Макарова Н.В. Статистика в Excel-1
.pdfАргументы:
•вероятность: вероятность, связанная с гамма-распределе нием;
•альфа: параметр распределения;
•бета: параметр распределения. Если бета=1, то функция ГАММАРАСП рассчитывает стандартное гамма-распределение.
Замечания:
•если какой-либо аргумент не является числом, то функция ГАММАОБР помещает в ячейку значение ошибки #ЗНАЧ!;
•если аргумент вероятность < О или аргумент вероятность > I, то функция ГАММАОБР помещает в ячейку значение ошибки #ЧИСЛО!;
•если аргумент альфа < О или аргумент бета < О, то функция ГАММАОБР помещает в ячейку значение ошибки #ЧИСЛО!;
•функция ГАММАОБР для вычисления значения использует метод итераций и производит вычисления, пока не получит ре зультат с точностью ± 3-10"^. Если результат не сходится после 100 итераций, то функция помещает в ячейку значение ошибки #Н/Д.
Математико-статистическая интерпретация:
См, описание функции ГАММАРАСП.
Функция обратного гамма-распределения используется в си туациях, когда известна вероятность определенного значения слу чайной величины и необходимо рассчитать это значение.
Например, формула =ГАММАОБР(0,75761;10;1/6) рассчиты вает значение 2 (сравните с формулой =ГАММАРАСП(2;10;1/6; 1), рассчитывающей значение 0,75761).
Пример 6,5. Для задачи, рассмотренной в примере 6.4, требует ся определить время / между последовательными рейсами парома, вероятность превышения которого составляет 95 %.
Решение заключается в нахождении значения /, удовлетворя ющего уравнению
гЮ t
0,05 = F(/;10,6) = -^— U^e-^'dt, Г(10)^
Для решения данного уравнения используем функцию ГАМ МАОБР, при этом заметим, что, как и в функции ГАММАРАСП, аргумент бета ((3) является обратным по отношению к аргумен-
140
ту Я-, т. е. Х= 1/р. Учитывая это обстоятельство, формулу нахож дения t запишем в виде =ГАММАОБР(0,05;10;1/6), которая рас считает значение 0,90. Таким образом, с вероятностью 0,95 мож но предположить, что время между отправлениями парома пре высит 54 мин.
Функция ГАММАНЛОГ
См. также ГАММАРАСП, ГАММАОБР.
Синтаксис:
ГАММАНЛОГ (X)
Результат:
Рассчитывает натуральный логарифм гамма-функции.
Аргументы:
х: значение, для которого вычисляется натуральный лога рифм гамма-функции.
Замечания:
•если аргумент х не является числом, то функция ГАММАН ЛОГ помещает в ячейку значение ошибки #ЗНАЧ!;
•если аргумент х < О, то функция ГАММАНЛОГ помещает в ячейку значение ошибки #ЧИСЛО!;
•число е, возведенное в степень ГАММАШ10Г(/), где / - це лое число, рассчитывает такой же результат, как и (/ - 1)!.
Математико-статистическая интерпретация:
См. описание функции ГАММАРАСП.
Всамостоятельном виде функция ГАММАНЛОГ имеет в ос новном теоретическое значение, однако в комбинации с другими функциями она может использоваться в расчетах, связанных с решением практических задач.
Воснове функции ГАММАНЛОГ лежитрлд Стирлинга'^:
•(Stirling James) Стирлинг Джеймс (1692-1770) - шотландский матема тик, член Лондонского королевского общества (1729). Наиболее важный труд — «Метод разностей», где Стирлинг впервые дал асимптотическое раз ложение логарифма гамма-распределения (т. н ряд Стирлинга). Некоторые результаты Д. Стирлинга были получены также Л. Эйлером в его более общих исследованиях. Формула Стирлинга легко получается из ряда Стирлинга, но у самого Д Стирлинга в явном виде не встречается.
141
lnr(x) = xlnx~x—lnx+—ln27t + e(x),
где 8 (X ) ^ 0 при X -> 00 .
Из ряда Стирлинга получается формула Стирлинга, позволяю щая находить приближенные значения гамма-функции при боль ших значениях л: и имеющая следующий вид:
Г(х +1)« л^тисл:V , Re X ^ 00.
где Re X — действительная часть числа х.
Формулой Стирлинга называется также и асимптотическое равенство, позволяющее находить приближенные значения фак ториалов:
п\«>]2ппп"&~",п -> 00.
Таким образом, если х - целое положительное число, то фор мула Стирлинга для гамма-функции рассчитывает такое же значе ние, как и формула Стирлинга для факториала при л - х. Учиты вая соотношение Г(х+1) =хГ(х), получаем
Г(х)«(х-1)!,
где X — целое положительное число.
Значения, рассчитываемые формулами =ЕХР(ГАММАНЛОГ (х)) и =ФАКТР(х-1) (при условии, что х - целое положительное число), приведены в табл. 6.5.
|
|
|
Таблица 6.5 |
Вид |
|
Значения х |
|
формулы |
5 |
10 |
15 |
|
|||
ЕХР(ГАММАНЛОГ(х)) |
24,00000 |
362879,99992 |
87178291181,08069 |
ФАКТР(х-1) |
24 |
362880 |
87178291200 |
142
6.3.3.
функции бета-распределения
Функция БЕТАРАСП
См. также БЕТАОБР.
Синтаксис:
БЕТАРАСП (х; альфа; бета; А; В)
Результат:
Рассчитывает бета-распределение.
Аргументы:
•х: значение в интервале между ^ и 5, для которого вычисля ется бета-распределение;
•альфа: параметр распределения;
•бета: параметр распределения;
•А: необязательная нижняя граница интервала изменения х;
•В: необязательная верхняя граница интервала изменения х.
Замечания:
•если какой-либо аргумент не является числом, то функция БЕТАРАСП помещает в ячейку значение ошибки #ЗНАЧ!;
•если аргумент альфа < О или аргумент бета < О, то функция БЕТАРАСП помещает в ячейку значение ошибки #ЧИСЛО!;
•если х<А, или х> В, или А= В,то функция БЕТАРАСП по мещает в ячейку значение ошибки #ЧИСЛО!;
•если аргументы Аи В опущены, то функция БЕТАРАСП ис пользует стандартное интегральное бета-распределение, при ко тором А = Ои В= 1.
Математика-статистическая интерпретация:
Бета-распределение является одной из наиболее общих стати стических моделей и используется для описания случайных вели чин, значения которых ограничены конечным интервалом (срав ните с гамма-распределением, описывающем случайные величи ны, офаниченные только с одной стороны {см, описание функ ции ГАММАРАСП в подразд. 6.3.2)).
Наибольшее распространение получило стандартное бетараспределение, определенное на интервале [0; 1]. При использо вании функции БЕТАРАСП это обстоятельство учитывается, ес ли опустить в ней аргументы А и В или присвоить им значения О
и1 соответственно.
143
Плотность бета-распределения имеет вид
|
Г(а)Г(Р) |
,0<х<1,а>0,р>0; |
|
О-в остальных случаях, |
|
где 1МШ^в(а,р)=|х^-Ч1-х)Р-1й[х |
- бета-функция (интеграл |
|
Г(а + Р) |
о |
|
Эйлера 1-городаЛ выраженная через гамма-функцию Г(т1) (интеграл Эйлера 2-го рода);
Г(а) =00Ix'^'^e'^'dx -- гамма-функция.
о
Функция БЕТАРАСП рассчитывает значение интегральной
функции бета-распределения, которая также называется неполно
бета-функцией и имеет следующий вид:
0,х < 0; |
|
/'(х;а,р) = Г(а + Р)- , |
р., |
1,х>0; |
|
При различных значениях параметров а и р бета-распределе ние принимает различную форму:
•при а > 1 и р > 1 ~ одновершинное с максимумом в точке
х-(а-1)/(а+р-2);
• при а < 1 и р < I - {/-образная форма;
• при а < 1 и р > 1 - убывающая функция;
• при а > 1 и р < 1 — /-образная форма;
• при а =р - симметричная форма.
Вследствие того что бета-распределение может принимать разнообразную форму, оно используется для описания большого числа реальных случайных величин, значения которых офаничены некоторым интервалом. Примерами такой случайной величи ны могут служить доля дефектных изделий на производственной линии, оценка продолжительности определенного этапа работы
144
при календарном планировании по методу PERT*. Бета-распре деление используется также при байесовском** анализе в качест ве исходной информации о вероятности успеха, например о веро ятности того, что космический аппарат успешно выполнит опре деленную задачу
Наиболее широкое применение бета-распределение получило при решении задач следующего типа. Допустим, что получены п независимых случайных наблюдений некоторого явления z с про извольной плотностью распределения. Полученные значения от сортированы в порядке возрастания. Пусть Zr^Zn-s + {~ соответ ственно значения г-го наименьшего и 5-го наибольшего значения. Можно показать, что доля означений исходной совокупности, за ключенных между Zr^Zn-s^b имеет бета-распределение с пара метрами a—n—r—s+\ и Р=Н-л', т е.
О < л: < 1.
Этот результат справедлив независимо от формы распре деления случайной величины z и иллюстрируется следующим примером.
Пример 6.6. Измерительный прибор, в состав которого входят фоточувствительные элементы, настроен на регистрацию мини мально допустимой и максимально допустимой длины детали. Из очень большой партии случайным образом выбраны 30 деталей. Какова вероятность того, что доля деталей в партии, имеющих до пустимую длину, составит: а) не менее 90 %; б) не менее 95 %; в) не менее 99 %?
*PERT (Program Evaluation and Review Technique) - метод оценки и пере смотра протрамм. Был разработан консультативной фирмой REND по заказу военно-морского министерства США ддя календарного планирования науч но-исследовательских и опытно-конструкторских работ профаммы создания ракет «Поларис».
**(Bayes Thomas) Байес Томас (1702-1761) - английский математик, член Лондонского королевского общества. Основные труды относятся к теории ве роятностей. В частности, Байес поставил и решил одну из основных задач эле ментарной теории вероятностей — теорему Байеса (опубликована в 1763 г.).
145
Из вышеизложенного следует, что доля х значений совокупно сти, заключенных между наибольшим и наименьшим значениями случайной выборки объемом 30 элементов, является случайной величиной, имеющей бета-распределение с параметрами а =30-1-1+1=29 и (3=1+1=2. Следовательно, вероятность того, что доля деталей с допустимой длиной превысит 0,90, равна
/>(;с>0,90)=1-7^(0,90;29,2) =1 |
029)_ '. ^29-у^ ^t)^-^dt |
|
^ |
V , , , / |
Г(29)Г(2) i |
Аналогичным образом рассчитывается вероятность и для зна чений доли 0,95 и 0,99.
Решим задачу, воспользовавшись функцией БЕТАРАСП, которая рассчитает следующие значения;
а) 0,816 (формула =1-БЕТАРАСП(0,90;29;2)); б) 0,446 (формула =1-БЕТАРАСП(0,95;29;2)); в) 0,036 (формула = 1 -БЕТАРАСП(0,99;29;2)).
Математическое ожидание и дисперсия бета-распределения имеют следующий вид:
а(х)-- а + р
а^(х)= |
- " Р |
|
(а + Р)^(а + р + 1)* |
Частными случаями бета-распределения являются равномер ное, треугольное и параболическое распределения. Равномерное распределение получается при а=1 и р=1; треугольное распреде ление — при а=2 и р=1; параболическое распределение, при а=2 и р=2. Равномерное распределение является статистической моделью, описывающей момент появления события, которое с равной вероятностью может появиться в любой момент данного интервала. Два последних распределения применяются в качестве простых аппроксимаций более сложных симметричных и асимме тричных распределений. Так, параболическое распределение можно использовать как очень простую аппроксимацию нор-
146
мального распределения, а треугольное распределение позволяет весьма приближенно описывать некоторые случайные величины, имеющие гамма-распределение.
Фуншщя БЕТАОБР
См, также БЕТАРАСП.
Синтаксис:
БЕТАОБР (вероятность; альфа; бета; А; В)
Результат:
Рассчитывает обратное бета-распределение.
^фгументы:
•вероятность: вероятность, связанная с бета-распределением;
•альфа: параметр распределения;
•бета: параметр распределения;
•А: необязательная нижняя граница интервала изменения х;
•В: необязательная верхняя граница интервала изменения х. Замечания:
•если какой-либо аргумент не является числом, то ф)шкция БЕТАОБР помещает в ячейку значение ошибки #ЗНАЧ!;
•если аргумент альфа < О или аргумент бета < О, то функция БЕТАОБР помещает в ячейку значение #ЧИСЛО!;
•если аргумент вероятность < О или аргумент вероятность >
>1, то функция БЕТАОБР помещает в ячейку значение ошибки #ЧИСЛО!;
•если аргументы Аи В опущены, то функция БЕТАОБР ис пользует стандартное интегральное бета-распределение, при которому4==0и5- 1;
•функция БЕТАОБР для вычисления значения использует метод итераций и производит вычисления, пока не получит ре зультат с точностью ±3*10" . Если результат не сходится после 100 итераций, то функция помещает в ячейку значение ошибки #Н/Д.
Математика-статистическая интерпретация: См, описание функции БЕТАРАСП.
Функция обратного бета-распределения используется в ситуа циях, когда известна вероятность определенного значения слу чайной величины и необходимо рассчитать это значение.
Например, формула =БЕТАОБР(0,55354;29;2) рассчитывает значение 0,95 (сравните с формулой =БЕТАРАСП(0,95;29;2), рас считывающей значение 0,55354).
147
пример 6.7. Для задачи, рассмотренной в примере 6.6, требу ется определить долю деталей в партии, имеющих длину в преде лах допустимых значений, с вероятностью не менее 0,9.
Для этого необходимо решить следующее уравнение:
1 - Д/;29,2) - 0,9.
Для решения данного уравнения используем функцию БЕТАОБР с аргументом вероятность=1'-0,9-0,\. Формула =БЕТА- ОБР(1—0,9;29;2) рассчитает значение 0,876. Таким образом, с ве роятностью 0,9 доля деталей в партии, имеющих длину в пределах допустимых значений, составит не менее 87,6%.
6.3.4.
Функции логарифмического нормального распределения
Функция ЛОГНОРМРАСП
См, также ЛОГНОРМОБР.
Синтаксис:
ЛОГНОРМРАСП (х; среднее; стандартное откл)
Результат:
Рассчитывает логарифмическое нормальное распределение.
Аргументы:
•х: значение, для которого вычисляется логарифмическое нормальное распределение;
•среднее: средняя распределенной по нормальному закону величины In (х);
• стандартное откл.: стандартное отклонение распреде ленной по нормальному закону величины 1п(х).
Замечания:
• если какой-либо аргумент не является числом, то функция ЛОГНОРМРАСП помещает в ячейку значение ошибки #ЗНАЧ!;
• если аргумент л: < О или аргумент стандартное откл < О, то функция ЛОГНОРМРАСП помещает в ячейку значение ошиб ки #ЧИСЛО!,
Математико'статистинеская интерпретация:
Логарифмическое нормальное распределение описывает слу чайную величину, логарифм которой распределен по нормально-
148
му закону с параметрами х и ст. Логарифмическим нормальным распределением, как правило, хорошо аппроксимируются слу чайные величины, которые образуются в результате умножения большого числа независимых или слабозависимых неотрицатель ных случайных величин, дисперсия каждой из которых мала по сравнению с дисперсией их суммы. С помощью центральной пре дельной теоремы можно показать, что распределение произведе ния п независимых случайных величин приближается к логариф мическому нормальному распределению, подобно тому как сумма п независимых случайных величин приближается к нормальному распределению.
Логарифмическое нормальное распределение применяется в самых различных областях - от экономики до биологии для описа ния процессов, в которых наблюдаемое значение составляет слу чайную долю предьщущего значения. Примерами могут служить распределение суммы личных доходов, размеров наследства, сум мы банковских вкладов; распределение размеров организма, разви тие которого происходит под влиянием большого числа незначи тельных воздействий, эффект каждого из которых пропорционален мгновенному значению размера организма. Логарифмическое нор мальное распределение с хорошим приближением описывает рас пределение размера частиц при дроблении породы, содержание компонентов (химических соединений и минералов) в породах.
Плотность логарифмического нормального распределения имеет следующий вид:
|
1 |
ктх-х) |
/(х;х,ст)== |
~ . i |
2а^ ,х>0,а>0; |
ax^J2n |
|
О - в остальных случаях.
Интегральная функция логарифмического нормального рас пределения имеет вид
F(x;x,a) = — 7 = j ^ ^^' dL
CXyltt -00
Заметим, что Зс и ст не являются параметрами, соответственно характеризующими центр распределения и его масштаб, как это
149