1.Статистика – это наука, она не терпит приблизительности.

Статистика

Задание№1.

1.Статистика – это наука, она не терпит приблизительности.

2.Факты — упрямая вещь, но статистика гораздо сговорчивее.

3.Смерть одного человека — это смерть, а смерть двух миллионов — только статистика.

4.Статистика может доказать что угодно, даже правду.

5.Статистика есть наука о том, как, не умея мыслить и понимать, заставить делать это цифры.

6.Говорят, что числа правят миром. Нет, они только показывают, как правят миром.

7.Статистика, возможно, знает все,но ее знают не все.

8. Цифры не лгут, а цифрами - запросто.

9Статистика — самая точная из всех лженаук.

10.Статистика может доказать что угодно, даже правду.

11.Существуют три вида лжи: ложь, наглая ложь и статистика.

12.Моя статистика — это факты, а ваши факты — всего лишь статистика.

13.Демократия — это злоупотребление статистикой.

Задание№2.

1). Среди значительного количества видов распределения (8 видов), установленных статистикой, наибольшее распространение по сравнению с другими видами получил закон нормального распределения.

Закон нормального распределения основан на том, что погрешности (отклонения) неизбежно присущи каждому измерению и что отклонение может с одинаковой вероятностью входить в каждое измерение с положительным или отрицательным знаком.

Кривая нормального распределения (кривая Гаусса) имеет симметричную колоколообразную форму, которая свидетельствует о том, что преобладающая часть результатов измерений располагается вблизи среднего значения и среднеарифметическая всех значений совпадает с модой Мо.

Мода — это такое значение на шкале измерений, против которого обнаружена наибольшая частота или повторяемость; она является наиболее вероятным значением в исследуемом процессе. При значительном количестве измерений пределы практического рассеивания значений укладываются в границы Мо+За и Мо -За.

За эти пределы может выйти не более 0,27% всех измерений. Это значит, что максимальное отклонение признаков качества от их моды Мо в обе стороны достигает утроенного значения среднеквадратичного отклонения.

По кривой нормального распределения располагаются значения переменных величин, которые колеблются в зависимости от множества случайных несистематических причин, причем ни одна из причин не может сколько-нибудь преобладать над другими.

Нормальному распределению подчиняются отклонения в весе, твердости, размерах, температуре, стойкости и в других физико-механических и химических свойствах материалов.

Графики распределения: а — гистограмма распределения; б — полигон распределения

Теоретическое уравнение для определения плотности вероятности для кривой нормального распределения, подчиняющегося закону Гаусса, имеет следующий вид.

Виды распределения наблюдаемых величин:

а — кривая нормального распределения (кривая Гаусса); б, в — кривые асимметричного распределения

Пример.

Для примера рассмотрим изготовление некоторой детали на станке-автомате. Размеры изготовленных деталей несколько отличаются от требуемых. Это отклонение размеров от стандарта вызывается различными причинами, которые более или менее независимы друг от друга. К ним могут относиться: неравномерный режим обработки детали; неоднородность обрабатываемого материала; неточность установки заготовки в станке; износ режущего инструмента и деталей станков; упругие деформаций узлов станка; состояние микроклимата в цехе; колебание напряжения в электросети и т. д. Каждая из перечисленных и подобных им причин влияет на отклонение размера изготовляемой детали от стандарта. Таким образом, общее отклонение размера, фиксируемое измерительным прибором, является суммой большего числа отклонений, обусловленных различными причинами. Если ни одна из этих причин не является доминирующей, то суммарное отклонение является случайной величиной, имеющей нормальный закон распределения.

Так как нормальному закону подчиняются только непрерывные случайные величины, то это распределение можно задать в виде плотности распределения вероятности.

2). Кроме нормального распределения значений переменных величин, в статистике имеются и другие виды распределений.

Эти кривые распределения характеризуются асимметрией Л и эксцессом Е. Кривая асимметричного распределения (кривая Максвелла) типична для процессов и явлений с преобладающим влиянием какой-либо систематической причины. По этой кривой распределяются значения биений, эксцентриситетов, не параллельности, неперпендикулярности, остаточных деформаций и других величин, которым свойственны только положительные значения.

При асимметричном распределении значения среднеарифметической и моды не совпадают друг с другом. Асимметрическая кривая может иметь положительную и отрицательную асимметрию. Если асимметрия больше нуля, кривая имеет положительную асимметрию, а если меньше нуля, кривая имеет отрицательную асимметрию.

Теоретическое уравнение для определения плотности вероятности для кривой асимметричного распределения, подчиняющегося закону Максвелла, имеет вид.

Характерные виды крутизны кривой распределения:

а — кривая с отрицательным эксцессом; б-кривая с положительным эксцессом распределения. Если эксцесс меньше нуля, кривая имеет отрицательный эксцесс и вершина кривой находится ниже кривой нормального распределения

При обследовании некоторых процессов и явлений получаются распределения, резко отличающиеся от кривых Гаусса и Максвелла. Могут быть кривые двухвершинного распределения.Наличие двух вершин (двух мод) у кривой распределения вызывается смешением двух или нескольких партий изделий с различным значением характеристик рассеяния.

Задание№3.

Возможности человека достаточно ограничены. Быть может, поэтому для человека очень важно, имея некоторое скудное количество опять же фактов, событий, чисел, распределённых в пространстве или во времени, произвести

мысленное моделирование и в результате анализа сделать более

или менее надежный вывод о содержании (функционировании) объекта

(системы) или сущности явления (процесса), сделать прогноз.

С другой стороны, едва ли не более важно мысленно обобщить вереницу

событий, поступков, явлений, фактов или просто чисел и выявить скрытую закономерность в повторяющихся признаках (фактах, событиях,

числах.

Начнём с жизненных ситуаций.

Человек постоянно делает выбор между двумя или несколькими возможными решениями. В принятии решений,он использует опыт чужих людей,т е как делает большинство,т е он полагается на статистиеку.

Обгонять – не обгонять; ехать налево, прямо или направо; ставить на карту всё или только часть; всё бросить и начать жизнь сначала или не стоит.

Принимая решение, человек подсознательно ориентируется на опыт

(статистику).

Исходя из вышесказанного можно сказать, о том, что человек в большинстве случаев, в принятии решений использует статистику,т к это самый верный и точный способ, который подтверждается статистическими данными, цифрами, а как мы знаем «Цифры не лгут, а цифрами - запросто.»Данное выражение доказывает точность науки статистики, цифры не терпят приблизительности, фактов, они имеют только точные данные.

Исходя их этого можно сказать «Статистика – это наука, она не терпит приблизительности».

Дата добавления: 2015-11-04