Выравнивание статистических рядов

Во всяком статистическом распределении неизбежно присутствуют элементы случайности, связанные с тем, что число наблюдений ограничено, что произведены именно те, а не другие опыты, давшие именно те, а не другие результаты. Только при очень большом числе наблюдений эти элементы случайности сглаживаются, и случайное явление обнаруживает в полной мере присущую ему закономерность. На практике мы почти никогда не имеем дела с таким большим числом наблюдений и вынуждены считаться с тем, что любому статистическому распределению свойственны в большей или меньшей мере черты случайности. Поэтому при обработке статистического материала часто приходится решать вопрос о том, как подобрать для данного статистического ряда теоретическую кривую распределения, выражающую лишь существенные черты статистического материала, но не случайности, связанные с недостаточным объемом экспериментальных данных. Такая задача называется задачей выравнивания (сглаживания) статистических рядов.

Выравнивание - метод, при помощи которого получают аналитическое и графическое выражение статистической закономерности, лежащей в основе заданного эмпирического ряда статистических данных. Путём выравнивания ломаную линию уровней эмпирического ряда заменяют плавной «выравнивающей» кривой (в частном случае - прямой) и вычисляют уравнение этой кривой. При выравнивании последовательно решают три задачи:

1. выбирают тип уравнения (форму плавной кривой);

2. вычисляют параметры (коэффициенты) этого уравнения;

3. вычисляют (на основании уравнения) или измеряют (по графику кривой) уровни полученного «теоретического» статистического ряда.

Тип уравнения и, соответственно, форму плавной кривой выбирают на основании общих сведений о сущности явления, о закономерностях его структуры и развития, о зависимости между его признаками и т.д. (так называемое «аналитическое выравнивание»). При отсутствии таких предварительных сведений тип уравнения (форму кривой) часто может подсказать графическая форма ломаной.

К выравниванию рядов динамики прибегают, чтобы получить уравнение (и плавную линию), выражающее тенденцию развития процесса во времени (t). Например: y = a + bt, y = a + bt + ct2 и т.п.

Исключение случайных колебаний значений уровней ряда осуществляется с помощью нахождения «усредненных» значений. А способы устранения случайных факторов делятся на две больше группы:

1. Способы «механического» сглаживания колебаний путем усреднения значений ряда относительно других, расположенных рядом, уровней ряда.

2. Способы «аналитического» выравнивания, т. е. определения сначала функционального выражения тенденции ряда, а затем новых, расчетных значений ряда.

Более совершенным приемом изучения общей тенденции в рядах динамики является аналитическое выравнивание. При изучении общей тенденции методом аналитического выравнивания исходят из того, что изменения уровней ряда динамики могут быть с той или иной степенью точности приближения выражены определенными математическими функциями.

Предположим, например, что исследуемая величина есть ошибка измерения, возникающая в результате суммирования воздействий множества независимых элементарных ошибок; тогда из теоретических соображений можно считать, что величина подчиняется нормальному закону:

(1)

и задача выравнивания переходит в задачу о рациональном выборе параметров и в выражении (1).

Бывают случаи, когда заранее известно, что величина распределяется статистически приблизительно равномерно на некотором интервале; тогда можно поставить задачу о рациональном выборе параметров того закона равномерной плотности

которым можно наилучшим образом заменить (выровнять) заданное статистическое распределение.

Следует при этом иметь в виду, что любая аналитическая функция , с помощью которой выравнивается статистическое распределение, должна обладать основными свойствами плотности распределения:

(2)

Предположим, что, исходя из тех или иных соображений, нами выбрана функция , удовлетворяющая условиям (2), с помощью корой мы хотим выровнять данное статистическое распределение; в выражение этой функции входит несколько параметров ; требуется подобрать эти параметры так, чтобы функция наилучшим образом описывала данный статистический материал. Один из методов, применяемых для решения этой задачи, - это так называемый метод моментов.

Согласно методу моментов, параметры выбираются с таким расчетом, чтобы несколько важнейших числовых характеристик (моментов) теоретического распределения были равны соответствующим статистическим характеристикам. Например, если теоретическая кривая зависит только от двух параметров и , эти параметры выбираются так, чтобы математическое ожидание и дисперсия теоретического распределения совпадали с соответствующими статистическими характеристиками и . Если кривая зависит от трех параметров, можно подобрать их так, чтобы совпали первые три момента и т.д. При выравнивании статистических рядов может оказаться полезной специально разработанная система кривых Пирсона, каждая из которых зависит в общем случае от четырех параметров. При выравнивании эти параметры выбираются с тем расчетом, чтобы сохранить первые четыре момента статистического распределения (математическое ожидание, дисперсию, третий и четвертый моменты). Оригинальный набор кривых распределения, построенных по иному принципу, дал Н.А. Бородачев. Принцип, на котором строится система кривых Н.А. Бородачева, заключается в том, что выбор типа теоретической кривой основывается не на внешних формальных признаках, а на анализе физической сущности случайного явления или процесса, приводящего к тому или иному закону распределения.

Следует заметить, что при выравнивании статистических рядов нерационально пользоваться моментами порядка выше четвертого, так как точность вычисления моментов резко падает с увеличением их порядка.

Пример. 1. Приведено статистическое распределение боковой ошибки наводки при стрельбе с самолета по наземной цели. Требуется выровнять это распределение с помощью нормального закона:

.

Нормальный закон зависит от двух параметров: и . Подберем эти параметры так, чтобы сохранить первые два момента – математическое ожидание и дисперсию – статистического распределения.

Вычислим приближенно статистическое среднее ошибки наводки, причем за представителя каждого разряда примем его середину:

Для определения дисперсии вычислим сначала второй начальный момент, полагая

Пользуясь выражением дисперсии через второй начальный момент, получим:

Выберем параметры и нормального закона так, чтобы выполнялись условия:

то есть примем:

.

Напишем выражение нормального закона:

Вычислим значения на границах разрядов

Построим на одном графике (рис. 1) гистограмму и выравнивающую ее кривую распределения.

Из графика видно, что теоретическая кривая распределения , сохраняя, в основном существенные особенности статистического распределения, свободна от случайных неправильностей хода гистограммы, которые, по-видимому, могут быть отнесены за счет случайных причин.

Рис. 1