1

import numpy as np
import random
import math
import pandas as pd

alpha = 0.05
from google.colab import drive
drive.mount('/content/drive')
file_path = '/content/drive/MyDrive/table.txt'

a = float(input('Введите начало интервала: '))
b = float(input('Введите конец интервала: '))
N = int(input('Введите объём выборки: '))

"ввод: Введите начало интервала: -1.5
Введите конец интервала: 1.5
Введите объём выборки: 1000"

R = np.zeros(N)
for i in range (0, N):
    R[i] = a + (b - a) * random.random()
RSorted = R.copy()
RSorted.sort()

xiTable = pd.read_csv(file_path, sep="\t", header=None)
print (xiTable)
xiTable = np.asarray(xiTable, dtype=float)

"ввод:      0         1         2         3         4         5         6         7
0    0   0.95000   0.75000   0.25000   0.10000   0.05000   0.01000   0.00500
1    1   0.00393   0.10153   1.32330   2.70554   3.84146   6.63490   7.87944
2    2   0.10259   0.57536   2.77259   4.60517   5.99146   9.21034  10.59663
3    3   0.35185   1.21253   4.10834   6.25139   7.81473  11.34487  12.83816
4    4   0.71072   1.92256   5.38527   7.77944   9.48773  13.27670  14.86026
5    5   1.14548   2.67460   6.62568   9.23636  11.07050  15.08627  16.74960
6    6   1.63538   3.45460   7.84080  10.64464  12.59159  16.81189  18.54758
7    7   2.16735   4.25485   9.03715  12.01704  14.06714  18.47531  20.27774
8    8   2.73264   5.07064  10.21885  13.36157  15.50731  20.09024  21.95495
9    9   3.32511   5.89883  11.38875  14.68366  16.91898  21.66599  23.58935
10  10   3.94030   6.73720  12.54886  15.98718  18.30704  23.20925  25.18818
11  15   7.26094  11.03654  18.24509  22.30713  24.99579  30.57791  32.80132
12  20  10.85081  15.45177  23.82769  28.41198  31.41043  37.56623  39.99685
13  25  14.61141  19.93934  29.33885  34.38159  37.65248  44.31410  46.92789
14  30  18.49266  24.47761  34.79974  40.25602  43.77297  46.97924  50.89218"

def findTableXi(k, alpha):
    column = 0
    for i in range (1, xiTable.shape[1]):
        if xiTable[0][i] == alpha:
            column = i
    if column == 0:
        return 'Нет нужного значения альфа в таблице'
    i = 1
    while i < len(xiTable) - 1 and xiTable[i][0] < k:
        i += 1
    if k == xiTable[i][0]:
        xi = xiTable[i][column]
    elif k > xiTable[len(xiTable) - 1][0]:
        xi = xiTable[len(xiTable) - 1][column] + (xiTable[len(xiTable) - 1][column] - xiTable[len(xiTable) - 2][column]) / (xiTable[len(xiTable) - 1][0] - xiTable[len(xiTable) - 2][0]) * (k - xiTable[len(xiTable) - 1][0])
    else:
        xi = xiTable[i - 1][column] + (xiTable[i][column] - xiTable[i - 1][column]) / (xiTable[i][0] - xiTable[i - 1][0]) * (k - xiTable[i - 1][0])
    return xi

MT = (a + b) / 2
DT = (b - a) * (b - a) / 12
ME = 0
DE = 0
for i in range (0, N):
    ME += RSorted[i]
ME /= N
for i in range (0, N):
    DE += (ME - RSorted[i]) * (ME - RSorted[i])
DE /= (N - 1)
print(MT)
print(ME)
print(DT)
print(DE)

"ввод: 0.0
0.02976252555300853
0.75
0.7387569760189557"

intervalsNumber = int(1 + 3.322 * math.log10(N))
k = intervalsNumber - 1
XSquaredE = 0
j = 0
for i in range (0, intervalsNumber):
    n = 0
    while j < N and RSorted[j] < a + (b - a) * (i + 1) / intervalsNumber:
        j += 1
        n += 1
    XSquaredE += (n - N / intervalsNumber) * (n - N / intervalsNumber)
XSquaredE = XSquaredE * intervalsNumber / N
XSquaredT = findTableXi(k, alpha)
print('Теоретическое значение хи-квадрат: ' + str(XSquaredT))
print('Расчётное значение хи-квадрат: ' + str(XSquaredE))

"ввод: Теоретическое значение хи-квадрат: 16.91898
Расчётное значение хи-квадрат: 10.26"

output1 = 'Начало интервала: ' + str(a) + '\n' + 'Конец интервала: ' + str(b) + '\n' + 'Объём выборки: ' + str(N)
output2 = 'Мат. ожидание теоретическое: ' + str(MT) + '\n' + 'Мат. ожидание расчётное: ' + str(ME) + '\n' + 'Дисперсия теоретическая: ' + str(DT) + '\n' + 'Дисперсия расчётная: ' + str(DE) + '\n' + 'Хи-критерий теоретический: ' + str(XSquaredT) + '\n' + 'Хи-критерий расчётный: ' + str(XSquaredE) + '\n' + 'Уровень значимости: ' + str(alpha)
if XSquaredE < XSquaredT:
    conclusion = 'Значение хи-квадрат критерий расчётное меньше, чем значение хи-квадрат критерий теоретическое, поэтому можно сделать вывод, что гипотеза верна'
else:
    conclusion = 'Значение хи-квадрат критерий расчётное не меньше, чем значение хи-квадрат критерий теоретическое, поэтому можно сделать вывод, что гипотеза неверна'
print(output1)
print(output2)
print(conclusion)
with open('/content/output.txt', 'w') as writefile:
    writefile.write(output1)
    writefile.write('\n' + 'Выборка: ')
    for i in range (0, N):
       writefile.write(str(R[i]) + ' ')
    writefile.write('\n' + output2)
    writefile.write('\n' + conclusion)

"ввод: Начало интервала: -1.5
Конец интервала: 1.5
Объём выборки: 1000
Мат. ожидание теоретическое: 0.0
Мат. ожидание расчётное: 0.02976252555300853
Дисперсия теоретическая: 0.75
Дисперсия расчётная: 0.7387569760189557
Хи-критерий теоретический: 16.91898
Хи-критерий расчётный: 10.26
Уровень значимости: 0.05
Значение хи-квадрат критерий расчётное меньше, чем значение хи-квадрат критерий теоретическое, поэтому можно сделать вывод, что гипотеза верна"