Практична робота №4

Мета роботи: Навчитись писати програму з обчислення дисперсії,

середнього квадратичного відхилення, коефіцієнтів асиметрії та ексцесу.
Завдання:
1. Створити програму для обчислення дисперсії, середнього квадратичного
відхилення, коефіцієнти асиметрії та ексцесу.
2. Одержати та вивести на екран дисперсію, середнє квадратичне відхилення,
коефіцієнти асиметрії та ексцесу.

Студент: Бобришев Артем

Група: П-732-42
Спеціальність: 121 Інженерія програмного забезпечення
КИЇВ 2023
 ПОРЯДОК ВИКОНАННЯ РОБОТИ
1. Задатись вибіркою із 5N в діапазоні від 0 до N включно з довільними
параметрами.
2. Увімкніть ПК і завантажте Turbo-C.
3. Напишіть програму згідно завдання.
4. Налагодіть програму.
5. Виведіть на екран результати роботи програми.
6. Дайте відповіді на контрольні питання.
7. Оформіть звіт.
Контрольні питання:
1. Що таке розмах варіації?
2. Що таке дисперсія?
3. Що таке середнє лінійне відхилення?
4. Що таке середнє стандартне відхилення?
 КОД
#include <iostream>
#include <vector>
#include <cmath>

int main() {
int N;
std::cout << "Enter the value of N: ";
std::cin >> N;

// Sample size
int sample_size = 5 * N;

// Range of values
int min_value = 0;
int max_value = N;

// Generate the sample (for example, the sample will contain random values)
std::vector<double> sample;
for (int i = 0; i < sample_size; i++) {
double value = (double)rand() / RAND_MAX * (max_value - min_value) +
min_value;
sample.push_back(value);
}

// Calculate the mean

double mean = 0;
for (double value : sample) {
mean += value;
}
mean /= sample_size;

// Calculate the variance

double variance = 0;
for (double value : sample) {
variance += pow(value - mean, 2);
}
variance /= sample_size;

// Calculate the standard deviation

double standard_deviation = sqrt(variance);

// Calculate the skewness coefficient

double skewness = 0;
for (double value : sample) {
skewness += pow(value - mean, 3);
}
skewness /= (sample_size * pow(standard_deviation, 3));

// Calculate the kurtosis coefficient

double kurtosis = 0;
for (double value : sample) {
kurtosis += pow(value - mean, 4);
}
kurtosis /= (sample_size * pow(variance, 2)) - 3;

// Print the results

std::cout << "Mean: " << mean << std::endl;
 std::cout << "Variance: " << variance << std::endl;
std::cout << "Standard Deviation: " << standard_deviation << std::endl;
std::cout << "Skewness Coefficient: " << skewness << std::endl;
std::cout << "Kurtosis Coefficient: " << kurtosis << std::endl;

return 0;
}
РЕЗУЛЬТАТ РОБОТИ ПРОГРАМИ

ВІДПОВІДЬ НА КОНТРОЛЬНІ ПИТАННЯ

1. Розмах варіації - це різниця між максимальним і мінімальним
значеннями в наборі даних. Ця величина вказує на ступінь розкиду
даних і допомагає оцінити, наскільки значення варіюються відносно
один одного. Розмах варіації є однією з простих мір розкиду.

2. Дисперсія - це міра розкиду даних, яка вказує, наскільки значення

вибірки розташовані відносно середнього значення. Дисперсія
обчислюється шляхом підняття відхилень кожного значення від
середнього значення до квадрата, після чого обчислюється середнє
арифметичне цих квадратів. Дисперсія використовується для оцінки
розкиду даних і їхньої варіабельності.
3. Середнє лінійне відхилення - це міра розкиду даних, яка вказує на
середнє значення абсолютних відхилень кожного значення вибірки від
середнього значення. Щоб обчислити середнє лінійне відхилення,
спершу вираховують абсолютне значення відхилень, а потім
обчислюють середнє арифметичне цих абсолютних відхилень.

4. Середнє стандартне відхилення - це міра розкиду даних, яка вказує на

ступінь розкиду значень відносно середнього значення вибірки. Воно
обчислюється як квадратний корінь дисперсії. Середнє стандартне
відхилення є дуже поширеною мірою розкиду і допомагає оцінити
ступінь варіабельності даних, при цьому виразити його у тих же
одиницях, що і самі дані.