Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Теория вероятностей и математическая статистика с использованием MS Excel. В 2-х частях. Часть 2. Математическая статистика

Учебник и практикум в 2 частях. Часть 2: Математическая статистика
Покупка
Артикул: 861533.02.99
Доступ онлайн
5 000 ₽
В корзину
Во второй части учебника «Математическая статистика» подробно рассмотрены требования к статистическим оценкам, точечное и интервальное оценивание параметров распределения, параметрические и непараметрические методы проверки статистических гипотез, дисперсионный, корреляционный и регрессионный анализ. По каждому разделу приводятся подробные решения типовых задач, предлагаются задачи для самостоятельной работы студентов. Особую ценность учебнику придает множество примеров, взятых из практики и решенных с помощью инструментов Пакета анализа, Статистических функций MS Excel-2016, а также специальных (авторских) программ, выполненных на объектно-ориентированном языке программирования VBA. Все решенные таким образом примеры, используемые при этом программы, представлены на сайте по адресу, указанному на с. 4. Учебник написан в соответствии с Государственными образовательными стандартами направления подготовки «Экономика» и предназначен для студентов данного и других направлений подготовки, а также может быть рекомендован аспирантам и преподавателям вузов, широкому кругу читателей, применяющих методы теории вероятностей в своей научной и практической деятельности.
8
100
Теория вероятностей и математическая статистика с использованием MS Excel. Учебник и практикум. В 2 ч. Часть 2. Математическая статистика : учебник / В. С. Мхитарян, В. Ф. Шишов, А. Ю. Козлов, Д. В. Искоркин. – Москва : КУРС, 2027. - 305 с. – ISBN 978-5-907228-09-2. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2288106 (дата обращения: 20.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Учебник и практикум
Практикум с применением статистических функций, 
инструментов Пакета анализа MS Excel-2016  
и специальных (авторских) программ на языке VBA
Москва
КУРС 
Теория вероятностей 
и математическая 
статистика  
с использованием  
MS Excel
Часть 2 
Математическая статистика
В.С. Мхитарян, В.Ф. Шишов, 
А.Ю. Козлов, Д.В. Искоркин
Электронная копия печатной версии


УДК 519.2
ББК 22.17
М93
УДК 519.2
ББК 22.17
М93
© В.С. Мхитарян, В.Ф. Шишов,  
А.Ю. Козлов, Д.В. Искоркин, 2019
© КУРС, 2019
ISBN 978-5-907228-09-2
ФЗ 
№ 436-ФЗ
Издание не подлежит маркировке 
в соответствии с п. 1 ч. 4 ст. 11
Р е ц е н з е н т ы : 
Тихомиров Николай Петрович — д-р экон. наук, профессор, заведующий кафедрой математические методы в экономике Российского 
экономического университета им. Г.В. Плеханова;
Балаш Владимир Алексеевич — д-р экон. наук, профессор, профессор 
кафедры математической экономики Саратовского национального исследовательского государственного университета им. Н.Г. Чернышевского
Мхитарян В.С.
Теория вероятностей и математическая статистика с использованием MS Excel. Учебник и практикум. В 2 ч. Ч. 2. Математическая статистика / В.С. Мхитарян, В.Ф. Шишов, А.Ю. Козлов, 
Д.В. Искоркин. — Москва: КУРС. — 1 файл.pdf: 304 с. – 
Электронная копия печатной версии.
ISBN 978-5-907228-09-2
Во второй части учебника «Математическая статистика» подробно рассмотрены требования к статистическим оценкам, точечное и интервальное 
оценивание параметров распределения, параметрические и непараметрические методы проверки статистических гипотез, дисперсионный, корреляционный и регрессионный анализ.
По каждому разделу приводятся подробные решения типовых задач, 
предлагаются задачи для самостоятельной работы студентов. Особую ценность учебнику придает множество примеров, взятых из практики и решенных с помощью инструментов Пакета анализа, Статистических функций MS 
Excel-2016, а также специальных (авторских) программ, выполненных на 
объектно-ориентированном языке программирования VBA. Все решенные 
таким образом примеры, используемые при этом программы, представлены 
на сайте по адресу, указанному на с. 4.
Учебник написан в соответствии с Государственными образовательными 
стандартами направления подготовки «Экономика» и предназначен для студентов данного и других направлений подготовки, а также может быть рекомендован аспирантам и преподавателям вузов, широкому кругу читателей, 
применяющих методы теории вероятностей в своей научной и практической 
деятельности.
ООО Издательство «КУРС»
127273, Москва, ул. Олонецкая, д. 17А, офис 104.   
Тел.: (495) 203-57-83.
E-mail: kursizdat@gmail.com http://kursizdat.ru


ВВедение
Методы теории вероятностей, рассмотренные в первой части 
учебника, служат для обоснования математической и прикладной 
статистики, которая в свою очередь используется при планировании 
и организации производства, при анализе технологических процессов, при оценке качества продукции, в военном деле и для многих 
других целей.
Определение различных параметров случайных величин и процессов на основе статистических наблюдений проводят с использованием зависимостей математической статистики.
Математическая статистика — это раздел математики, изучающий 
методы сбора, систематизации и обработки результатов наблюдений 
массовых случайных явлений с целью выявления существующих 
закономерностей и получения обоснованных рекомендаций, направленных на совершенствование практической деятельности.
Дальнейшее расширение и повышение эффективности современного 
производства, внедрение автоматизации и механизации совершающихся 
в нем процессов, повышение качества продукции неразрывно связано 
с применением новых математических методов, к числу которых относятся методы математической статистики, дающие возможность правильно организовать контроль технологии производства, существенно 
сократить брак, более эффективно использовать материалы.
Технологический процесс производства массовой продукции на любом предприятии организуется на основе проекта и предварительно 
проведенных научно-технических расчетов. Однако, как бы ни были 
точны и совершенны инженерные расчеты, в них не представляется 
возможным заранее предусмотреть всё разнообразие случайных факторов, оказывающих влияние на качество выпускаемой продукции.
В этих условиях возможный путь изучения причин отклонений 
характеристик выпускаемой продукции от номинала — проведение 
наблюдений (измерений, опытов). Выводы о закономерностях, которым подчиняются явления, изучаемые методами математической 
статистики, всегда основываются на ограниченном, выборочном 
числе наблюдений. При большем числе наблюдений эти выводы 
могут оказаться иными. Для вынесения более определенного заключения о закономерностях явлений математическая статистика опирается на теорию вероятностей.
Для экономиста и инженера, применяющего математическую 
статистику в своей практической деятельности, важно умение распознать в реальной задаче её вероятностные черты, поставить, если 


нужно, эксперименты, разумно обработать его результаты и выработать рекомендации, как поступить, чтобы добиться желаемого результата с минимальной затратой сил и средств.
Во второй части учебника подробно рассмотрены основные методы 
математической статистики, различные приемы обработки результатов наблюдений. Основные положения иллюстрированы рядом 
примеров, взятых из практики (численные данные, приведенные 
в некоторых примерах, условны). Показано применение надстроек 
MS Excel (Статистических функций и инструментов Пакета анализа), 
а также специальных (авторских) программ, выполненных на объектно-ориентированном языке программирования VBA для решения 
задач математической статистики.
Используемые в учебнике инструменты Пакета анализа и статистические функции MS Excel-2016 более подробно рассмотрены в учебном пособии «Анализ данных в MS Excel» тех же авторов. Специальные (авторские) программы доступны пользователям по адресу:
В главах второй части учебника, при решении практических задач, 
используются следующие инструменты Пакета анализа, Статистические функции и специальные (авторские) программы.
Глава 1. Статистическое оценивание параметров распределения
Инструменты Пакета анализа и Статистические функции
1. Генерация случайных чисел — позволяет генерировать случайные 
числа, подчиняющиеся различным законам распределения.
2. Выборка — позволяет создать собственно случайную или механическую выборку из генеральной совокупности.
3. Гистограмма — позволяет построить интервальный вариационный ряд, гистограмму, кумулятивную кривую, диаграмму Парето.
4. Описательная статистика — определяет статистические оценки 
выборки.
5. СРЗНАЧ — определяет статистическую оценку математического 
ожидания при равноточных измерениях.
6. ДИСП.Г — определяет статистическую оценку дисперсии при 
известном значении измеряемой величины.


7. ДИСП.В — определяет статистическую оценку дисперсии при 
неизвестном значении измеряемой величины.
8. СТАНДОТКЛОН.Г, СТАНДОТКЛОН.В — определяет статистическую оценку среднего квадратического отклонения.
9. КОВАРИАЦИЯ.Г, КОВАРИАЦИЯ.В — определяет статистическую 
оценку ковариации.
10. КОРРЕЛ — определяет статистическую коэффициента корреляции.
11. СКОС — определяет выборочный коэффициент асимметрии.
12. ЭКСЦЕСС — определяет выборочный эксцесс.
Специальные (авторские) программы
1. СРЕДНЕЕ.НЕРАВНОТОЧНОЕ — определяет статистическую 
оценку математического ожидания и ее точность при неравноточных 
измерениях.
2. СРЕДНЕЕ.СЕРИЯ.ИЗМЕРЕНИЙ — определяет статистическую 
оценку математического ожидания и ее точность по серии неравноточных измерений.
3. СТАНД.ОТКЛОН — определяет несмещенную статистическую 
оценку среднего квадратического отклонения.
4. ДИСПЕРСИЯ.СЕРИЯ.ИЗМЕРЕНИЙ — определяет статистическую оценку дисперсии по серии измерений.
Глава 2. Интервальное оценивание параметров распределения
Статистические функции
1. ХИ2.РАСП, ХИ2.РАСП.ПХ, ХИ2.ОБР, ХИ2.ОБР.ПХ — определяют 
параметры распределения χ2.
2. СТЬЮДЕНТ.РАСП, СТЬЮДЕНТ.РАСП.2Х, СТЬЮДЕНТ.РАСП.
ПХ, СТЬЮДЕНТ.ОБР, СТЬЮДЕНТ.ОБР.2Х — определяют параметры 
распределения Стьюдента.
3. ДОВЕРИТ.НОРМ — определяет доверительный интервал для 
математического ожидания при известном σ.
4. ДОВЕРИТ. СТЬЮДЕНТ — определяет доверительный интервал 
для математического ожидания при неизвестном σ.
Специальные (авторские) программы
1. ДОВ.ВЕРОЯТ.НОРМ — определяет доверительную вероятность 
при известном σ.
2. ЧИСЛО.ИСП.НОРМ — определяет число испытаний при известном σx.
3. ДОВ.ВЕРОЯТ.СТЬЮД — определяет доверительную вероятность 
при неизвестном σ.
4. ЧИСЛО.ИСП.СТЬЮД — определяет число испытаний при неизвестном σ.


5. ДОВЕРИТ.СКО — определяет доверительный интервал для 
среднего квадратического отклонения.
6. ДОВЕРИТ.Р.БОЛЬШ — определяет доверительный интервал 
для вероятности при больших и малых выборках.
Глава 3. Проверка статистических гипотез
Инструменты Пакета анализа и Статистические функции
1. Двухвыборочный F-тест для дисперсий — проверяет гипотезу 
о равенстве дисперсий.
2. Двухвыборочный Z-тест для средних — проверяет гипотезу о равенстве средних при известных дисперсиях.
3. Двухвыборочный t-тест с одинаковыми дисперсиями — проверяет 
гипотезу о равенстве средних при неизвестных, но равных дисперсиях.
4. Двухвыборочный t-тест с различными дисперсиями — проверяет 
гипотезу о равенстве средних при неизвестных и неравных дисперсиях.
5. Парный двухвыборочный t-тест для средних — проверяет гипотезу о равенстве средних для выборок из одной генеральной совокупности.
6. Z.ТЕСТ — проверяет гипотезу о равенстве статистической 
оценки математического ожидания заданному значению при известной дисперсии.
7. F.РАСП, F.РАСП.ПХ, F.ОБР, F.ОБР.ПХ — определяют параметры 
F-распределения.
Специальные (авторские) программы
1. СРАВН.СРЕДНИХ — проверяет гипотезу о равенстве статистической оценки математического ожидания заданному значению при 
известной и неизвестной дисперсии.
2. МОЩН.КРИТЕРИЯ — вычисляет мощность критерия и вероятность ошибки 2-го рода.
3. СРАВН.ДИСП — проверяет гипотезу о равенстве статистической 
оценки дисперсии заданному значению.
4. КРИТ.БАРТЛЕТТА — проверяет гипотезу об однородности 
дисперсий по выборкам различного объема.
5. КРИТ.КОХРАНА — проверяет гипотезу об однородности дисперсий по выборкам одинакового объема.
6. СРАВН.ВЕРОЯТН — проверяет гипотезу о значении вероятности.
7. СРАВН.ВЕРОЯТН.БИНОМ — проверяет гипотезу об однородности ряда вероятностей.
8. ЗАКОН.РАСПРЕДЕЛЕНИЯ — проверяет гипотезу о виде закона 
распределения по критериям χ2, Колмогорова, ω2.
9. КРИТ.СМИРНОВА — проводит оценку сомнительных результатов.


Глава 4. Непараметрические методы проверки статистических 
гипотез
Специальные (авторские) программы
1. КРИТ.ЗНАКОВ — проверяет гипотезу об однородности генеральных совокупностей.
2. КРИТ.ВИЛКОКСОНА — проверяет гипотезу о сравнении двух 
независимых выборок.
3. КРИТ.СЕРИЙ.ЗНАКОВ 1 — проверяет гипотезу о случайных 
элементах выборки.
4. КРИТ.СЕРИЙ.ЗНАКОВ — проверяет гипотезу о случайных 
элементах 0 и 1 в выборке.
5. КРИТ.СПИРМЕНА — вычисляет ранговый коэффициент корреляции Спирмена и проверяет гипотезу о его значимости
Глава 5. Дисперсионный анализ
Инструменты Пакета анализа
1. Однофакторный дисперсионный анализ
2. Двухфакторный дисперсионный анализ без повторений.
3. Двухфакторный дисперсионный анализ с повторениями.
Глава 6. Корреляционный и регрессионный анализ
Инструменты Пакета анализа и Статистические функции
1. Корреляция — вычисляет выборочный коэффициент корреляции.
2. Регрессия — строит множественное уравнение регрессии и проводит его анализ.
3. ЛИНЕЙН — строит парное линейное уравнение регрессии.
4. ПРЕДСКАЗ.ETS.CTAT — строит точечный и интервальный 
прогноз по данным временного ряда.
Специальные (авторские) программы
1. ЗНАЧИМОСТЬ.КОРР — проверяет гипотезу о значимости коэффициента корреляции.
2. ВЫЧ.ЗНАЧ.КОРР — вычисляет и проверяет значимость коэффициента корреляции.
3. ИНТЕРВАЛ.КОРР — строит доверительный интервал для выборочного коэффициента корреляции.
Авторы благодарны рецензентам: заведующему кафедрой математические методы в экономике Российского экономического университета им. Г.В. Плеханова, д.э.н., профессору Тихомирову Николаю Петровичу и профессору кафедры математической экономики 
Саратовского национального исследовательского Государственного 
университета имени Н.Г. Чернышевского, д.э.н., профессору Балашу 
Владимиру Алексеевичу — за ценные замечания, способствующие 
улучшению содержания учебника.


ГлаВа 1
СтатиСтичеСкое оцениВание 
параметроВ раСпределения
1.1. Генеральная и выборочная совокупности
Любое статистическое исследование начинается со сбора данных 
об изучаемых явлениях и процессах. Множество объектов или явлений, подвергающихся статистическому исследованию, называется 
статистической совокупностью. Общее число единиц, образующих 
статистическую совокупность, называется объемом совокупности.
Вся подлежащая изучению совокупность по интересующему признаку называется генеральной совокупностью.
Генеральную совокупность, имеющую случайную природу и известный закон распределения, можно сформировать с помощью 
инструмента Генерация случайных чисел Пакета анализа MS Excel. 
Этот инструмент позволяет генерировать случайные числа, подчиняющиеся следующим законам распределения: нормальному, равномерному, Бернулли, биномиальному, Пуассона, модельному, дискретному.
Пример 1.1. Необходимо сгенерировать совокупность нормально 
распределенных случайных чисел объемом 200 для одной переменной 
с mx = 0 и σx = 1 (рис. 1.1).
Алгоритм действий следующий.
1. Данные →Анализ данных → Генерация случайных чисел.
2. Число переменных — 1.
3. Число случайных чисел — 200.
4. Распределение — Нормальное.
5. Параметры — Среднее = 0, Стандартное отклонение = 1.
6. Выходной интервал — $A$1.
7. ОК.
Результат решения представлен в виде рис. 1.2.
Примечание. Так как результат решения будет размещен в диапазоне $A$1:$A$200 (в один столбец), то для наглядности примера мы 
разбили всю совокупность объемом 200 на 10 равных частей объемом 
20 и разместили на рабочем листе Excel в диапазоне $A$1:$J$20.


Если Число переменных задать 2, то получим двухмерную нормальную совокупность. В качестве параметров можно задать любое значение среднего (математического ожидания) и стандартного (среднего 
квадратического) отклонения.
В поле Случайное рассеивание вводится произвольное значение, 
для которого необходимо генерировать случайные числа. Excel «заРис. 1.1
Рис. 1.2. Пример генерирования нормальных случайных чисел


поминает» соответствие сгенерированной совокупности случайных 
чисел введенному произвольному числу. Впоследствии можно снова 
использовать это значение для получения той же самой совокупности 
случайных чисел. Если никакое число не будет введено, то каждая 
сгенерированная совокупность случайных чисел будет индивидуальна.
Аналогично можно сгенерировать совокупности, подчиняющиеся 
другим законам распределения.
Генеральную совокупность можно изучать путем сплошного наблюдения ее объектов (элементов) или некоторой части, которую 
называют выборочной совокупностью или просто выборкой.
Сплошное наблюдение применяют тогда, когда объем небольшой. 
Такое наблюдение имеет основной задачей полный учет всех элементов совокупности, составляющих изучаемое явление. Например, при 
переписи населения — полный учет всех жителей страны.
Использование выборочной совокупности не ставит задачу полного учета всех элементов совокупности, составляющих изучаемое 
явление. Например, при изучении доходов и расходов населения нет 
необходимости обследовать все семьи. Для этого можно обследовать 
часть семей в различных регионах страны. В данном случае мы получили выборочную совокупность. Выборочная совокупность в одних 
случаях используется для оценки среднего значения некоторого 
признака генеральной совокупности, а в других — доли членов генеральной совокупности с другим признаком. В первом случае это 
может быть средняя заработная плата, средние доходы населения, 
среднее число бракованных изделий и т.д., а во втором — доля стандартных деталей, удельный вес отличников в вузе и т.д.
Чтобы по данным выборки можно было с уверенностью судить 
об интересующем признаке генеральной совокупности, выборка 
должна быть представительной (репрезентативной), т.е. правильно 
отражать основные свойства генеральной совокупности. Это достигается случайностью отбора, когда все объекты генеральной совокупности имеют одинаковую вероятность быть отобранными.
Существуют различные способы отбора. В зависимости от способа 
отбора различают выборки следующих типов:
• собственно-случайная;
• механическая;
• типическая;
• серийная;
• комбинированная.
Собственно- случайная выборка заключается в отборе единиц из генеральной совокупности наугад или наудачу, без каких-либо элемен
Доступ онлайн
5 000 ₽
В корзину