Макарова Н.В. Статистика в Excel-1
.pdfпартии будет лежать в интервале от 0,9 до 0,95; при ограничении «не более 2 дефектных лампочек в выборке» — в интервале от 0,95 до 0,99; при ограничении «не более 3 дефектных лампочек в вы борке» — в интервале от 0,99 до некоторого значения, которое можно рассчитать аналогичным образом. Точные значения веро ятности принятия партии можно вычислить с помощью функции БИНОМРАСП:
•формула =БИНОМРАСП(1;100;0,005;ИСТИНА) рассчитает значение 0,910;
•формула =БИНОМРАСП(2;100;0,005;ИСТИНА) вычислит значение 0,986;
•формула =БИНОМРАСП(3;100;0,005;ИСТИНА) рассчитает значение 0,998.
Функция ПЕРЕСТ
См. также БИНОМРАСП.
Синтаксис:
ПЕРЕСТ (число; число выбранных)
Результат:
Рассчитывает количество перестановок для заданного числа объектов, которые выбираются из общего числа объектов.
j^eyMeumbi:
• число: целое число, задающее количество объектов;
• число выбранных: целое число, задающее количество объ ектов в каждой перестановке.
Замечания:
•аргументы усекаются до целых чисел;
•если какой-либо аргумент не является числом, то функция ПЕРЕСТ помещает в ячейку значение ошибки #ЗНАЧ!;
|
• если аргумент число < О или аргумент число |
выбранных < О, |
то |
функция ПЕРЕСТ помещает в ячейку значение ошибки |
|
#ЧИСЛО!; |
|
|
|
• если аргумент число меньше аргумента число |
выбранных^ |
то |
функция ПЕРЕСТ помещает в ячейку значение ошибки |
#ЧИСЛО!.
180
Математико-статистинеская интерпретация:
Возьмем т различных элементов Cj, ^2» •••»^л- Будем перестав лять эти элементы всевозможными способами, оставляя неизмен ными их число и меняя лишь их порядок. Каждая из получивших ся таким образом комбинаций (в том числе и первоначальная) но сит название перестановки. Общее число перестановок из т эле ментов обозначается Р^. Это число равно произведению всех це лых чисел от 1 (или, что то же самое, от 2) до т включительно:
P^-l-2-3../(w-l)w = m!,
Применение функции ПЕРЕСТ рассмотрим на следующем примере.
Пример 6.22. Сколькими способами можно распределить пять должностей между пятью лицами, отобранными в качестве кан дидатов в отдел ценных бумаг банка? Если составить в некотором порядке список должностей и против каждой должности писать фамилию кандидатов, то каждому распределению отвечает неко торая перестановка. Общее число таких перестановок
Р5 = 1*2-3-Ф5==120.
Для решения рассмотренной и подобных задач можно исполь зовать функцию ПЕРЕСТ с равными значениями аргументов {число = число выбранных), формула =ПЕРЕСТ(5;5) рассчитает значение 120.
Более сложными являются задачи, когда число распределяе мых элементов больше числа позиций, по которым они распреде ляются (для функции ПЕРЕСТ выполняется неравенство число > число выбранных). В этом случае общее число перестановок оп ределяется следующим образом:
Р = - ^ .
"'" {rt-m)\
Заметим, что при п - т, Р^ „ - Р^ "= Р„ =^ л!, так как О! = 1. Допустим, что в качестве кандидатов на должности в отдел отобраны не пять, а шесть человек. Тогда число возможных пе рестановок (число возможных комбинаций распределения по должностям) составит 720 комбинаций (формула =ПЕ-
РЕСТ(6;5)).
181
функция ВЕРОЯТНОСТЬ
См, также БИНОМРАСП, КРИТБИНОМ.
Синтаксис:
ВЕРОЯТНОСТЬ(х интервал; интервал вероятностей; нижний предел; верхний предел)
Результат:
Рассчитывает вероятность того, что значения из интервала находятся внутри заданных границ.
Аргументы:
• X интервал: интервал числовых значений х, с которыми связаны вероятности;
• интервал |
вероятностей: множество вероятностей, соот |
ветствующих значениям в аргументе д: интервал. |
|
• нижний |
предел: нижняя граница значения, для которого |
требуется вычислить вероятность; |
|
• верхний |
предел: необязательная верхняя граница значе |
ния, для которого требуется вычислить вероятность.
Замечания:
• если какое-либо значение в аргументе интервал вероят ностей < О или какое-либо значение в аргументе интервал ве роятностей > 1, то функция ВЕРОЯТНОСТЬ помещает в ячейку значение ошибки #ЧИСЛО!;
• если сумма значений в аргументе интервал вероятностей ^\, то функция ВЕРОЯТНОСТЬ помещает в ячейку значение ошибки #ЧИСЛО!;
• если аргументы х интервал и интервал вероятностей
содержат различное количество точек данных, то функция ВЕ РОЯТНОСТЬ помещает в ячейку значение ошибки #Н/Д;
• если аргумент верхний предел не задан, то функция ВЕ РОЯТНОСТЬ рассчитывает вероятность значения аргумента
нижний предел.
Математика-статистическая интерпретация:
В основе применения функции ВЕРОЯТНОСТЬ лежит тео рема сложения вероятностей, которая формулируется следую щим образом.
Теорема. Вероятность суммы несовместных событий равна сумме вероятностей этих событий:
182
Из теоремы сложения вероятностей вытекает следующее след ствие.
Следствие. Если события А^, Ai,..., А^ образуют полную груп пу несовместных событий, то сумма их вероятностей равна 1:
/=1
Теорема сложения вероятностей и ее следствие обусловливают математическую интерпретацию функции ВЕРОЯТНОСТЬ, при менение которой рассмотрим на следующем примере.
Пример 6.23. В новогодней лотерее организации разыфывается 1000 билетов. Из них падают выигрыши: на один билет - 500 руб.; на 10 билетов - по 100 руб.; на 50 билетов - по 20 руб.; на 100 билетов - по 5 руб.; остальные билеты невыигрышные. Сотруд ник организации может взять только один билет. Найти вероят ность выиграть: а) 20 руб.; б) не менее 20 руб.; в) не менее 100 руб.; г) от 5 до 100 руб. включительно.
Исходные данные и результат решения задачи с помощью функции ВЕРОЯТНОСТЬ приведены в табл. 6.9.
Содержимое ячеек в табл. 6.9:
•ячейки D3:D7 содержат соответственно формулы =ВЗ/СУММ(ВЗ:В7)...=В7/СУММ(ВЗ:В7);
•ячейка D8 содержит формулу ==ВЕРОЯТНОСТЬ(СЗ:С7;03: :D7;20);
•ячейка D9 содержит формулу =ВЕРОЯТНОСТЬ(СЗ:С7;03: :D7;20;500);
•ячейка D10 содержит формулу =ВЕРОЯТНОСТЬ(СЗ:С7;03 : :D7;100;500);
•ячейка D11 содержит формулу =ВЕРОЯТНОСТЬ(СЗ:С7;03 : :D7;5;100).
183
|
в |
|
С |
Таблица 6.9 |
|
т ' - ' • ••••• |
|
D |
|
||
г |
Количество |
Размер |
|
|
|
|
Вероятность |
|
|||
|
лотерейных |
выифыша, |
|
||
|
выигрыша |
|
|||
|
билетов |
руб. |
|
||
|
|
|
|||
|
1 |
|
500 |
0,001 |
|
|
10 |
|
100 |
0,01 |
1 |
|
50 |
|
20 |
0,05 |
|
|
100 |
|
5 |
0,1 |
' |
|
839 |
|
0 |
0,839 |
' |
|
20 |
|
|
0,05 |
|
|
|
|
Не менее 20 |
0,061 |
|
|
|
|
Не менее 100 |
0,011 |
|
^Щ |
|
|
От 5 до 100 |
0,16 |
|
|
|
|
включительно |
|
|
|
6.4.2- |
|
|
|
|
|
Функции гипергеометрического |
|
|||
|
распределения |
|
|
||
Функция ГИПЕРГЕОМЕТ |
|
|
|
||
См. также БИНОМРАСП, ОТРБИНОМРАСП. |
|
||||
Синтаксис: |
|
|
|
|
|
ГИПЕРГЕОМЕТ (число |
успехов в |
выборке; размер |
|||
выборки; число успехов |
в совокупности; размер |
сово |
|||
купности) |
|
|
|
|
|
Результат: |
|
|
|
|
|
Рассчитывает гипергеометрическое распределение. |
|
||||
Аргументы: |
в |
выборке: число успешных испыта |
|||
• число __ успехов |
|||||
ний в выборке; |
|
|
|
|
|
• размер |
выборки: размер выборки; |
|
|
||
• число |
успехов |
в |
совокупности: число успешных испы |
таний в генеральной совокупности;
1§4
• размер совокупности: размер генеральной совокупности.
Замечания:
•все аргументы усекаются до целых чисел;
•если какой-либо аргумент не является числом, то функция
ГИПЕРГЕОМЕТ помещает в ячейку значение ошибки #ЗНАЧ!;
• если аргумент число |
успехов |
в |
выборке < О или аргу |
|
мент число успехов в |
выборке больше какого-либо из аргу |
|||
ментов размер выборки и число |
успехов в |
совокупностиу |
то функция ГИПЕРГЕОМЕТ помещает в ячейку значение ошиб ки #ЧИСЛО!;
• если аргумент размер выборки < О или аргумент размер
. выборки больше аргумента размер совокупности, то функция ГИПЕРГЕОМЕТ помещает в ячейку значение ошибки #ЧИСЛО!;
• если аргумент число |
успехов в |
совокупности < О или |
|
аргумент число успехов |
в совокупности больше аргумента |
||
размер |
совокупности, то функция ГИПЕРГЕОМЕТ помещает |
||
в ячейку значение ошибки #ЧИСЛО!; |
|
||
• если аргумент размер |
совокупности < О, то функцрхя ГИ |
||
ПЕРГЕОМЕТ помещает в ячейку значение ошибки #ЧИСЛО!. |
|||
Математика-статистическая интерпретация: |
|||
Гипергеометрическое распределение |
описывает вероятность |
появления ровно х успешных исходов в п испытаниях, когда зна чение п не мало по сравнению с объемом совокупности N. Это распределение часто находит применение в задачах, когда выбор ка берется из небольших партий продукции. Вероятность того, что из п изделий, выбранных случайным образом из партии объе мом N, ровно X являются дефектными, имеет гипергеометрическое распределение.
Выбрать п элементов из Л^ можно Cjy различными способами, каждый из которых одинаково возможен. Аналогично х из /: де фектных изделий можно выбрать С^^ различными способами. Кроме того, для каждой такой комбинации имеют место
(N-k {N-k)\ {n-x)\-[{N--k)\-{n-x)\\
способов выбора п-х изделий из числа N-k исправных, следова тельно, общее число способов выбора х дефектных изделий и N—k исправных равно
185
xj[ n-x |
k\ |
(n-k)\ |
x\(k-x)\ |
(n~x)\\(N-k)\-{n-xY:\ |
A поскольку мы имеем дело с равновозможными события ми, то вероятность появления события «выбора из /: дефектных изделий и п—х из N-^k исправных изделий» определяется следу ющим выражением, задающим гипергеометрическое распреде ление:
|
N-'k |
f(x;N,n,k) = |
n-x xuk,n-x<N-k, |
|
(N |
|
n |
где X — число дефектных изделий в выборе;
к— число дефектных изделий в генеральной совокупности;
п— объем выборки;
N - объем генеральной совокупности.
Аргументы функции / (х; N, л, к) эквивалентны следующим аргументам функции ГИПЕРГЕОМЕТ:
• X = нисую |
успехов е выборке; |
• N—размер |
совокупности; |
•п -размер выборки;
•к- число успехов в совокупности.
Рассмотрим один из типичных примеров применения гипер геометрического распределения для решения задач производст венного контроля качества продукции.
Пример 6.24. Из партии, содержащей 30 специальных высоко надежных электронных ламп, случайным образом выбираются и подвергаются испытаниям на долговечность шесть ламп. Если в процессе испытаний ни одна лампа не выйдет из строя или вый дет из строя только одна лампа, то партия принимается. В против ном случае вся партия бракуется. Какова вероятность того, что партия будет принята, если из 30 ламп четыре являются дефект ными?
186
Партия будет принята, если взятая выборка не содержит де фектных ламп или содержит одну дефектную лампу. Соответству ющая вероятность определяется выражением / (0;ЗО;6;4) + +/(1;30;6;4), которое рассчитаем с помощью функции ГИПЕРГЕОМЕТ:
=ГИПЕРГЕОМЕТ(0;6;4;30)+гаПЕРГЕОМЕТ(0;6;4;30)-0,831.
Таким образом, с вероятностью 0,831 данная партия будет принята.
Математическое ожидание и дисперсия гипергеометрическо го распределения имеют следующий вид:
а(х) = —
При уменьшении отношения n/N гипергеометрическое рас пределение стремится к биномиальному распределению с параме трами пир - k/N, Если в примере 6.24 использовать биномиаль ное распределение с параметрами/? = 4/30 = 0,133, то вероятность принятия партии будет равна не 0,831, а 0,815 (рассчитывается по формуле =БИНОМРАСП(1;6;4/30;1)). Поскольку в данном при мере выборка составляет 20 % совокупности, то нельзя ожидать, что биномиальное распределение обеспечит очень хорошую ап проксимацию.
6.4.3.
Функции распределения Пуассона
Функция ПУАССОН
См, также БИНОМРАСП, ЭКСПРАСП.
Синтаксис:
ПУАССОН (х; среднее; интефальная)
187
Результат:
Рассчитывает распределение Пуассона.
Аргументы:
•х: количество событий;
•среднее: интенсивность появления событий;
•интегральная: логическое значение, определяющее форму функции. Если аргумент интегральная = 1, то функция ПУАС СОН рассчитывает интегральную функцию распределения; если аргумент интегральная = О — дифференциальную функцию распределения.
Замечания:
•аргумент х усекается до целого числа;
•если аргумент х или аргумент среднее не является числом, то функция ПУАССОН помещает в ячейку значение ошибки #ЗНАЧ!;
•если аргумент х < О, функция ПУАССОН помещает в ячейку значение ошибки #ЧИСЛО!;
•если аргумент среднее < О, то функция ПУАССОН помещает
вячейку значение ошибки #ЧИСЛО!.
Математико-статистинеская интерпретация:
Одним из наиболее распространенных дискретных распреде лений является распределение Пуассона*, которое описывает чис ло событий, происходящих в одинаковых промежутках времени или на одинаковых отрезках пространства при условии, что собы тия происходят независимо друг от друга с постоянной средней интенсивностью X.
Плотность распределения Пуассона (вероятность появления ровно лг событий в определенном промежутке времени) имеет сле дующий вид:
х\
*(Poisson Simeon Denis) Пуассон Симеон Дени (1781—1840) — француз ский механик, физик, математик, иностранный почетный член Петербург ской АН (1826), член Парижской АН (1812). Основные труды по теоретичес кой и небесной механике, математике и математической физике, В теории вероятностей Пуассон доказал частный случай закона больших чисел и одну из предельных теорем (теорема Пуассона, распределение Пуассона).
188
Во временной области пуассоновское распределение исполь зуется как статистическая модель для числа альфа-частиц, испу скаемых радиоактивным источником за определенный промежу ток времени; числа требований на выплату страховых сумм за год; числа вызовов, поступающих на телефонную станцию за оп ределенное время суток. Описываемые пуассоновским распреде лением события, происходящие на постоянной площади или в постоянном объеме, включают: число дефектов на одинаковых образцах вещества; количество бактерий на предметном стекле нескольких микроскопов; число авиационных бомб, упавших на одинаковые площади Лондона в годы второй мировой войны.
Закон Пуассона можно применять для совокупностей, доста точно больших по объему {п > 100) и имеющих достаточно малую долю единиц, обладающих данным признаком (р < 0,1). Данное распределение является предельным для биномиального распре деления, если одновременно устремлять число опытов п к беско нечности, а вероятность;? - к нулю, причем их произведение пр сохраняет постоянное значение:
пр —X.
Это предельное свойство биномиального закона часто нахо дит применение на практике. Допустим, что производится боль шое количество независимых опытов w, в каждом из которых со бытие А имеет очень малую вероятность р. Тогда для вычисления вероятности Р^ „ того, что событие v4 появится ровно д: раз, можно использовать приближенную формулу
РЛ^Р)\-~пр
где пр= X - параметр того закона Пуассона, которым приближенно заменяется биномиальное распределение.
От этого свойства закона Пуассона выражать биномиальное распределение при большом числе опытов и малой вероятности события происходит его название, применяемое в учебниках ста тистики: закон редких явлений.
189