Курсовая работа

Курсовая работа

Лабораторная работа № 1.

Тема: «Сводка, группировка, статистические таблицы».

Цель: выявление обобщающих закономерностей, характерных для изучаемой

совокупности объектов наблюдения как целостной системы.

Цель исследования—определение уровня успеваемости студентов 1-ого курса, а

так же факторов на него влияющих.

В качестве исследуемых признаков я рассматриваю:

1. средний балл по итогам экзаменов за 1-ый курс (баллы).

2. посещаемость занятий в университете на 1-ом курсе.

3. самообразование (дополнительное обучение, курсы) (ч/нед).

4. сон (ч/сутки).

5. пол (м, ж).

6. подготовка к семинарским и практическим занятиям (ч/нед).

7. нравятся ли студенту на 1-ом курсе занятия в университете (да, нет).

Из представленных признаков я выделяю признак-результат—средний балл

зачётки по итогам 1-ого курса, так как его значение отвечает цели

исследования. Остальные шесть признаков являются признаками-факторами, т.

к. они оказывают влияние на признак-результат.

Наблюдение единовременное ауд. 722, 522 СПбГИЭУ. Дата проведения:

03.11.2000г. по форме проведения—опрос. Объектом наблюдения являются 2

группы студентов (1093 и 1094) 2-ого курса. единица наблюдения—студент.

Исследование основного массива.

Таблицы с исходными данными.

Таблица 1

|Средний |Посещаемост|Самообразо|Подготовка|Сон |Пол |Нравятся |

|балл |ь занятий |вание |к |(ч/сут) |(м, ж) |ли |

|зачётки |на первом |(доп. |семинарски| | |занятия в|

|по |курсе |Курсы) |м занятиям| | |университ|

|итогам | |ч/нед |(ч/нед) | | |ете (да, |

|экзамено| | | | | |нет) |

|в за | | | | | | |

|1-ый | | | | | | |

|курс | | | | | | |

|(баллы) | | | | | | |

|4,7 |19,5 |0 |5 |7 |Ж |Да |

|4,5 |22 |2 |6 |9 |Ж |Да |

|4,2 |22 |0 |2 |6 |М |Да |

|4,3 |19,5 |0 |7 |7 |Ж |Да |

|4,5 |17,5 |0 |3 |7 |Ж |Нет |

|4,2 |9,5 |6 |12 |10 |Ж |Да |

|4,0 |12,5 |0 |5 |5 |Ж |Да |

|4,7 |22 |4 |7 |6 |Ж |Да |

|4,6 |17,5 |3 |4 |8 |Ж |Да |

|4,7 |9,5 |0 |2 |7 |Ж |Да |

|4,5 |11,5 |6 |3 |7 |Ж |Да |

|4,0 |11,5 |2 |3 |9 |Ж |Да |

|4,2 |19,5 |4 |8 |8 |Ж |Нет |

|4,0 |20,5 |6 |9 |5 |Ж |Да |

|3,2 |9,5 |0 |0 |10 |М |Нет |

|4,0 |17,5 |0 |8 |8 |М |Нет |

|3,2 |14,5 |0 |2 |8 |М |Нет |

|3,5 |14,5 |0 |2 |8 |М |Нет |

|4,8 |22 |0 |10 |10 |Ж |Нет |

|4,6 |8,5 |0 |1 |8 |М |Да |

|4,5 |22 |0 |4 |7 |Ж |Да |

|4,5 |22 |6 |2 |7 |М |Да |

|4,2 |17,5 |4 |4 |9 |М |Нет |

|4,5 |14,5 |6 |4 |10 |Ж |Да |

|4,2 |11,5 |2 |2 |8 |Ж |Нет |

|4,8 |17,5 |0 |4 |9 |Ж |Нет |

|4,0 |10,5 |0 |2 |7 |Ж |Да |

|4,2 |17,5 |2 |6 |5 |Ж |Да |

|3,0 |9,5 |0 |0 |9 |М |Нет |

|4,8 |19,5 |2 |2 |8 |Ж |Да |

|4,8 |19,5 |2 |6 |9 |Ж |Да |

|4,3 |17,5 |4 |2 |7 |Ж |Да |

|3,2 |6,0 |0 |0 |5 |М |Нет |

|4,5 |22 |2 |5 |9 |Ж |Нет |

|4,7 |22 |4 |3 |6 |Ж |Да |

|4,2 |22 |3 |5 |8 |Ж |Да |

|4,6 |9,5 |0 |1 |8 |Ж |Нет |

|3,0 |14,0 |0 |2 |10 |М |Нет |

|3,0 |6,5 |0 |5 |9 |М |Нет |

|4,0 |22 |2 |5 |9 |Ж |Да |

|4,7 |17,5 |6 |0 |10 |Ж |Нет |

|3,5 |11,5 |0 |6 |7 |М |Нет |

|4,7 |22 |6 |2 |5 |Ж |Да |

|4,5 |22 |0 |0 |8 |Ж |Да |

|3,2 |17,5 |4 |8 |9 |Ж |Да |

|4,8 |22 |0 |0 |5 |М |Да |

|3,2 |9,5 |0 |5 |10 |М |Да |

|4,5 |17,5 |0 |3 |10 |Ж |Да |

|3,0 |14,5 |5 |3 |7 |М |Нет |

|4,7 |11,5 |5 |3 |7 |М |Нет |

Структурные группировки.

1 группировка.

Таблица 2

|Средний балл по |Число студентов |% к итогу |Fi |

|итогам экзаменов | | | |

|за 1 курс, баллы | | | |

|[3-3,5] |9 |18 |9 |

|[3,5-4] |3 |6 |12 |

|[4-4,5] |15 |30 |27 |

|[4,5-5] |23 |46 |50 |

|Итог: |50 |100 | |

Для удобства разбиваем вариационный ряд на 4 равных интервала. Величину

интервала определяем по формуле:

h = R / n = (X max – X min) / n = (5-3) / 4 = 0,5

гистограмма:

кумулята:

[pic]

считаем по несгруппированным данным для большей точности:

Х = (4,7 + 4,5 + 4,2 + 4,2 +4,5 + 4,2 + 4,0 + 4,7 + 4,6 + 4,7 + 3,5 + 4,0 +

3,2 + 4,0 + 3,2 + 3,5 + + 4,8 + 4,6 + 4,5 + 4,5 + 4,2 + 4,5 + 4,2 + 4,8 +

4,0 + 4,2 + 3,0 + 3,2 + 4,8 + 4,8 + 4,3 + 4,5 + 4,7 + 4,2 + 4,6 + 3,0 + 3,0

+ 4,0 + 4,7 + 3,5 + 4,7 + 4,5 + 3,2 + 4,5 + 4,8 + 3,2 + 3,0 + 4,5 + 4,7) /

50 = 4,27 (балла)

Ме = x0 + ( Ме (N/2 – F(x0) / NMe

Me = 4+ 0,5 (25 –12) / 15 = 4,4 (балла)

Мо = х0 + ( Мо (NМо – NМо-1) / (NМо – NМо-1) + (NМо – NМо+1)

Mo = 4,5 + 0,5 (25-15) / ((23-15) + (23-0)) = 4,6 (балла)

D = ( (xi – x)2 / n считаем по несгруппированным данным.

D = 0,3 (кв. балла)

bx = (D

bx = (0,3 = 0,55 (балла)

V = bx / x ( 100%

V = (0,55 / 4,27) ( 100% = 128%

R = xmax – xmin

R = 5 – 3 = 2 (балла)

Вывод: средний балл зачётки по итогам экзаменов за 1-ый курс для данной

совокупности составляет 4,27 балла. Т. к. коэффициент вариации является

величиной незначительной (128%), можно предполагать, что такой средний балл

является типичным для данной совокупности. Наиболее распространённым

является балл зачётки 4,6 балла. Средний балл у 50% студентов не больше 4,4

балла.

Группировка 2

Таблица 3

|Посещаемость, |Число студентов, |% к итогу |Fi |

|ч/нед |чел | | |

|[6-10] |9 |18 |9 |

|[10-14] |8 |16 |17 |

|[14-18] |15 |30 |32 |

|[18-22] |18 |36 |50 |

|Итог: |50 |100 | |

Разбиение на интервалы аналогично группировке 1.

Для несгруппированных данных, значит более точный результат.

Х = ( xi / n

X = 16, 13 (ч/нед)

Ме = x0 + ( Ме (N/2 – F(x0) / NMe

Ме = 14 + 4 (25 – 17) / 15 = 17,3 (ч/нед)

[pic]

D = ( (xi – x)2 / n

D = 19,4 ((ч/нед)2)

bx = (D = 4,4 (ч/нед)

V = bx / x ( 100% = (4,4 / 16,13) ( 100% = 27,2%

R = xmax – xmin

R = 22 – 16 = 16 (балла)

Вывод: средняя посещаемость в группах составляет 16,13 ч/нед (70% от часов

в неделю назначенных расписанием). Коэффициент вариации является величиной

незначительной (28,6%), следовательно. Такая средняя посещаемость типична

для студентов данной совокупности. Большинство студентов посещало 17,3

ч/нед. Посещаемость занятий у 50% студентов меньше 19 ч/нед, у 50% больше

19 ч/нед.

Группировка 3

Таблица 4

|Самообразование, |Число студентов |% к итогу |Fi |

|курсы (ч/нед) | | | |

|0 |25 |50 |25 |

|2 |8 |16 |33 |

|3 |2 |4 |35 |

|4 |6 |12 |41 |

|5 |2 |4 |43 |

|6 |7 |14 |50 |

|Итог: |50 |100 | |

Полегон частот:

кумулята

Х = ( xi (i / ( (i = (0 ( 25 + 2 ( 8 + 3 ( 2 + 4 ( 6 + 5 ( 2 + 6 ( 7) / 50

= 1,96 (ч/нед)

NMe = (n+1) / 2 = 51 / 2 = 25,5

Me = x NMe ; Me = 2 (ч/нед) ; Мо = 0 (ч/нед)

D = ( (xi – x)2 (i / ( (I = ((0 – 1,96)2 ( 25 + (2 – 1,96)2 ( 8 + (3 –

1,96)2 ( 2 + (4 – 1,96)2 ( 6 + (5 – 1,96)2 ( 2 + (6 – 1,96)2 ( 7) / 50 =

5,1 (ч/нед)2

bx = 2,26 (ч/нед)

V = (2,26 / 1,96) ( 100% = 115%

R = 6 – 0 = 6 (ч/нед)

Вывод: среднее количество часов, затраченное студентами на самообразование

1,96 ч/нед. Т. к. коэффициент вариации является величиной значительной

(115%), то среднее количество является не типичным для данной совокупности.

Наиболее распространённым является количество часов самообразования равное

0 ч/нед. Ровно половина из 50 опрошенных студентов не занимались на первом

курсе дополнительным самообразованием.

Группировка 4

Таблица 5

|Подготовка к |Число студентов |% к итогу |Fi |

|семинарам, ч/нед | | | |

|[0-3] |21 |42 |21 |

|[3-6] |18 |36 |39 |

|[6-9] |8 |16 |47 |

|[9-12] |3 |6 |50 |

Для удобства разбиваем вариационный ряд на 4 равных интервала. Величину

интервала определяем по формуле: h = R / n. h = 3.

[pic]

Х = ( xi / n

Х = 4,08 (ч/нед)

Ме = 3 + 3 (25 – 21) / 18 = 3,6 (ч/нед)

Мо = 0 + 3 (21 – 0) / ((21 – 0) + (21 – 8)) = 1,85 (ч/нед)

D = ( (xi – x)2 / n

D = 7,2 ((ч/нед)2)

bx = 2,7 (ч/нед)

V = (2,7 / 4,08) ( 100% = 65,6%

R = 12 – 0 = 12 (ч/нед)

Вывод: среднее время, затраченное на подготовку к семинарским занятиям у

студентов на 1 курсе 4,08 ч/нед. Т. к. коэффициент вариации является

величиной значительной, то среднее время подготовки является величиной не

типичной для данной совокупности студентов. Наиболее распространённым

количеством часов на подготовку равно 1,85 ч/нед. Число студентов,

занимающихся больше 3,6 ч/нед равно числу студентов, занимающихся

подготовкой к занятиям больше 3,6 ч/нед.

Группировка 5

Таблица 6

|Сон, ч/сутки |Число студентов |% к итогу |Fi |

|5 |6 |12 |6 |

|6 |3 |6 |9 |

|7 |13 |26 |22 |

|8 |11 |22 |33 |

|9 |8 |16 |41 |

|10 |9 |18 |50 |

|Итог: |50 |100 | |

X = (5 6 + 6 3 + 7 13 + 8 11 + 9 8 + 10 9) / 50 = 7,78 (ч/сут)

NMe = (n+1) / 2 Me = 8 (ч/сут)

Мо = 7 (ч/сут)

D = ( (xi – x)2 (i / ( (I

D = 2,4 ((ч/сут)2)

bx = 1,55 (ч/сут)

V = (1,55 / 7,78) ( 100% = 19,9%

R = 10 – 5 = 5 (ч/сут)

Вывод: среднее значение часов сна 7,78 ч/сутки. Т. к. коэффициент вариации

является величиной незначительной (19,9%), то такое среднее значение часов

сна является типичным для данной совокупности. Наиболее распространённым

является количество часов сна 7 ч/сутки. Количество студентов, которые спят

больше 8 ч/сутки равно количеству студентов, спящих меньше 8 ч/сут.

Группировка 6

Таблица 7

|пол |Число студентов, |% к итогу |Fi |

| |чел | | |

|Ж |33 |66 |30 |

|М |17 |34 |50 |

|Итог: |50 |100 | |

Вывод: из таблицы видно, что большинство опрошенных студентов женского

пола.

Группировка 7

Таблица 8

|Нравятся ли |Число студентов, |% к итогу |Fi |

|занятия на 1 |чел | | |

|курсе | | | |

|Да |30 |60 |30 |

|Нет |20 |40 |50 |

|Итог: |50 |100 | |

[pic]

Вывод: из таблицы видно, что большинству студентов данной совокупности

нравились занятия на 1 курсе в академии.

Комбинационные группировки.

Таблица 9

|сон |Средний балл зачётки |Всего|

|Неудовлетворительная |21 |3,7 |

|Удовлетворительная |18 |4,3 |

|Хорошая |8 |4,4 |

|Отличная |3 |4,5 |

|Всего: |50 | |

Вывод: из таблицы видно, что зависимость между фактором и признаком

существует.

Группировка 2

Таблица 12

Введём обозначения:

1. 1/3 всех занятий [6-12] ч/нед

2. половина [12-18] ч/нед

3. все занятия [18-22] ч/нед

|Посещаемость занятий |Число студентов, чел |Средний балл зачётки за|

| | |1 курс |

|1/3 всех занятий |13 |3,3 |

|половина |19 |4,0 |

|все занятия |18 |4,5 |

|Всего: |50 | |

Вывод: из таблицы видно, что зависимости между признаком-фактором и

признаком-результатом явной нет.

Группировка 3

Таблица 13

|Самообразование |Число студентов, чел |Средний балл зачётки за|

| | |1 курс |

|Посещали доп. курсы |25 |4,2 |

|Не посещали доп. курсы |25 |4,0 |

Вывод: не наблюдается явной зависимости между признаком-фактором и

признаком результатом.

Лабораторная работа № 2

Тема: Корреляционный анализ, множественная линейная регрессия.

Цель: выбор оптимальной модели многофакторной регрессии на основе анализа

различных моделей и расчитан для них коэффициентов множественной

детерминации и среднеквадратических ошибок уравнения многофакторной

регрессии.

Корреляционная матрица

Таблица 1

| |0 |1 |2 |3 |4 |

|0 |1 |0,572 |0,115 |0,486 |0,200 |

|1 |0,572 |1 |0,218 |0,471 |-0,112 |

Страницы: 1, 2



Реклама
В соцсетях
бесплатно скачать рефераты бесплатно скачать рефераты бесплатно скачать рефераты бесплатно скачать рефераты бесплатно скачать рефераты бесплатно скачать рефераты бесплатно скачать рефераты