно 4,96. Поскольку F р > F Т, то построенная модель адекватна. Так как при этом коэффициенты регрессии статистически значимые, то ее можно использовать для принятия решений и осуществления прогнозов.
На рисунке изображено корреляционное поле и график полученного уравнения регрессии.
Приложения
Приложение 1
Таблица значений локальной функции Лапласа .
| 0
| 1
| 2
| 3
| 4
| 5
| 6
| 7
| 8
| 9
| 0,0
| 0,3989
| 0,3989
| 0,3989
| 0,3988
| 0,3986
| 0,3984
| 0,3982
| 0,3980
| 0,3977
| 0,3973
| 0,1
| 0,3970
| 0,3965
| 0,3961
| 0,3956
| 0,3951
| 0,3945
| 0,3939
| 0,3932
| 0,3925
| 0,3918
| 0,2
| 0,3910
| 0,3902
| 0,3894
| 0,3885
| 0,3876
| 0,3867
| 0,3857
| 0,3847
| 0,3836
| 0,3825
| 0,3
| 0,3814
| 0,3802
| 0,3790
| 0,3778
| 0,3765
| 0,3752
| 0,3739
| 0,3726
| 0,3712
| 0,3698
| 0,4
| 0,3683
| 0,3668
| 0,3652
| 0,3637
| 0,3621
| 0,3605
| 0,3589
| 0,3572
| 0,3555
| 0,3538
| 0,5
| 0,3521
| 0,3503
| 0,3485
| 0,3467
| 0,3448
| 0,3429
| 0,3410
| 0,3391
| 0,3372
| 0,3352
| 0,6
| 0,3332
| 0,3312
| 0,3292
| 0,3271
| 0,3251
| 0,3230
| 0,3209
| 0,3187
| 0,3166
| 0,3144
| 0,7
| 0,3123
| 0,3101
| 0,3079
| 0,3056
| 0,3034
| 0,3011
| 0,2989
| 0,2966
| 0,2943
| 0,2920
| 0,8
| 0,2897
| 0,2874
| 0,2850
| 0,2827
| 0,2803
| 0,2780
| 0,2756
| 0,2732
| 0,2709
| 0,2685
| 0,9
| 0,2661
| 0,2637
| 0,2613
| 0,2589
| 0,2565
| 0,2541
| 0,2516
| 0,2492
| 0,2468
| 0,2444
|
|
|
|
|
|
|
|
|
|
|
| 1,0
| 0,2420
| 0,2396
| 0,2371
| 0,2347
| 0,2323
| 0,2299
| 0,2275
| 0,2251
| 0,2227
| 0,2203
| 1,1
| 0,2179
| 0,2155
| 0,2131
| 0,2107
| 0,2083
| 0,2059
| 0,2036
| 0,2012
| 0,1989
| 0,1965
| 1,2
| 0,1942
| 0,1919
| 0,1895
| 0,1872
| 0,1849
| 0,1826
| 0,1804
| 0,1781
| 0,1758
| 0,1736
| 1,3
| 0,1714
| 0,1691
| 0,1669
| 0,1647
| 0,1626
| 0,1604
| 0,1582
| 0,1561
| 0,1539
| 0,1518
| 1,4
| 0,1497
| 0,1476
| 0,1456
| 0,1435
| 0,1415
| 0,1394
| 0,1374
| 0,1354
| 0,1334
| 0,1315
| 1,5
| 0,1295
| 0,1276
| 0,1257
| 0,1238
| 0,1219
| 0,1200
| 0,1182
| 0,1163
| 0,1145
| 0,1127
| 1,6
| 0,1109
| 0,1092
| 0,1074
| 0,1057
| 0,1040
| 0,1023
| 0,1006
| 0,0989
| 0,0973
| 0,0957
| 1,7
| 0,0940
| 0,0925
| 0,0909
| 0,0893
| 0,0878
| 0,0863
| 0,0848
| 0,0833
| 0,0818
| 0,0804
| 1,8
| 0,0790
| 0,0775
| 0,0761
| 0,0748
| 0,0734
| 0,0721
| 0,0707
| 0,0694
| 0,0681
| 0,0669
| 1,9
| 0,0656
| 0,0644
| 0,0632
| 0,0620
| 0,0608
| 0,0596
| 0,0584
| 0,0573
| 0,0562
| 0,0551
|
|
|
|
|
|
|
|
|
|
|
| 2,0
| 0,0540
| 0,0529
| 0,0519
| 0,0508
| 0,0498
| 0,0488
| 0,0478
| 0,0468
| 0,0459
| 0,0449
| 2,1
| 0,0440
| 0,0431
| 0,0422
| 0,0413
| 0,0404
| 0,0395
| 0,0387
| 0,0379
| 0,0371
| 0,0363
| 2,2
| 0,0353
| 0,0347
| 0,0339
| 0,0332
| 0,0325
| 0,0317
| 0,0310
| 0,0303
| 0,0297
| 0,0290
| 2,3
| 0,0283
| 0,0277
| 0,0270
| 0,0264
| 0,0258
| 0,0252
| 0,0246
| 0,0241
| 0,0235
| 0,0229
| 2,4
| 0,0224
| 0,0219
| 0,0213
| 0,0208
| 0,0203
| 0,0198
| 0,0194
| 0,0189
| 0,0184
| 0,0180
| 2,5
| 0,0175
| 0,0171
| 0,0167
| 0,0163
| 0,0158
| 0,0154
| 0,0151
| 0,0147
| 0,0143
| 0,0139
| 2,6
| 0,0136
| 0,0132
| 0,0129
| 0,0126
| 0,0122
| 0,0119
| 0,0116
| 0,0113
| 0,0110
| 0,0107
| 2,7
| 0,0104
| 0,0101
| 0,0099
| 0,0096
| 0,0093
| 0,0091
| 0,0088
| 0,0086
| 0,0084
| 0,0081
| 2,8
| 0,0079
| 0,0077
| 0,0075
| 0,0073
| 0,0071
| 0,0069
| 0,0067
| 0,0065
| 0,0063
| 0,0061
| 2,9
| 0,0060
| 0,0058
| 0,0056
| 0,0055
| 0,0053
| 0,0051
| 0,0050
| 0,0048
| 0,0047
| 0,0046
|
|
|
|
|
|
|
|
|
|
|
| 3,0
| 0,0044
| 0,0043
| 0,0042
| 0,0040
| 0,0039
| 0,0038
| 0,0037
| 0,0036
| 0,0035
| 0,0034
| 3,1
| 0,0033
| 0,0032
| 0,0031
| 0,0030
| 0,0029
| 0,0028
| 0,0027
| 0,0026
| 0,0025
| 0,0025
| 3,2
| 0,0024
| 0,0023
| 0,0022
| 0,0022
| 0,0021
| 0,0020
| 0,0020
| 0,0019
| 0,0018
| 0,0018
| 3,3
| 0,0017
| 0,0017
| 0,0016
| 0,0016
| 0,0015
| 0,0015
| 0,0014
| 0,0014
| 0,0013
| 0,0013
| 3,4
| 0,0012
| 0,0012
| 0,0012
| 0,0011
| 0,0011
| 0,0010
| 0,0010
| 0,0010
| 0,0009
| 0,0009
| 3,5
| 0,0009
| 0,0008
| 0,0008
| 0,0008
| 0,0008
| 0,0007
| 0,0007
| 0,0007
| 0,0007
| 0,0006
| 3,6
| 0,0006
| 0,0006
| 0,0006
| 0,0005
| 0,0005
| 0,0005
| 0,0005
| 0,0005
| 0,0005
| 0,0004
| 3,7
| 0,0004
| 0,0004
| 0,0004
| 0,0004
| 0,0004
| 0,0004
| 0,0003
| 0,0003
| 0,0003
| 0,0003
| 3,8
| 0,0003
| 0,0003
| 0,0003
| 0,0003
| 0,0003
| 0,0002
| 0,0002
| 0,0002
| 0,0002
| 0,0002
| 3,9
| 0,0002
| 0,0002
| 0,0002
| 0,0002
| 0,0002
| 0,0002
| 0,0002
| 0,0002
| 0,0002
| 0,0001
|
Приложение 2
Таблица значений интегральной функции Лапласа .
x
| Ф(х)
| x
| Ф(х)
| x
| Ф(х)
| x
| Ф(х)
| x
| Ф(х)
| 0,00
| 0,0000
| 0,46
| 0,1772
| 0,92
| 0,3212
| 1,38
| 0,4162
| 1,84
| 0,4671
| 0,01
| 0,0040
| 0,47
| 0,1808
| 0,93
| 0,3238
| 1,39
| 0,4177
| 1,85
| 0,4678
| 0,02
| 0,0080
| 0,48
| 0,1844
| 0,94
| 0,3264
| 1,40
| 0,4192
| 1,86
| 0,4686
| 0,03
| 0,0120
| 0,49
| 0,1879
| 0,95
| 0,3289
| 1,41
| 0,4207
| 1,87
| 0,4693
| 0,04
| 0,0160
| 0,50
| 0,1915
| 0,96
| 0,3315
| 1,42
| 0,4222
| 1,88
| 0,4699
| 0,05
| 0,0199
| 0,51
| 0,1950
| 0,97
| 0,3340
| 1,43
| 0,4236
| 1,89
| 0,4706
| 0,06
| 0,0239
| 0,52
| 0,1985
| 0,98
| 0,3365
| 1,44
| 0,4251
| 1,90
| 0,4713
| 0,07
| 0,0279
| 0,53
| 0,2019
| 0,99
| 0,3389
| 1,45
| 0,4265
| 1,91
| 0,4719
| 0,08
| 0,0319
| 0,54
| 0,2054
| 1,00
| 0,3413
| 1,46
| 0,4279
| 1,92
| 0,4726
| 0,09
| 0,0359
| 0,55
| 0,2088
| 1,01
| 0,3438
| 1,47
| 0,4292
| 1,93
| 0,4732
| 0,10
| 0,0398
| 0,56
| 0,2123
| 1,02
| 0,3461
| 1,48
| 0,4306
| 1,94
| 0,4738
| 0,11
| 0,0438
| 0,57
| 0,2157
| 1,03
| 0,3485
| 1,49
| 0,4319
| 1,95
| 0,4744
| 0,12
| 0,0478
| 0,58
| 0,2190
| 1,04
| 0,3508
| 1,50
| 0,4332
| 1,96
| 0,4750
| 0,13
| 0,0517
| 0,59
| 0,2224
| 1,05
| 0,3531
| 1,51
| 0,4345
| 1,97
| 0,4756
| 0,14
| 0,0557
| 0,60
| 0,2257
| 1,06
| 0,3554
| 1,52
| 0,4357
| 1,98
| 0,4761
| 0,15
| 0,0596
| 0,61
| 0,2291
| 1,07
| 0,3577
| 1,53
| 0,4370
| 1,99
| 0,4767
| 0,16
| 0,0636
| 0,62
| 0,2324
| 1,08
| 0,3599
| 1,54
| 0,4382
| 2,00
| 0,4772
| 0,17
| 0,0675
| 0,63
| 0,2357
| 1,09
| 0,3621
| 1,55
| 0,4394
| 2,02
| 0,4783
| 0,18
| 0,0714
| 0,64
| 0,2389
| 1,10
| 0,3643
| 1,56
| 0,4406
| 2,04
| 0,4793
| 0,19
| 0,0753
| 0,65
| 0,2422
| 1,11
| 0,3665
| 1,57
| 0,4418
| 2,06
| 0,4803
| 0,20
| 0,0793
| 0,66
| 0,2454
| 1,12
| 0,3686
| 1,58
| 0,4429
| 2,08
| 0,4812
| 0,21
| 0,0832
| 0,67
| 0,2486
| 1,13
| 0,3708
| 1,59
| 0,4441
| 2,10
| 0,4821
| 0,22
| 0,0871
| 0,68
| 0,2517
| 1,14
| 0,3729
| 1,60
| 0,4452
| 2,12
| 0,4830
| 0,23
| 0,0910
| 0,69
| 0,2549
| 1,15
| 0,3749
| 1,61
| 0,4463
| 2,14
| 0,4838
| 0,24
| 0,0948
| 0,70
| 0,2580
| 1,16
| 0,3770
| 1,62
| 0,4474
| 2,16
| 0,4846
| 0,25
| 0,0987
| 0,71
| 0,2611
| 1,17
| 0,3790
| 1,63
| 0,4484
| 2,18
| 0,4854
| 0,26
| 0,1026
| 0,72
| 0,2642
| 1,18
| 0,3810
| 1,64
| 0,4495
| 2,20
| 0,4861
| 0,27
| 0,1064
| 0,73
| 0,2673
| 1,19
| 0,3830
| 1,65
| 0,4505
| 2,22
| 0,4868
| 0,28
| 0,1103
| 0,74
| 0,2703
| 1,20
| 0,3849
| 1,66
| 0,4515
| 2,24
| 0,4875
| 0,29
| 0,1141
| 0,75
| 0,2734
| 1,21
| 0,3869
| 1,67
| 0,4525
| 2,26
| 0,4881
| 0,30
| 0,1179
| 0,76
| 0,2764
| 1,22
| 0,3883
| 1,68
| 0,4535
| 2,28
| 0,4887
| 0,31
| 0,1217
| 0,77
| 0,2794
| 1,23
| 0,3907
| 1,69
| 0,4545
| 2,30
| 0,4893
| 0,32
| 0,1255
| 0,78
| 0,2823
| 1,24
| 0,3925
| 1,70
| 0,4554
| 2,32
| 0,4898
| 0,33
| 0,1293
| 0,79
| 0,2852
| 1,25
| 0,3944
| 1,71
| 0,4564
| 2,34
| 0,4904
| 0,34
| 0,1331
| 0,80
| 0,2881
| 1,26
| 0,3962
| 1,72
| 0,4573
| 2,36
| 0,4909
| 0,35
| 0,1368
| 0,81
| 0,2910
| 1,27
| 0,3980
| 1,73
| 0,4582
| 2,38
| 0,4913
| 0,36
| 0,1406
| 0,82
| 0,2939
| 1,28
| 0,3997
| 1,74
| 0,4591
| 2,40
| 0,4918
| 0,37
| 0,1443
| 0,83
| 0,2967
| 1,29
| 0,4015
| 1,75
| 0,4599
| 2,42
| 0,4922
| 0,38
| 0,1480
| 0,84
| 0,2995
| 1,30
| 0,4032
| 1,76
| 0,4608
| 2,44
| 0,4927
| 0,39
| 0,1517
| 0,85
| 0,3023
| 1,31
| 0,4049
| 1,77
| 0,4616
| 2,46
| 0,4931
| 0,40
| 0,1554
| 0,86
| 0,3051
| 1,32
| 0,4066
| 1,78
| 0,4625
| 2,48
| 0,4934
| 0,41
| 0,1591
| 0,87
| 0,3078
| 1,33
| 0,4082
| 1,79
| 0,4633
| 2,50
| 0,4938
| 0,42
| 0,1628
| 0,88
| 0,3106
| 1,34
| 0,4099
| 1,80
| 0,4641
| 2,52
| 0,4941
| 0,43
| 0,1664
| 0,89
| 0,3133
| 1,35
| 0,4115
| 1,81
| 0,4649
| 2,54
| 0,4945
| 0,44
| 0,1700
| 0,90
| 0,3159
| 1,36
| 0,4131
| 1,82
| 0,4656
| 2,56
| 0,4948
| 0,45
| 0,1736
| 0,91
| 0,3186
| 1,37
| 0,4147
| 1,83
| 0,4664
| 2,58
| 0,4951
|
продолжение приложения 2
x
| Ф(х)
| x
| Ф(х)
| x
| Ф(х)
| x
| Ф(х)
| x
| Ф(х)
| 2,60
| 0,4953
| 2,72
| 0,4967
| 2,84
| 0,4977
| 2,96
| 0,4985
| 3,80
| 0,499928
| 2,62
| 0,4956
| 2,74
| 0,4969
| 2,86
| 0,4979
| 2,98
| 0,4986
| 4,00
| 0,499968
| 2,64
| 0,4959
| 2,76
| 0,4971
| 2,88
| 0,4980
| 3,00
| 0,49865
| 4,50
| 0,499997
| 2,66
| 0,4961
| 2,78
| 0,4973
| 2,90
| 0,4981
| 3,20
| 0,49931
| 5,00
| 0,499997
| 2,68
| 0,4963
| 2,80
| 0,4974
| 2,92
| 0,4982
| 3,40
| 0,49966
|
|
| 2,70
| 0,4965
| 2,82
| 0,4976
| 2,94
| 0,4984
| 3,60
| 0,499841
|
|
|
Приложение 3
Критические точки распределения
Число степеней свободы k
| Уровень значимости a
| 0,01
| 0,025
| 0.05
| 0,95
| 0,975
| 0.99
| 1
| 6.6
| 5.0
| 3.8
| 0.0039
| 0.00098
| 0.00016
| 2
| 9.2
| 7.4
| 6.0
| 0.103
| 0.051
| 0.020
| 3
| 11.3
| 9.4
| 7.8
| 0.352
| 0.216
| 0.115
| 4
| 13.3
| 11.1
| 9.5
| 0.711
| 0.484
| 0.297
| 5
| 15.1
| 12.8
| 11.1
| 1.15
| 0.831
| 0.554
| 6
| 16.8
| 14.4
| 12.6
| 1.64
| 1.24
| 0.872
| 7
| 18.5
| 16.0
| 14.1
| 2.17
| 1.69
| 1.24
| 8
| 20.1
| 17.5
| 15.5
| 2.73
| 2.18
| 1.65
| 9
| 21.7
| 19.0
| 16.9
| 3.33
| 2.70
| 2.09
| 10
| 23.2
| 20.5
| 18.3
| 3.94
| 3.25
| 2.56
| 11
| 24.7
| 21.9
| 19.7
| 4.57
| 3.82
| 3.05
| 12
| 26.2
| 23.3
| 21.0
| 5.23
| 4.40
| 3.57
| 13
| 27.7
| 24.7
| 22.4
| 5.89
| 5.01
| 4.11
| 14
| 29.1
| 26.1
| 23.7
| 6.57
| 5.63
| 4.66
| 15
| 30.6
| 27.5
| 25.0
| 7.26
| 6.26
| 5.23
| 16
| 32.0
| 28.8
| 26.3
| 7.96
| 6.91
| 5.81
| 17
| 33.4
| 30.2
| 27.6
| 8.67
| 7.56
| 6.41
| 18
| 34.8
| 31.5
| 28.9
| 9.39
| 8.23
| 7.01
| 19
| 36.2
| 32.9
| 30.1
| 10.1
| 8.91
| 7.63
| 20
| 37.6
| 34.2
| 31.4
| 10.9
| 9.59
| 8.26
| 21
| 38.9
| 35.5
| 32.7
| 11.6
| 10.3
| 8.90
| 22
| 40.3
| 36.8
| 33.9
| 12.3
| 11.0
| 9.54
| 23
| 41.6
| 38.1
| 35.2
| 13.1
| 11.7
| 10.2
| 24
| 43.0
| 39.4
| 36.4
| 13.8
| 12.4
| 10.9
| 25
| 44.3
| 40.6
| 37.7
| 14.6
| 13.1
| 11.5
| 26
| 45.6
| 41.9
| 38.9
| 15.4
| 13.8
| 12.2
| 27
| 47.0
| 43.2
| 40.1
| 16.2
| 14.6
| 12.9
| 28
| 48.3
| 44.5
| 41.3
| 16.9
| 15.3
| 13.6
| 29
| 49.6
| 45.7
| 42.6
| 17.7
| 16.0
| 14.3
| 30
| 50.9
| 47.0
| 43.8
| 18.5
| 16.8
| 15.0
|
Приложение 4
Критические точки распределения Стьюдента
Число степеней свободы k
| Уровень значимости a (двусторонняя критическая область)
|
0.10
|
0.05
|
0.02
|
0.01
|
0.002
|
0.001
| 1
| 6.31
| 12.7
| 31.82
| 63.7
| 318.3
| 637.0
| 2
| 2.92
| 4.30
| 6.97
| 9.92
| 22.33
| 31.6
| 3
| 2.35
| 3.18
| 4.54
| 5.84
| 10.22
| 12.9
| 4
| 2.13
| 2.78
| 3.75
| 4.60
| 7.17
| 8.61
| 5
| 2.01
| 2.57
| 3.37
| 4.03
| 5.89
| 6.86
| 6
| 1.94
| 2.45
| 3.14
| 3.71
| 5.21
| 5.96
| 7
| 1.89
| 2.36
| 3.00
| 3.50
| 4.79
| 5.40
| 8
| 1.86
| 2.31
| 2.90
| 3.36
| 4.50
| 5.04
| 9
| 1.83
| 2.26
| 2.82
| 3.25
| 4.30
| 4.78
| 10
| 1.81
| 2.23
| 2.76
| 3.17
| 4.14
| 4.59
| 11
| 1.80
| 2.20
| 2.72
| 3.11
| 4.03
| 4.44
| 12
| 1.78
| 2.18
| 2.68
| 3.05
| 3.93
| 4.32
| 13
| 1.77
| 2.16
| 2.65
| 3.01
| 3.85
| 4.22
| 14
| 1.76
| 2.14
| 2.62
| 2.98
| 3.79
| 4.14
| 15
| 1.75
| 2.13
| 2.60
| 2.95
| 3.73
| 4.07
| 16
| 1.75
| 2.12
| 2.58
| 2.92
| 3.69
| 4.01
| 17
| 1.74
| 2.11
| 2.57
| 2.90
| 3.65
| 3.95
| 18
| 1.73
| 2.10
| 2.55
| 2.88
| 3.61
| 3.92
| 19
| 1.73
| 2.09
| 2.54
| 2.86
| 3.58
| 3.88
| 20
| 1.73
| 2.09
| 2.53
| 2.85
| 3.55
| 3.85
| 21
| 1.72
| 2.08
| 2.52
| 2.83
| 3.53
| 3.82
| 22
| 1.72
| 2.07
| 2.51
| 2.82
| 3.51
| 3.79
| 23
| 1.71
| 2.07
| 2.50
| 2.81
| 3.59
| 3.77
| 24
| 1.71
| 2.06
| 2.49
| 2.80
| 3.47
| 3.74
| 25
| 1.71
| 2.06
| 2.49
| 2.79
| 3.45
| 3.72
| 26
| 1.71
| 2.06
| 2.48
| 2.78
| 3.44
| 3.71
| 27
| 1.71
| 2.05
| 2.47
| 2.77
| 3.42
| 3.69
| 28
| 1.70
| 2.05
| 2.46
| 2.76
| 3.40
| 3.66
| 29
| 1.70
| 2.05
| 2.46
| 2.76
| 3.40
| 3.66
| 30
| 1.70
| 2.04
| 2.46
| 2.75
| 3.39
| 3.65
| 40
| 1.68
| 2.02
| 2.42
| 2.70
| 3.31
| 3.55
| 60
| 1.67
| 2.00
| 2.39
| 2.66
| 3.23
| 3.46
| 120
| 1.66
| 1.98
| 2.36
| 2.62
| 3.17
| 3.37
| ¥
| 1.64
| 1.96
| 2.33
| 2.58
| 3.09
| 3.29
|
| 0.05
| 0.025
| 0.01
| 0.005
| 0.001
| 0.0005
|
| Уровень значимости a (односторонняя критическая область)
|
Приложение 5
Критические точки распределения Фишера
( — число степеней свободы большей дисперсии,
—число степеней свободы меньшей дисперсии)
Уровень значимости a = 0.01
|