- •Введение: Нужна ли юристу математика?
- •Проценты
- •Типовое задание
- •Глава II первичная обработка результатов эксперимента
- •§1. Среднее арифметическое
- •§2. Дисперсия и среднее квадратическое отклонение
- •§3. Интервальный ряд. Гистограмма
- •Типовые задания
- •Глава III элементы комбинаторики
- •§1. Комбинаторные задачи и методы их решения
- •Упражнения
- •§2. Метод математической индукции
- •Упражнения
- •§3. Размещения, перестановки, сочетания
- •Упражнения
- •Упражнения
- •Упражнения
- •Типовые задания
- •Глава IV понятие вероятности
- •§1. Случайные события
- •Примеры
- •§2. Классическое определение вероятности
- •Упражнения
- •§3. Операции над событиями. Свойства вероятности
- •Упражнения
- •Упражнения
- •Свойства вероятности
- •Упражнение
- •§4. Условные вероятности. Независимые и зависимые события
- •Упражнение
- •Упражнения
- •Упражнения
- •Типовые задания
- •§6. Корреляционная зависимость
- •Упражнение
- •Типовое задание
- •§4. Статистическая проверка гипотез
- •§5. Алгебры Буля
- •Глава IX о теории принятия решений §1. Математика помогает принять решение
- •§2. Извлечение из теории игр
- •Замечания.
- •Задачи для самостоятельного решения
- •§3. Метод собственного вектора
- •Замечания
Упражнение
16. Майор Зимин решил сравнить среднее число книг, прочитанных среднестатистическим восьмиклассником за год, с количеством правонарушений, совершенных подростками в его микрорайоне в течение года. Проанализировав данные за 10 лет, он получил следующую таблицу:
Здесь Х — среднее число книг прочитанных одним восьмиклассником за год, Y — число правонарушений в течение года.
Изобразите данные графически, найдите коэффициент корреляции, постройте эмпирическую ломаную регрессии, определите параметры эмпирической линейной регрессии, найдите вероятность того, что при х = 41 число правонарушений отличается от среднего не более чем на 2.
Мечта майора Зимина — найти число N с таким волшебным свойством: всякий недоросль, прочитавший N книг, становится потенциально образцовым гражданином. Согласно его расчетам, при этом значении N среднее значение у должно равняться нулю, т.е. N = 50. Но будьте снисходительны к майору Зимину — он идеализировал математические методы из самых лучших побуждений!
Во второй главе мы рассматривали случайные величины, т.е. такие переменные величины, значения которых зависят от случая. Например, число дорожных происшествий на улицах города в течение суток; число новорожденных за месяц; число заявлений, поступивших в отделение милиции; скорость молекулы газа при определенной температуре; число метеоритов, падающих на Землю, и т.д. Сейчас мы рассмотрим еще одну величину, которая называется случайной ошибкой.
Пример
4. В течение часа проведено 10 измерений уровня радиации одним и тем же прибором (в микрорентгенах в час): 12,0 11,5 11,7 12,2 12,1 10,8 11,6 10,7 12,0 11,4. Результаты измерений получились различными вследствие того, что и сам прибор, и человеческий глаз не являются идеальными орудиями наблюдения. Погрешность не может быть меньше толщины стрелки прибора; стрелка может вибрировать; угол, под которым мы смотрим на стрелку, также меняется. Кроме того, влияние оказывают атмосферные условия, настроение наблюдателя и т.п. Конечно, мы считаем, что исключены всякого рода систематические ошибки, связанные, например, с неисправностью прибора.
В отчете обычно показывают среднее арифметическое всех наблюдений. В нашем примере
= (12 + 11,5 + 11,7 + 12,2 + 12,1 + 10,8 + 10 + 11,6 + 10,7 +12 + 11,4 + 11,6) = 11,6.
Но для решения многих экологических проблем важно уметь оценить, насколько найденное среднее отличается от истинного значения радиации, которое нам неизвестно (ведь в нашем распоряжении имеются только показания приборов!). Как быть?
К счастью, математики умеют отвечать на этот вопрос. Назовем случайной ошибкой разность между средним значением и истинным значением радиации. Так как истинное значение нам неизвестно, то и случайная ошибка тоже неизвестна. Многолетние наблюдения в различных экспериментах показали, что если число опытов достаточно велико, то случайные ошибки подчиняются некоторым общим закономерностям. Для их описания используется, как правило, так называемая интегральная функция Лапласа:
Этот интеграл не выражается через элементарные функции. Но его приближенные значения табулированы (см. Приложение на с. 219).
С помощью таблицы значений функции Ф(a) легко вычислить, например, вероятность того, что случайная ошибка не превосходит заданной величины h. Обозначим через P(h) вероятность того, что истинное значение наблюдаемой величины отличается от найденного среднего значения не более чем на h. Величину P(h) находят по следующей формуле:
Здесь n — число измерений, a S — среднее квадратическое отклонение полученных значений. В нашем примере n = 10,
[см. гл. II, формулы (5), (7)]. Пусть h = 0,3, тогда
Пользуясь теперь формулой (7) и Приложением, находим:
Таким образом, с вероятностью 0,93 истинное значение величины радиации заключено в промежутке от 11,6 – 0,3 = 11,3 до 11,6 + 0,3 = 11,9.
Как понимать полученный результат? Допустим, что радиационный фон в данной местности измеряли параллельно несколько бригад. Их результаты будут, вообще говоря, различными: у каждой бригады получится свое среднее значение . Можно гарантировать, что примерно 93% найденных средних отклоняется от истинного значения не более чем на 0,3.