Ольков_С_Г_Аналитическая юриспруденция
.pdfняться математическое ожидание и стандартное отклонение, но форма распределения сохраняется).
Закон сохранения формы распределения6 гласит, что форма распределения для соответствующих данных сохраняется (остается неизменной). Во времени и пространстве, могут меняться только параметры распределения и то не всегда. Например, β- коэффициенты изменчивости преступности по субъектам Российской Федерации и любым другим территориям распределяются по закону Гаусса-Лапласа, и их математическое ожидание равное единице всегда сохраняется, поскольку средний β-коэффициент изменчивости преступности не может отличаться от единицы, ибо тангенс угла наклона в линейном уравнении регрессии здесь получается при переменных икс и игрек равных друг другу (у(х)=х)). В данном случае со временем меняется только стандартное отклонение, и применительно к этому конкретному типу случаев можно говорить
о законе сохранения математического ожидания β-
коэффициентов преступности7.
С учетом того, что стандартное отклонение может меняться меняются и размеры площади под кривой графика, составляя в итоге ту же общую сумму, равную единице или 100%. Получается целое, сложенное из частей. При этом изменение стандартного отклонения меняет только величины частей, но, естественно не итоговое значение, которое всегда является константой. С ростом стандартного отклонения растет число частей, а с уменьшением стандартного отклонения – число частей уменьшается.
Чтобы сделать нормальное распределение полезным для оценки статистических выводов его нормируют:
1) Математическое ожидание принимают равным нулю: µ=0.
6Возможно, честь открытия данного простого закона принадлежит мне, поскольку в литературе он мне никогда не попадался.
7Честь открытия данного простого закона точно принадлежит мне.
1095
2)От ненормированной переменной Х осуществляется переход к нормированной переменной Z. Каждое конкретное значение величины Z находится по формуле:
|
xi - |
|
|
|
xi - μ |
|
|
O |
|
|
|
|
|
|
|
х |
|
||
z i = |
x |
|
= |
= |
|||||
σ |
|
σ |
σ . То есть ось абсцисс масшта- |
||||||
|
|
|
|
бируется в единицах стандартного отклонения – значения переменной Х центрируются, и делятся на стандартное отклонение.
3)Математическое ожидание нормированной переменной равно нулю (µ=0), а стандартное отклонение равно единице (σ=1).
Свойства нормированной кривой нормального распределения:
1)любые нормально распределенные данные можно представить одинаковыми нормированными кривыми нормального распределения. Другими словами, любые нормально распределенные эмпирические данные представляются одной и той же нормированной кривой нормального распределения, независимо от величин их математического ожидания и стандартного отклонения.
2)Размеры кусочков (частей) площади под графиком нормированной кривой нормального распределения пропорциональны плотности их вероятности. То есть по размеру (величине) площади
(s)устанавливается величина вероятности (p) (s=p), а размер любой площади под графиком нормированной кривой нормального распределения мы находим с помощью определенного интеграла:
z1 |
1 |
|
|
|
z 2 |
|
|||
∫ |
|
|
|
× e |
|
|
|
||
|
|
|
2 dz |
|
|||||
|
|
|
|
|
|||||
|
|
|
|
|
|||||
( 2 |
π ) |
. |
|||||||
z 2 |
|
|
|
|
|||||
|
|
|
|
|
|
|
Поскольку значения интеграла для тех или иных площадей постоянны, то их рассчитывают и представляют в специальной статистической таблице, которая часто приводится в соответствующей учебной и научной литературе под названиями: 1) площадь под
1096
нормированной кривой нормального распределения; 2) стандартизованное нормальное распределение. Хотя желающие и сами могут рассчитать значение площадей, а, следовательно, и вероятностей по формуле. Например, мы хотим знать, сколько субъектов Российской Федерации имело коэффициент преступности в 2005 году в пределах от 1000 до 2000 преступлений. Нам известно, что среднее число зарегистрированных преступлений составило 2404 штуки, а среднее квадратическое отклонение равно 708 преступлений. Зная, что распределение преступности по территории нашего государства подчиняется закону Гаусса-Лапласа, определим, сколько регионов России имело в 2005 году уровень преступности в пределах от 1000 до 2000 преступлений на 100 тысяч народонаселения.
Для решения данной задачи проведем нормирование, сначала найдем значение z1.
|
O |
|
|
− 2404 |
|
|
z1 = |
х |
= |
1500 |
= −1,27 |
(-1,27 стандартных откло- |
|
σ |
|
708 |
||||
|
|
|
|
|
нения). Минус перед числом ответа указывает, что оно находится слева от нуля под кривой нормированного нормального распределения. По таблице найдем площадь, соответствующую значению 1,27, обозначив её любой удобной буквой, скажем, s. В итоге получим s=0,398. Далее рассчитаем значение z2 .
|
O |
|
2500 − 2404 |
|
|
z 2 = |
х |
= |
= 0 ,13 |
(0,13 стандартных отклоне- |
|
σ |
|
||||
|
708 |
|
|
ния).
По таблице найдем площадь, соответствующую значению 0,13. В итоге получим s=0,0517.
Сложим полученные значения площадей:
s1+s2=0,398+0,0517=0,4497.
1097
Учитывая, что площадь равна вероятности, имеем ответ, что 0,4497 или 44,97% регионов имеют уровень преступности в пределах от 1500 до 2500 преступлений. Учитывая, что в расчетах было задействовано 78 субъектов, получим: 78·0,4497=35 субъектов. Если провести расчет вручную, то ответ не сходится (немного отличается от полученного по теоретическим данным). В этом нет ничего удивительного. Мы лишь грубо приблизительно говорим, что распределение преступности непрерывно, но наблюдений у нас очень мало. Реально распределение дискретно. Можно было бы взять коэффициенты преступности по всем населенным пунктам России, и тогда бы дискретное распределение в большей мере приблизилось к непрерывному.
ТЕОРИЯ МАТРИЦ И ДЕТЕРМИНАНТОВ
Понятие матрица, детерминант, ранг матрицы имеют значение для решения различных задач, в частности, систем линейных уравнений, определения идентифицируемости систем одновременных уравнений. Числа в матрице – массив, а конкретные значения - элементы массива или коэффициенты. Строки обычно обозначают буквой m, а столбцы буквой n.
Пусть имеется система уравнений:
5 x − 7 у = 7
8 x + 2 y = 12 .
|
5 |
- 7 |
|
Представим её матрицей 2 на 2: |
8 |
2 |
. |
|
|
|
|
Матрицы невозможно выразить в виде одного числа, однако их можно упростить или скомбинировать, чтобы отыскать неизвестные элементы.
Операции над матрицами:
1) Сложение.
1098
2)Вычитание.
3)Умножение.
Единичная матрица (I) - это матрица, элементы главной диагонали которой равны единице, а все другие составляющие матрицу элементы равны нулю.
Детерминант матрицы выражается одним числом. Способ вычисления детерминанта зависит от размера матрицы.
|
|
|
a |
|
b |
|
Детерминант матрицы 2 на 2 |
c |
|
d |
равен (ad-bc). |
||
Так, детерминант матрицы |
|
5 |
- 7 |
|
= (5 × 2 ) - ( -7 × 8 ) = 66 . |
|
|
|
|||||
|
8 |
2 |
|
|||
|
|
|
|
|
|
|
Найти детерминант матрицы 3 х 3 сложней, ибо здесь вводится понятие минор элемента матрицы – это значение детерминанта матрицы 2х2, полученное при вычеркивании строки и столбца матрицы 3х3, включающих этот элемент. Например, если нам нужно найти минор элемента «9», содержащегося в мас-
|
|
|
3 |
2 |
5 |
|
|
|
|
||
сиве матрицы: |
7 |
9 |
1 |
, то нужно вычеркнуть строку (7 9 |
|||||||
6 |
4 |
12 |
|||||||||
|
|
|
|
|
|
|
|||||
|
|
2 |
|
|
|
|
|
3 |
5 |
|
|
|
|
|
|
|
|
|
|||||
1) и столбец |
|
9 |
|
. Останется матрица 2 х 2: |
. Детерми- |
||||||
|
|
6 |
12 |
||||||||
|
4 |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
нант этой матрицы: (3·12)-(6·5)=6. Поскольку число 9 находится в центре матрицы, его знак положителен, и значение минора составит 6. Это и будет алгебраическим дополнением элемента 9.
1099
Каждый минор имеет свой знак, и взятый вместе со знаком образует так называемое алгебраическое дополнение элемента. Знак
|
|
+ |
- |
+ |
|
|
|
|
|||||
минора зависит от места минора в матрице: |
|
- |
+ |
- |
|
. |
|
+ |
- |
+ |
|
Для отыскания детерминанта матрицы 3х3 не нужно искать алгебраические дополнения всех элементов. Достаточно ограничиться одной строкой (любой) или одним столбцом (любым), поскольку детерминант матрицы 3х3 – это сумма произведений элементов на их алгебраические дополнения для любой строки или любого столбца соответствующей матрицы 3х3.
|
|
|
|
|
|
|
|
|
|
|
3 |
2 |
5 |
|
|
|
||||
Так, |
детерминант матрицы |
7 |
9 |
1 |
|
можно рассчитать, |
||||||||||||||
6 |
4 |
12 |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
взяв, |
например, |
|
|
второй |
|
|
|
|
столбец: |
-2· |
||||||||||
( - 2 ) × |
|
7 |
1 |
|
+ 9 × |
|
3 |
5 |
|
+ ( - 4 ) × |
|
3 |
5 |
|
|
= 26 . В ППП Math- |
||||
|
|
|
|
|
|
|||||||||||||||
|
|
6 |
12 |
|
|
|
6 |
12 |
|
|
|
|
7 |
1 |
|
|
|
|
|
cad есть специальный оператор, позволяющий быстро вычислить определитель (детерминант) любой матрицы. Достаточно на панели «Матрицы» выбрать определитель, обозначенный |X| и прицепить его к введенной матрице любого размера. Для нашей матрицы име-
ем: . То есть мы ввели матрицу, затем прицепили к ней определитель, и нажали клавишу «равно» (=), получив сразу ответ. С такой же легкостью здесь можно совершать любые операции с матрицами: умножать их, складывать, вычитать, транспонировать (то есть менять местами столбцы и строки), что весьма полезно для решения систем уравнений, а также отыскивать ранг матрицы, что необходимо при определении идентификации систем одновременных уравнений.
1100
Ранг матрицы (rank of matrix) – это наивысший из порядков отличных от нуля миноров этой матрицы. Вручную вычислять ранг матрицы довольно трудоемко. В ППП Mathcad это делается просто:
|
3 |
2 |
5 |
|
|
x := |
|
|
|
|
rank (x) = 3 |
7 |
9 |
1 |
|
||
|
6 |
4 |
12 |
|
Изокванта – функция одного ресурса от другого при постоянном выпуске.
Изоклиналь – функция одного ресурса от другого при постоянной норме замещения.
Изокоста – функция одного ресурса от остальных при постоянном уровне затрат.
1101