Теория малых выборок.

Теория малых выборок.

Таблицы интеграла вероятностей используются для выборок большого объема из бесконечнобольшой генеральной совокупности. Но уже при п < \ 00 получается несоответствие междутабличными данными и вероятностью предела; при п < 100 погрешность становитсязначительной. Несоответствие вызывается главным образом характером распределения единицгенеральной совокупности. При большом объеме выборки особенность распределения вгенеральной совокупности не имеет значения, так как распределение отклонений выборочногопоказателя от генеральной характеристики при большой выборке всегда оказываетсянормальным. В выборках небольшого объема п ≤ 30 характер распределения генеральной совокупностисказывается на распределении ошибок выборки. Поэтому для расчета ошибки выборки принебольшом объеме наблюдения (уже менее 100 единиц) отбор должен проводиться изсовокупности, имеющей нормальное распределение. Теория малых выборок разработана английским статистиком В. Госсетом (писавшим подпсевдонимом Стьюдент) в начале XX в. В 1908 г. им построено специальное распределение,которое позволяет и при малых выборках соотносить t и доверительную вероятность F(t). При п> 100 таблицы распределения Стьюдента дают те же результаты, что и таблицы интегралавероятностей Лапласа, при 30 ≤ п ≤ 100 различия незначительны. Поэтому практически к малымвыборкам относят выборки объемом менее 30 единиц (безусловно, большой считается выборка собъемом более 100 единиц). Использование малых выборок в ряде случаев обусловлено характером обследуемойсовокупности. Так, в селекционной работе «чистого» опыта легче добиться на небольшом числеделянок. Производственный и экономический эксперимент, связанный с экономическимизатратами, также проводится на небольшом числе испытаний. Как уже отмечалось, в случае малой выборки только для нормально распределеннойгенеральной совокупности могут быть рассчитаны и доверительные вероятности, идоверительные пределы генеральной средней. Плотность вероятностей распределения Стьюдента описывается функцией

, где t - текущая переменная; п — объем выборки; В — величина, зависящая лишь от п. Распределение Стьюдента имеет только один параметр: d.f. -число степеней свободы (иногдаобозначается k). Это распределение, как и нормальное, симметрично относительно точки t = 0, но оно болеепологое. При увеличении объема выборки, а следовательно, и числа степеней свободыраспределение Стьюдента быстро приближается к нормальному. Число степеней свободы равночислу тех индивидуальных значений признаков, которыми нужно располагать для определенияискомой характеристики. Так, для расчета дисперсии должна быть известна средняя величина. Поэтому при расчетедисперсии d.f. = п – 1 Таблицы распределения Стьюдента публикуются в двух вариантах: 1) аналогично таблицам интеграла вероятностей приводятся значения t и соответствующиевероятности F(t) при разном числе степеней свободы; 2) значения t приводятся для наиболее употребимых доверительных вероятностей 0,90; 0,95 и0,99 или для 1 - 0,9 = 0,1, 1 - 0,95 = = 0,05 и 1 - 0,99 == 0,01 при разном числе степенейсвободы. Такого рода таблица приведена в приложении (табл. 2), а также значение t-критерияСтьюдента при уровне значимости 0,10; 0,05; 0,01. При малых выборках расчет средней возможной ошибки основан на выборочных дисперсиях,поэтому

Приведенная формула используется для определения предела возможной ошибки выборочногопоказателя: