Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Статистика. Лекции.doc
Скачиваний:
514
Добавлен:
16.05.2015
Размер:
5 Мб
Скачать
☆
    1. Понятие о малой выборке

При большом числе единиц выборочной совокупности (n >100) распределение случайных ошибок выборочной средней в соответствии с теоремой А.М.Ляпунова нормально или приближается к нормальному по мере увеличения числа наблюдений.

Однако в практике статистических исследований в условиях рыночной экономики все чаще приходится сталкиваться с малыми выборками.

Малой выборкой называется такое выборочное наблюдение, численность единиц которого не превышает30.

Разработка теории малой выборки была начата английским статистиком В.С. ГОССЕТОМ (печатавшимся под псевдонимом СТЬЮДЕНТ). Он доказал, что оценка расхождения между средней малой выборки и генеральной средней имеет особый закон распределения.

При оценке результатов малой выборки величина генеральной совокупности не используется. Для определения возможных пределов ошибки пользуютсякритерием Стьюдента, определяемым по формуле:

, (6.20)

где - средняя ошибка малой выборки.

Величина вычисляется на основе данных выборочного наблюдения:.

Данная величина используется лишь для исследуемой совокупности, а не в качестве приближенной оценки в генеральной совокупности.

Предельная ошибка малой выборки () в зависимости от средней ошибки() представляется как

Однако для малой выборки величина коэффициента доверия t по другому связана с вероятностной оценкой, чем при большой выборке (так как, закон распределения отличается от нормального). Согласно установленному Стьюдентом закону распределения, вероятная ошибка распределения зависит как от величины коэффициента доверияt, так и от объема выборки. В таблице 6.4 приведен фрагмент таблицы распределения Стьюдента.

Таблица 6.4 - Распределение вероятностей в малых выборках в зависимости от

коэффициента доверия t и объема выборки

n

t

4

5

6

7

8

9

10

15

20

0,5

348

356

362

366

368

370

372

376

378

383

1,0

608

626

636

644

650

654

656

666

670

683

1,5

770

792

806

816

832

828

832

846

850

865

2,0

860

884

908

908

914

920

924

932

940

954

2,5

933

946

955

959

963

966

968

975

978

988

3,0

942

960

970

976

980

938

984

992

992

977

Примечание. 1. Для определения вероятности соответствующие табличные значения необходимо разделить на 1000

2. При n =приведены вероятности нормального распределения.

Как видно из табл. 3, при увеличении n распределение стремится к нормальному и уже при n = 20 практически от него не отличается.

Пример. Предположим, что выборочное обследование 10 рабочих мест малого предприятия показало, что на выполнение одной из производственных операций рабочие затрачивали время (мин.): 3,4; 4,7; 1,8; 3,9; 4,2; 3,9; 3,7; 3,2; 2,2; 3,9.

Алгоритм расчета характеристик малой выборки.

1. Определяем выборочную среднюю затрат времени на выполнение технологической операции:

2. Рассчитываем выборочную дисперсию:

3. Определяем среднюю ошибку малой выборки:

4. Принимаем коэффициент доверия t=2 и по таблице Стьюдента дляn =10 вероятность 0,924.

Вывод. С вероятностью 0,924 можно утверждать, что расхождение между выборкой и генеральной совокупностью находится в пределах отдо, т.е разностьне превысит по абсолютной величине значение 0,56 (2*0,28). Следовательно, средние затраты времени во всей совокупности будут находится в пределах от 2,93 до 4,05 мин. Вероятность того, что данный вывод не буден выполняться равна 1 – 0,924 = 0,0767,6 %.