- •Содержание
- •Введение
- •1. Общая задача оптимизации. Понятие, постановка задач линейного программирования
- •Построение математической модели задачи
- •Надстройка Поиск решения
- •2. Рекомендации по решению задач оптимизации с помощью надстройки Поиск решения в ms Excel Решение задачи с помощью надстройки Поиск решения
- •Анализ решения задачи оптимизации
- •2.1. Технология компьютерной реализации злп. Задача
- •2.2. Специализированные задачи линейного программирования Транспортная задача
- •Задача о назначениях
- •Искомые параметры
- •Создание формы для решения задачи
- •Ввод исходных данных
- •Ввод граничных условий
- •Назначение целевой функции
- •5. Ввод зависимостей из математической модели
- •6. Ввод ограничений задачи
- •7. Ввод параметров
- •2.3. Задачи линейного программирования. Задача об оптимальном использовании ограниченных производственных ресурсов
- •Данные условия задачи
- •Экономико-математическая модель
- •Описание отчетов о решении задачи
- •3. Двойственность в задачах линейного программирования. Анализ полученных оптимальных решений
- •Создание отчёта по результатам поиска решения
- •Отчет по устойчивости
- •4. Нелинейное программирование
- •Решение системы нелинейных уравнений с двумя неизвестными с помощью средства Поиск решения
- •5. Балансовые модели
- •5.1. Экономико-математическая модель межотраслевого баланса (модель Леонтьева)
- •5.2. Межотраслевые балансовые модели в анализе экономических показателей
- •5.3. Модель международной торговли
- •5.4. Модель Неймана
- •Экономические модели и статистические методы Основы математической статистики
- •Использование инструментов Пакета анализа
- •6.1. Проверка статистических гипотез
- •Принятие статистических решений
- •Анализ одной выборки
- •Использование инструмента Пакет анализа для выявления различий между выборками
- •6.2. Дисперсионный анализ
- •6.3. Корреляционный анализ
- •Коэффициент корреляции
- •Корреляционная матрица
- •6.4. Регрессионный анализ
- •7. Возможные ошибки при вводе условий задач линейного программирования
- •Глоссарий
- •Библиографический список
- •Приложение
- •1. Печать всего рабочего листа:
- •2. Печать фрагмента рабочего листа:
- •3. Печать одной диаграммы:
- •Оптимизационные экономико-математические и эконометрические модели. Выполнение расчетов в среде excel
- •656049, Г. Барнаул, пр. Красноармейский, 98
6.1. Проверка статистических гипотез
Помимо описательной статистики важной областью является также аналитическая статистика. Как уже указывалось в разделе «Понятие математической статистики», аналитическая статистика, или теория статистических выводов, ориентирована на обработку данных, полученных в ходе эксперимента, с целью формулировки выводов, имеющих прикладное значение. Здесь решается вопрос, отражают ли наблюдаемые данные объективно существующую реальность. Указанный вопрос решается проверкой соответствующих статистических гипотез. При этом могут выявляться достоверности различий между выборками, взаимосвязи между выборками, влияющие факторы и т.п.
Принятие статистических решений
Статистическая гипотеза – это предположение о виде или отдельных параметрах распределения вероятностей, которое подлежит проверке на имеющихся данных.
Проверка статистических гипотез – это процесс формирования решения о возможности принять или отвергнуть утверждение (гипотезу), основанный на информации, полученной из анализа выборки. Методы проверки гипотез называются критериями.
В большинстве случаев рассматривают так называемую нулевую гипотезу (нуль-гипотезу Н0), состоящую в том, что все события произошли случайно, естественным образом. Альтернативная гипотеза (Н1) состоит в том, что события случайным образом произойти не могли, и имело место воздействие некого фактора.
Обычно нулевая гипотеза формулируется таким образом, чтобы на основании эксперимента или наблюдений ее можно было отвергнуть с заранее заданной вероятностью ошибки α. Эта заранее заданная вероятность ошибки называется уровнем значимости.
Уровень значимости – максимальное значение вероятности появления события, при котором событие считается практически невозможным. В статистике наибольшее распространение получил уровень значимости, равный α = 0,05. Поэтому если вероятность, с которой интересующее событие может произойти случайным образом р < 0,05, то принято считать это событие маловероятным, и если оно все же произошло, то это не было случайным. В наиболее ответственных случаях, когда требуется особая уверенность в достоверности полученных результатов, надежности выводов, уровень значимости принимают равным α = 0,01 или даже α = 0,001.
Величину Р, равную 1-α, называют доверительной вероятностью (уровнем надежности), то есть вероятностью, признанной достаточной для того, чтобы уверенно судить о принятом статистическом решении. Соответственно, в качестве доверительных вероятностей выбирают значения 0,95, 0,99 и 0,999. Интервал, в котором с заданной доверительной вероятностью Р = 1-α находится оцениваемый параметр, называется доверительным интервалом. В соответствии с доверительными вероятностями на практике используются 95-, 99-, 99,9%-ные доверительные интервалы. Граничные точки доверительного интервала называют доверительными пределами.
Выбор того или иного уровня значимости, выше которого результаты отвергаются как статистически не подтвержденные, или, соответственно, доверительной вероятности, в общем случае является произвольным. Окончательное решение зависит от исследователя, традиций и накопленного практического опыта в данной области исследований.