План:

1. Задачи математической статистики.

2. Виды выборок.

3. Способы отбора.

4. Статистическое распределение выборки.

5. Эмпирическая функция распределения.

6. Полигон и гистограмма.

7. Числовые характеристики вариационного ряда.

8. Статистические оценки параметров распределения.

9. Интервальные оценки параметров распределения.

1. Задачи и методы математической статистики

Математическая статистика - это раздел математики, посвященный методам сбора, анализа и обработки результатов статистических данных наблюдений для научных и практических целей.

Пусть требуется изучить совокупность однородных объектов относительно некоторого качественного или количественного признака, характеризующего эти объекты. Например, если имеется партия деталей, то качественным признаком может служить стандартность детали, а количественным- контролируемый размер детали.

Иногда проводят сплошное исследование, т.е. обследуют каждый объект относительно нужного признака. На практике сплошное обследование применяется редко. Например, если совокупность содержит очень большое число объектов, то провести сплошное обследование физически невозможно. Если обследование объекта связано с его уничтожением или требует больших материальных затрат, то проводить сплошное обследование не имеет смысла. В таких случаях случайно отбирают из всей совокупности ограниченное число объектов (выборочную совокупность) и подвергают их изучению.

Основная задача математической статистики заключается в исследовании всей совокупности по выборочным данным в зависимости от поставленной цели, т.е. изучение вероятностных свойств совокупности: закона распределения, числовых характеристик и т.д. для принятия управленческих решений в условиях неопределенности.

2. Виды выборок

Генеральная совокупность – это совокупность объектов, из которой производится выборка.

Выборочная совокупность (выборка) – это совокупность случайно отобранных объектов.

Объем совокупности – это число объектов этой совокупности. Объем генеральной совокупности обозначается N , выборочной – n .

Пример:

Если из 1000 деталей отобрано для обследования 100 деталей, то объем генеральной совокупности N = 1000, а объем выборки n = 100.

Присоставлении выборки можно поступить двумя способами: после того, как объект отобран и над ним произведено наблюдение, он может быть возвращен либо не возвращен в генеральную совокупность. Т.о. выборки делятся на повторные и бесповторные.

Повторной называют выборку , при которой отобранный объект (перед отбором следующего) возвращается в генеральную совокупность.

Бесповторной называют выборку , при которой отобранный объект в генеральную совокупность не возвращается.

На практике обычно пользуются бесповторным случайным отбором.

Для того, чтобы по данным выборки можно было достаточно уверенно судить об интересующем признаке генеральной совокупности, необходимо, чтобы объекты выборки правильно его представляли. Выборка должна правильно представлять пропорции генеральной совокупности. Выборка должна быть репрезентативной (представительной).

В силу закона больших чисел можно утверждать, что выборка будет репрезентативной, если ее осуществлять случайно.

Если объем генеральной совокупности достаточно велик, а выборка составляет лишь незначительную часть этой совокупности, то различие между повторной и бесповторной выборками стирается; в предельном случае, когда рассматривается бесконечная генеральная совокупность, а выборка имеет конечный объем, это различие исчезает.

Пример:

В американском журнале «Литературное обозрение» с помощью статистическихметодов было проведено исследование прогнозов относительно исхода предстоящих выборов президента США в 1936 году. Претендентами на этот пост были Ф.Д. Рузвельт и А. М. Ландон. В качестве источника для генеральной совокупности исследуемых американцев были взяты справочники телефонных абонентов. Из них случайным образом были выбраны 4 миллиона адресов., по которым редакция журнала разослала открытки с просьбой высказать свое отношение к кандидатам на пост президента. Обработав результаты опроса, журнал опубликовал социологический прогноз о том, что на предстоящих выборах с большим перевесом победит Ландон. И … ошибся: победу одержал Рузвельт.
Этот пример можно рассматривать, как пример нерепрезентативной выборки. Дело в том, что в США в первой половине двадцатого века телефоны имела лишь зажиточная часть населения, которые поддерживали взгляды Ландона.

3. Способы отбора

На практике применяются различные способы отбора, которые можно разделить на 2 вида:

1. Отбор не требует расчленения генеральной совокупности на части (а) простой случайный бесповторный ; б) простой случайный повторный ).

2. Отбор, при котором генеральная совокупность разбивается на части. (а) типичный отбор ; б) механический отбор ; в) серийный отбор ).

Простым случайным называют такой отбор , при котором объекты извлекаются по одному из всей генеральной совокупности (случайно).

Типичным называют отбор , при котором объекты отбираются не из всей генеральной совокупности, а из каждой ее «типичной» части. Например, если деталь изготавливают на нескольких станках, то отбор производят не из всей совокупности деталей, произведенных всеми станками, а из продукции каждого станка в отдельности. Таким отбором пользуются тогда, когда обследуемый признак заметно колеблется в различных «типичных» частях генеральной совокупности.

Механическим называют отбор , при котором генеральную совокупность «механически» делят на столько групп, сколько объектов должно войти в выборку, а из каждой группы отбирают один объект. Например, если нужно отобрать 20 % изготовленных станком деталей, то отбирают каждую 5-ую деталь; если требуется отобрать 5 % деталей- каждую 20-ую и т.д. Иногда такой отбор может не обеспечивать репрезентативность выборки (если отбирают каждый 20-ый обтачиваемый валик, причем сразу же после отбора производится замена резца, то отобранными окажутся все валики, обточенные затупленными резцами).

Серийным называют отбор , при котором объекты отбирают из генеральной совокупности не по одному, а «сериями», которые подвергают сплошному обследованию. Например, если изделия изготавливаются большой группой станков-автоматов, то подвергают сплошному обследованию продукцию только нескольких станков.

На практике часто применяют комбинированный отбор, при котором сочетаются указанные выше способы.

4. Статистическое распределение выборки

Пусть из генеральной совокупности извлечена выборка, причем значение x 1 –наблюдалось раз, x 2 -n 2 раз,… x k - n k раз. n = n 1 +n 2 +...+n k – объем выборки. Наблюдаемые значения называются вариантами , а последовательность вариант, записанных в возрастающем порядке- вариационным рядом . Числа наблюдений называются частотами (абсолютными частотами) , а их отношения к объему выборки - относительными частотами или статистическими вероятностями.

Если количество вариант велико или выборка производится из непрерывной генеральной совокупности, то вариационный ряд составляется не по отдельным точечным значениям, а по интервалам значений генеральной совокупности. Такой вариационный ряд называется интервальным. Длины интервалов при этом должны быть равны.

Статистическим распределением выборки называется перечень вариант и соответствующих им частот или относительных частот.

Статистическое распределение можно задать также в виде последовательности интервалов и соответствующих им частот (суммы частот, попавших в этот интервал значений)

Точечный вариационный ряд частот может быть представлен таблицей:

Аналогично можно представить точечный вариационный ряд относительных частот.

Причем:

Пример:

Число букв в некотором тексте Х оказалось равным 1000. Первой встретиласьбуква «я», второй- буква «и», третьей- буква «а», четвертой- «ю». Затем шли буквы«о», «е», «у», «э», «ы».

Выпишем места, которые они занимают в алфавите, соответственно имеем: 33, 10, 1, 32, 16, 6, 21, 31, 29.

После упорядочения этих чисел по возрастанию получаем вариационный ряд: 1, 6, 10, 16, 21, 29, 31, 32, 33.

Частоты появления букв в тексте: «а» - 75, «е» -87, «и»- 75, «о»- 110, «у»- 25, «ы»- 8, «э»- 3, «ю»- 7, «я»- 22.

Составим точечный вариационный ряд частот:

Пример:

Задано распределение частот выборки объема n = 20.

Составьте точечный вариационный ряд относительных частот.

Решение:

Найдем относительные частоты:

При построении интервального распределения существуют правилавыбора числа интервалов или величины каждого интервала. Критерием здесь служит оптимальное соотношение: при увеличении числа интервалов улучшается репрезентативность, но увеличивается объем данных и время на их обработку. Разность x max - x min между наибольшим и наименьшим значениями вариант называют размахом выборки.

Для подсчета числа интервалов k обычно применяют эмпирическую формулу Стреджесса (подразумевая округление до ближайшего удобного целого): k = 1 + 3.322 lg n .

Соответственно, величину каждого интервала h можно вычислить по формуле :

5. Эмпирическая функция распределения

Рассмотрим некоторую выборку из генеральной совокупности. Пусть известно статистическое распределение частот количественного признака Х. Введем обозначения: n x – число наблюдений, при которых наблюдалось значение признака, меньшее х; n – общее число наблюдений (объем выборки). Относительная частота события Х<х равна n x /n . Если х изменяется, то изменяется и относительная частота, т.е. относительная частота n x /n - есть функция от х. Т.к. она находится эмпирическим путем, то она называется эмпирической.

Эмпирической функцией распределения (функцией распределения выборки) называют функцию , определяющую для каждого х относительную частоту события Х<х.

где число вариант, меньших х,

n - объем выборки.

В отличие от эмпирической функции распределения выборки, функцию распределения F (x ) генеральной совокупности называют теоретической функцией распределения .

Различие между эмпирической и теоретической функциями распределения состоит в том, что теоретическая функция F (x ) определяет вероятность события ХF*(x) стремится по вероятности к вероятности F (x ) этого события. Т.е.при большом n F*(x) и F (x ) мало отличаются друг от друга.

Т.о. целесообразно использовать эмпирическую функцию распределения выборки для приближенного представления теоретической (интегральной) функции распределения генеральной совокупности.

F*(x) обладает всеми свойствами F (x ).

1. ЗначенияF*(x) принадлежат интервалу .

2. F*(x) - неубывающая функция.

3. Если – наименьшая варианта, тоF*(x) = 0, при х< x 1 ; если x k – наибольшая варианта, то F*(x) = 1, при х > x k .

Т.е. F*(x) служит для оценки F (x ).

Если выборка задана вариационным рядом, то эмпирическая функция имеет вид:

График эмпирической функции называется кумулятой.

Пример:

Постройте эмпирическую функцию по данному распределению выборки.

Решение:

Объем выборки n = 12 + 18 +30 = 60. Наименьшая варианта 2, т.е. при х < 2. Событие X <6, (x 1 = 2) наблюдалось 12 раз, т.е. F*(x)=12/60=0,2 при 2 < x < 6. Событие Х<10, (x 1 =2, x 2 = 6) наблюдалось 12 + 18 = 30 раз, т.е.F*(x)=30/60=0,5 при 6 < x < 10. Т.к. х=10 наибольшая варианта, тоF*(x) = 1 при х>10. Искомая эмпирическая функция имеет вид:

Кумулята:

Кумулята дает возможность понимать графически представленную информацию, например, ответить на вопросы: «Определите число наблюдений, при которых значение признака было меньше 6 или не меньше 6. F*(6) =0,2 » Тогда число наблюдений, при которых значение наблюдаемого признака было меньше 6 равно 0,2* n = 0,2*60 = 12. Число наблюдений, при которых значение наблюдаемого признака было не меньше 6 равно (1-0,2)* n = 0,8*60 = 48.

Если задан интервальный вариационный ряд, то для составления эмпирической функции распределения находят середины интервалов и по ним получают эмпирическую функцию распределения аналогично точечному вариационному ряду.

6. Полигон и гистограмма

Для наглядности строят различные графики статистического распределения: полином и гистограммы

Полигон частот- это ломаная, отрезки которой соединяют точки ( x 1 ;n 1 ), ( x 2 ;n 2 ),…, ( x k ; n k ), где – варианты, – соответствующие им частоты.

Полигон относительных частот- это ломаная, отрезки которой соединяют точки ( x 1 ;w 1 ), (x 2 ;w 2 ),…, ( x k ;w k ), гдеx i –варианты, w i – соответствующие им относительные частоты.

Пример:

Постройте полином относительных частот по данному распределению выборки:

Решение:

В случае непрерывного признака целесообразно строить гистограмму, для чего интервал, в котором заключены все наблюдаемые значения признака, разбивают на несколько частичных интервалов длиной h и находят для кажд ого частичного интервала n i – сумму частот вариант, попавших в i -ый интервал. (Например, при измерении роста человека или веса, мы имеем дело с непрерывным признаком).

Гистограмма частот- это ступенчатая фигура, состоящая из прямоугольников, основаниями которых служат частичные интервалы длиною h , а высоты равны отношению (плотность частот).

Площадь i -го частичного прямоугольника равна- сумме частот вариант i - го интервала, т.е. площадь гистограммы частот равна сумме всех частот, т.е. объему выборки.

Пример:

Даны результаты изменения напряжения (в вольтах) в электросети. Составьте вариационный ряд, постройте полигон и гистограмму частот, если значения напряжения следующие: 227, 215, 230, 232, 223, 220, 228, 222, 221, 226, 226, 215, 218, 220, 216, 220, 225, 212, 217, 220.

Решение:

Составим вариационный ряд. Имеем n = 20, x min =212, x max =232 .

Применим формулу Стреджесса для подсчета числа интервалов.

Интервальный вариационный ряд частот имеет вид:

Построим гистограмму частот:

Построим полигон частот, найдя предварительно середины интервалов:

Гистограммой относительных частот называют ступенчатую фигуру, состоящую из прямоугольников, основаниями которыхслужат частичные интервалы длиною h , а высоты равны отношению w i /h (плотность относительной частоты).

Площадь i -го частичного прямоугольника равна- относительной частоте вариант, попавших в i - ый интервал. Т.е. площадь гистограммы относительных частот равна сумме всех относительных частот, т.е. единице.

7. Числовые характеристики вариационного ряда

Рассмотрим основные характеристики генеральной и выборочной совокупностей.

Генеральным средним называется среднее арифметическое значений признака генеральной совокупности.

Для различных значений x 1 , x 2 , x 3 , …, x n . признака генеральной совокупности объема N имеем:

Если значения признака имеют соответствующие частоты N 1 +N 2 +…+N k =N , то

Выборочным средним называется среднее арифметическое значений признака выборочной совокупности.

Если значения признака имеют соответствующие частоты n 1 +n 2 +…+n k = n , то

Пример:

Вычислите выборочное среднее для выборки: x 1 = 51,12; x 2 = 51,07;x 3 = 52,95; x 4 =52,93;x 5 = 51,1;x 6 = 52,98; x 7 = 52,29; x 8 = 51,23; x 9 = 51,07; x 10 = 51,04.

Решение:

Генеральной дисперсией называется среднее арифметическое квадратов отклонений значений признака Х генеральной совокупности от генерального среднего.

Для различных значений x 1 , x 2 , x 3 , …, x N признака генеральной совокупности объема N имеем:

Если значения признака имеют соответствующие частоты N 1 +N 2 +…+N k =N , то

Генеральным среднеквадратическим отклонением (стандартом) называют квадратный корень из генеральной дисперсии

Выборочной дисперсией называется среднее арифметическое квадратов отклонений наблюдаемых значений признака от среднего значения.

Для различных значений x 1 , x 2 , x 3 , …, x n признака выборочной совокупности объема n имеем:

Если значения признака имеют соответствующие частоты n 1 +n 2 +…+n k = n , то

Выборочным среднеквадратическим отклонением (стандартом) называется квадратный корень из выборочной дисперсии.

Пример:

Выборочная совокупность задана таблицей распределения. Найдите выборочную дисперсию.

Решение:

Теорема: Дисперсия равна разности среднего квадратов значений признака и квадрата общего среднего.

Пример:

Найдите дисперсию по данному распределению.

Решение:

8. Статистические оценки параметров распределения

Пусть генеральная совокупность исследуется по некоторой выборке. При этом можно получить лишь приближенное значение неизвестного параметра Q , который служит его оценкой. Очевидно, что оценки могут изменяться от одной выборки к другой.

Статистической оценкой Q * неизвестного параметра теоретического распределения называется функция f , зависящая от наблюдаемых значений выборки. Задачей статистического оценивания неизвестных параметров по выборке заключается в построении такой функции от имеющихся данных статистических наблюдений, которая давала бы наиболее точные приближенные значения реальных, не известных исследователю, значений этих параметров.

Статистические оценки делятся на точечные и интервальные, в зависимости от способа их предоставления (числом или интервалом).

Точечной называют статистическую оценку параметра Q теоретического распределения определяемую одним значением параметра Q *=f (x 1 , x 2 , ..., x n), где x 1 , x 2 , ..., x n - результаты эмпирических наблюдений над количественным признаком Х некоторой выборки.

Такие оценки параметров, полученные по разным выборкам, чаще всего отличаются друг от друга. Абсолютная разность /Q *-Q / называют ошибкой выборки (оценивания).

Для того, чтобы статистические оценки давали достоверные результаты об оцениваемых параметрах, необходимо, чтобы они были несмещенными, эффективными и состоятельными.

Точечная оценка , математическое ожидание которой равно (не равно) оцениваемому параметру, называется несмещенной (смещенной) . М(Q *)=Q .

Разность М(Q *)-Q называют смещением или систематической ошибкой . Для несмещенных оценок систематическая ошибка равна 0.

Эффективной оценку Q *, которая при заданном объеме выборки n имеет наименьшую возможную дисперсию: D min (n = const ). Эффективная оценка имеет наименьший разброс по сравнению с другими несмещенными и состоятельными оценками.

Состоятельной называют такую статистическую оценку Q *, которая при n стремится по вероятности к оцениваемому параметру Q , т.е. при увеличении объема выборки n оценка стремится по вероятности к истинному значению параметра Q .

Требование состоятельности согласуется с законом больших числе: чем больше исходной информации об исследуемом объекте, тем точнее результат. Если объем выборки мал, то точечная оценка параметра может привести к серьезным ошибкам.

Любую выборку (объема n ) можно рассматривать как упорядоченный набор x 1 , x 2 , ..., x n независимых одинаково распределенных случайных величин.

Выборочные средние для различных выборок объема n из одной и той же генеральной совокупности будут различны. Т. е. выборочное среднее можно рассматривать как случайную величину, а значит, можно говорить о распределении выборочного среднего и его числовых характеристиках.

Выборочное среднее удовлетворяет всем накладываемым к статистическим оценкам требованиям, т.е. дает несмещенную, эффективную и состоятельную оценку генерального среднего.

Можно доказать, что . Таким образом, выборочная дисперсия является смещенной оценкой генеральной дисперсии, давая ее заниженное значение. Т. е. при небольшом объеме выборки она будет давать систематическую ошибку. Для несмещенной, состоятельной оценки достаточно взять величину , которую называют исправленной дисперсией. Т. е.

На практике для оценки генеральной дисперсии применяют исправленную дисперсию при n < 30. В остальных случаях ( n >30) отклонение от малозаметно. Поэтому при больших значениях n ошибкой смещения можно пренебречь.

Можно так же доказать,что относительная частота n i / n является несмещенной и состоятельной оценкой вероятности P (X =x i ). Эмпирическая функция распределения F *(x ) является несмещенной и состоятельной оценкой теоретической функции распределения F (x )= P (X < x ).

Пример:

Найдите несмещенные оценки математического ожиданияи дисперсии по таблице выборки.

Решение:

Объем выборки n =20.

Несмещенной оценкой математического ожидания является выборочное среднее.

Для вычисления несмещенной оценки дисперсии сначала найдем выборочную дисперсию:

Теперь найдем несмещенную оценку:

9. Интервальные оценки параметров распределения

Интервальной называется статистическая оценка, определяемая двумя числовыми значениями- концами исследуемого интервала.

Число > 0, при котором | Q - Q *|< , характеризует точность интервальной оценки.

Доверительным называется интервал , который с заданной вероятностью покрывает неизвестное значение параметра Q . Дополнение доверительного интервала до множества всех возможных значений параметра Q называется критической областью . Если критическая область расположена только с одной стороны от доверительного интервала, то доверительный интервал называется односторонним: левосторонним , если критическая область существует только слева, и правосторонним- если только справа. В противном случае, доверительный интервал называется двусторонним .

Надежностью, или доверительной вероятностью, оценки Q (с помощью Q *) называют вероятность, с которой выполняется следующее неравенство: | Q - Q *|< .

Чаще всего доверительную вероятность задают заранее (0,95; 0,99; 0,999) и на нее накладывают требование быть близкой к единице.

Вероятность называют вероятностью ошибки, или уровнем значимости.

Пусть | Q - Q *|< , тогда . Это означает, что с вероятностью можно утверждать, что истинное значение параметра Q принадлежит интервалу . Чем меньше величина отклонения , тем точнее оценка.

Границы (концы) доверительного интервала называют доверительными границами, или критическими границами.

Значения границ доверительного интервала зависят от закона распределения параметра Q *.

Величину отклонения равную половине ширины доверительного интервала, называют точностью оценки.

Методы построения доверительных интервалов впервые были разработаны американским статистом Ю. Нейманом. Точность оценки , доверительная вероятность и объем выборки n связаны между собой. Поэтому, зная конкретные значения двух величин, всегда можно вычислить третью.

Нахождение доверительного интервала для оценки математического ожидания нормального распределения, если известно среднеквадратическое отклонение.

Пусть произведена выборка из генеральной совокупности, подчиненной закону нормального распределения. Пусть известно генеральное среднеквадратическое отклонение , но неизвестно математическое ожидание теоретического распределения a ( ).

Справедлива следующая формула:

Т.е. по заданному значению отклонения можно найти, с какой вероятностью неизвестное генеральное среднее принадлежит интервалу . И наоборот. Из формулы видно, что при возрастании объема выборки и фиксированной величине доверительной вероятности величина - уменьшается, т.е. точность оценки увеличивается. С увеличением надежности (доверительной вероятности), величина -увеличивается, т.е. точность оценки уменьшается.

Пример:

В результате испытаний были получены следующие значения -25, 34, -20, 10, 21. Известно, что они подчиняются закону нормального распределения с среднеквадратическим отклонением 2. Найдите оценку а* для математического ожидания а. Постройте для него 90%-ый доверительный интервал.

Решение:

Найдем несмещенную оценку

Тогда

Доверительный интервал для а имеет вид: 4 – 1,47< a < 4+ 1,47 или 2,53 < a < 5, 47

Нахождение доверительного интервала для оценки математического ожидания нормального распределения, если неизвестно среднеквадратическое отклонение.

Пусть известно, что генеральная совокупность подчинена закону нормального распределения, где неизвестны а и . Точность доверительного интервала, покрывающего с надежностью истинное значение параметра а, в данном случае вычисляется по формуле:

, где n - объем выборки, , - коэффициент Стьюдента (его следует находить по заданным значениям n и из таблицы «Критические точки распределения Стьюдента»).

Пример:

В результате испытаний были получены следующие значения -35, -32, -26, -35, -30, -17. Известно, что они подчиняются закону нормального распределения. Найдите доверительный интервал для математического ожидания а генеральной совокупности с доверительной вероятностью 0,9.

Решение:

Найдем несмещенную оценку .

Найдем .

Тогда

Доверительный интервал примет вида (-29,2 - 5,62; -29,2 + 5,62) или (-34,82; -23,58).

Нахождение доверительного интерла для дисперсии и среднеквадратического отклонения нормального распределения

Пусть из некоторой генеральной совокупности значений, распределенной по нормальному закону, взята случайная выборка объема n < 30, для которой вычислены выборочные дисперсии: смещенная и исправленная s 2 . Тогда для нахождения интервальных оценок с заданной надежностью для генеральной дисперсии D генерального среднеквадратического отклонения используются следующие формулы.

или ,

Значения - находят с помощью таблицы значений критических точек распределения Пирсона.

Доверительный интервал для дисперсии находится из этих неравенств путем возведения всех частей неравенства в квадрат.

Пример:

Было проверено качество 15 болтов. Предполагая, что ошибка при их изготовлении подчинена нормальному закону распределения, причем выборочное среднеквадратическое отклонение равно 5 мм, определить с надежностью доверительный интервал для неизвестного параметра

Границы интервала представим в виде двойного неравенства:

Концы двустороннего доверительного интервала для дисперсии можно определить и без выполнения арифметических действий по заданному уровню доверия и объему выборки с помощью соответствующей таблицы (Границы доверительных интервалов для дисперсии в зависимости от числа степеней свободы и надежности). Для этого полученные из таблицы концы интервала умножают на исправленную дисперсию s 2 .

Пример:

Решим предыдущую задачу другим способом.

Решение:

Найдем исправленную дисперсию:

По таблице «Границы доверительных интервалов для дисперсии в зависимости от числа степеней свободы и надежности» найдем границы доверительного интервала для дисперсии при k =14 и : нижняя граница 0,513 и верхняя 2,354.

Умножим полученные границы на s 2 и извлечем корень (т.к. нам нужен доверительный интервал не для дисперсии, а для среднеквадратического отклонения).

Как видно из примеров, величина доверительного интервала зависит от способа его построения и дает близкие между собой, но неодинаковые результаты.

При выборках достаточно большого объема (n >30) границы доверительного интервала для генерального среднеквадратического отклонения можно определить по формуле: - некоторое число, которое табулировано и приводится в соответствующей справочной таблице.

Если 1- q <1, то формула имеет вид:

Пример:

Решим предыдущую задачу третьим способом.

Решение:

Ранее было найдено s = 5,17. q (0,95; 15) = 0,46 – находим по таблице.

Тогда:

виды выборки:

Собственно-случайная;

Механическая;

Типическая;

Серийная;

Комбинированная.

Собственно-случайная выборка заключается в отборе единиц из генеральной совокупности наугад или наудачу без каких-либо элементов системности. Однако прежде чем производить собственно-случайный отбор, необходимо убедиться, что все без исключения единицы генеральной совокупности имеют абсолютно равные шансы попадания в выборку, в списках или перечне отсутствуют пропуски, игнорирования отдельных единиц и т.п. Следует также установить четкие границы генеральной совокупности таким образом, чтобы включение или невключение в нее отдельных единиц не вызывало сомнений. Так, например, при обследовании студентов необходимо указать, будут ли приниматься во внимание лица, находящиеся в академическом отпуске, студенты негосударственных вузов, военных училищ и т.п.; при обследовании торговых предприятий важно определиться, включит ли генеральная совокупность торговые павильоны, коммерческие палатки и прочие подобные объекты. Собственно-случайный отбор может быть как повторным, так и бесповторным. Для проведения бесповторного отбора в процессе жеребьевки выпавшие жребии обратно в исходную совокупность не возвращаются и в дальнейшем отборе не участвуют. При использовании таблиц случайных чисел бесповторность отбора достигается пропуском чисел в случае их повторения в выбранном столбце или столбцах.

Механическая выборка применяется в случаях, когда генеральная совокупность каким-либо образом упорядочена, т.е. имеется определенная последовательность в расположении единиц (табельные номера работников, списки избирателей, телефонные номера респондентов, номера домов и квартир и т.п.).

Генеральную совокупность при механическом отборе можно ранжировать или упорядочить по величине изучаемого или коррелирующего с ним признака, что позволит повысить репрезентативность выборки. Однако в этом случае возрастает опасность систематической ошибки, связанной с занижением значений изучаемого признака (если из каждого интервала регистрируется первое значение) или с его завышением (если из каждого интервала регистрируется последнее значение). Поэтому целесообразно отбор начинать с середины первого интервала

Типический отбор. Этот способ отбора используется в тех случаях, когда все единицы генеральной совокупности можно разбить на несколько типических групп. При обследовании населения такими группами могут быть, например, районы, социальные, возрастные или образовательные группы, при обследовании предприятий – отрасль или под-отрасль, форма собственности и т.п. Типический отбор предполагает выборку единиц из каждой типической группы собственно-случайным или механическим способом. Поскольку в выборочную совокупность в той или иной пропорции обязательно попадают представители всех групп, типизация генеральной совокупности позволяет исключить влияние межгрупповой дисперсии на среднюю ошибку выборки, которая в этом случае определяется только внутригрупповой вариацией.

Отбор единиц в типическую выборку может быть организован либо пропорционально объему типических групп, либо пропорционально внутригрупповой дифференциации признака.

Серийный отбор. Данный способ отбора удобен в тех случаях, когда единицы совокупности объединены в небольшие группы или серии. В качестве таких серий могут рассматриваться упаковки с определенным количеством готовой продукции, партии товара, студенческие группы, бригады и другие объединения. Сущность серийной выборки заключается в собственно-случайном или механическом отборе серий, внутри которых производится сплошное обследование единиц.

Тема: Выборочный метод в статистике

1. Понятие о выборочном наблюдении, его задачи

Статистическое наблюдение можно органи­зовать сплошное и несплошное. Сплошное наблюдение предусмат­ривает обследование всех единиц изучаемой совокупности и свя­зано с большими трудовыми и материальными затратами. Изуче­ние не всех единиц совокупности, а лишь некоторой части, по ко­торой следует судить о свойствах всей совокупности в целом, мож­но осуществить несплошным наблюдением. В статистической прак­тике самым распространенным является выборочное наблюдение.

Выборочное наблюдение - это такой вид несплошного наблюдения, при котором отбор подлежащих обследованию единиц осуществляется в случайном порядке, отобранная часть изучается, а результаты распро­страняются на всю исходную совокупность. Наблюдение организует­ся таким образом, что эта часть отобранных единиц в уменьшенном масштабе репрезентирует (представляет) всю совокупность.

Совокупность, из которой производится отбор, называется ге­неральной, генеральными.

Совокупность отобранных единиц именуют выборочной сово­купностью, и все ее обобщающие показатели - выборочными.

Имеется ряд причин, в силу которых, во многих слу­чаях выборочному наблюдению отдается предпочтение перед сплошным. Наиболее существенны из них следующие:

Экономия времени и средств в результате сокращения объ­ема работы;

Сведение к минимуму порчи или уничтожения исследуемых объектов (определение прочности пряжи при разрыве, ис­пытание электрических лампочек на продолжительность горения, проверка консервов на доброкачественность);

Необходимость детального исследования каждой единицы наблюдения при невозможности охвата всех единиц (при изучении бюджета семей);

Достижение большой точности результатов обследова­ния благодаря сокращению ошибок, происходящих при регистрации.

Преимущество выборочного наблюдения по сравнению со сплошным можно реализовать, если оно организовано и проведено в строгом соответствии с научными принципами теории выбороч­ного метода. Такими принципами являются: обеспечение случайно­сти (равной возможности попадания в выборку) отбора единиц и достаточного их числа. Соблюдение этих принципов позволяет по­лучить объективную гарантию репрезентативности полученной вы­борочной совокупности. Понятие репрезентативности отобранной совокупности не следует понимать как ее представительство по всем признакам изучаемой совокупности, а только в отношении тех признаков, которые изучаются или оказывают существенное влияние на формирование сводных обобщающих характеристик.

Основная задача выборочного наблюдения в экономике со­стоит в том, чтобы на основе характеристик выборочной сово­купности (средней и доли) получить достоверные суждения о показателях средней и доли в генеральной совокупности. При этом следует иметь в виду, что при любых статистических ис­следованиях (сплошных и выборочных) возникают ошибки двух видов: регистрации и репрезентативности.

Ошибки регистрации могут иметь случайный (непреднамеренный) и систематический (тенденциозный) характер. Случайные ошибки обычно уравновешивают друг друга, поскольку не имеют преимущественного направления в сторону преувеличения или преуменьшения значения изучаемого показателя. Систематические ошибки направлены в одну сторону вследствие преднамеренного нарушения правил отбора (предвзятые цели). Их можно избежать при правильной организации и проведении наблюдения.

Ошибки репрезентативности присущи только выборочно­му наблюдению и возникают в силу того, что выборочная сово­купность не полностью воспроизводит генеральную. Они пред­ставляют собой расхождение между значениями показателей, по­лученных по выборке, и значениями показателей этих же вели­чин, которые были бы получены при проведенном с одинаковой степенью точности сплошном наблюдении, т. е. между величи­нами выборных и соответствующих генеральных показателей.

Для каждого конкретного выборочного наблюдения значе­ние ошибки репрезентативности может быть определено по со­ответствующим формулам, которые зависят от вида, метода и способа формирования выборочной совокупности.

По виду различают индивидуальный, групповой и комби­нированный отбор. При индивидуальном отборе в выборочную совокупность отбираются отдельные единицы генеральной со­вокупности; при групповом отборе - качественно однородные группы или серии изучаемых единиц; комбинированный отбор предполагает сочетание первого и второго видов.

По методу отбора различают повторную и бесповтор­ную выборки.

При повторной выборке общая численность единиц генеральной совокупности в процессе выборки остается неизменной. Ту или иную единицу, попавшую в выборку, после регистрации снова возвращают в генеральную совокупность, и она сохраняет равную возможность со всеми прочими единицами при повторном отборе единиц вновь попасть в выборку («отбор по схеме возвращенного шара»). Повторная выборка в социально-экономической жизни встречается редко. Обычно выборку организуют по схеме беспо­вторной выборки.

При бесповторной выборке единица совокупности, попавшая в выборку, в генеральную совокупность не возвращается и в дальнейшем в выборке не участвует; т. е. последующую выборку делают из генеральной совокупности уже без отобранных ранее единиц («отбор по схеме невозвращенного шара»). Таким обра­зом, при бесповторной выборке численность единиц генераль­ной совокупности сокращается в процессе исследования.

Способ отбора определяет конкретный механизм или процедуру выборки единиц из генеральной совокупности.

По степени охвата единиц совокупности различают большие и малые (n <30) выборки.

В практике выборочных исследований наибольшее распро­странение получили следующие виды выборки: собственно-случайная, механическая, типическая, серийная, комбинированная.

Основные характеристики параметров гене­ральной и выборочной совокупностей обозначаются символами:

N-объем генеральной совокупности (число входящих в нее единиц);

п - объем выборки (число обследованных единиц);

- генеральная средняя (среднее значение признака в генеральной совокупности);

Выборочная средняя;

P - генеральная доля (доля единиц, обладающих дан­ным значением признака в общем числе единиц генеральной совокупности);

w - выборочная доля;

- генеральная дисперсия (дисперсия признака в ге­неральной совокупности);

S 2 - выборочная дисперсия того же признака;

- среднее квадратическое отклонение в генеральной совокупности;

S - среднее квадратическое отклонение в выборке.

2. Ошибки выборки

При выборочном наблюдении должна быть обеспечена слу­чайность отбора единиц. Каждая единица должна иметь равную с другими возможность быть отобранной. Именно на этом ос­новывается собственно-случайная выборка.

К собственно-случайной выборке относится отбор единиц из всей генеральной совокупности (без предварительного рас­членения ее на какие-либо группы) посредством жеребьевки (преимущественно) или какого-либо иного подобного спосо­ба, например, с помощью таблицы случайных чисел. Случай­ный отбор - это отбор не беспорядочный. Принцип случай­ности предполагает, что на включение или исключение объ­екта из выборки не может повлиять какой-либо фактор, кро­ме случая. Примером собственно-случайного отбора могут служить тиражи выигрышей: из общего количества выпущен­ных билетов наугад отбирается определенная часть номеров, на которые приходятся выигрыши. Причем всем номерам обеспечивается равная возможность попадания в выборку. При этом количество отобранных в выборочную совокупность единиц обычно определяется исходя из принятой доли выборки.

Доля, выборки есть отношение числа единиц выборочной со­вокупности к числу единиц генеральной совокупности:

Так, при 5%-ной выборке из партии деталей в 1000 ед. объ­ем выборки п составляет 50 ед., а при 10%-ной выборке -100 ед. и т.д. При правильной научной организации выборки ошибки репрезентативности можно свести к минимальном значениям, в результате - выборочное наблюдение становится достаточно точным.

Собственно-случайный отбор «в чистом виде» применяет­ся в практике выборочного наблюдения редко, но он является исходным среди всех других видов отбора, в нем заключаются и реализуются основные принципы выборочного наблюдения.

Рассмотрим некоторые вопросы теории выборочного метода и формулы ошибок для простой случайной выборки.

Применяя выборочный метод в статистике, обычно используют два основных вида обобщающих показателей: среднюю величину ко­личественного признака и относительную величину альтернативного признака (долю или удельный вес единиц в статистической сово­купности, которые отличаются от всех других единиц этой сово­купности только наличием изучаемого признака).

Выборочная доля ( w ), или частость, определяется отношением числа единиц, обладающих изучаемым признаком т, к общему числу единиц выборочной совокупности п:

w = т/п.

Например, если из 100 деталей выборки (и = 100), 95 деталей оказались стандартными (т =95), то выборочная доля

w = 95 / 100 = 0,95 .

Для характеристики надежности выборочных показателей различают среднюю и предельную ошибки выборки.

Ошибка выборки или, иначе говоря, ошибка репрезента­тивности представляет собой разность соответствующих выбо­рочных и генеральных характеристик:

(1)

(2)

Ошибка выборки свойственна только выборочным наблюде­ниям. Чем больше значение этой ошибки, тем в большей степе­ни выборочные показатели отличаются от соответствующих ге­неральных показателей.

Выборочная средняя и выборочная доля по своей сути яв­ляются случайными величинами, которые могут принимать раз­личные значения в зависимости от того, какие единицы сово­купности попали в выборку. Следовательно, ошибки выборки также являются случайными величинами и могут принимать различные значения. Поэтому определяют среднюю из возмож­ных ошибок - среднюю ошибку выборки.

От чего зависит средняя ошибка выборки! При соблюдении принципа случайного отбора средняя ошибка выборки определяется, прежде всего объемом выборки: чем больше численность при прочих равных условиях, тем меньше величина средней ошибки выборки. Охватывая выборочным обследованием все большее количество единиц генеральной совокупности, всё более точно характеризуем всю генеральную совокупность.

Средняя ошибка выборки также зависит от степени варьи­рования изучаемого признака. Степень варьирования, как из­вестно, характеризуется дисперсией или w (1 - w ) - для альтернативного признака. Чем меньше вариация признака, а следовательно, и дисперсия, тем меньше средняя ошибка вы­борки, и наоборот. При нулевой дисперсии (признак не варь­ирует) средняя ошибка выборки равна нулю, т. е. любая еди­ница генеральной совокупности будет совершенно точно ха­рактеризовать всю совокупность по этому признаку.

Зависимость средней ошибки выборки от ее объема и степе­ни варьирования признака отражена в формулах, с помощью которых можно рассчитать среднюю ошибку выборки в услови­ях выборочного наблюдения, когда генеральные характеристики (х,р) неизвестны, и следовательно, не представляется возмож­ным нахождение реальной ошибки выборки непосредственно по формулам (1), (2).

При случайном повторном отборе средние ошибки теоретически рассчитывают по следующим формулам:

для средней количественного признака

(3)

для доли (альтернативного признака)

(4)

Поскольку практически дисперсия признака в генеральной совокупности точно неизвестна, на практике пользуются

значением дисперсии S 2 , рассчитанным для выборочной сово­купности на основании закона больших чисел, согласно кото­рому выборочная совокупность при достаточно большом объеме выборки достаточно точно воспроизводит характеристики гене­ральной совокупности.

Таким образом, расчетные формулы средней ошиб­ки выборки при случайном повторном отборе будут следующие:

для средней количественного признака

для доли (альтернативного признака)

(6)

Однако дисперсия выборочной совокупности не равна диспер­сии генеральной совокупности, и следовательно, средние ошибки выборки, рассчитанные по формулам (5) и (6), будут прибли­женными. Но в теории вероятностей доказано, что генеральная дисперсия выражается через выборочную следующим соотношением:

(7)

Так как п / (n -1) при достаточно больших п - величина, близкая к единице, то можно принять, что = S 2 , а следова­тельно, в практических расчетах средних ошибок выборки мож­но использовать формулы (5) и (6). И только в случаях ма­лой выборки (когда объем выборки не превышает 30) необхо­димо учитывать коэффициент п/(п-1) и исчислять среднюю ошибку малой выборки по формуле:

(8)

в приведенные выше формулы расчета средних ошибок выборки необходимо подко­ренное выражение умножить на 1-(п/ N ), поскольку в процес­се бесповторной выборки сокращается численность единиц ге­неральной совокупности. Следовательно, для бесповторной вы­борки расчетные формулы средней ошибки выборки примут такой вид:

для средней количественного признака

(9)

для доли (альтернативного признака)

(10)

Так как п всегда меньше N , то дополнительный множи­тель 1 - (n / N ) всегда будет меньше единицы. Отсюда следу­ет, что средняя ошибка при бесповторном отборе всегда будет меньше, чем при повторном. В то же время при сравнительно небольшом проценте выборки этот множитель близок к еди­нице (например, при 5%-ной выборке он равен 0,95; при 2%-ной - 0,98 и т.д.). Поэтому иногда на практике пользуются для определения средней ошибки выборки формулами (5) и (6) без указанного множителя, хотя выборку и организуют как бесповторную. Это имеет место в тех случаях, когда число единиц генеральной совокупности N неизвестно или безгра­нично, или когда п очень мало по сравнению с N, и по су­ществу, введение дополнительного множителя, близкого по значению к единице, практически не повлияет на значение средней ошибки выборки.

Механическая выборка состоит в том, что отбор единиц в выборочную совокупность из генеральной, разбитой по ней­тральному признаку на равные интервалы (группы), произво­дится таким образом, что из каждой такой группы в выборку отбирается лишь одна единица. Чтобы избежать систематиче­ской ошибки, отбираться должна единица, которая находится в середине каждой группы.

При организации механического отбора единицы совокуп­ности предварительно располагают (обычно в списке) в опре­деленном порядке (например, по алфавиту, местоположению, в порядке возрастания или убывания значений какого-либо по­казателя, не связанного с изучаемым свойством, и т.д.), после чего отбирают заданное число единиц механически, через оп­ределенный итервал. При этом размер интервала в генеральной совокупности равен обратному значению доли выборки. Так, при 2%-ной выборке отбирается и проверяется каждая 50-я единица (1: 0,02), при 5 %-ной выборке - каждая 20-я едини­ца (1: 0,05), например, сходящая со станка деталь.

При достаточно большой совокупности механический отбор по точности результатов близок к собственно-случайному. По­этому для определения средней ошибки механической выборки используют формулы собственно-случайной бесповторной вы­борки (9), (10).

Для отбора единиц из неоднородной совокупности применя­ется, так называемая типическая выборка, которая используется в тех случаях, когда все единицы генеральной совокупности можно разбить на несколько качественно однородных, однотипных групп по признакам, влияющим на изучаемые показатели.

При обследовании предприятий такими группами могут быть, например, отрасль и подотрасль, формы собственности. Затем из каждой типической группы собственно-случайной или механической выборкой производится индивидуальный отбор единиц в выборочную совокупность.

Типическая выборка обычно применяется при изучении слож­ных статистических совокупностей. Например, при выборочном обследовании семейных бюджетов рабочих и служащих в отдель­ных отраслях экономики, производительности труда рабочих пред­приятия, представленных отдельными группами по квалификации.

Типическая выборка дает более точные результаты по сравнению с другими способами отбора единиц в выбороч­ную совокупность. Типизация генеральной совокупности обеспечивает репрезентативность такой выборки, представи­тельство в ней каждой типологической группы, что позволяет исключить влияние межгрупповой дисперсии на среднюю ошибку выборки,

При определении средней ошибки типической выборки в ка­честве показателя вариации выступает средняя из внутригрупповых дисперсий.

Среднюю ошибку выборки находят по формулам:

для средней количественного признака

(повторный отбор); (11)

(бесповторный отбор); ( 12)

для доли (альтернативного признака)

(повторный отбор); (13)

(бесповторный отбор), (14)

где - средняя из внутригрупповых дисперсий по вы­борочной совокупности;

Средняя из внутригрупповых дисперсий доли (альтер­нативного

признака) по выборочной совокупности.

Серийная выборка предполагает случайный отбор из генераль­ной совокупности не отдельных единиц, а их равновеликих групп (гнезд, серий) с тем, чтобы в таких группах подвергать наблюде­нию все без исключения единицы.

Применение серийной выборки обусловлено тем, что многие товары для их транспортировки, хранения и продажи упаковываются в пачки, ящики и т.п. Поэтому при контроле качества упакованного товара рациональнее проверить не­сколько упаковок (серий), чем из всех упаковок отбирать не­обходимое количество товара.

Поскольку внутри групп (серий) обследуются все без исключе­ния единицы, средняя ошибка выборки (при отборе равновеликих серий) зависит только от межгрупповой (межсерийной) дисперсии.

Среднюю ошибку выборки для средней количественного при­знака при серийном отборе находят по формулам:

(повторный отбор); (15 )

(бесповторный отбор), (16 )

где r - число отобранных серий; R - общее число серий.

Межгрупповую дисперсию серийной выборки вычисляют сле­дующим образом:

где - средняя i-й серии; - общая средняя по всей выбо­рочной совокупности.

Средняя ошибка выборки для доли (альтернативного при­знака) при серийном отборе:

(повторный отбор); (17 )

(бесповторный отбор). (18 )

Межгрупповую (межсерийную) дисперсию доли серийной вы­борки определяют по формуле:

(19)

где w i - доля признака в i-и серии; - общая доля признака во всей выборочной совокупности.

В практике статистических обследований помимо рассмот­ренных ранее способов отбора применяется их комбинация (комбинированный отбор).

3. Распространение выборочных результатов на генеральную совокупность

Конечной целью выборочного наблюдения является ха­рактеристика генеральной совокупности на основе выбороч­ных результатов.

Выборочные средние и относительные величины распро­страняют на генеральную совокупность с учетом предела их возможной ошибки.

В каждой конкретной выборке расхождение между выбороч­ной средней и генеральной, т. е. может быть меньше средней ошибки выборки , равно ей или больше ее.

Причем каждое из этих расхождений имеет различную веро­ятность (объективную возможность появления события). По­этому фактические расхождения между выборочной средней и генеральной можно рассматривать как некую предельную ошибку, связанную со средней ошибкой и гарантируемую с оп­ределенной вероятностью Р.

Предельную ошибку выборки для средней () при повторном отборе можно рассчитать по формуле:

(20)

где t - нормированное отклонение - «коэффициент доверия», за­висящий от вероятности, с которой гарантируется предельная ошибка выборки;

Средняя ошибка выборки.

Аналогичным образом может быть записана формула предельной ошибки выборки для доли при повторном отборе:

(21)

При случайном бесповторном отборе в формулах расчета пре­дельных ошибок выборки (20) и (21) необходимо умножить подкоренное выражение на 1 - (n / N ) .

Формула предельной ошибки выборки вытекает из основных положений теории выборочного метода, сформулированных в ряде теорем теории вероятностей, отражающих закон больших чисел.

На основании теоремы П.Л. Чебышева (с уточ­нениями А.М. Ляпунова) с вероятностью, сколь угодно близкой к единице, можно утверждать, что при достаточно большом объеме выборки и ограниченной генеральной дисперсии выборочные обоб­щающие показатели (средняя, доля) будут сколь угодно мало отли­чаться от соответствующих генеральных показателей.

Применительно к нахождению среднего значения признака эта теорема может быть записана так:

(22)

а для доли признака:

(23 )

где(24)

Таким образом, величина предельной ошибки выборки мо­жет быть установлена с определенной вероятностью.

Значения функции Ф( t ) при различных значениях t как ко­эффициента кратности средней ошибки выборки, определяются на основе специально составленных таблиц. Приведем некото­рые значения, применяемые наиболее часто для выборок дос­таточно большого объема (n 30):

t 1,000 1,960 2,000 2,580 3,000

Ф( t ) 0,683 0,950 0,954 0,990 0,997

Предельная ошибка выборки отвечает на вопрос о точности выборки с определенной вероятностью, значение которой оп­ределяется коэффициентом t (в практических расчетах, как правило, заданная вероятность не должна быть менее 0,95). Так, при t = 1 предельная ошибка составит = . Следова­тельно, с вероятностью 0,683 можно утверждать, что разность между выборочными и генеральными показателями не превы­сит одной средней ошибки выборки. Другими словами, в 68,3% случаев ошибка репрезентативности не выйдет за пределы ±1.

При t = 2 с вероятностью 0,954 она не выйдет за пределы ±2 ,

при t = 3 с вероятностью 0,997 - за пределы ±3 и т.д.

Как видно из приведённых выше значений функции Ф (t ) (см. последнее значение), вероятность появления ошибки, равной или большей утроенной средней ошибки выборки, т. е. 3 крайне мала и равна 0,003, т. е. 1-0,997. Такие маловероятные события считаются практически невозможными, а потому величину = 3можно принять за предел возможной ошибки выборки.

Выборочное наблюдение проводится в целях распростране­ния выводов, полученных по данным выборки, на генеральную совокупность. Одной из основных задач является оценка по данным выборки исследуемых характеристик (параметров) гене­ральной совокупности.

Предельная ошибка выборки позволяет определить предель­ные значения характеристик генеральной совокупности и их дове­рительные интервалы:

для средней (25)

для доли (26)

Это означает, что с заданной вероятностью можно утвер­ждать, что значение генеральной средней следует ожидать в пределах от - до +

Аналогичным образом может быть записан доверительный интервал генеральной доли:

Наряду с абсолютным значением предельной ошибки вы­борки рассчитывается и предельная относительная ошибка выбор­ки, которая определяется как процентное отношение предель­ной ошибки выборки к соответствующей характеристике выбо­рочной совокупности:

для средней, %: (27)

для доли, %: (28)

Рассмотрим нахождение средних и предельных ошибок вы­борки, определение доверительных пределов средней и доли на конкретных примерах.

Задача 1. Для определения скорости расчетов с кредиторами предприятий корпорации в коммерческом банке была проведена случайная выборка 100 платежных документов, по которым сред­ний срок перечисления и получения денег оказался равным 22 дням ( = 22) со стандартным отклонением 6 дней (S= 6).

Необходимо с вероятностью Р = 0,954 определить пре­дельную ошибку выборочной средней и доверительные пределы средней продолжительности расчетов предприятий данной кор­порации.

Решение. Предельную ошибку = t определяем по формуле по­вторного отбора (6.20), так как численность генеральной совокупности N неизвестна. Из представленных значений Ф (t ) (см. с. 98) для вероятности Р = 0,954 находим t = 2.

Следовательно, предельная ошибка выборки, дней:

Генеральная средняя будет равна = ± , а доверительные интервалы (пределы) генеральной средней исчисляем, исходя из двойного неравенства:

Таким образом, с вероятностью 0,954 можно утверждать, что средняя продолжительность расчетов предприятий данной корпо­рации колеблется в пределах от 20,8 до 23,2 дней.

Задача 2. Среди выборочно обследованных 1000 семей региона по уровню душевого дохода (выборка 2%-ная, механическая) мало­обеспеченных оказалось 300 семей.

Требуется с вероятностью 0,997 определить долю мало­обеспеченных семей во всем регионе.

Решение. Выборочная доля (доля малообеспеченных семей сре­ди обследованных семей) равна:

По представленным ранее данным Ф(t ) для вероятности 0,997 находим t = 3 (см. с. 99). Предельную ошибку доли определя­ем по формуле бесповторного отбора (механическая выборка всегда является бесповторной):

Предельная относительная ошибка выборки, %:

Генеральная доляа доверительные пределы генеральной доли исчисляем, исходя из двойного неравенства:

В нашем примере:

Таким образом, почти достоверно, с вероятностью 0,997 можно утверждать, что доля малообеспеченных семей среди всех семей региона колеблется от 28,6 до 31,4%.

Задача 3. Для определения урожайности зерновых культур про­ведено выборочное обследование 100 хозяйств региона различных форм собственности, в результате которого получены сводные дан­ные (табл.6.1). Необходимо с вероятностью 0,954 опреде­лить предельную ошибку выборочной средней и доверительные пределы средней урожайности зерновых культур по всем хозяйст­вам региона.

Таблица 6.1

Распределение урожайности по хозяйствам региона, имеющим различную форму собственности

Решение. Поскольку обследованные хозяйства региона сгруппи­рованы по формам собственности, предельную ошибку средней урожайности определяем по формуле для типической выборки, осуществляемой методом повторного отбора (численность гене­ральной совокупности N неизвестна):

В этой формуле неизвестна средняя из внутригрупповых дис­персий.

Она исчисляется по формуле:

По представленным ранее (см. с. 98) данным Ф (t ) для вероят­ности Р =0,954 находим t = 2.

Тогда предельная ошибка выборки, ц/га:

Генеральная средняя: = ± . Для нахождения ее границ вначале нужно исчислить среднюю урожайность по выборочной со­вокупности , ц/га:

Предельная относительная ошибка выборки, %:

Доверительные пределы генеральной средней исчисляем, исхо­дя из двойного неравенства:

Таким образом, с вероятностью 0,954 можно гарантировать, что средняя урожайность зерновых культур по региону будет не менее чем 20 ц/га, но и не более чем 22 ц/га.

Определение необходимого объема выборки. При проектирова­нии выборочного наблюдения с заранее заданным значением допустимой ошибки выборки очень важно правильно опреде­лить численность (объем) выборочной совокупности, которая с определенной вероятностью обеспечит заданную точность ре­зультатов наблюдения. Формулы для определения необходимой численности выборки п легко получить непосредственно из формул ошибок выборки.

Так, из формул предельной ошибки выборки для повтор­ного отбора нетрудно (предварительно возведя в квадрат обе части равенства) выразить необходимую численность выборки:

для средней количественного признака

для доли (альтернативного признака)

(30 )

Аналогично из формул предельной ошибки выборки для бес­повторного отбора находим, что

(для средней); (31 )

(для доли). (32 )

Эти формулы показывают, что с увеличением предполагае­мой ошибки выборки значительно уменьшается необходимый объем выборки.

Для расчета объема выборки нужно знать дисперсию. Она может быть заимствована из проводимых ранее обследований данной или аналогичной совокупности, а если таковых нет, то­гда для определения дисперсии надо провести специальное вы­борочное обследование небольшого объема.

Задача 4. Для определения среднего возраста 1200 студентов факультета необходимо провести выборочное обследование мето­дом случайного бесповторного отбора. Предварительно установле­но, что среднее квадратическое отклонение возраста студентов рав­но 10 годам.

Сколько студентов нужно обследовать, чтобы с вероятно­стью 0,954 средняя ошибка выборки не превышала 3 года?

Решение. Рассчитаем необходимую численность выборки, чел., по формуле бесповторного отбора (6.31), учитывая, что t = 2 при Р = 0,954:

Таким образом, выборка численностью 47 чел. обеспечивает задан­ную точность при бесповторном отборе.

Выборочный метод широко используется в статистической практике для получения экономической информации.

Большую актуальность приобретает выборочный метод в со­временных условиях перехода к рыночной экономике. Изменения в характере экономических отношений, аренда, собственность от­дельных коллективов и лиц обусловливают изменения функций учета и статистики, сокращение и упрощение отчетности. Вместе с тем, возрастающие требования к менеджменту усиливают потреб­ность в обеспечении надежной информацией, дальнейшего повы­шения ее оперативности. Все это обусловливает более широкое применение выборочного метода в экономике.

В отечественной статистике уже накоплен определенный опыт выборочных обследований.

Исследование обычно начинается с некоторого предположения, требую-щего проверки с привлечением фактов. Это предположение — гипотеза — формулируется в отношении связи явлений или свойств в некоторой сово-купности объектов.

Для проверки подобных предположений на фактах необходимо измерить соответствующие свойства у их носителей. Но невозможно измерить тревож-ность у всех женщин и мужчин, как невозможно измерить агрессивность у всех подростков. Поэтому при проведении исследования ограничиваются лишь относительно небольшой группой представителей соответствующих совокупностей людей.

Генеральная совокупность — это все множество объектов, в отношении ко-торого формулируется исследовательская гипотеза.

Например, все мужчины; или все женщины; или все жители какого-либо города. Генеральные совокупности, в отно-шении которых исследователь собирается сделать выводы по результатам ис-следования, могут быть по численности и более скромными, например, все первоклассники данной школы.

Таким образом, генеральная совокупность — это хотя и не бесконечное по численности, но, как правило, недоступное для сплошного исследования мно-жество потенциальных испытуемых.

Выборка или выборочная совокупность — это ограниченная по численности группа объектов (в психоло-гии — испытуемых, респондентов), специально отбираемая из генеральной совокупности для изучения ее свойств. Соответственно, изучение на выбор-ке свойств генеральной совокупности называется выборочным исследованием. Практически все психологические исследования являются выборочными, а их выводы распространяются на генеральные совокупности.

Таким образом, после того, как сформулирована гипотеза и определены соответствующие генеральные совокупности, перед исследователем возни-кает проблема организации выборки. Выборка должна быть такой, чтобы была обоснована генерализация выводов выборочного исследования — обобщение, распространение их на генеральную совокупность. Основные критерии обо-снованности выводов исследования — это репрезентативность выборки и ста-тистическая достоверность (эмпирических) результатов.

Репрезентативность выборки — иными словами, ее представительность — это способность выборки представлять изучаемые явления достаточно пол-но — с точки зрения их изменчивости в генеральной совокупности.

Конечно, полное представление об изучаемом явлении, во всем его диапа-зоне и нюансах изменчивости, может дать только генеральная совокупность. Поэтому репрезентативность всегда ограничена в той мере, в какой ограни-чена выборка. И именно репрезентативность выборки является основным кри-терием при определении границ генерализации выводов исследования. Тем не менее, существуют приемы, позволяющие получить достаточную для ис-следователя репрезентативность выборки (Эти приемы изучаются в курсе «Экспериментальная психология»).

Первый и основной прием — это простой случайный (рандомизированный) отбор. Он предполагает обеспечение таких условий, чтобы каждый член генеральной совокупности имел равные с другими шансы попасть в выборку. Слу-чайный отбор обеспечивает возможность попадания в выборку самых разных представителей генеральной совокупности. При этом принимаются специ-альные меры, исключающие появление какой-либо закономерности при отборе. И это позволяет надеяться на то, что в конечном итоге в выборке изу-чаемое свойство будет представлено если и не во всем, то в максимально воз-можном его многообразии.

Второй способ обеспечения репрезентативности — это стратифицирован-ный случайный отбор, или отбор по свойствам генеральной совокупности. Он предполагает предварительное определение тех качеств, которые могут вли-ять на изменчивость изучаемого свойства (это может быть пол, уровень дохо-да или образования и т. д.). Затем определяется процентное соотношение чис-ленности различающихся по этих качествам групп (страт) в генеральной совокупности и обеспечивается идентичное процентное соотношение соот-ветствующих групп в выборке. Далее в каждую подгруппу выборки испытуе-мые подбираются по принципу простого случайного отбора.

Статистическая достоверность , или статистическая значимость, результа-тов исследования определяется при помощи методов статистического выво-да.

Застрахованы ли мы от принятия ошибок при принятии решений, при тех или иных выводах из результатов исследования? Конечно, нет. Ведь наши решения опираются на результаты исследования выборочной совокупности, а также на уровень наших психологических знаний. Полностью мы не застрахованы от ошибок. В статистике такие ошибки считаются допустимыми, если они имеют место не чаще чем в одном случае из 1000 (вероятность ошибки α=0,001 или сопряженная с этим величина доверительная вероятность правильного вывода р=0,999); в одном случае из 100 (вероятность ошибки α=0,01 или сопряженная с этим величина доверительная вероятность правильного вывода р=0,99) или в пяти случаях из 100 (вероятность ошибки α=0,05 или сопряженная с этим величина доверительная вероятность правильного вывода р=0,95). Именно на двух последних уровнях и принято принимать решения в психологии.

Иногда, говоря о статистической достоверности, используют понятие «уровень значимости» (обозначается как α). Численные значения р и α дополняют друг друга до 1,000 — полный набор событий: либо мы сделали правильный вывод, либо мы ошиблись. Эти уровни не рассчитываются, они заданы. Уровень значимости можно понимать как некую «красную» линию», пересечение которой позволит говорить о данном событии как о неслучайном. В каждом грамотном научном отчете или публикации сделанные выводы должны сопровождаться указанием значений р или α, при которых сделаны выводы.

Методы статистического вывода подробно рассматриваются в курсе «Математической статистики». Сейчас лишь отметим, что они предъявляют определенные требования к численности, или объему выборки.

К сожалению, строгих рекомендаций по предварительному определению требуемого объема выборки не существует. Более того, ответ на вопрос о не-обходимой и достаточной ее численности исследователь обычно получает слишком поздно — только после анализа данных уже обследованной выбор-ки. Тем не менее, можно сформулировать наиболее общие рекомендации:

1. Наибольший объем выборки необходим при разработке диагностичес-кой методики — от 200 до 1000-2500 человек.

2. Если необходимо сравнивать 2 выборки, их общая численность должна быть не менее 50 человек; численность сравниваемых выборок должна быть приблизительно одинаковой.

3. Если изучается взаимосвязь между какими-либо свойствами, то объем выборки должен быть не меньше 30-35 человек.

4. Чем больше изменчивость изучаемого свойства , тем больше должен быть объем выборки. Поэтому изменчивость можно уменьшить, увеличивая однородность выборки, например, по полу, возрасту и т. д. При этом, естественно, уменьшаются возможности генерализации выводов.

Зависимые и независимые выборки. Обычна ситуация исследования, когда интересующее исследователя свойство изучается на двух или более выборках с целью их дальнейшего сравнения. Эти выборки могут находиться в различ-ных соотношениях — в зависимости от процедуры их организации. Независи-мые выборки характеризуются тем, что вероятность отбора любого испытуе-мого одной выборки не зависит от отбора любого из испытуемых другой выборки. Напротив, зависимые выборки характеризуются тем, что каждому испытуемому одной выборки поставлен в соответствие по определенному критерию испытуемый из другой выборки.

В общем случае зависимые выборки предполагают попарный подбор ис-пытуемых в сравниваемые выборки, а независимые выборки — независимый отбор испытуемых.

Следует отметить, что случаи «частично зависимых» (или «частично неза-висимых») выборок недопустимы: это непредсказуемым образом нарушает их репрезентативность.

В заключение отметим, что можно выделить две парадигмы психологи-ческого исследования.

Так называемая R-методология предполагает изучение изменчивости некоторого свойства (психологического) под влиянием неко-торого воздействия, фактора либо другого свойства. Выборкой является мно-жество испытуемых.

Другой подход, Q-методология, предполагает исследо-вание изменчивости субъекта (единичного) под влиянием различных стимулов (условий, ситуаций и т. д.). Ей соответствует ситуация, когда выборкой явля-ется множество стимулов.