Курсовая

Курсовая Статистическая обработка данных полученных экспериментальным путем в лесохозяйстве

Работа добавлена на сайт bukvasha.net: 2015-10-25

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 11.11.2024


МОДЕЛИРОВАНИЕ ЭКОСИСТЕМ

ВВЕДЕНИЕ

Эффективность ведения современного лесного хозяйства определяется полнотой научных сведений, как о естественном формировании лесных фитоценозов, так и под воздействием хозяйственных мероприятий. Достоверность этих сведений оценивается путем статистической обработки цифрового материала, полученного в результате целенаправленно спланированного эксперимента и последующей производственной проверки.

Каждый из существующих статистических методов имеет свои возможности и ограниченную область применения, продиктованную спецификой эксперимента. При этом все они служат экспериментатору средством выявления закономерностей, позволяющих сделать выводы и заключения в условиях неопределенности. Достоверно полученные результаты наблюдений, представление выявленных закономерностей в виде статистических моделей следует рассматривать в практическом приложении в качестве основы применения количественных методов моделирования и оптимизации экономических, технологических и других процессов, и явлений.

Постановка задачи

Результаты наблюдения над лесохозяйственными объектами обычно фиксируются в журналах, бланках, анкетах и других документах учета или заносятся непосредственно в соответствующие файлы портативных компьютеров. Зафиксированные сведения об изучаемом объекте представляют первичный фактический материал, который нуждается в соответствующей обработке с целью исследования генеральной совокупности. На практике инженер лесного хозяйства имеет дело только с выборочной совокупностью (выборкой), т.е. частью генеральной совокупности, поэтому возникает потребность по результатам сравнительно небольшой выборки сделать предположение о поведении всей генеральной совокупности. В других случаях необходимо какой-либо совокупности величин поставить в соответствие другую совокупность и выяснить, имеется ли между ними различие, какая-нибудь взаимосвязь или нет.

Для того чтобы сделать статистическое заключение о рассматриваемом объекте, следует выполнить ряд взаимосвязанных операций:

  1. Грамотно обеспечить отбор единиц выборочной совокупности;

  2. Систематизировать и сгруппировать результаты наблюдений;

  3. Графически представить эмпирические совокупности;

  4. Получить статистические показатели для эмпирических совокупностей;

  5. Получить статистические параметры для генеральной совокупности.

Единицы выборочной совокупности (варианты) должны быть отобраны так, чтобы по ним с достаточной точностью можно было судить о свойствах генеральной совокупности. Зачастую в исследованиях проводится отбор так называемых «типичных» представителей генеральной совокупности. Такой подход субъективен и не может служить основой получения качественной информации. Заданная точность в характеристике генеральной совокупности обеспечивается случайным отбором необходимого количества вариант.

Классификация и группировка вариант

Статистическая обработка первичных данных начинается с расположения вариант в определенной последовательности, зависящей от характера варьирования изучаемого признака:

  1. Количественное:

    • непрерывное;

    • дискретное.

  2. Качественное:

    • атрибутивное.

При непрерывном варьировании отдельные значения признака могут иметь любое значение меры (протяженности, объема, веса и т. д.) в определенных пределах. Например, толщина деревьев в древостое принимает различные значения меры протяженности до самого толстого.

При дискретном варьировании отдельные значения признака выражаются отвлеченными числами (чаще всего целыми). Например, число деревьев на пробной площади, диаметр деревьев в ступенях (классах) толщины и т. д.

При атрибутивном варьировании значения признака классифицируют по градациям этого признака. Например, цвет, повреждаемость, класс бонитета и т. д.

При качественном варьировании первоначальное упорядочивание совокупности проводят в порядке возрастания или убывания. При малом числе вариант (до 30) строится непосредственный ряд значений.

При большом объеме выборки (n > 30) ранжированный ряд не обладает свойством наглядности. Поэтому значение признака размещают с указанием числа их повторяемости в виде двойного ряда. В первой строке (столбце) заносят значение признака, а во второй строке (столбце) указывают число повторяющихся значений.

Размещение значений признака в порядке их возрастания (убывания) с указанием числа их повторяемости называют вариационным рядом. В вариационном ряду значения признака, разнесенные по классам, называют распределением частот. Очевидно, что сумма частот равна объему выборки n. Величина классового промежутка, на которую разбивается ряд варьирующих значений признака, определяется по формуле:

C = X max – X min / i ,

где X max и X min – максимальное и минимальное значение признака; i – число классовых промежутков.

Число классовых промежутков зависит от объема выборки и ориентировочно равно корню квадратному из числа наблюдений, т. е. i = √ n .

Задание 1. Расчет статистических показателей для малой выборочной совокупности

Изучаемый признак – объем деревьев (м3).

Данные замеров объема приведены в таблице 1

Таблица 1

Данные для статистической обработки малой выборочной совокупности

0,64

1,20

1,28

0,88

1,08

1,06

0,79

1,82

0,65

0,34

0,86

1,26

1,05

2,06

0,70

0,89

0,83

0,99

0,64

0,26 (Xmin)

1,02

0,41

0,96

0,89

0,74

0,59

1,23

1,41

0,56

0,39

  1. Находим среднюю величину распределения по формуле:

Xср = ∑ Χi / n,

где n – объем выборочной совокупности равный 30. Подставляя данные из таблицы в формулу, получим:

Xср = 27,48 / 30 = 0,916 м 3.

2. Определим сумму квадратов отклонений (СКО) каждой варианты от средней величины по формуле:

СКО = ∑(XiXср)2.

Предварительно определив все квадраты отклонения, находим их сумму:

СКО = 0,430336 + 0,331776 + 0,276676 + 0,256036 + 0,126736 + 0,106276 + 0,076176 + 0,076176 + 0,070756 + 0,046656 + 0,030976 + 0,015876 + 0,007396 + 0,003136 + 0,001296 + 0,000676 + 0,000676 + 0,001936 + 0,005476 + 0,010816 + 0,017956 + 0,020736 + 0,026896 + 0,080656 + 0,098596 + 0,118336 + 0,132496 + 0,244036 + 0,817216 + 1,308736 = 4,74152 м 6.

3. Находим дисперсию, характеризующую степень разнообразия объекта, используя формулу: δ 2 = СКО / n.

Отсюда δ 2 = 4,74152 / 30 = 0,1581 м 6 .

4. Рассчитываем стандартное отклонение – основной показатель вариации, характеризующий варьирование значений признака вокруг центра распределения: δ = √ δ 2 .

Тогда δ = √ 0,1581 = 0,3976 = 0,4 м 3.

5. Вычислим коэффициент вариации – показатель изменчивости признака. Он определяется как Cv = δ ∙ 100%/ Xср.

Имеем Cv = 0,4 / 0,916 ∙ 100 = 43,67 %.

По шкале Мамаева для установления уровня изменчивости признака определяем, что уровень изменчивости в данном случае высокий (таблица 2).

6. Находим коэффициент дифференциации, характеризующий изменчивость признака. Он определяется как Vδ = δ ∙ 100 % / (XсрXmin),

где Xmin = 0,26 м3.

Тогда Vδ = 0,4 ∙ 100 / (0,916 – 0,26) = 40 / 0,656 = 60,98 %.

Степень дифференциации признака определим с помощью таблицы 3, из которой следует, что эта степень большая.

Таблица 2

Шкала Мамаева для установления уровня изменчивости признака

Величина коэффициента вариации, %

Уровень изменчивости

до 7

очень низкий

7 – 15

Низкий

16 – 25

Средний

26 – 35

Повышенный

36 – 50

Высокий

более 50

очень высокий

Таблица 3

Классификация степени дифференциации признака

Величина коэффициента дифференциации, %

Степень дифференциации

до 13

Слабая

13 – 27

Умеренная

28 – 38

Средняя

39 – 53

Значительная

54 – 70

Большая

более 70

очень большая

7. Расчет ошибок репрезентативности.

Ошибка средней величины вычисляется по формуле:

m x = + δ / √n .

В нашем случае: mx = + 0,4 / √30 =+ 0,073 м 3.

Ошибка стандартного отклонения: m δ = + δ / √2n .

Значит m δ = + 0,4 / √2 ∙ 30 = + 0,052 м 3.

Ошибка коэффициента вариации:

m c = + Cv / √n ∙ √0,5 + (Cv/100)2.

Тогда mc=+43,67/5,48 ∙ √0,5 + (43,67/100) 2=+ 7,97 ∙ 0,831 =+ 6,623 %.

Ошибка точности: m p = + m c / √n .

Отсюда m p = + 6,623 / 5,48 = + 1,21 %.

8. Находим точность определения средней величины

p = + (m x / Xср) ∙ 100 %.

Отсюда p = + (0,073 / 0,916) ∙ 100 = + 7,97 %.

Данный показатель позволяет сделать заключение о достоверности эмпирических данных для получения достоверных результатов.

9. Достоверность статистических показателей (надежность)

Достоверность – отношение величины статистического показателя к его ошибке репрезентативности. Это отношение должно быть ≥ 3, определяется по t – критерию.

Достоверность средней величины: tx = Xср / mx .

Значит tx = 0,916 / 0,073 = 12,55.

Достоверность стандартного отклонения: tδ = δ / mδ .

Тогда tδ = 0,4 / 0, 052 = 7,69.

Достоверность коэффициента вариации: tc = Cv / mc .

Имеем tc = 43,67 / 6,623 = 6,59.

Достоверность точности: tp = p / mp .

Получаем tp = 7,97 / 1,21 = 6,587.

Все статистические показатели достоверны, т. к. их отношение к ошибкам репрезентативности больше 3 во всех случаях

10. Доверительный интервал для генеральной средней

ДИГС - интервал нахождения средней величины для всей генеральной совокупности.

ДИГС = Xср + mxt0,5 ,

где t0,5 – критерий Стьюдента на 5% уровне значимости, определяется по числу степеней свободы (см. приложение).

Число степеней свободы – число свободно варьирующих вариант (v)

v = n – 1 = 30 – 1 =29 t0,5 = 2,045

Находим ДИГС = 0,916 + 0,073 2,045; ДИГС 0,767 ÷ 1,065 м 3.

Чем меньше расстояние между точками интервала, тем точнее выборочная совокупность характеризует генеральные параметры.

11. Необходимое число наблюдений для будущих исследований

n = ((CvK)/p)2,

где Cv – расчетный коэффициент вариации;

p – заданная точность (3 %);

К – коэффициент порогового уровня доверительной вероятности 1 =1; К2 = 1,98; К3 =2,63) .

n1 = (43,67 ∙ 1 / 3)2 = 212 шт.

n2 = (43,67 ∙ 1,98 / 3)2 = 831 шт.

n3 = (43,67 ∙ 2,63 / 3)2 = 1466 шт.

Статистическое заключение

В результате анализа малой выборочной совокупности в виде измерения объема деревьев получили следующие статистические показатели с их ошибками репрезентативности:

- средняя величина 0,916 + 0,073 м 3;

- стандартное отклонение 0,4 + 0,052 м 3;

- коэффициент вариации 43,67 + 6,623 %, которому по шкале Мамаева соответствует высокий уровень изменчивости;

- коэффициент дифференциации 60,98 %, которому по классификации соответствует большая степень дифференциации.

Точность определения средней величины 7,97 + 1,21 %.

Все статистические показатели достоверны, т. к. их отношение к ошибкам репрезентативности больше 3 во всех случаях.

Доверительный интервал генеральной средней 0,767 – 1,065 м 3.

Необходимое число наблюдений для будущих исследований, которое бы обеспечивало заданную точность 3 % при известном коэффициенте вариации 43,67 % и трех пороговых уровнях доверительной вероятности следующее:

- для первого порогового уровня 212 штук;

- для второго порогового уровня 831 штука;

- для третьего порогового уровня 1466 штук.

Задание 2. Расчет статистических показателей для большой выборочной совокупности

Изучаемый признак – диаметр деревьев, см.

Данные для статистической обработки большой выборочной совокупности приведены в таблице 4.

Таблица 4.

Данные для статистической обработки большой выборочной совокупности

Ступени толщины, см

4

8

12

16

20

24

28

32

36

40

Для построения вариационного ряда выполняем следующие расчеты:

1. Выбираем Xmin и Xmax Xmin = 4 см; Xmax = 40 см.

Устанавливаем размах варьирования:

XmaxXmin = 40 – 4 = 36 см.

2. Определяем классовый интервал:

С = (XmaxXmin) / i,

где Xmin – минимальное значение варианты; Xmax – максимальное значение варианты; i

количество классов, i = √ n , где n – объем выборочной совокупности.

Применяя формулу Стерджеса,

C = XmaxXmin / 1 + 3,32 ln n =( XmaxXmin)/ i,

где i = √ n , при n = 100 i = √100 = 10.

Тогда C = 40 – 4 / 10 = 3,6 см. Принимаем С = 4.

3. Устанавливаем границы классов

Нижняя граница

Xmin – С/2 = 4 – 4 / 2 = 2 см.

Верхняя граница

Xmin + C/2 = 4 + 4/2 = 6 см.

Вычисленные границы классов представлены в таблице 5.

Таблица 5.

Границы классов

Классы

Границы классов

I

2,0 – 6,0

II

6,1 – 10,0

III

10,1 – 14,0

IV

14,1 – 18,0

V

18,1 – 22,0

VI

22,1 – 26,0

VII

26,1 – 30,0

VIII

30,1 – 34,0

IX

34,1 – 38,0

X

38,1 – 42,0

После установления границ классов можно приступить к схематическому изображению вариационного ряда.

Схематическое изображение вариационного ряда

Классы I II III IV V VI VII VIII IX X

Границы 2 – 6 – 10 – 14 – 18 – 22 – 26 – 30 – 34 – 38 – 42 Классов

Частота, шт. 8 19 32 47 50 61 46 19 15 7

Накопленная 8 27 59 106 156 217 263 282 297 304

частота, шт.

Группировка данных, расчет средней величины и суммы квадратов отклонений

Границы

классов,

Частота

F,

Группов.

варианта

По исходным

данным

По преобразованным

Данным

см.

шт.

X I, см

F X i

X2i

FX2i

X1=(Xi- A)/C

FX1

X12

F ∙ X21 


 


 

 

A =24

 

 

 

2,0 - 6,0

8

4

32

16

128

-5

-40

25

200

6,1 -10,0

19

8

152

64

1216

-4

-76

16

304

10,1 14,0

32

12

384

144

4608

-3

-96

9

288

14,1 - 18,0

47

16

752

256

12032

-2

-94

4

188

18,1 - 22,0

50

20

1000

400

20000

-1

-50

1

50

22,1 - 26,0

61

24

1464

576

35136

0

0

0

0

26,1 - 30,0

46

28

1288

784

36064

1

46

1

46

30,1 - 34,0

19

32

608

1024

19456

2

38

4

76

34,1 - 38,0

15

36

540

1296

19440

3

45

9

135

38,1 - 42,0

7

40

280

1600

11200

4

28

16

112

 

F = n

X i

(F ∙Xi)

 

(F * X2ι )

 

(FX1)

 

(FX12)

 

292,882634

220

6500

 

292,882634

 

292,882634

 

292,882634


I 1) Средняя величина

Xср = ∑ FX I / n,

где Xi – групповая варианта.

Значит Xср = 6500 / 304 = 21,38 см.

2) Сумма квадратов отклонений

СКО = ∑(F ∙ Xi2) – (∑(F ∙ X i))2 / n.

Тогда СКО = 159280 – 42250000 / 304 = 159280 – 138980 = 20300 см 2.

II 1) Средняя величина

Xср = A + (∑(F * Xι) / n) ∙ C.

Отсюда Xср = 24 + (- 199 / 304) ∙ 4 = 24 + (- 0,6546) ∙ 4 = 24 – 2,6184 = 21,38 см.

Xср1 = Xср2 = 21,38 см. X1 = Xi – A / C.

2) Сумма квадратов отклонений

СКО = ( ∑(FX12) – (∑(FXι ) 2 / n ) ∙ C2 .

Отсюда получаем СКО = (1399 – (39601 / 304 )) ∙ 16 = (1399 – 130,2664) ∙ 16 = 20299,74 = 20300 см 2.

3) Дисперсия

δ 2 = СКО / n – 1.

Находим δ 2 = 20300 / 303 = 66,78 см 2.

4) Рассчитываем стандартное отклонение – основной показатель вариации, характеризующий варьирование значений признака вокруг центра распределения:

δ = √ δ 2 .

Тогда δ = √ 66,78 = 8,172 см.

5) Вычислим коэффициент вариации – показатель изменчивости признака. Он определяется как

Cv = δ ∙ 100%/ Xср.

Имеем Cv = 8,172 / 21,38 ∙ 100 = 38,22 %.

По шкале Мамаева (см. таблица 2) для установления уровня изменчивости признака определяем, что уровень изменчивости в данном случае высокий.

6) Находим коэффициент дифференциации, характеризующий изменчивость признака. Он определяется как

Vδ = δ ∙ 100 % / (XсрX0) + C/2,

где X0 - значение первого класса ряда распределения. В нашем случае X0 = 2 см.

Тогда Vδ = 8,172 ∙ 100 / (21,38 – 2) + 2 = 44, 17 %.

Степень дифференциации признака определим с помощью таблицы 3, из которой следует, что эта степень значительная, т.к. ее коэффициент находится в интервале 39 - 53 %.

7) Расчет ошибок репрезентативности.

Ошибка средней величины вычисляется по формуле:

m x = + δ / √n .

В нашем случае: mx = + 8,172 / √304 =+ 8,172 / 17,44 =+ 0,47 см.

Ошибка стандартного отклонения:

m δ = + δ / √2n .

Значит m δ = + 8,172 / √2 ∙ 304 = + 8,172 / 24,66 =+ 0,331 см.

Ошибка коэффициента вариации:

m c = + Cv / √n ∙ √0,5 + (Cv/100)2.

Тогда m c = + 38,22 / 17,44 ∙ √0,5 + (38,22/100) 2 = + 2,192 ∙ 0,804 =+ 1,762 %.

Ошибка точности:

m p = + m c / √n .

Отсюда m p = + 1,762 / 17,44 = + 0,101 %.

8) Находим точность определения средней величины

p = + (m x / Xср) ∙ 100 %.

Отсюда p = + (0,47 / 21,38) ∙ 100 = + 2,2 %.

Данный показатель позволяет сделать заключение о достоверности эмпирических данных для получения достоверных результатов.

9) Достоверность статистических показателей (надежность)

Достоверность – отношение величины статистического показателя к его ошибке репрезентативности. Это отношение должно быть ≥ 3, определяется по t – критерию.

Достоверность средней величины: tx = Xср / mx .

Значит tx = 21,38 / 0,47 = 45,49.

Достоверность стандартного отклонения: tδ = δ / mδ .

Тогда tδ = 8,172 / 0,331 = 24,69.

Достоверность коэффициента вариации: tc = Cv / mc .

Имеем tc = 38,22 / 1,762 = 21,69.

Достоверность точности: tp = p / mp .

Получаем tp = 2,2 / 0,101 = 21,78.

Все статистические показатели достоверны, т. к. их отношение к ошибкам репрезентативности больше 3 во всех случаях

10) Доверительный интервал для генеральной средней

ДИГС - интервал нахождения средней величины для всей генеральной совокупности.

ДИГС = Xср + mxt0,5 ,

где t0,5 – критерий Стьюдента на 5% уровне значимости, определяется по числу степеней свободы (см. приложение).

Число степеней свободы – число свободно варьирующих вариант (v)

v = n – 1 = 304 – 1 =303 t0,5 = 1,96

Находим ДИГС = 21,38 + 0,47 1,96 = 21,38 + 0,92; ДИГС 20,46 ÷ 22,3 см.

Чем меньше расстояние между точками интервала, тем точнее выборочная совокупность характеризует генеральные параметры. В нашем случае интервал несколько завышен.

11) Необходимое число наблюдений для будущих исследований

n = ((CvK)/p)2,

где Cv – расчетный коэффициент вариации;

p – заданная точность (3 %);

К – коэффициент порогового уровня доверительной вероятности 1 =1; К2 = 1,98; К3 =2,63) .

n1 = (38,22 ∙ 1 / 3)2 = 162 штуки.

n2 = (38,22 ∙ 1,98 / 3)2 = 636 штук.

n3 = (38,22 ∙ 2,63 / 3)2 = 1123 штуки.

Статистическое заключение

В результате анализа большой выборочной совокупности в виде измерения объема деревьев получили следующие статистические показатели с их ошибками репрезентативности:

- средняя величина 21,38 + 0,47 см;

- стандартное отклонение 8,172 + 0,331 см;

- коэффициент вариации 38,22 + 1,762 %, которому по шкале Мамаева соответствует повышенный уровень изменчивости;

- коэффициент дифференциации 44,17 %, которому по классификации соответствует значительная степень дифференциации.

Точность определения средней величины 2,2 + 0,101 %.

Доверительный интервал генеральной средней 20,46 – 22,3 см.

Необходимое число наблюдений для будущих исследований, которое бы обеспечивало заданную точность 3 % при известном коэффициенте вариации 38,22 % и трех пороговых уровнях доверительной вероятности следующее:

- для первого порогового уровня 162 штуки;

- для второго порогового уровня 636 штук;

- для третьего порогового уровня 1123 штук.

Графическое представление вариационного ряда

После того как произведена группировка совокупности по классам, характер распределения более или менее проясняется. Однако более наглядное представление этого распределения дает графическое изображение.

Графическое представление вариационного ряда с использованием Microsoft Excel

Задание 3. Расчет среднеквадратических ошибок

При проведении полевого и других опытов проявляются три вида ошибок. Ошибка – это расхождение между различными значениями выборочной совокупности или отдельных наблюдений от истинных значений измеряемых величин.

Основные свойства ошибок и причины их возникновения

Случайные (среднеквадратические ошибки) – это ошибки, возникающие под воздействием факторов, действие которых не значительно и их нельзя выделить и учесть отдельно. Случайные ошибки в полевом опыте неизбежны. Математическая статистика дает методы их определения.

Систематические – искажают измеряемую величину в сторону преувеличения или преуменьшения в результате действия вполне определенной постоянной причины. Исключить действие этой причины можно путем применения правильной методики.

Случайные ошибки имеют знак +. Они взаимопогашаются, а систематические нет.

Грубые (промахи) – возникают в результате нарушения основных требований полевого опыта. Грубые ошибки не погашаются, а результат бракуется.

Для математической обработки подходят лишь результаты наблюдений без систематических и грубых ошибок.

Таблица 6.

Расчет среднеквадратических ошибок.

Запас, м3 / га

Откло-

нение

Откло-

нение с

поправкой

Квадрат

отклонений

с поправкой


Расчет ошибок

Факти-

ческий

Глазомерный

такс. № 1





230

180

- 19,41

- 19,36

374,81

Систематическая ошибка:

Δ = + Σоткл / n =

= - 9,16 / 13 = 0,71 %


Поправка:

Δ = + Δ / n =

= 0,71 / 13 = 0,05 %


Случайная ошибка:

σ = + (√СКО / n – 1) / √n =

= + 13,68 / 3,61 = + 3,79 %


Ошибка для всех случаев:

m σ = + σ / √ n =

= + 3,79 / 3,61 = + 1,05 %

210

240

14,27

14,22

202,21


220

200

- 9,52

- 9,47

89,68


240

270

13,21

13,16

173,19


260

220

- 10,33

- 10,28

105,68


310

340

12,64

12,59

158,51


300

270

- 11,08

- 11,03

121,66


320

350

13,19

13,14

172,66


350

320

- 13,78

- 13,73

188,51


360

400

15,26

15,21

231,34


370

350

- 8,01

- 7,96

63,36


380

410

10,43

10,38

107,74


440

400

- 16,03

- 15,98

255,36


N = 13


откл

292,882634


СКО

292,882634


Таблица 7

Запас, м3 / га

Откло-

нение

Откло-

нение с

поправкой

Квадрат

отклонений

с поправкой

Расчет ошибок

Факти-

ческий

Глазомерный

такс. № 2





230

220

- 4,76

- 4,713

22,212

Систематическая ошибка:

Δ = + Σоткл / n =

= 8,02 / 13 = 0,617 %


Поправка:

Δ = + Δ / n =

= 0,617 / 13 = 0,047 %


Случайная ошибка:

σ = + (√СКО / n – 1) / √n =

= + 7,73 / 3,61 = + 2,141 %


Ошибка для всех случаев:

m σ = + σ / √ n =

= + 2,141 / 3,61 = + 0,593 %

210

220

4,68

4,633

21,465


220

210

- 3,96

- 3,913

15,312


240

250

4,13

4,083

16,671


260

240

- 8,87

- 8,823

77,845


310

360

15,19

15,143

229,310


300

290

- 4,62

- 4,573

20,912


320

360

10,53

10,483

109,893


350

330

- 8,08

- 8,033

64,529


360

390

9,39

9,343

87,292


380

370

- 5,00

- 4,953

24,532


370

380

3,45

3,403

11,580


400

390

- 4,06

- 4,013

16,104


N = 13


откл

292,882634


СКО

292,882634


Статистическое заключение

Второй таксатор определил запас древесины глазомерным способом точнее, так как его ошибка для всех случаев меньше чем у первого таксатора.

Задание 4. Расчет теоретических частот для кривой нормального распределения

Расчет теоретических частот эмпирического ряда производим следующим образом:

  1. Находим значение функции плотности вероятности нормального распределения через величину нормированного отклонения по приложению учебника.

  2. Вычисляем теоретические частоты ряда распределения n` по соответствующим данным объема выборки при величине классового промежутка по формуле:

n` = (nC / δ) ∙ f(x),

где n – объем выборки; C – классовый интервал; δ – стандартное отклонение; f(x) – плотность вероятности.

Таблица 8

Вычисление выравнивающих частот по уравнению Лапласа – Гаусса

Классы

X, см

Эмпирические

частоты, шт.

Отклонение X iX ср│= = Δ X

Xср = 21,38

Нормирован.

отклонение

t = ΔX / δ

δ = 8,172 см

Плотность

вероятнос.

нормальн.

распредел.

Теоретическая

частота

n`, шт.






фактич.

округл.

4

8

17,38

2,126774

0,0413

6,145

6

8

19

13,38

1,637298

0,1040

15,475

15

12

32

9,38

1,147822

0,2059

30,638

31

16

47

5,38

0,658346

0,3209

47,750

48

20

50

1,38

0,168869

0,3932

58,508

59

24

61

2,62

0,320607

0,3790

56,395

56

28

46

6,62

0,810083

0,2874

42,765

43

32

19

10,62

1,299559

0,1714

25,504

26

36

15

14,62

1,789036

0,0804

11,964

12

40

7

18,62

2,278512

0,0297

4,419

4

220

n = 304





n`= 292,882634

- в первый столбец вписаны групповые варианты – Xi , см;

- во втором столбце – эмпирическая частота n, шт.;

- в четвертом столбце – нормированное отклонение, показывающее, насколько «δ» отдельные члены данной совокупности отклоняются от среднего уровня учитываемого признака. Нормированное отклонение рассчитываем по формуле: t = │(XiX ср) / δ│.

Например, для первого значения варианты Xi = 4 получим:

t = │(4 – 21,38) / 8,172 │= 2,126774.

В пятом столбце находятся значения функции для нормированного отклонения – f(x), взятые из таблицы в соответствии с полученными значениями t .

В шестой столбец сведены значения теоретически рассчитанной частоты – n`, штук.

Например: n` = (304 ∙ 4 / 8,172) ∙ 0,0413 = 6,145.

По результатам вычислений построим графики распределения эмпирических и теоретических частот.

Задание 5. Статистическое сравнение эмпирического распределения с теоретическим по критерию χ – квадрат Пирсона

Критерий χ- квадрат (χ 2) впервые был предложен К. Пирсоном в 1901 году. Пользуясь этим критерием можно произвести оценку различий между эмпирическим и теоретическим распределением частот. Он рассчитывается по формуле: χ 2 = ∑ (nin`)2 / n`,

где ni – эмпирическая частота; n` - теоретическая частота.

Оценка значимости критерия χ 2 производится по специальной таблице (приложение 3 учебника Герасимов, Хлюстов), в которой приведены стандартные значения этого критерия (χ 2st) для трех пороговых уровней доверительной вероятности и для разных чисел степеней свободы.

Число степеней свободы равно числу классов без трех k = n – 3.

Если χ 2ф < χ 2st , то расхождение между эмпирическим и теоретическим распределением подчиняется тому закону, по которому рассчитаны теоретические частоты.

Таблица 9

Оценка различий между эмпирическим и теоретическим распределением деревьев сосны по диаметру на уровне груди.

Классы, xi

(диаметр),

см.

Частоты



n I – n`



(n i – n`)2



(n i – n`)2 / n`


Эмпирические

(n i), штук

Теоретические

(n`), штук




4

8

6,145

1,855

3,441

0,560

8

19

15,475

3,525

12,426

0,803

12

32

30,638

1,362

1,855

0,061

16

47

47,750

- 0,75

0,563

0,012

20

50

58,508

- 8,508

72,386

1,237

24

61

56,395

4,605

21,206

0,376

28

46

42,765

3,235

10,465

0,245

32

19

25,504

- 6,504

42,302

1,659

36

15

11,964

3,036

9,217

0,770

40

7

4,419

2,581

6,662

1,508

292,882634

n = 292,882634




292,882634

Теоретические частоты берутся неокругленными.

χ 2ф = 7,231. χ 205/01 = 14,10 / 18,50, при k = 10 – 3 = 7. χ 2ф < χ 205/01 .

Следовательно, нулевая гипотеза H0 не отвергается, т.к. различия между эмпирическим и теоретическим распределением частот не существенны.

Статистическое заключение

Так как χ 2ф < χ 205/01, то можно сделать вывод о том, что опытное распределение деревьев по диаметру на уровне груди подчиняется закону предполагаемого теоретического распределения.

Задание 6. Статистическое сравнение частот взвешенных рядов эмпирических распределений по критерию Колмогорова

Если два эмпирических распределения имеют различное количество классов и объем совокупности, то согласие между ними устанавливается по критерию λ , рассчитанному по формуле:

λ = │(∑n 1 /N1) - (∑n 2/N2)│max ∙ √ N1N2 / N1 + N2 , где

(∑n 1 /N1) - (∑n 2/N2)│max = d max , тогда

λ = d max ∙ √ N1N2 / N1 + N2 ,

где n 1 и n 2 – частоты первого и второго сравниваемых рядов; N1 и N2 – объемы первого и второго рядов.

Сравнение частот взвешенных рядов по критерию Колмогорова приведено в таблице 10.

Для оценки статистической гипотезы расчетное значение λ ф сравнивается с табличным на 1% или 5%-ном уровне значимости: λ 05/01 = 1,36 / 1,63. λ Ф < λ05/01 , следовательно, H0 – гипотеза не отвергается, различия между сравниваемыми рядами распределения не существенны.

Таблица 10

Сравнение частот взвешенных рядов по критерию Колмогорова

Диаметр

деревьев

см

Эмпирическая

Частота


n 1


n 2


n1/ N1


n2/ N2


d



n 1, шт.

n 2, шт.






4

8

7

8

7

0,026

0,032

0,006

8

19

12

27

19

0,089

0,087

0,002

12

32

20

59

39

0,194

0,178

0,016

16

47

28

106

67

0,349

0,306

0,043

20

50

41

156

108

0,513

0,493

0,020

24

61

50

217

158

0,714

0,721

0,007

28

46

31

263

189

0,865

0,863

0,002

32

19

18

282

207

0,928

0,945

0,017

36

15

8

297

215

0,977

0,982

0,005

40

7

4

304

219

1,000

1,000


Из таблицы видно, что d max = 0,043. Тогда

λ ф = 0,043 ∙ √ (304 ∙ 219) / 304 + 219 = 0,043 ∙ 11,283 = 0,4852.

Статистическое заключение

В результате сравнения двух эмпирических рядов распределения деревьев сосны по диаметру можно сделать заключение о том, что получены не существенные различия между ними, так как фактическое значение λ ф критерия меньше λ критерия на 5% уровне значимости.

Статистическое сравнение эмпирического распределения с теоретическим по критерию Колмогорова – Смирнова

При помощи критерия λ – Колмогорова-Смирнова сопоставляют эмпирические и теоретические частоты рядов распределения, а также дают оценку различий двух эмпирических распределений.

Для сопоставления эмпирического и теоретического распределения частот λ – критерий рассчитывается по формуле: λ = │(∑n i /N) - (∑n`/N)│max ∙ √N , где N – объем эмпирического ряда распределения │(∑n i /N) – (∑n`/N)│= d , тогда λ = dmax ∙ √N.

Таблица 11

Статистическая оценка эмпирических и теоретических рядов распределения по критерию λ – Колмогорова-Смирнова.

Классы, xi

(диаметр деревьев), см.

Эмпирические

частоты

(n i), штук

Теоретические

частоты

(n`), штук


n i


n`


n i/ N


n`/ N


D

4

8

6

8

6

0,026

0,020

0,006

8

19

15

27

21

0,089

0,070

0,019

12

32

31

59

52

0,194

0,173

0,021

16

47

48

106

100

0,349

0,333

0,016

20

50

59

156

159

0,513

0,530

0,017

24

61

56

217

215

0,714

0,717

0,003

28

46

43

263

258

0,865

0,860

0,005

32

19

26

282

284

0,928

0,947

0,019

36

15

12

297

296

0,977

0,987

0,010

40

7

4

304

300

1,000

1,000

0

λ ф = 0,021 ∙ √304 = 0,021 ∙ 17,44 = 0,366.

Для оценки статистической гипотезы расчетное значение λ – Колмогорова-Смирнова сравнивается с табличным на 1% или 5%-ном уровне значимости: λ 05/01 = 1,36 / 1,63

Так как λ ф < λ 05/01, то H0 – гипотеза не отвергается, различия между эмпирическим и теоретическим распределениями частот не существенны.

Статистическое заключение

В результате сравнения эмпирического и теоретического рядов распределения можно сделать заключение о том, что существенных различий между ними нет, так как фактическое значение λ – критерия меньше λ на 5%-ном уровне значимости.

Задание 7. Статистическое сравнение двух выборочных средних по t – критерию Стьюдента при неравнозначных выборках

Если объемы выборочных совокупностей неравны (выборки неравнозначные), то t – критерий Стьюдента определяется по формуле:

t ф = d / S d , где d = │X1 срX2 ср, т.е. разность между сравниваемыми средними; S dошибка разности выборочных средних.

S d = √ ((n1 – 1) ∙ δ12 + (n2 – 1) ∙ δ22 / n1 + n2 – 2 ) ∙ (n1 + n2 / n1 n2),

где n1 и n2 – объемы сравниваемых выборочных совокупностей; δ1 и δ2 – значение стандартного отклонения.

Пример расчета вспомогательных величин для вычисления t – критерия фактического приведен в таблице 12.

Таблица 12

Статистическое сравнение двух выборочных средних по t – критерию Стьюдента

Фамилия

Объем

выборки n,

шт.

Средняя

величина

x, см.

Ошибка

средней

δ x, см.

t фак

t05/01

Цветков

304

21,38

8,172

0,203

0,852

0,648

1,96 / 2,58

Гусев

316

21,51

8,386



Смирнов

335

21,94

8,744



d1 = │21,38 – 21,51│ = 0,13, d2 = │21,38 – 21,94│ = 0,56,

d3 = │21,51 – 21,94│ = 0,43.

S d1 = √ ((304 – 1) ∙ 8,172 2 + (316 – 1) ∙ 8,386 2 / 304 + 316 – 2 ) ∙ (304 + 316 / 304316) = √ (20234,82 + 22152,37 / 618) ∙ (620 / 96064) = √68,588 ∙ 0,006 = 0,642.

S d2 = √ ((304 – 1) ∙ 8,172 2 + (335 – 1) ∙ 8,744 2 / 304 + 335 – 2 ) ∙ (304 + 335 / 304 ∙ 335) = √ (20234,82 + 25536,82 / 637) ∙ (639 / 101840) = √71,855 ∙ 0,006 = 0,657.

S d3 = √ ((316 – 1) ∙ 8,386 2 + (335 – 1) ∙ 8,744 2 / 316 + 335 – 2 ) ∙ (316 + 335 / 316 ∙ 335) = √ (22152,37 + 25536,82 / 649) ∙ (651 / 105860) = √73,481 ∙ 0,006 = 0,664.

t факт 1 = 0,13 / 0,642 = 0,203, t факт 2 = 0,56 / 0,657 = 0,852, t факт 3 = 0,43 / 0,664 = 0,648.

Фактическое значение t –критерия (t факт) сравниваем с t s на 1% и 5%-ном уровне значимости.

t05/01 определяем по приложению 1 учебника (Герасимов, Хлюстов), исходя из числа степеней свободы.

Формула для вычисления числа степеней свободы имеет вид:

k = n1 + n2 – 2.

В нашем случае k1 = 304 + 316 – 2 = 618, k2 = 637 и k3 = 649, следовательно, t05/01 = 1,96 / 2,58.

Так как t факт 1, t факт 2 и t факт 3 меньше t05/01 , то H0 – гипотеза не отвергается, следовательно, различия несущественные.

Статистическое заключение

В результате сравнения выборочной средней Цветкова со средней Гусева и Смирнова, а также сравнения последних двух между собой, делаем заключение о несущественных различиях между ними, т. к. во всех случаях t факт < t05/01 .

Статистическое сравнение двух выборочных средних по t – критерию Стьюдента при равнозначных выборках

Критерий t – Стьюдента используется для сравнения средних значений совокупностей. Фактическое значение критерия определяют по формуле:

t = │X1 срX2 ср│ / √ (m2X1ср + m2X2ср),

где X1 ср и X2 ср. – значения сравниваемых средних выборочных совокупностей;

m2X1ср и m2X2срзначения квадратов ошибок средних выборочных совокупностей.

Данная формула применяется для сравнения средних выборочных совокупностей с равнозначным объемом; т. е. n1 = n2, где n1 и n2 – объем сравниваемых выборочных совокупностей.

Таблица 12.1

Статистическое сравнение двух выборочных средних по t – критерию Стьюдент


Фамилия

Объем

выборки n,

шт.

Средняя

величина

x, мм.

Ошибка

средней

m x, мм.



t фак



t05/01

Цветков

30

0,916

0,073


0,767

2,05 / 2,76

Смирнов

30

0,827

0,090



t факт =0,9160,827│/ √0,073 2 + 0,09 2 = 0,089 / 0,116 = 0,767.

Фактическое значение t – критерия (t ф) сравнивается с t05 на 1% и 5%-ном уровне значимости, которые определяются с использованием приложения учебника (Герасимов, Хлюстов). Причем число степеней свободы устанавливается по формуле: k = n – 1.

В данном случае k = 30 – 1 =29, следовательно, t05/01 = 2,05 / 2,76.

Так как t ф < t05/01, то H0 – гипотеза не отвергается, различия несущественные.

Статистическое заключение

В результате сравнения выборочной средней Цветкова со средней Смирнова делаем заключение о несущественном различии между ними, т.к. t ф < t05/01.

Задание 8. Установить зависимость различий в формовом разнообразии облепихи крушиновидной на выровненном экофоне (однофакторный дисперсионный анализ)

Структура опыта:

  1. Объект – облепиха крушиновидная.

  2. Варианты опыта – различные формы облепихи.

  3. Изучаемый признак – средний вес плода, гр.

  4. Комплекс однофакторный, т.к. 1 изучаемый признак.

  5. Комплекс равномерный, т.к. количество повторностей по всем вариантам одинаковое.

Схема расчета средних по вариантам приведена в таблице 13

Таблица 13

Схема расчета по дисперсионному анализу

Вариант опыта

(форма)

Повторности

Число

Наблю

дений, n

Сумма

по

варианту

Средн.

по

варианту


1

2

3

4

5

6

7

8

9

10




I Дар Катуни

10

12

13

11

10

9

9

11

13

-

9

98

10,89

II Витаминная

8

10

9

7

8

7

9

8

10

-

9

76

8,44

III Алтайская

18

20

16

15

19

17

16

18

20

-

9

159

17,67

IV Алма-атинская

15

13

14

13

13

12

14

13

12

-

9

109

12,11

V Нижегородская

22

19

20

18

20

20

21

19

18

-

9

177

19,67












n 45

xi 292,882634

xср13,756

Xср = (10,89 + 8,44 + 17,67 + 12,11 + 19,67) / 5 = 13,756 гр.

Расчет преобразованных значений и сумм по вариантам проведен в таблице 14.

Таблица 14

Таблица преобразованных значений


Варианты

X1 = Xi – A


Сумма


1

2

3

4

5

6

7

8

9

10


I

- 4

- 2

- 1

- 3

- 4

- 5

- 5

- 3

- 1

-

- 28

II

- 6

- 4

- 5

- 7

- 6

- 7

- 5

- 6

- 4

-

- 50

III

4

6

2

1

5

3

2

4

6

-

33

IV

1

- 1

0

- 1

- 1

- 2

0

- 1

- 2

-

- 7

V

8

5

6

4

6

6

7

5

4

-

51












X1 292,882634

А – значение варианты (Xi), которое имеет близкое значение к среднему.

В нашем случае X ср = 13,756 гр, следовательно, А = 14 гр. Тогда X1 = 10 – 14 = - 4 и т. д.

Вычисление суммы квадратов отклонений

Общее число наблюдений: n = N = 45.

1. Корректирующий фактор

C = (∑ x1)2/ N

C = (- 1)2 /45 = 0,02.

2. Общая дисперсия

Cy = ∑ (x)2C

Cy = 106 + 288 + 147 + 13 + 303 – 0,02 = 856,98.

3. Дисперсия вариантов

C v = (∑ y2/ n)C

C v = (784 + 2500 + 1089 + 49 + 2601) / 9 – 0,02 = 780,31.

4. Дисперсия остатка

C z = C yC v

C z = 856,98 – 780,31 = 76,67.

Результаты вычислений представлены в таблице 15.

Таблица 15

Результаты вычислений


Дисперсия

Сумма

квадратов

Число степеней

свободы

Средний

Квадрат


F p


F05/01

Общая Cy

856,98

45 – 1 = 44



101,76


2,61 / 3,83

Вариант C v

780,31

I – 1 = 4 = k1

916,68



Остатка C z

76,67

44 – 4 = 40 = k2

9,264



δ2v = 780,31 / 4 = 195,08.

δ2z = 76,67 / 40 = 1,917.

Оценка значимости воздействия изучаемых факторов осуществляется по F – критерию Фишера:

Fp = δ2v / δ2z .

Значит F p = 195,08 / 1,917 = 101,76.

F01 и F05 определяем по числу степеней свободы меньшей дисперсии (остатка) и по числу степеней свободы большей дисперсии (вариантов), по приложению учебника (стр. 247). Откуда находим, что F01 = 3,83 и F05 = 2,61.

F p >> F01, следовательно, различия между сравниваемыми вариантами можно считать существенными, а если так, то необходимо произвести оценку по наименьшей существенной разности (НСР05).

Чтобы определить НСР необходимо по данным дисперсионного анализа вычислить обобщенную ошибку средней величины по опыту и ошибку разности средних.

1. Ошибка опыта: S x = +δ2z / n.

S x = + 1,917 / 9 = + 0,4615.

2. Ошибка разности средних: S d = + √2 δ2z / n.

S d =+ 3,834 / 9 = + 0,6527.

НСР05 = S d ∙ t 05 , v = 40, t 05 = 2,023.

Тогда НСР05 = 0,6527 ∙ 2,023 = 1,32 гр.

НСР05 = ((S d ∙ t 05)/ X ср) ∙ 100 %.

НСР05 = ((0,6527 ∙ 2,023) / 13,756) ∙ 100 % = 9,6 %.

Определение места в ряду распределения приведено в таблице 16.

Таблица 16

Итог результатов опыта


Варианты

Средний

вес плода гр

Разность со стандартом


Место в ряду



гр

%


I

10,89

- 1,22

- 10,07


II

8,44

- 3,67

- 30,31


III

17,67

5,56

45,91

II

IV

12,11 = St

0

0


V

19,67

7,56

62,43

I

Статистическое заключение

По результатам дисперсионного анализа можно сделать заключение о том, что различия между сравниваемыми вариантами существенные, т.к. F p >> F01 (101,76 >> 3,83).

Для производства рекомендуется вариант № V (сорт Нижегородская) т.к. его фактическая разность со стандартом превышает значение НСР05 (62,43 > 9,6).

Задание 9. Корреляционный анализ малой выборочной совокупности

Расчет вспомогательных величин для вычисления коэффициента корреляции приведен в таблице 17.

Таблица 17

Расчет вспомогательных величин для коэффициента корреляции

Значение признака

Xi2 

Yi2 

Xi ∙ Yi

Диаметр ствола Xi

Высота дерева Yi




24,0 см

22,2 м

576

492,84

532,8

24,5

22,5

600,25

506,25

551,25

25,3

23,0

640,09

529

581,9

26,4

23,5

696,96

552,25

620,4

27,0

23,7

729

561,69

639,9

28,5

24,0

812,25

576

684

29,0

24,6

841

605,16

713,4

30,4

25,0

924,16

625

760

31,5

25,5

992,25

650,25

803,25

32,0

25,0

1024

625

800

32,8

25,8

1075,84

665,64

846,24

33,5

26,0

1122,25

676

871

35,0

26,5

1225

702,25

927,5

36,6

26,4

1339,56

696,96

966,24

37,5

27,0

1406,25

729

1012,5

38,0

27,5

1444

756,25

1045

39,5

27,8

1560,25

772,84

1098,1

40,2

26,9

1616,04

723,61

1081,38

42,0

27,3

1764

745,29

1146,6

43,5

28,0

1892,25

784

1218

44,0

27,0

1936

729

1188

44,7

27,7

1998,09

767,29

1238,19

45,3

28,1

2052,09

789,61

1272,93

46,0

28,5

2116

812,25

1311

48,5

28,0

2352,25

784

1358

49,0

28,5

2401

812,25

1396,5

50,6

28,3

2560,36

800,89

1431,98

51,5

29,0

2652,25

841

1493,5

52,0

27,0

2704

729

1404

53,2

28,4

2830,24

806,56

1510,88

54,0

28,6

2916

817,96

1544,4

56,0

29,0

3136

841

1624

Σ Xi 

Σ Yi

ΣXi2 

Σ Yi2 

Σ (Xi ∙ Yi) 

292,882634

846,3

51935,68

22506,09

33672,84

Вычисляем вспомогательные величины:

Xср = Σ X i / n = 1252 / 32 = 39,125 см;

Yср = Σ Yi / n = 846,3 / 32 = 26,447 м.

Σ (XiXср)2 = ΣXi2 – ((ΣXi)2 / n) = 51935,68 – (1567504 / 32) = 51935,68 – 48984,5 = 2951,18;

Σ (YiYср)2 = ΣYi2 – ((ΣYi)2 / n) = 22506,09 – (716223,69 / 32) = 22506,09 – 22381,99 = 124,1;

Σ (XiXср) ∙ (YiYср) = ΣXiYi – ((ΣXi ∙ΣYi ) / n) = 33672,84 – (1059567,6 / 32) = 33672,84 – 33111,49 = 561,35, где n = 32.

Теперь вычислим коэффициент корреляции по формуле:

r = + Σ (XiXср) ∙ (YiYср) / √ Σ (XiXср)2Σ (YiYср)2 .

Отсюда

r = + 561,35 / √2951,18 ∙ 124,1 = + 561,35 / 605,18 = + 0,928.

Далее вычислим ошибку коэффициента корреляции:

m r = + √1 – r2 /(n – 2).

Значит m r = + √1 – 0,9282 /(32 – 2) = + 0,068.

Значимость корреляции:

t = r / m r.

t = 0,928 / 0,068 = 13,65.

Число степеней свободы в данном случае: v = n – 2 = 32 – 2 = 30. Находим t05 по таблице для определения критерия Стьюдента.

Откуда следует, что t05 = 2,045. t r = 13,65 > t05, значит, корреляция значима.

Расчет вспомогательных величин для вычисления корреляционного отношения приведен в таблице 18.

Согласно результатам вычислений определим корреляционное отношение по формуле:

η = √( Σα2 - ΣΔy2) / Σα2.

Тогда

η = √(124,1 – 8,2028) / 124,1 = 0,966.

Находим ошибку корреляционного отношения:

Таблица 18

Расчет вспомогательных величин для вычисления корреляционного отношения

Ступени

толщины


Диаметр

Xi


Высота

Yi


Yуслов.

Отклонения





α = yi - yср

yср=26,45

α 2

Δy = yi -yу

Δy2


24

24,0 см

22,2 м


22,57




24,16





25,76





26,97



27,33




27,86




28,45




28,00


29,00


- 4,25

18,063

- 0,37

0,1369


24,5

22,5


- 3,95

15,603

- 0,07

0,0049


25,3

23,0


- 3,45

11,903

0,43

0,1849




28

26,4

23,5


- 2,95

8,7025

- 0,66

0,4356


27,0

23,7


- 2,75

7,5625

- 0,46

0,2116


28,5

24,0


- 2,45

6,0025

- 0,16

0,0256


29,0

24,6


- 1,85

3,4225

0,44

0,1936


30,4

25,0


- 1,45

2,1025

0,84

0,7056



32


31,5

25,5


- 0,95

0,9025

- 0,26

0,0676


32,0

25,0


- 1,45

2,1025

- 0,76

0,5776


32,8

25,8


- 0,65

0,4225

0,04

0,0016


33,5

26,0


- 0,45

0,2025

0,24

0,0576


35,0

26,5


0,05

0,0025

0,74

0,5476



36

36,6

26,4


- 0,05

0,0025

- 0,57

0,3249


37,5

27,0


0,55

0,3025

0,03

0,0009


38,0

27,5


1,05

1,1025

0,53

0,2809


40

39,5

27,8


1,35

1,8225

0,47

0,2209


40,2

26,9


0,45

0,2025

- 0,96

0,9216


42,0

27,3


0,85

0,7225

- 0,03

0,0009



44

43,5

28,0


1,55

2,4025

0,14

0,0196


44,0

27,0


0,55

0,3025

- 0,86

0,7396


44,7

27,7


1,25

1,5625

- 0,16

0,0256


45,3

28,1


1,65

2,7225

0,24

0,0576


46,0

28,5


2,05

4,2025

0,64

0,4096



48

48,5

28,0


1,55

2,4025

- 0,45

0,2025


49,0

28,5


2,05

4,2025

0,05

0,0025


50,6

28,3


1,85

3,4225

- 0,15

0,0225


51,5

29,0


2,55

6,5025

0,55

0,3025



52

52,0

27,0


0,55

0,3025

- 1,00

1


53,2

28,4


1,95

3,8025

0,40

0,16


54,0

28,6


2,15

4,6225

0,60

0,36

56

56,0

29,0


2,55

6,5025

0,00

0






Σα 2

292,882634


ΣΔy2

292,882634

m η = 1- η2/ √ n.

Значит

m η = 1 – (0,966)2 / √32 = 0,0668 / 5,66 = 0,012.

Значимость корреляционного отношения: t = η / mη.

Тогда t = 0,966 / 0,012 = 80,5.

Определим меру линейности корреляции: ε = η2r2.

ε = 0,933 – 0,861 = 0,072.

Находим основную ошибку:

mε = √ε / n = √0,072 / 32 = 0,047.

По отношению меры линейности к основной ошибке дадим характеристику линейности связи. ε/ mε = 0,072 / 0,047 = 1,532 < 2.

Связь приблизительно можно считать линейной.

Степень тесноты связи между признаками по величине коэффициента корреляции определяется с помощью таблицы 19.

Таблица 19

Таблица для определения тесноты связи

Степень тесноты связи

Величина коэффициента корреляции

слабая

0 – 0,3

умеренная

0,31 – 0,5

значительная

0,51 – 0,7

высокая

0,71 – 0,9

очень высокая

0,91 и выше

Статистическое заключение

По результатам корреляционного анализа можно сделать вывод о том, что взаимосвязь между диаметром и высотой ствола по направлению – прямая, по тесноте – очень высокая, по форме – линейная (см. график).

Задание 10. Регрессионный анализ

Математические выражения, отражающие причинно-следственные взаимосвязи и взаимодействия в системах (или модели связи) являются основными типами моделей, применяемых в области лесного хозяйства. В качестве математической формы эмпирических моделей связи, в основном, используют регрессионные уравнения и реже – интерполяционные многочлены. В первом случае применяют различные модификации метода наименьших квадратов, позволяющие просто и достаточно надежно оценить статистическим путем разрабатываемую модель. Второй метод сводится к механической процедуре аналитического выражения числовых массивов.

Для вычисления коэффициентов регрессионных уравнений основным методом является метод наименьших квадратов, предложенный в начале 19 в. Лежандром и Гауссом. Требование метода наименьших квадратов заключается в том, что теоретические точки линии регрессии y должны быть получены таким образом, чтобы сумма квадратов отклонений от этих точек эмпирических значений была минимальной, т.е.

Σ(YiYx)2min.

Линейное уравнение с логарифмированием факторного признака

Для вычисления коэффициентов a и b для уравнения прямой с логарифмированием факторного признака

y = a + b ln x

необходимо решить следующую систему уравнений:

a n + b Σ ln xi = Σ yi ;

a Σ ln xi + b Σ( ln xi)2 = Σ yi ln x.

Решение системы относительно неизвестных a и b дает численные значения искомых коэффициентов:

a = (Σ yi Σ( ln xi)2 Σ yi ln xi Σ ln xi )/( n Σ( ln xi)2 – (Σ ln xi)2 ),

b = (n Σ yi ln xi Σ ln xi Σ yi) / (n Σ( ln xi)2 – ( Σ ln xi)2.

Задание: Найти уравнение регрессии, описывающее фактические значения высот по диаметрам в основном древостое, используя линейную модель с логарифмированием факторного признака.

Расчет вспомогательных величин для нахождения коэффициентов уравнения приведен в таблице 20.

Таблица 20

Расчет вспомогательных величин для нахождения коэффициентов a и b

Диаметр

Xi , см

Высота

Yi , м

ln xi


(ln xi)2


yi ln x

Y x


yi–yx


(yi–yx)2


yi2

24,0

22,2

3,178054

10,10003

70,5528

23,05707

-0,85707

0,734568

492,84

24,5

22,5

3,198673

10,23151

71,97015

23,20996

-0,70996

0,504045

506,25

25,3

23,0

3,230804

10,4381

74,3085

23,44821

-0,44821

0,200896

529

26,4

23,5

3,273364

10,71491

76,92405

23,76379

-0,26379

0,069587

552,25

27,0

23,7

3,295837

10,86254

78,11133

23,93043

-0,23043

0,053098

561,69

28,5

24,0

3,349904

11,22186

80,3977

24,33134

-0,33134

0,109785

576

29,0

24,6

3,367296

11,33868

82,83548

24,4603

0,139701

0,019516

605,16

30,4

25,0

3,414443

11,65842

85,36107

24,80989

0,190108

0,036141

625

31,5

25,5

3,449988

11,90241

87,97468

25,07346

0,426542

0,181938

650,25

32,0

25,0

3,465736

12,01133

86,6434

25,19023

-0,19023

0,036188

625

32,8

25,8

3,490429

12,18309

90,05306

25,37333

0,426673

0,182049

665,64

33,5

26,0

3,511545

12,33095

91,30018

25,52991

0,470091

0,220985

676

35,0

26,5

3,555348

12,6405

94,21672

25,85471

0,645294

0,416405

702,25

36,6

26,4

3,600048

12,96035

95,04127

26,18616

0,213842

0,045729

696,96

37,5

27,0

3,624341

13,13585

97,85721

26,36629

0,633712

0,401591

729

38,0

27,5

3,637586

13,23203

100,0336

26,4645

1,035499

1,072257

756,25

39,5

27,8

3,676301

13,51519

102,2012

26,75157

1,048431

1,099207

772,84

40,2

26,9

3,693867

13,64465

99,36502

26,88182

0,018176

0,00033

723,61

42,0

27,3

3,73767

13,97017

102,0384

27,20662

0,09338

0,00872

745,29

43,5

28,0

3,772761

14,23373

105,6373

27,46682

0,533178

0,284278

784

44,0

27,0

3,78419

14,32009

102,1731

27,55157

-0,55157

0,304225

729

44,7

27,7

3,799974

14,4398

105,2593

27,6686

0,031396

0,000986

767,29

45,3

28,1

3,813307

14,54131

107,1539

27,76747

0,332528

0,110575

789,61

46,0

28,5

3,828641

14,65849

109,1163

27,88118

0,618824

0,382943

812,25

48,5

28,0

3,881564

15,06654

108,6838

28,2736

-0,2736

0,074855

784

49,0

28,5

3,89182

15,14627

110,9169

28,34965

0,150352

0,022606

812,25

50,6

28,3

3,923952

15,3974

111,0478

28,5879

-0,2879

0,082887

800,89

51,5

29,0

3,941582

15,53607

114,3059

28,71863

0,281371

0,07917

841

52,0

27,0

3,951244

15,61233

106,6836

28,79027

-1,79027

3,205074

729

53,2

28,4

3,974058

15,79314

112,8633

28,95944

-0,55944

0,312976

806,56

54,0

28,6

3,988984

15,91199

114,0849

29,07012

-0,47012

0,22101

817,96

56,0

29,0

4,025352

16,20346

116,7352

29,33978

-0,33978

0,115452

841

Σ xi

292,882634

Σ yi

292,882634

Σ ln xi

116,329

Σ(ln xi)2

424,9532

Σyi ln xi

3091,847

Σyx

846,3146

Σ

- 0,0146

Σ

10,59007

Σyi2

292,882634

Находим коэффициенты a и b по следующим формулам:

a = (Σ yi Σ( ln xi)2 Σ yi ln xi Σ ln xi )/( n Σ( ln xi)2 – (Σ ln xi)2 ),

b = (n Σ yi ln xi Σ ln xi Σ yi) / (n Σ( ln xi)2 – ( Σ ln xi)2).

Отсюда получим

a = (846,3 ∙ 424,9532 – 3091,847 ∙ 116,329) / (32 ∙ 424,9532 – 13532,4362) = (359637,8932 – 359671,4697) / (13598,5024 – 13532,4362) = - 33,5765 / 66,0662 = - 0,5082.

b = (32 ∙ 3091,847 – 116,329 ∙ 846,3) / (32 ∙ 424,9532 – 13532,4362) = (98939,104 – 98449,2327) / 66,0662 = 489,8713 / 66,0662 = 7,415.

Полученное уравнение регрессии имеет вид

y = - 0,5082 + 7,415 ln x.

Произведем проверку значимости уравнения регрессии по F – критерию Фишера. При этом сравним общую дисперсию Sy2 c остаточной S2ост.

F ф = S y2 / S 2ост .

Здесь S 2ост = Σ(yi – yx)2/ (n – 2) = 10,59007 / 30 = 0,353,

S y2 = ( Σyi2 – (( Σyi)2 / n )) / n – 1 = (22506,09 – 22381,99) / 31 = 4,00.

Тогда

F ф = 4,00 / 0,353 = 11,33.

При уровне значимости α = 0,05 F ф > F p = 1,84. Следовательно, линейное уравнение регрессии адекватно описывает фактическое изменение высот от диаметров деревьев. При этом значение F ф = 11,33 указывает на то, что уравнение линии в 11 раз лучше описывает рассматриваемую взаимосвязь, чем среднее значение зависимой переменной.

Статистическое заключение

По результатам регрессионного анализа можно сделать заключение о том, что линейное уравнение с логарифмированием факторного признака, представленное результатами опыта y = - 0,5082 + 7,415 ln x (красный график) в 11,33 раза лучше описывает изменение зависимой переменной, чем среднее значение аргумента

Уравнение гиперболы

Для вычисления коэффициентов a и b гиперболической зависимости:

y = a + b / x ,

необходимо решить следующую систему уравнений:

an + b Σ(1/xi ) = Σ yi

a Σ(1/xi ) + b Σ(1/xi2) = Σ(yi / xi ) .

Результатом решения системы нормальных уравнений являются следующие выражения:

a = (Σ yi Σ(1/xi ) 2 Σ(yi / xi ) Σ(1/xi )) / n Σ(1/xi ) 2- (Σ(1/xi ) )2, (1)

b = n Σ(yi / xi ) - Σ(1/xi ) Σ yi / n Σ(1/xi ) 2- (Σ(1/xi ) )2. (2)

Проверка значимости уравнения регрессии производится, как и в первом случае по F – критерию Фишера. При этом общая дисперсия Sy2 сравнивается с остаточной S 2ост ;

F ф = S y2 / S 2ост .

Для принятого уровня значимости F ф сравнивается с табличным значением F st и делается вывод об адекватности описания уравнением рассматриваемой взаимосвязи.

Задание: Получить уравнение регрессии, описывающее фактическое изменение высот от диаметров в основном древостое, используя линейную модель. Расчет вспомогательных величин для нахождения коэффициентов уравнения приведен в таблице 21.

Таблица 21

Расчет вспомогательных величин для нахождения коэффициентов a и b

Диаметр

Xi , см

Высота

Yi , м


1/ xi


(1/ xi)2


yi / xi


Y x

yiyx


(yi– yx)2


yi2

24,0

22,2

0,041667

0,001736

0,925

22,54271

-0,34271

0,117449

492,84

24,5

22,5

0,040816

0,001666

0,918367

22,77314

-0,27314

0,074607

506,25

25,3

23,0

0,039526

0,001562

0,909091

23,12289

-0,12289

0,015103

529

26,4

23,5

0,037879

0,001435

0,890152

23,56919

-0,06919

0,004787

552,25

27,0

23,7

0,037037

0,001372

0,877778

23,7973

-0,0973

0,009467

561,69

28,5

24,0

0,035088

0,001231

0,842105

24,32554

-0,32554

0,105979

576

29,0

24,6

0,034483

0,001189

0,848276

24,48948

0,110517

0,012214

605,16

30,4

25,0

0,032895

0,001082

0,822368

24,91982

0,080178

0,006428

625

31,5

25,5

0,031746

0,001008

0,809524

25,23111

0,268889

0,072301

650,25

32,0

25,0

0,03125

0,000977

0,78125

25,36553

-0,36553

0,133613

625

32,8

25,8

0,030488

0,00093

0,786585

25,57208

0,227921

0,051948

665,64

33,5

26,0

0,029851

0,000891

0,776119

25,74472

0,255284

0,06517

676

35,0

26,5

0,028571

0,000816

0,757143

26,0914

0,4086

0,166954

702,25

36,6

26,4

0,027322

0,000747

0,721311

26,42987

-0,02987

0,000892

696,96

37,5

27,0

0,026667

0,000711

0,72

26,60757

0,392427

0,153999

729

38,0

27,5

0,026316

0,000693

0,723684

26,70266

0,797342

0,635754

756,25

39,5

27,8

0,025316

0,000641

0,703797

26,97347

0,826532

0,683155

772,84

40,2

26,9

0,024876

0,000619

0,669154

27,09293

-0,19293

0,037222

723,61

42,0

27,3

0,02381

0,000567

0,65

27,38183

-0,08183

0,006697

745,29

43,5

28,0

0,022989

0,000528

0,643678

27,60432

0,395678

0,156561

784

44,0

27,0

0,022727

0,000517

0,613636

27,67511

-0,67511

0,455778

729

44,7

27,7

0,022371

0,0005

0,619687

27,77156

-0,07156

0,005121

767,29

45,3

28,1

0,022075

0,000487

0,620309

27,85186

0,248141

0,061574

789,61

46,0

28,5

0,021739

0,000473

0,619565

27,94289

0,557109

0,31037

812,25

48,5

28,0

0,020619

0,000425

0,57732

28,24656

-0,24656

0,06079

784

49,0

28,5

0,020408

0,000416

0,581633

28,30357

0,196429

0,038584

812,25

50,6

28,3

0,019763

0,000391

0,559289

28,47845

-0,17845

0,031843

800,89

51,5

29,0

0,019417

0,000377

0,563107

28,57204

0,427961

0,183151

841

52,0

27,0

0,019231

0,00037

0,519231

28,62263

-1,62263

2,632943

729

53,2

28,4

0,018797

0,000353

0,533835

28,74018

-0,34018

0,115725

806,56

54,0

28,6

0,018519

0,000343

0,52963

28,81565

-0,21565

0,046504

817,96

56,0

29,0

0,017857

0,000319

0,517857

28,99488

0,005125

2,63E-05

841

Σ Xi

292,882634

Σ Yi

292,882634

Σ 1/ xi

0,87211

Σ (1/ xi)2

0,02537

Σ yi / xi

22,6305

Σ yx

846,353

Σ

- 0,053

Σ

6,4527

Σyi2

292,882634

Находим коэффициенты a и b по формулам (1) и (2):

a = (846,3 ∙ 0,02537 – 22,6305 ∙ 0,87211) / (32 ∙ 0,02537 – 0,76058) = (21,47063 – 19,73629) / (0,81184 – 0,76058) = 1,73434 / 0,05126 = 33,834;

b = (32 ∙ 22,6305 – 0,87211 ∙ 846,3) / 0,05126 = (724,176 – 738,067) / 0,05126 = - 13,891 / 0,05126 = - 270,991.

Полученное уравнение регрессии имеет вид

y = 33,834 – 270,991 / x.

Произведем проверку значимости уравнения регрессии по F – критерию Фишера. При этом сравним общую дисперсию Sy2 c остаточной S 2ост .

F ф = S y2 / S 2ост .

Здесь S 2ост = Σ(yi – yx)2/ (n – 2) = 6,4527 / 30 = 0,2151,

S y2 = ( Σyi2 – (( Σyi)2 / n )) / n – 1 = (22506,09 – 22381,99) / 31 = 4,00.

Тогда

F ф = 4,00 / 0,2151 = 18,596.

При уровне значимости α = 0,05 F ф > F st = 1,84. Следовательно, гиперболическое уравнение регрессии адекватно описывает фактическое изменение высот от диаметров деревьев. При этом значение F ф = 18,596 указывает на то, что уравнение гиперболы уже в 18 раз лучше описывает рассматриваемую взаимосвязь, чем среднее значение аргумента.

Статистическое заключение

По результатам регрессионного анализа можно сделать заключение о том, что линейное уравнение гиперболы, представленное результатами опыта y = 30,77 – 224,46 / x (красный график) в 18,596 раза лучше описывает изменение зависимой переменной, чем среднее значение аргумента.

Уравнение показательной кривой.

Для вычисления коэффициентов a и b уравнения

y = a b x

необходимо решить следующую систему нормальных уравнений:

n ln a + ln b Σ xi = Σ yi ,

ln a Σ xi + ln b Σ xi2 = Σ xi ln yi .

Решение системы относительно неизвестных a и b дает численные значения искомых коэффициентов:

ln a = (Σ yi Σ xi2 – Σ xi ln yi Σ xi) / (n Σ xi2 – (Σ xi)2), (3)

ln b = (n Σ xi ln yi Σ xi Σ ln yi) / (n Σ xi2 – (Σ xi)2). (4)

Задание: Найти уравнение регрессии, описывающее фактические значения высот по диаметрам в основном древостое, используя уравнение показательной кривой.

Расчет вспомогательных величин для нахождения коэффициентов уравнения приведен в таблице 22.

Находим коэффициенты a и b по формулам (3) и (4):

ln a = (104,712 ∙ 51935,68 – 4118,55 ∙ 1252) / (32 ∙ 51935,68 – (1252)2) = (5438756,345 –5156424,60) / (1661941,76 – 1567504) = 282331,745 / 94437,76 = 2,9896.

Отсюда при том, что основание натурального логарифма e = 2,7182 получим a = 19,88.

Ln b = (32 ∙ 4118,55 – 1252 ∙ 104,712) / 94437,76 = (131793,6 – 131099,424) / 94437,76 =

= 694,176 / 94437,76 = 0,00735.

Значит b = 1,007.

Таблица 22

Расчет вспомогательных величин для нахождения коэффициентов a и b

Диаметр

Xi , см

Высота

Yi , м


lnyi,м


xi2


xi ln yi


Y x

yi– yx


(yi– yx)2


yi2

24,0

22,2

3,100092

576

74,40221

23,50302

-1,30302

1,697862

492,84

24,5

22,5

3,113515

600,25

76,28113

23,58514

-1,08514

1,177523

506,25

25,3

23,0

3,135494

640,09

79,328

23,71712

-0,71712

0,514264

529

26,4

23,5

3,157

696,96

83,34481

23,89981

-0,39981

0,159846

552,25

27,0

23,7

3,165475

729

85,46783

24,00005

-0,30005

0,090028

561,69

28,5

24,0

3,178054

812,25

90,57453

24,25249

-0,25249

0,06375

576

29,0

24,6

3,202746

841

92,87965

24,33722

0,262777

0,069052

605,16

30,4

25,0

3,218876

924,16

97,85383

24,57606

0,423939

0,179724

625

31,5

25,5

3,238678

992,25

102,0184

24,76536

0,734637

0,539691

650,25

32,0

25,0

3,218876

1024

103,004

24,85189

0,148109

0,021936

625

32,8

25,8

3,250374

1075,84

106,6123

24,99096

0,809036

0,654539

665,64

33,5

26,0

3,258097

1122,25

109,1462

25,11329

0,886708

0,786251

676

35,0

26,5

3,277145

1225

114,7001

25,37744

1,122558

1,260136

702,25

36,6

26,4

3,273364

1339,56

119,8051

25,66227

0,737734

0,544251

696,96

37,5

27,0

3,295837

1406,25

123,5939

25,82388

1,176118

1,383254

729

38,0

27,5

3,314186

1444

125,9391

25,91411

1,585892

2,515054

756,25

39,5

27,8

3,325036

1560,25

131,3389

26,18668

1,613318

2,602796

772,84

40,2

26,9

3,292126

1616,04

132,3435

26,31486

0,585138

0,342387

723,61

42,0

27,3

3,306887

1764

138,8892

26,64736

0,652643

0,425943

745,29

43,5

28,0

3,332205

1892,25

144,9509

26,92764

1,072356

1,149948

784

44,0

27,0

3,295837

1936

145,0168

27,02173

-0,02173

0,000472

729

44,7

27,7

3,321432

1998,09

148,468

27,15399

0,546006

0,298123

767,29

45,3

28,1

3,33577

2052,09

151,1104

27,26788

0,832119

0,692421

789,61

46,0

28,5

3,349904

2116

154,0956

27,40135

1,098646

1,207023

812,25

48,5

28,0

3,332205

2352,25

161,6119

27,8834

0,116602

0,013596

784

49,0

28,5

3,349904

2401

164,1453

27,98082

0,51918

0,269548

812,25

50,6

28,3

3,342862

2560,36

169,1488

28,29486

0,005137

2,64E-05

800,89

51,5

29,0

3,367296

2652,25

173,4157

28,47306

0,526942

0,277668

841

52,0

27,0

3,295837

2704

171,3835

28,57254

-1,57254

2,472882

729

53,2

28,4

3,346389

2830,24

178,0279

28,81272

-0,41272

0,170335

806,56

54,0

28,6

3,353407

2916

181,084

28,97396

-0,37396

0,139843

817,96

56,0

29,0

3,367296

3136

188,5686

29,38101

-0,38101

0,145169

841

Σxi

292,882634

Σyi

292,882634

Σln yi

104,712

Σ xi2

292,882634

Σxi ln yi

4118,55

Σ yx

837,664

Σ

8,636

Σ

21,865

Σyi2

292,882634

Полученное уравнение регрессии имеет вид

y = 19,88 ∙ 1,007 x.

Произведем проверку значимости уравнения регрессии по F – критерию Фишера. При этом сравним общую дисперсию Sy2 c остаточной S 2ост .

F ф = S y2 / S 2ост .

Здесь S 2ост = Σ(yi – yx)2/ (n – 2) = 21,865 / 30 = 0,729,

S y2 = ( Σyi2 – (( Σyi)2 / n )) / n – 1 = (22506,09 – 22381,99) / 31 = 4,00.

Тогда

F ф = 4,00 / 0,729 = 5,487.

При уровне значимости α = 0,05 F ф > F st = 1,84. Следовательно, линейное уравнение показательной кривой адекватно описывает фактическое изменение высот от диаметров деревьев. При этом значение F ф = 5,487 указывает на то, что уравнение показательной кривой всего лишь в 5,487 раза лучше описывает рассматриваемую взаимосвязь, чем среднее значение аргумента.

Статистическое заключение

По результатам регрессионного анализа можно сделать заключение о том, что уравнение показательной кривой, представленное результатами опыта y = 19,88 ∙ 1,007 x (красный график), в 5,487 раза лучше описывает изменение зависимой переменной.

Окончательный выбор типа уравнения регрессии

На практике может сложиться ситуация, когда несколько уравнений адекватно предсказывают значения. В этом случае наиболее подходящим уравнением регрессии является то, которое характеризуется наибольшим фактическим значением F – критерия Фишера.

Взаимное сравнение уравнений регрессии приведено в таблице 23.

Таблица 23

Взаимное сравнение уравнений регрессии

Вид уравнения

Регрессии

Дисперсия

F – критерий


Общая

Остаточная

F ф

F st

y = - 0,5082 + 7,415 ln x


4,00

0,353

11,33


1,84

y = 33,834 – 270,991 / x


0,2151

18,596


y = 19,88 ∙ 1,007 x


0,729

5,487


Взаимное сравнение показывает, что наилучшие результаты дает уравнение регрессии, выражаемое уравнением гиперболы (F ф = 18,596).

Расчет погрешностей и ошибок.

Рассчитаем погрешности и ошибки уравнений по следующим формулам:

абсолютная погрешность уравнения: δ = +√(1/n) Σ(yiyx)2,

Тогда δ1 = + √(1/32) ∙ 10,59007 = + 0,5753; δ 2 = + √(1/32) ∙ 6,4527 = + 0,4491;

δ 3 = + √(1/32) ∙ 21,8653 = + 0,8266.

Относительная погрешность уравнения

Δ = + √(1/n)Σ((yiyx)/yx)2 100,

Обозначим через Z i1 = (yiyx)1 / yx1 , Z i2 = (yiyx)2 / yx2 , Z i3 = (yiyx)3 / yx3

Таблица 24

(yiyx)1

(yiyx)2

(yiyx)3

yx1

yx2

yx3

Zi1

Zi2

Zi3

-0,85707

-0,34271

-1,30302

23,05707

22,54271

23,50302

-0,03717

-0,0152

-0,05544

-0,70996

-0,27314

-1,08514

23,20996

22,77314

23,58514

-0,03059

-0,01199

-0,04601

-0,44821

-0,12289

-0,71712

23,44821

23,12289

23,71712

-0,01912

-0,00531

-0,03024

-0,26379

-0,06919

-0,39981

23,76379

23,56919

23,89981

-0,0111

-0,00294

-0,01673

-0,23043

-0,0973

-0,30005

23,93043

23,7973

24,00005

-0,00963

-0,00409

-0,0125

-0,33134

-0,32554

-0,25249

24,33134

24,32554

24,25249

-0,01362

-0,01338

-0,01041

0,139701

0,110517

0,262777

24,4603

24,48948

24,33722

0,005711

0,004513

0,010797

0,190108

0,080178

0,423939

24,80989

24,91982

24,57606

0,007663

0,003217

0,01725

0,426542

0,268889

0,734637

25,07346

25,23111

24,76536

0,017012

0,010657

0,029664

-0,19023

-0,36553

0,148109

25,19023

25,36553

24,85189

-0,00755

-0,01441

0,00596

0,426673

0,227921

0,809036

25,37333

25,57208

24,99096

0,016816

0,008913

0,032373

0,470091

0,255284

0,886708

25,52991

25,74472

25,11329

0,018413

0,009916

0,035308

0,645294

0,4086

1,122558

25,85471

26,0914

25,37744

0,024958

0,01566

0,044234

0,213842

-0,02987

0,737734

26,18616

26,42987

25,66227

0,008166

-0,00113

0,028748

0,633712

0,392427

1,176118

26,36629

26,60757

25,82388

0,024035

0,014749

0,045544

1,035499

0,797342

1,585892

26,4645

26,70266

25,91411

0,039128

0,02986

0,061198

1,048431

0,826532

1,613318

26,75157

26,97347

26,18668

0,039191

0,030642

0,061608

0,018176

-0,19293

0,585138

26,88182

27,09293

26,31486

0,000676

-0,00712

0,022236

0,09338

-0,08183

0,652643

27,20662

27,38183

26,64736

0,003432

-0,00299

0,024492

0,533178

0,395678

1,072356

27,46682

27,60432

26,92764

0,019412

0,014334

0,039824

-0,55157

-0,67511

-0,02173

27,55157

27,67511

27,02173

-0,02002

-0,02439

-0,0008

0,031396

-0,07156

0,546006

27,6686

27,77156

27,15399

0,001135

-0,00258

0,020108

0,332528

0,248141

0,832119

27,76747

27,85186

27,26788

0,011975

0,008909

0,030516

0,618824

0,557109

1,098646

27,88118

27,94289

27,40135

0,022195

0,019937

0,040095

-0,2736

-0,24656

0,116602

28,2736

28,24656

27,8834

-0,00968

-0,00873

0,004182

0,150352

0,196429

0,51918

28,34965

28,30357

27,98082

0,005304

0,00694

0,018555

-0,2879

-0,17845

0,005137

28,5879

28,47845

28,29486

-0,01007

-0,00627

0,000182

0,281371

0,427961

0,526942

28,71863

28,57204

28,47306

0,009798

0,014978

0,018507

-1,79027

-1,62263

-1,57254

28,79027

28,62263

28,57254

-0,06218

-0,05669

-0,05504

-0,55944

-0,34018

-0,41272

28,95944

28,74018

28,81272

-0,01932

-0,01184

-0,01432

-0,47012

-0,21565

-0,37396

29,07012

28,81565

28,97396

-0,01617

-0,00748

-0,01291

-0,33978

0,005125

-0,38101

29,33978

28,99488

29,38101

-0,01158

0,000177

-0,01297

Z12

Z22

Z32


Σ Zi1

292,882634

Σ Zi2

292,882634

Σ Zi3

292,882634

0,001382

0,000231

0,003074

Теперь находим


Δ 1 = + (1/32) ∙ 0,01486 ∙ 100 = + 2,155 %;

Δ 2 = + √ (1/32) ∙ 0,008574 ∙ 100 = + 1,637 %;


Δ 3 = + √ (1/32) ∙ 0,03257 ∙ 100 = + 3,190 %.


Систематическая ошибка

op = (1/n)Σ((yiyx)/yx) ∙ 100,


op1 = (1/32) ∙ (- 0,00287) ∙ 100 = - 0,0089;


op2 = (1/32) ∙ (- 0,003138) ∙ 100 = - 0,0098;


op3 = (1/32) ∙ 0,324011 ∙ 100 = 1,0125.


0,000936

0,000144

0,002117


0,000365

2,82E-05

0,000914


0,000123

8,62E-06

0,00028


9,27E-05

1,67E-05

0,000156


0,000185

0,000179

0,000108


3,26E-05

2,04E-05

0,000117


5,87E-05

1,04E-05

0,000298


0,000289

0,000114

0,00088


5,7E-05

0,000208

3,55E-05


0,000283

7,94E-05

0,001048


0,000339

9,83E-05

0,001247


0,000623

0,000245

0,001957


6,67E-05

1,28E-06

0,000826


0,000578

0,000218

0,002074


0,001531

0,000892

0,003745


0,001536

0,000939

0,003796


4,57E-07

5,07E-05

0,000494


1,18E-05

8,93E-06

0,0006


0,000377

0,000205

0,001586


0,000401

0,000595

6,46E-07


1,29E-06

6,64E-06

0,000404


0,000143

7,94E-05

0,000931


0,000493

0,000398

0,001608


9,36E-05

7,62E-05

1,75E-05


2,81E-05

4,82E-05

0,000344


0,000101

3,93E-05

3,3E-08


9,6E-05

0,000224

0,000342


0,003867

0,003214

0,003029


0,000373

0,00014

0,000205


0,000262

5,6E-05

0,000167


0,000134

3,12E-08

0,000168


Σ 0,01486

Σ 0,008574

Σ 0,03257


Случайная ошибка

oδ = + √(1/n)Σ{((yi – yx)/yx) ∙ 100 – op }2,

Таблица 25

{((yiyx)/yx)1 ∙ 100 – op1 }2

{((yiyx)/yx)2 ∙ 100 – op2 }2

{((yiyx)/yx)3 ∙ 100 – op3 }2

13,75122

2,281497

42,9884

9,302281

1,415167

31,51067

3,619919

0,272149

16,29048

1,21257

0,080519

7,211095

0,91015

0,159244

5,119774

1,830279

1,764859

4,217187

0,336441

0,212599

0,00452

0,600872

0,10992

0,507665

2,924342

1,156708

3,817678

0,556935

2,048491

0,1735

2,857719

0,811959

4,949792

3,423361

1,002794

6,341996

6,273762

2,48325

11,63456

0,681489

0,010657

3,468091

5,819642

2,20424

12,54493

15,3796

8,974834

26,08454

15,42947

9,449718

26,50536

0,005855

0,493234

1,46677

0,123992

0,083556

2,064061

3,802772

2,082803

8,820086

3,972213

5,903078

1,194434

0,014975

0,061444

0,996557

1,455513

0,811319

4,158108

4,965788

4,014174

8,981759

0,919243

0,744896

0,353221

0,290791

0,495343

0,710624

0,996349

0,380445

0,988719

0,97743

2,272955

0,702527

38,55694

32,02724

42,46055

3,697604

1,377932

5,977598

2,586571

0,545488

5,304551

1,320651

0,000755

5,332831

Σ 292,882634

Σ 292,882634

Σ 292,882634


Таким образом,

oδ1 = + √(1/32) ∙ 148,597 = + 2,155; oδ2 = + √(1/32) ∙ 85,733 = + 1,637;

oδ3 = + √(1/32) ∙ 292,883 = + 3,025.

Чем меньше величина погрешностей и ошибок, тем надежнее уравнение описывает исследуемую взаимосвязь. В нашем случае это уравнение гиперболы.

Таблица 26

Линейное уравнение с логарифмированием факторного признака

y = - 0,5082 + 7,415 ln x

Абсолютная

погрешность

уравнения δ

Относительная

погрешность

уравнения Δ

Систематическая

ошибка op


Случайная ошибка oδ


+ 0,5753

+ 2,155 %

- 0,0089

+ 2,155

Уравнение гиперболы

y = 33,834 – 270,991 / x

+ 0,4491

+ 1,637 %

- 0,0098

+ 1,637

Уравнение показательной кривой

y = 19,88 ∙ 1,007 x

+ 0,8266

+ 3,190 %

1,0125

+ 3,025

Список литературы

  1. Герасимов Ю. Ю., Хлюстов В. К. Математические методы и модели в расчетах на ЭВМ. Применение в лесоуправлении и экологии: Учебник для лесных вузов. – М.: МГУЛ, 2001. – 260 с.

  2. Гусева Л. М., Кузнецова Е. С., Моделирование экосистем: Методические указания к лабораторным работам для студентов специальности 260400 – Лесное хозяйство. Часть 1. / Нижегородская государственная сельскохозяйственная академия. – Нижний Новгород, 2005. – 45 с.

53



1. Реферат Проблемы и перспективы государственного и муниципального управления
2. Реферат НЭП 4
3. Реферат Пути развития России
4. Кодекс и Законы Ипотеки
5. Реферат Экономика России в первой половине XIX века
6. Реферат на тему On 303
7. Реферат Демографическое будущее развитых обществ между детерминизмом и свободой выбора
8. Реферат на тему Sport Utility Vehicles Suvs Essay Research Paper
9. Реферат на тему The History Of Women In Law Enforcement
10. Доклад на тему Гитлер и Церковь