Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- clear;
- clc;
- %1. Сравнение двух дисперсий нормальных генеральных совокупностей
- %Задания: сгенерировать две выборки из нормального распределения
- %с произвольными значениями параметров µ и sigma (на ваш выбор) объемом 100 и 150 элементов.
- %Решить задачу с использованием Правила 1 и Правила 2 (см.выше),
- %то есть подтвердить или опровергнуть основную гипотезу при уровне значимости 0,05.
- type1 = "Normal";
- mu = 0;
- sigma = 1;
- alpha = 0.05;
- n1 = 100;
- n2 = 150;
- X = random(type1, mu, sigma, 1, n1);
- Y = random(type1, mu, sigma, 1, n2);
- viX = var(X);
- viY = var(Y);
- if (viX > viY)
- k1 = n1 - 1;
- k2 = n2 - 1;
- else
- k1 = n2 - 1;
- k2 = n1 - 1;
- end
- F_nabl1 = max(viX, viY)/min(viX, viY);
- F_cr1 = finv(1 - alpha, k1, k2);
- disp("Пункт 1");
- %Нулевая гипотеза: дисперсии равны
- disp("Согласно правилу 1");
- if (F_nabl1 < F_cr1)
- disp("Нет оснований отвергнуть нулевую гипотезу");
- else
- disp("Нулевую гипотезу отвергают");
- end
- clear k1 k2 viX viY;
- vX = var(X, 1);
- vY = var(Y, 1);
- alpha2 = alpha/2;
- if (vX > vY)
- k1 = n1 - 1;
- k2 = n2 - 1;
- else
- k1 = n2 - 1;
- k2 = n1 - 1;
- end
- F_nabl2 = max(vX, vY)/min(vX, vY);
- F_cr2 = finv(1 - alpha2, k1, k2);
- disp("Согласно правилу 2");
- %конкурирующаю гипотеза: дисперсия Х больше чем дисперсия У
- if (F_nabl2 < F_cr2)
- disp("Нет оснований отвергнуть конкурирующую гипотезу");
- else
- disp("Конкурирующую гипотезу отвергают");
- end
- clear vX vY alpha2 k1 k2 mu sigma type1 n1 n2 X Y alpha;
- % 2. Сравнение двух средних генеральных совокупностей, дисперсии которых известны (большие выборки)
- % Задания: сгенерировать две выборки из нормального распределения
- % с произвольными значениями параметров µ и sigma (на ваш выбор) объемом 100 и 150 элементов.
- % Решить задачу с использованием Правила 1 и Правила 2 и Правила 3 (см.выше),
- % то есть подтвердить или опровергнуть основную гипотезу при уровне значимости 0,05.
- type = "Normal";
- mu = 0;
- sigma = 1;
- % alpha = 0.05;
- m = 150;
- n = 150;
- X = random(type, mu, sigma, 1, m);
- Y = random(type, mu, sigma, 1, n);
- mx = mean(X);
- my = mean(Y);
- vx = var(X);
- vy = var(Y);
- Z_nabl = (mx - my) / sqrt(vx / (n + vy) / m);
- % arg = (1 - 2*alpha)/2;
- Z_cr1 = 1.96;
- %pravilo 2
- Z_cr2 = 1.65;
- %pravilo 3
- Z_cr3 = 1.65;
- disp("Пункт 2");
- %Основная гипотеза: мат ожидание Х равно мат ожиданию У
- disp("Согласно правилу 1");
- if (abs(Z_nabl) < Z_cr1)
- disp("Нет оснований отвергнуть основную гипотезу");
- else
- disp("Основную гипотезу отвергают");
- end
- disp("Согласно правилу 2");
- %мат ожидание от Х > мат ожидания от У
- if (abs(Z_nabl) < Z_cr2)
- disp("Нет оснований отвергнуть конкурирующую гипотезу");
- else
- disp("Конкурирующую гипотезу отвергают");
- end
- disp("Согласно правилу 3");
- %мат ожидание от Х < мат ожидания от У
- if (Z_nabl > -Z_cr3)
- disp("Нет оснований отвергнуть нулевую гипотезу");
- else
- disp("Нулевую гипотезу отвергают");
- end
- clear alpha arf m mu mx my n sigma type vx vy X Y;
- % 3. Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам различного объема.
- % Критерий Бартлетта
- % Задания: сгенерировать пять выборок из нормального распределения так, чтобы параметр у них был одинаковый,
- % а параметр µ выберете произвольно, но так, чтобы для каждой выборки было свое значение.
- % Объемы выборок 50, 60, 70, 80, 90. Подтвердить или опровергнуть основную гипотезу при уровне значимости 0,05.
- disp("Пункт 3");
- type = "Normal";
- mu = 0;
- % sigma = 1;
- % alpha = 0.05;
- Ax = random(type, mu, 1, 50, 1);
- Bx = random(type, mu, 2, 60, 1);
- Cx = random(type, mu, 3, 70, 1);
- Dx = random(type, mu, 4, 80, 1);
- Ex = random(type, mu, 5, 90, 1);
- v = zeros(1, 5);
- v(1) = var(Ax);
- v(2) = var(Bx);
- v(3) = var(Cx);
- v(4) = var(Dx);
- v(5) = var(Ex);
- k = zeros(1, 5);
- for i = 1:5
- k(i) = 50 + 10 * (i - 1) - 1;
- end
- s_sr = 0;
- for i = 1:5
- s_sr =s_sr + k(i)*v(i)/sum(k);
- end
- V = 0;
- for i = 1:5
- V = V + k(i)* log(v(i));
- end
- sumk = sum(k);
- V = 2.303 * (sum(k) * log(s_sr) - V);
- %2.303 * ((sum(k) * log10(s_sr) - sum(k)*log10(prod(v))));
- chi_2 = chi2inv(1 - 0.05, 5 - 1);
- if (V > chi_2)
- C = 0;
- for i = 1:5
- C = 1/k(i) - 1/sum(k);
- end
- C = 1 + 1/(3 * (5 - 1)) * C;
- B = V/C;
- %нулевая гипотеза: все дисперсии равны
- if (B < chi_2)
- disp("Согласно правилу нет оснований отвергнуть гипотезу");
- else
- disp("Согласно правилу гипотеза отвергается");
- end
- else
- disp("Согласно правилу нет оснований отвергнуть гипотезу");
- end
- clear alpha arg Ax Bx Cx Dx Ex i k mu s_sr sigma type v;
- % 4. Проверка гипотезы о коэффициенте корреляции
- % Ознакомиться с материалом на стр. 196-198 из книги Радченко Ю.С., Радченко Т.А.
- % Теория вероятностей и математическая статистика, 1997 г.
- % Задания
- % Сгенерировать 2 выборки:
- % 1) Массив X из распределения, заданного вам при выполнении Л.р.№1
- % 2) Массив Y из того же самого распределения, с теми же самыми значениями параметров,
- % что и для массива X. Но поскольку вы генерируете с помощью генератора псевдослучайных чисел,
- % то они не будут одинаковыми (массивы X и Y не будут одинаковыми)
- N = 100;
- a = 8;
- b = 12;
- X = random('Uniform', a, b, 1, N);
- rng shuffle;
- Y = random('Uniform', a, b, 1, N);
- % 3) Рассчитать значение статистики T
- ro_ksin = 0;
- Sx = var(X);
- Sy = var(Y);
- for i = 1:N
- ro_ksin = ro_ksin + X(i) * Y(i) - mean(X) * mean(Y);
- end
- ro_ksin = 1/((N-1) * Sx * Sy) * ro_ksin;
- if (abs(ro_ksin) < 0.3)
- disp("Проверка относительно статистики ro_ksiN");
- disp("Корреляционная, т.е. линейная статистическая зависимость отсутствует");
- end
- T = ro_ksin * sqrt(N - 2) / sqrt(1 - ro_ksin);
- % 4) Определить при уровнях значимости 0,1, 0,05, 0,01 критические значения (по таблицам распределения Стьюдента).
- T_0_01 = 2.5763210958565974;
- T_0_05 = 1.9602012636213575;
- T_0_1 = 1.6450060333112988;
- %основная гипотеза: статистика ро_КсиН = 0, альтернативаня гипотеза:
- %статистика != нулю
- % 5) Сравнить значение статистики, полученной в п. 3, с критическими значениями из п.4
- % и сделать вывод о справедливости выдвинутой гипотезы о коэффициенте корреляции
- %при разных генерациях получаются совершенно разные значения, поэтому
- %проверяй ирл через таблицу значений Стъюдента
- clear a b i N Sx Sy X Y;
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement