🗊Презентация Нормальний закон розподілу у сукупностях

Нормальний закон розподілу у сукупностях

В основі розподілу лежать відповідні математичні закономірності, які для генеральної сукупності (при n → ∞) характеризуються певним теоретичним розподілом. На основі теоретичного розподілу виводяться відповідні статистичні критерії, які використовуються для перевірки гіпотези про досліджувану експериментальну сукупність. В основі розподілу лежать відповідні математичні закономірності, які для генеральної сукупності (при n → ∞) характеризуються певним теоретичним розподілом. На основі теоретичного розподілу виводяться відповідні статистичні критерії, які використовуються для перевірки гіпотези про досліджувану експериментальну сукупність.

Значна частина випадкових явищ в природі може бути описана за допомогою нормального закону розподілу (закону Гауса). Це найбільш поширений тип розподілу особин сукупності по класах варіаційного ряду, який можна виразити варіаційною кривою. Показники ознаки (х) знаходяться на осі абсцис, а частоти (f) – на осі ординат. Значна частина випадкових явищ в природі може бути описана за допомогою нормального закону розподілу (закону Гауса). Це найбільш поширений тип розподілу особин сукупності по класах варіаційного ряду, який можна виразити варіаційною кривою. Показники ознаки (х) знаходяться на осі абсцис, а частоти (f) – на осі ординат.

Нормальний закон розподілу

Для нормального розподілу при n→∞ характерні: теоретична крива має симетричний вигляд. Кінці кривої не зливаються з віссю абсцис, а наближаються до неї в безмежності (асимптоматично). Вершина кривої нормального розподілу визначається перпендикуляром з точки М (середнє арифметичне значення). Максимальне значення у відповідає найбільшій частоті (f) зустрічі особин, у яких величина ознаки дорівнює середньому арифметичному. У нормальному розподілі точка М співпадає з величиною моди та медіани.

Правило трьох сигм Криву нормального розподілу характеризує властивість, яку називають правилом трьох сигм: практично весь можливий діапазон відхилень окремих варіант від свого середнього арифметичного значення в сукупностях великого обсягу не виходить за межі М±3σ. Отже, розподіл ознаки обмежений лімітом ±3σ від середнього арифметичного значення.

В ці межі входить 99,7% всіх особин сукупності. За межами ±3σ зустрічається тільки 0,3 % особин, у яких значення ознаки більше за +3σ або менше –3σ. У такому випадку значення t для окремих варіант коливаються в межах + 3.

Площа під кривою нормального розподілу варіант у заданому інтервалі t від -3 до +3 відображає ймовірність появи поодинокої величини в цьому інтервалі. Також площа під кривою відповідає кількості (в %) особин даної сукупності, що увійшли в даний діапазон. На практиці для визначення ймовірності появи варіант в інтервалі користуються таблицею нормального інтеграла ймовірностей, яку наведено в додатках рекомендованих підручників. Площа під кривою нормального розподілу варіант у заданому інтервалі t від -3 до +3 відображає ймовірність появи поодинокої величини в цьому інтервалі. Також площа під кривою відповідає кількості (в %) особин даної сукупності, що увійшли в даний діапазон. На практиці для визначення ймовірності появи варіант в інтервалі користуються таблицею нормального інтеграла ймовірностей, яку наведено в додатках рекомендованих підручників.

Встановлено, що ймовірність p появи випадкової величини в інтервалі М±tσ значень дорівнює: Встановлено, що ймовірність p появи випадкової величини в інтервалі М±tσ значень дорівнює: у межах М±σ p ≈ 0,6826, тобто знаходиться близько 68% усіх даних; у межах М±2σ p ≈ 0,9545, тобто знаходиться близько 95% усіх даних; у межах М±3σ p ≈ 0,9972, тобто знаходиться близько 99,7% усіх даних. Отже, знаючи варіаційну криву розподілу варіант за тою чи іншою ознакою і припускаючи, що розподіл є нормальним, можна передбачити, який відсоток досліджуваних особин (або варіант) укладається: в межах ± 1σ – 68,26%, в межах ± 2σ – 95,46% , в межах ± 3σ – 99,73%.

У явищах природи діє закон великих чисел, згідно з яким чіткість характеру розподілу варіант у сукупностях залежить від обсягу сукупності: чим він більший, тим яскравіше проявляється закон, якому він підлягає. Характер розподілу варіант ідеально відповідає теоретичному законові розподілу тільки тоді, коли обсяг сукупності нескінченно великий. Ми тоді говоримо про генеральну сукупність. Тільки в цьому випадку відносні частоти появи варіант збігаються з їх теоретичними ймовірностями. У реальних обмежених сукупностях ідеального співпадіння кривих розподілу варіант з теоретичною функцією розподілу не спостерігається. У явищах природи діє закон великих чисел, згідно з яким чіткість характеру розподілу варіант у сукупностях залежить від обсягу сукупності: чим він більший, тим яскравіше проявляється закон, якому він підлягає. Характер розподілу варіант ідеально відповідає теоретичному законові розподілу тільки тоді, коли обсяг сукупності нескінченно великий. Ми тоді говоримо про генеральну сукупність. Тільки в цьому випадку відносні частоти появи варіант збігаються з їх теоретичними ймовірностями. У реальних обмежених сукупностях ідеального співпадіння кривих розподілу варіант з теоретичною функцією розподілу не спостерігається.

Розподіл Стьюдента Закон нормального розподілу проявляється при n > 20. Однак експериментатор часто проводить обмежене число досліджень і робить висновки на основі малих вибірок. На початку ХХ ст. в математичній статистиці виник новий напрям, який отримав назву статистики малих вибірок. Найбільше практичне значення для експериментальної роботи мало відкриття в 1908 р. англійським статистиком і хіміком В. Госсетом t- розподілу, який отримав назву розподіл Стьюдента (псевдонім Госсета).

Розподіл Стьюдента

При дослідженні сукупностей, мінливість варіант у яких підлягає нормальному законові, таблицею нормального інтеграла ймовірностей слід користуватися тільки тоді, коли обсяг досліджуваної сукупності більший за 20 варіант. Такий обсяг можна вважати досить великим, так що розподіл у ньому істотно наближається до теоретичних значень нормального розподілу, коли n →∞. При дослідженні сукупностей, мінливість варіант у яких підлягає нормальному законові, таблицею нормального інтеграла ймовірностей слід користуватися тільки тоді, коли обсяг досліджуваної сукупності більший за 20 варіант. Такий обсяг можна вважати досить великим, так що розподіл у ньому істотно наближається до теоретичних значень нормального розподілу, коли n →∞.

Коли обсяг сукупності менший за 20 варіант, ці відхилення набувають істотного характеру, так що розподіл варіант описується іншим математичним виразом, який називається розподілом Стьюдента. В біометрії в основному користуються таблицею розподілу, в якій величина інтеграла ймовірностей (площа під кривою розподілу) в межах М ± tσ представлена залежно від обсягу сукупності n. Таблиця відома під назвою таблиці Стьюдента і наведена в додатку. Коли обсяг сукупності менший за 20 варіант, ці відхилення набувають істотного характеру, так що розподіл варіант описується іншим математичним виразом, який називається розподілом Стьюдента. В біометрії в основному користуються таблицею розподілу, в якій величина інтеграла ймовірностей (площа під кривою розподілу) в межах М ± tσ представлена залежно від обсягу сукупності n. Таблиця відома під назвою таблиці Стьюдента і наведена в додатку. У практичній роботі експериментатора таблиця Стьюдента відіграє дуже важливу роль, бо кількість проведених аналізів, особливо коли вони складні і вимагають багато часу й коштів, не завжди можна і доцільно доводити до великих значень.

МЕТОДИ ПОРІВНЯЛЬНОГО АНАЛІЗУ Аналіз достовірності різниці між середніми арифметичними значеннями двох порівнюваних (вибірок) даних Аналіз достовірності різниці за мінливістю двох експериментальних груп ПОРІВНЯЛЬНИЙ АНАЛІЗ РОЗПОДІЛІВ ДАНИХ

Аналіз достовірності різниці між середніми арифметичними значеннями двох порівнюваних (вибірок) даних Для порівняння двох експериментальних вибірок, що належать до генеральної сукупності з нормальним розподілом, з метою встановлення достовірності різниці за середніми арифметичними значеннями досліджуваного біологічного показника обчислюють абсолютне значення різниці середніх величин d = M1-M2 і коефіцієнт Стьюдента:

Коефіцієнт Стьюдента

Звичайно порівнюють контроль і дослід, експериментальні та літературні дані і т. п. Ймовірність твердження p про статистичну істотність різниці d знаходимо за коефіцієнтом Стьюдента в таблиці залежно від кількості ступенів вільності = n1 + n2 – 2. Різниця є статистично істотною, якщо її ймовірність p  0,95 Звичайно порівнюють контроль і дослід, експериментальні та літературні дані і т. п. Ймовірність твердження p про статистичну істотність різниці d знаходимо за коефіцієнтом Стьюдента в таблиці залежно від кількості ступенів вільності = n1 + n2 – 2. Різниця є статистично істотною, якщо її ймовірність p  0,95

Парний критерій Стьюдента Для оцінки ефективності лікування, ми обираємо дві групи: одна піддається лікуванню, інша - ні. Далі ми визначаємо середні арифметичні двох груп та встановлюємо статистично істотну різницю між ними. У іншому випадку ми набираємо лише одну групу, вимірюючи значення ознаки до та після лікування і визначаємо зміну даної ознаки.

Приклад П. Левін досліджував вплив куріння на функцію тромбоцитів, а саме агрегацію тромбоцитів – частку тромбоцитів, які злиплися під впливом аденозиндифосфату – речовини, що стимулює агрегацію. Одинадцятьом чоловікам було запропоновано викурити по сигареті. Перед курінням і після нього були взяті зразки крові та визначена агрегація тромбоцитів. Потрібно встановити з певним рівнем ймовірності чи сталися зміни у досліді порівняно з контролем.

Розв’язання.

Отже, середня різниця , а її стандартна похибка Отже, середня різниця , а її стандартна похибка Коефіцієнт Стьюдента t у цьому випадку дорівнює ; . Значенню t = 4,3 для ν = 10 відповідає імовірність р = 0,99. Отже, можна стверджувати, що куріння приводить до збільшення агрегації тромбоцитів.

Критерій Фішера Порівняння двох експериментальних вибірок з метою встановлення достовірності різниці за величиною мінливості досліджуваного біологічного показника здійснюють за допомогою критерію Фішера. Першим кроком цього аналізу – це обчислення дисперсії для кожної з вибірок:

І визначення на їх основі коефіцієнта Фішера Обчислене значення коефіцієнта Фішера F порівнюємо з F табл. Для p0,95, яке знаходимо на перетині двох величин кількості ступенів вільності:  1 = n 1 –1 і  2 = n 2 – 1. Якщо F  Fтабл., то різниця в мінливості є статистично істотною з заданим рівнем ймовірності .

Порівняльний аналіз з використанням засобів Excel Порівняльний аналіз наявного експериментального матеріалу здійснюють за допомогою пакету Аналізу даних . Обрати одну з запропонованих програм: Двовибірковий t-тест з однаковими дисперсіями; Двовибірковий t-тест з різними дисперсіями; Парний двовибірковий t-тест для середніх.

Двовибірковий t-тест перевіряє рівність середніх значень генеральної сукупності для кожної вибірки. Ці три способи допускають наступні умови: рівні дисперсії генерального розподілу, дисперсії генеральної сукупності не рівні, а також представлення двох вибірок до і після спостереження для одного і того ж об’єкта. Двовибірковий t-тест перевіряє рівність середніх значень генеральної сукупності для кожної вибірки. Ці три способи допускають наступні умови: рівні дисперсії генерального розподілу, дисперсії генеральної сукупності не рівні, а також представлення двох вибірок до і після спостереження для одного і того ж об’єкта.

Двовибірковий t-тест з різними дисперсіями.

Порівняльний аналіз між дисперсіями двох експериментальних груп Двовибірковий F-тест для дисперсій

Оскільки, обчислене значення F=15,708 > Fкрит.=3,179, то приймається гіпотеза про достовірну різницю між дисперсіями двох вибірок, тобто різницю в їх мінливості.