Нормальний розподіл та t-розподіл Стьюдента. Оцінювання параметрів вибірки

У садівництві ми майже ніколи не маємо можливості виміряти кожне дерево, кожен плід або кожну рослину. 🍎 На великій яблуневій чи виноградній ділянці це було б надто довго, дорого й просто недоцільно.

Тому агроном бере частину рослин або плодів, досліджує їх і за отриманими результатами намагається зрозуміти, якою є вся сукупність.

Саме тут математична статистика стає своєрідним містком між окремими вимірюваннями та реальними висновками про сад. 🌱

Ми беремо вибірку, обчислюємо її середнє значення, оцінюємо мінливість показника та визначаємо, наскільки надійно отримане середнє характеризує всю генеральну сукупність.

Одними з найважливіших інструментів для цього є нормальний розподіл і t-розподіл Стьюдента.

🌱 1. Що таке нормальний розподіл?

У природі багато показників змінюються не хаотично, а утворюють певну закономірність.

Наприклад, якщо виміряти масу яблук одного сорту в добре вирівняному саду, то більшість плодів матиме масу, близьку до середньої. Дуже маленьких і дуже великих яблук буде менше. 🍎

Якщо зобразити такі дані графічно, часто отримаємо форму, схожу на дзвін.

Це і є нормальний розподіл.

Його основними параметрами є:

μ — математичне сподівання, тобто середнє значення генеральної сукупності;

σ — середнє квадратичне відхилення, яке характеризує розсіювання значень навколо середнього.

Для нормального розподілу приблизно:

• 68 % значень знаходяться в межах μ ± σ;

• 95 % — у межах μ ± 2σ;

• 99,7 % — у межах μ ± 3σ.

Для агронома це має цілком практичний зміст. 🌿

Якщо середня маса яблука становить 180 г, а стандартне відхилення невелике, плоди досить однорідні. Якщо ж σ велике, урожай значно відрізняється за розміром і масою.

Отже, нормальний розподіл допомагає побачити, як природно розподіляються значення певної ознаки навколо середнього.

🍎 2. Навіщо нормальний розподіл садівникові?

Уявімо, що садівник хоче оцінити якість яблук на великій ділянці.

Він не може зважити всі 20 000 яблук.

Тому відбирає, наприклад, 30 плодів і досліджує їх.

За цими 30 яблуками можна отримати уявлення про всю партію:

🍎 середню масу плодів;

🌱 варіабельність маси;

📊 однорідність урожаю;

🍏 частку дуже малих або дуже великих плодів;

📈 можливу відповідність плодів певним стандартам.

Але тут виникає важливе питання:

чи можна довіряти отриманому середньому значенню?

Саме для цього ми оцінюємо помилку середньої та можемо побудувати довірчий інтервал.

Таким чином, статистика допомагає агроному перейти від простого спостереження:

«Середня маса цих яблук становить приблизно 174 г»

до більш обґрунтованого висновку:

«Якою може бути середня маса яблук у всій досліджуваній сукупності?»

📐 3. Середнє значення вибірки

Нехай ми маємо n спостережень:

x₁, x₂, ..., xₙ.

Вибіркове середнє визначають за формулою:

x̄ = (x₁ + x₂ + ... + xₙ) / n

Воно показує центральне значення досліджуваної вибірки.

Наприклад, якщо ми виміряли масу 10 яблук, то середня маса покаже, яким є типовий плід у нашій вибірці. 🍎

Але середнє саме по собі ще не говорить, наскільки точно воно характеризує весь сад.

Для цього потрібна помилка середньої.

📊 4. Помилка середньої

Середнє значення, отримане з вибірки, не є абсолютно точним значенням середнього для всієї генеральної сукупності.

Якби ми взяли інші 10 яблук, середня маса могла б трохи змінитися.

Стандартна помилка середнього показує, наскільки вибіркове середнє може змінюватися від однієї вибірки до іншої.

Вона визначається:

m = s / √n,

де:

m — помилка середньої;

s — вибіркове стандартне відхилення;

n — обсяг вибірки.

Чим більшою є вибірка, тим меншою стає помилка середньої. 🌱

Це дуже важлива закономірність для агрономічних досліджень.

Якщо ми досліджуємо 10 рослин, результат може бути досить нестабільним. Якщо досліджуємо 100 рослин, оцінка середнього зазвичай стає надійнішою.

Тобто збільшення вибірки дозволяє нам отримувати більш точну оцінку характеристики всієї сукупності.

📈 5. t-розподіл Стьюдента

На практиці в агрономії ми часто працюємо саме з невеликими вибірками.

Наприклад, досліджуємо 8, 10 або 15 дерев.

У таких ситуаціях генеральне стандартне відхилення σ зазвичай невідоме. Замість нього ми використовуємо вибіркове стандартне відхилення s.

Тут на допомогу приходить t-розподіл Стьюдента.

Він дозволяє оцінювати середнє генеральної сукупності за невеликою вибіркою, коли σ невідоме.

Для t-розподілу важливими є ступені вільності:

ν = n − 1.

Чим більша вибірка, тим більше t-розподіл наближається до нормального.

Тому t-розподіл особливо важливий тоді, коли агроном має невелику кількість спостережень і все одно хоче зробити статистично обґрунтований висновок. 🌿

🎯 6. Довірча ймовірність та критичне значення t

Коли ми оцінюємо середнє генеральної сукупності за вибіркою, ми можемо побудувати довірчий інтервал.

Він показує діапазон значень, у межах якого з певною довірчою ймовірністю оцінюється невідоме середнє генеральної сукупності.

Наприклад, можна задати довірчу ймовірність:

P = 0,95, або 95 %.

Це означає, що ми будуємо інтервал із 95-відсотковим рівнем довіри.

Важливо розуміти: 95 % не обчислюється з даних вибірки. Це рівень довіри, який дослідник задає перед проведенням розрахунку.

Для двостороннього довірчого інтервалу:

α = 1 − 0,95 = 0,05.

Оскільки інтервал двосторонній, ці 5 % розподіляються між двома хвостами:

α/2 = 0,025.

Тому для визначення критичного значення t нам потрібні:

🌱 довірча ймовірність 95 %;

📊 ступені вільності ν = n − 1.

Саме ці два параметри дозволяють знайти потрібне критичне значення t у статистичній таблиці.

📚 7. Таблиця критичних значень t-розподілу Стьюдента

Критичне значення t не обчислюється безпосередньо з маси яблук чи інших отриманих у досліді показників.

Його знаходять за таблицею критичних значень t-розподілу Стьюдента.

У таблиці потрібно знайти перетин двох величин:

ступенів вільності ν

та

довірчої ймовірності.

Нижче наведено таблицю критичних значень для двосторонніх довірчих інтервалів.

🔎 Як користуватися таблицею?

Наприклад, у нашій задачі:

n = 10.

Спочатку визначаємо ступені вільності:

ν = n − 1 = 10 − 1 = 9.

Умова задачі задає довірчу ймовірність:

P = 95 %.

Тому в таблиці знаходимо:

рядок ν = 9

та

стовпчик 95 %.

На їх перетині отримуємо:

t = 2,262.

Саме це значення ми використаємо для побудови довірчого інтервалу.

🌱 Якщо довірча ймовірність становила б 90 %, то при ν = 9:

t = 1,833.

🌿 При довірчій ймовірності 95 %:

t = 2,262.

🍀 При довірчій ймовірності 98 %:

t = 2,821.

🌳 При довірчій ймовірності 99 %:

t = 3,250.

Отже, чим вища довірча ймовірність, тим більшим стає критичне значення t і тим ширшим буде довірчий інтервал.

Це логічно: якщо ми хочемо бути більш упевненими в оцінці невідомого середнього, нам необхідно розширити межі інтервалу.

📐 8. Формула довірчого інтервалу

Для оцінювання середньої генеральної сукупності за допомогою t-розподілу використовують формулу:

x̄ ± t · m

де:

x̄ — середнє значення вибірки;

t — критичне значення t-розподілу Стьюдента;

m — помилка середньої.

Тобто послідовність дій така:

вибірка → середнє → стандартне відхилення → помилка середньої → ступені вільності → критичне t → довірчий інтервал.

🌱 Саме така послідовність дозволяє перейти від окремих вимірювань до статистично обґрунтованого висновку.

🍎 9. Реальний приклад із садівництва

📌 Завдання

Агроном досліджує масу яблук сорту «Гала» на дослідній ділянці. Випадково відібрано 10 яблук.

Отримано такі результати, г:

155, 168, 172, 181, 175, 190, 163, 177, 185, 174.

Необхідно:

1. визначити середню масу яблука;

2. визначити вибіркове стандартне відхилення;

3. визначити помилку середньої;

4. оцінити середню масу плодів із довірчою ймовірністю 95 % за допомогою t-розподілу Стьюдента;

5. зробити агрономічний висновок.

🧮 10. Розв'язок

Крок 1. Знаходимо середню масу яблука

Складаємо всі значення:

155 + 168 + 172 + 181 + 175 + 190 + 163 + 177 + 185 + 174 = 1740 г.

Кількість спостережень:

n = 10.

Тоді середня маса:

x̄ = 1740 / 10 = 174 г.

Отже, середня маса яблука у вибірці становить 174 г. 🍎

Крок 2. Визначаємо відхилення кожного значення від середнього

Середнє значення дорівнює 174 г.

Для кожного яблука визначаємо:

xᵢ − x̄.

Отримуємо:

155 − 174 = −19

168 − 174 = −6

172 − 174 = −2

181 − 174 = 7

175 − 174 = 1

190 − 174 = 16

163 − 174 = −11

177 − 174 = 3

185 − 174 = 11

174 − 174 = 0.

Тепер кожне відхилення підносимо до квадрата:

(−19)² = 361

(−6)² = 36

(−2)² = 4

7² = 49

1² = 1

16² = 256

(−11)² = 121

3² = 9

11² = 121

0² = 0.

Сума квадратів відхилень:

361 + 36 + 4 + 49 + 1 + 256 + 121 + 9 + 121 + 0 = 958.

Крок 3. Знаходимо вибіркову дисперсію

Оскільки ми оцінюємо генеральну сукупність за вибіркою, використовуємо n − 1:

s² = 958 / (10 − 1)

s² = 958 / 9 ≈ 106,44 г².

Крок 4. Знаходимо стандартне відхилення

s = √106,44 ≈ 10,32 г.

Отже, стандартне відхилення становить приблизно 10,32 г.

Це означає, що маса яблук у нашій вибірці в середньому відхиляється від середньої маси 174 г приблизно на 10 г.

Крок 5. Знаходимо помилку середньої

Використовуємо формулу:

m = s / √n.

Підставляємо значення:

m = 10,32 / √10.

Оскільки:

√10 ≈ 3,162,

отримуємо:

m = 10,32 / 3,162 ≈ 3,26 г.

Отже, помилка середньої становить приблизно 3,26 г. 📊

Крок 6. Визначаємо ступені вільності

Кількість ступенів вільності:

ν = n − 1.

Тому:

ν = 10 − 1 = 9.

Крок 7. Знаходимо критичне значення t

У задачі задано:

довірча ймовірність P = 95 %.

Маємо:

ν = 9.

За таблицею критичних значень t-розподілу Стьюдента знаходимо перетин рядка ν = 9 і стовпчика 95 %.

Отримуємо:

t = 2,262.

Це і є критичне значення t, яке необхідно використати для побудови 95-відсоткового двостороннього довірчого інтервалу.

Крок 8. Визначаємо граничну похибку

Формула:

Δ = t · m.

Підставляємо:

Δ = 2,262 · 3,26 ≈ 7,37 г.

Отже, гранична похибка становить приблизно 7,37 г.

Крок 9. Будуємо довірчий інтервал

Використовуємо:

x̄ ± Δ.

Маємо:

174 ± 7,37 г.

Нижня межа:

174 − 7,37 = 166,63 г.

Верхня межа:

174 + 7,37 = 181,37 г.

Отже:

166,63 г ≤ μ ≤ 181,37 г.

🍎 Таким чином, оцінене середнє значення маси яблук знаходиться в межах від 166,63 до 181,37 г із заданою довірчою ймовірністю 95 %.

🌿 11. Висновок

За результатами дослідження 10 яблук сорту «Гала» середня маса плода становить 174 г.

Вибіркове стандартне відхилення дорівнює приблизно 10,32 г, а помилка середньої — 3,26 г.

За довірчої ймовірності 95 %, використовуючи t-розподіл Стьюдента та 9 ступенів вільності, критичне значення становить t = 2,262.

Отже, оцінений 95-відсотковий довірчий інтервал для середньої маси яблук становить:

166,63–181,37 г.

Для садівника це означає набагато більше, ніж просто число 174. 🌱

Ми вже можемо говорити не лише про те, яку середню масу показала наша вибірка, а й про те, у яких межах оцінюється середня маса плодів усієї досліджуваної сукупності.

Саме в цьому полягає сила математичної статистики в агрономії. 📊

Ми не можемо виміряти кожне дерево.

Не можемо зважити кожен плід.

Не можемо дослідити всю рослинну сукупність.

Але можемо правильно сформувати вибірку, обчислити її характеристики та за допомогою статистичних закономірностей зробити обґрунтований висновок про весь сад. 🍎🌿

Нормальний розподіл допомагає побачити закономірність у мінливості природних показників, а t-розподіл Стьюдента дає змогу оцінювати середні значення навіть за невеликої вибірки, коли стандартне відхилення генеральної сукупності невідоме.

Для майбутнього фахівця із садівництва це означає перехід від простого спостереження до кількісно обґрунтованого рішення.

Адже сучасний садівник працює не лише із землею, деревами та плодами. 🌳

Він працює ще й з даними.

А правильно прочитані дані допомагають побачити те, чого не видно з одного окремого дерева. 🍏