Ako zostaviť intervalový variačný rad. Konštrukcia intervalového distribučného radu

Odoslanie dobrej práce do databázy znalostí je jednoduché. Použite nižšie uvedený formulár

Študenti, postgraduálni študenti, mladí vedci, ktorí pri štúdiu a práci využívajú vedomostnú základňu, vám budú veľmi vďační.

Uverejnené dňa http://www.allbest.ru/

ÚLOHA1

K dispozícii sú nasledujúce údaje o mzdách zamestnancov v podniku:

Tabuľka 1.1

Je potrebné skonštruovať intervalový distribučný rad, podľa ktorého sa má nájsť;

1) priemerná mzda;

2) priemerná lineárna odchýlka;

4) štandardná odchýlka;

5) rozsah variácií;

6) koeficient oscilácie;

7) lineárny variačný koeficient;

8) jednoduchý variačný koeficient;

10) medián;

11) koeficient asymetrie;

12) Pearsonov index asymetrie;

13) koeficient špičatosti.

Riešenie

Ako viete, možnosti (rozpoznané hodnoty) sú usporiadané vo vzostupnom poradí diskrétne variačné série. S veľkým počtom možnosť (viac ako 10), aj v prípade diskrétnej variácie sa zostavujú intervalové rady.

Ak je intervalový rad zostavený s párnymi intervalmi, potom sa rozsah variácie vydelí určeným počtom intervalov. Navyše, ak je výsledná hodnota celé číslo a jednoznačná (čo je zriedkavé), potom sa predpokladá, že dĺžka intervalu sa rovná tomuto číslu. V iných prípadoch vyrobené zaokrúhľovanie Nevyhnutne V strane zvýšiť, Takže do posledná zostávajúca číslica bola párna. Je zrejmé, že ako sa dĺžka intervalu zvyšuje, rozsah variácie o hodnotu rovnajúcu sa súčinu počtu intervalov: o rozdiel medzi vypočítanou a počiatočnou dĺžkou intervalu

A) Ak je veľkosť rozšírenia rozsahu variácie nevýznamná, potom sa buď pripočíta k najväčšej alebo odpočíta od najmenšej hodnoty charakteristiky;

b) Ak je viditeľná veľkosť rozšírenia rozsahu variácie, potom, aby sa predišlo zámene stredu rozsahu, rozdelí sa zhruba na polovicu súčasným pripočítaním k najväčším a odčítaním od najmenších hodnôt charakteristika.

Ak sa zostavuje intervalový rad s nerovnakými intervalmi, tak sa proces zjednoduší, no aj tak treba dĺžku intervalov vyjadriť ako číslo s poslednou párnou číslicou, čo značne zjednodušuje následné výpočty číselných charakteristík.

30 je veľkosť vzorky.

Vytvorme intervalový distribučný rad pomocou Sturgesovho vzorca:

K = 1 + 3,32 x log n,

K - počet skupín;

K = 1 + 3,32 x lg30 = 5,91 = 6

Pomocou vzorca zistíme rozsah atribútu - mzdy pracovníkov v podniku - (x).

R= xmax - xmin a deliť 6; R = 195-112 = 83

Potom bude dĺžka intervalu l dráha = 83:6 = 13,83

Začiatok prvého intervalu bude 112. Pridáva sa k 112 l ras = 13,83, dostaneme jeho konečnú hodnotu 125,83, čo je zároveň začiatok druhého intervalu atď. koniec piateho intervalu - 195.

Pri hľadaní frekvencií by sme sa mali riadiť pravidlom: „ak sa hodnota funkcie zhoduje s hranicou vnútorného intervalu, mala by sa pripísať predchádzajúcemu intervalu“.

Získame intervalový rad frekvencií a kumulatívnu frekvenciu.

Tabuľka 1.2

Mzdu teda majú 3 zamestnanci. poplatok od 112 do 125,83 konvenčných peňažných jednotiek. Najvyšší plat poplatok od 181,15 do 195 konvenčných peňažných jednotiek. len 6 zamestnancov.

Na výpočet numerických charakteristík transformujeme intervalový rad na diskrétny rad, pričom ako možnosť berieme stred intervalov:

Tabuľka 1.3

Použitie vzorca váženého aritmetického priemeru

konvenčné peňažné jednotky

Priemerná lineárna odchýlka:

kde xi je hodnota sledovanej charakteristiky pre i-tú jednotku populácie,

Priemerná hodnota študovaného znaku.

Uverejnené dňa http://www.allbest.ru/

LPoslané dňa http://www.allbest.ru/

Konvenčné peňažné jednotky

štandardná odchýlka:

Rozptyl:

Relatívny rozsah variácie (koeficient oscilácie): c= R:,

Relatívna lineárna odchýlka: q = L:

Variačný koeficient: V = y:

Koeficient oscilácie ukazuje relatívne kolísanie extrémnych hodnôt charakteristiky okolo aritmetického priemeru a koeficient variácie charakterizuje stupeň a homogenitu populácie.

c= R: = 83 / 159,485 x 100 % = 52,043 %

Rozdiel medzi extrémnymi hodnotami je teda o 5,16% (=94,84%-100%) menší ako priemerná mzda zamestnancov v podniku.

q = L: = 17,765/ 159,485 * 100 % = 11,139 %

V = y: = 21,704/ 159,485 * 100 % = 13,609 %

Variačný koeficient je menší ako 33 %, čo naznačuje slabé kolísanie miezd pracovníkov v podniku, t.j. že priemerná hodnota je typickou charakteristikou miezd pracovníkov (obyvateľstvo je homogénne).

V intervalových distribučných radoch móda určený vzorcom -

Frekvencia modálneho intervalu, t. j. intervalu obsahujúceho najväčší počet možností;

Frekvencia intervalu pred modálom;

Frekvencia intervalu nasledujúceho po spôsobe;

Dĺžka modálneho intervalu;

Spodná hranica modálneho intervalu.

Na určenie mediány v intervalovom rade používame vzorec

kde je kumulatívna (akumulovaná) frekvencia intervalu predchádzajúceho mediánu;

Dolná hranica stredného intervalu;

Stredná intervalová frekvencia;

Dĺžka stredného intervalu.

Stredný interval- interval, ktorého akumulovaná frekvencia (=3+3+5+7) presahuje polovicu súčtu frekvencií - (153,49; 167,32).

Vypočítajme asymetriu a špičatosť, pre ktoré vytvoríme nový pracovný hárok:

Tabuľka 1.4

Vypočítajme moment tretieho rádu

Preto sa asymetria rovná

Od 0,3553 0,25 sa asymetria považuje za významnú.

Vypočítajme moment štvrtého rádu

Preto sa špičatosť rovná

Pretože< 0, то эксцесс является плосковершинным.

Stupeň asymetrie možno určiť pomocou Pearsonovho koeficientu asymetrie (As): oscilácia hodnota vzorky obrat

kde je aritmetický priemer distribučného radu; -- móda; -- štandardná odchýlka.

Pri symetrickom (normálnom) rozdelení = Mo je teda koeficient asymetrie nulový. Ak As > 0, potom existuje viac módov, preto existuje pravotočivá asymetria.

Ak As< 0, то меньше моды, следовательно, имеется левосторонняя асимметрия. Коэффициент асимметрии может изменяться от -3 до +3.

Rozloženie nie je symetrické, ale má ľavostrannú asymetriu.

ÚLOHA 2

Aká by mala byť veľkosť vzorky, aby s pravdepodobnosťou 0,954 výberová chyba nepresiahla 0,04, ak je na základe predchádzajúcich prieskumov známe, že rozptyl je 0,24?

Riešenie

Veľkosť vzorky pre neopakované vzorkovanie sa vypočíta pomocou vzorca:

t - koeficient spoľahlivosti (s pravdepodobnosťou 0,954 sa rovná 2,0; určený z tabuliek integrálov pravdepodobnosti),

y2 = 0,24 - štandardná odchýlka;

10 000 ľudí - veľkosť vzorky;

Dx =0,04 - maximálna chyba priemeru vzorky.

S pravdepodobnosťou 95,4 % je možné konštatovať, že veľkosť vzorky zabezpečujúca relatívnu chybu najviac 0,04 by mala byť aspoň 566 rodín.

ÚLOHA3

K dispozícii sú nasledujúce údaje o príjmoch z hlavných činností podniku, milióny rubľov.

Ak chcete analyzovať sériu dynamiky, určte nasledujúce ukazovatele:

1) reťaz a základné:

Absolútne zvýšenie;

miery rastu;

Tempo rastu;

2) priemer

Úroveň riadku dynamiky;

Absolútny nárast;

Tempo rastu;

Miera nárastu;

3) absolútna hodnota zvýšenia o 1 %.

Riešenie

1. Absolútny nárast (Dy)- toto je rozdiel medzi ďalšou úrovňou série a predchádzajúcou (alebo základnou):

reťazec: DN = yi - yi-1,

základné: DN = yi - y0,

уi - úroveň riadkov,

i - číslo úrovne riadku,

y0 - úroveň základného roka.

2. Miera rastu (Tu) je pomer nasledujúcej úrovne série a predchádzajúcej úrovne (alebo základného roku 2001):

reťazec: Tu = ;

základné: Tu =

3. Rýchlosť rastu (TD) je pomer absolútneho rastu k predchádzajúcej úrovni, vyjadrený v %.

reťazec: Tu = ;

základné: Tu =

4. Absolútna hodnota zvýšenia o 1 % (A)- ide o pomer absolútneho rastu reťazca k rýchlosti rastu, vyjadrený v %.

A =

Priemerná úroveň riadkov vypočítané pomocou vzorca aritmetického priemeru.

Priemerná úroveň príjmu z hlavných činností za 4 roky:

Priemerný absolútny nárast vypočítané podľa vzorca:

kde n je počet úrovní série.

V priemere za rok vzrástli príjmy z hlavných činností o 3,333 milióna rubľov.

Priemerná ročná miera rastu vypočítané pomocou geometrického priemeru:

уn je posledná úroveň riadku,

y0 je počiatočná úroveň série.

Tu = 100 % = 102,174 %

Priemerná ročná miera rastu vypočítané podľa vzorca:

T? = Tu - 100 % = 102,74 % - 100 % = 2,74 %.

V priemere za rok sa tak výnosy z hlavnej činnosti podniku zvýšili o 2,74 %.

ÚLOHYA4

Vypočítať:

1. Individuálne cenové indexy;

2. Index všeobecného obchodného obratu;

3. Súhrnný cenový index;

4. Súhrnný index fyzického objemu predaja tovaru;

5. Rozčleniť absolútny nárast hodnoty obchodného obratu podľa faktorov (v dôsledku zmien cien a počtu predaných tovarov);

6. Vyvodiť stručné závery o všetkých získaných ukazovateľoch.

Riešenie

1. Jednotlivé cenové indexy produktov A, B, C podľa podmienky predstavovali -

ipA = 1,20; iрБ=1,15; iрВ = 1,00.

2. Všeobecný index obchodného obratu vypočítame pomocou vzorca:

I w = = 1470/1045*100 % = 140,67 %

Obchodný obrat vzrástol o 40,67 % (140,67 % -100 %).

V priemere ceny komodít vzrástli o 10,24 %.

Výška dodatočných nákladov kupujúcich zo zvýšenia ceny:

w(p) = ? p1q1 - ? p0q1 = 1470 - 1333,478 = 136,522 milióna rubľov.

V dôsledku rastúcich cien museli kupujúci minúť ďalších 136,522 milióna rubľov.

4. Všeobecný index fyzického objemu obchodného obratu:

Fyzický objem obchodného obratu vzrástol o 27,61 %.

5. Stanovme celkovú zmenu obchodného obratu v druhom období v porovnaní s prvým obdobím:

w = 1470-1045 = 425 miliónov rubľov.

z dôvodu zmeny cien:

W(p) = 1470 - 1333,478 = 136,522 milióna rubľov.

v dôsledku zmien fyzického objemu:

w(q) = 1333,478 - 1045 = 288,478 milióna rubľov.

Tržby za tovar vzrástli o 40,67 %. Ceny v priemere za 3 tovary vzrástli o 10,24 %. Fyzický objem obchodného obratu vzrástol o 27,61 %.

Vo všeobecnosti sa objem predaja zvýšil o 425 miliónov rubľov, a to aj v dôsledku rastúcich cien o 136,522 milióna rubľov a v dôsledku zvýšenia objemu predaja o 288,478 milióna rubľov.

ÚLOHA5

Nasledujúce údaje sú dostupné pre 10 tovární v jednom odvetví.

Na základe uvedených údajov:

I) potvrdiť ustanovenia logickej analýzy o prítomnosti lineárnej korelácie medzi faktorovou charakteristikou (objem produktu) a výslednou charakteristikou (spotreba elektriny), vykresliť počiatočné údaje do grafu korelačného poľa a vyvodiť závery o tvare vzťahu, uveďte jeho vzorec;

2) určiť parametre rovnice spojenia a vyniesť výslednú teoretickú čiaru do grafu korelačného poľa;

3) vypočítajte koeficient lineárnej korelácie,

4) vysvetliť význam ukazovateľov získaných v odsekoch 2) a 3);

5) pomocou výsledného modelu urobte predpoveď o možnej spotrebe energie v závode s objemom výroby 4,5 tisíc kusov.

Riešenie

Údaj atribútu - objem výroby (faktor), bude označený xi; znak - spotreba elektriny (výsledok) cez yi; body so súradnicami (x, y) sú vynesené do korelačného poľa OXY.

Body korelačného poľa sú umiestnené pozdĺž určitej priamky. Vzťah je teda lineárny, budeme hľadať regresnú rovnicu v tvare priamky Уx=ax+b. Aby sme to našli, používame systém normálnych rovníc:

Vytvorme si výpočtovú tabuľku.

Pomocou zistených priemerov zostavíme systém a vyriešime ho s ohľadom na parametre a a b:

Takže dostaneme regresnú rovnicu pre y na x: = 3,57692 x + 3,19231

Na korelačnom poli postavíme regresnú priamku.

Dosadením hodnôt x zo stĺpca 2 do regresnej rovnice získame vypočítané hodnoty (stĺpec 7) a porovnáme ich s údajmi y, čo sa odráža v stĺpci 8. Mimochodom, správnosť výpočtov potvrdzuje zhoda priemerných hodnôt y a.

Koeficientlineárna korelácia vyhodnocuje tesnosť vzťahu medzi charakteristikami x a y a vypočíta sa pomocou vzorca

Uhlový koeficient priamej regresie a (v x) charakterizuje smer identifikovanéhozávislostiznaky: pre a>0 sú rovnaké, pre a<0- противоположны. Jeho absolútna hodnota - miera zmeny výslednej charakteristiky, keď sa charakteristika faktora zmení o jednotku merania.

Voľný člen priamej regresie odhaľuje smer a jeho absolútna hodnota je kvantitatívnou mierou vplyvu všetkých ostatných faktorov na výslednú charakteristiku.

Ak< 0, potom sa zdroj faktora charakteristické pre individuálny objekt používa s menším množstvom a kedy>0 svyššia účinnosť ako je priemer pre celý súbor objektov.

Urobme postregresnú analýzu.

Koeficient pri x priamej regresie je rovný 3,57692 >0, preto s nárastom (poklesom) výrobného výkonu rastie (klesá) spotreba elektriny. Zvýšenie produkcie o 1 tisíc kusov. udáva priemerný nárast spotreby elektriny o 3,57692 tisíc kWh.

2. Voľný člen priamej regresie je rovný 3,19231, teda vplyvom ostatných faktorov sa vplyv výkonu produktu na spotrebu elektriny v absolútnom vyjadrení zvýši o 3,19231 tis. kWh.

3. Korelačný koeficient 0,8235 odhaľuje veľmi úzku závislosť spotreby elektriny od výkonu produktu.

Je ľahké robiť predpovede pomocou rovnice regresného modelu. Na tento účel sa do regresnej rovnice dosadia hodnoty x - objem výroby a predpovedá sa spotreba elektriny. V tomto prípade môžu byť hodnoty x prijaté nielen v rámci daného rozsahu, ale aj mimo neho.

Urobme predpoveď o možnej spotrebe energie v závode s objemom výroby 4,5 tisíc kusov.

3,57692*4,5 + 3,19231= 19,288 45 tisíc kWh.

ZOZNAM POUŽITÝCH ZDROJOV

1. Zacharenkov S.N. Sociálno-ekonomická štatistika: Učebnica a praktická príručka. -Mn.: BSEU, 2002.

2. Efimova M.R., Petrova E.V., Rumyantsev V.N. Všeobecná teória štatistiky. - M.: INFRA - M., 2000.

3. Eliseeva I.I. Štatistiky. - M.: Prospekt, 2002.

4. Všeobecná teória štatistiky / Pod všeobecný. vyd. O.E. Bashina, A.A. Spirina. - M.: Financie a štatistika, 2000.

5. Sociálno-ekonomická štatistika: Vzdelávacia a praktická. príspevok / Zacharenkov S.N. a ďalšie - Mn.: Jerevanská štátna univerzita, 2004.

6. Sociálno-ekonomická štatistika: Učebnica. príspevok. / Ed. Nesterovič S.R. - Mn.: BSEU, 2003.

7. Teslyuk I.E., Tarlovskaya V.A., Terlizhenko N. Statistics. - Minsk, 2000.

8. Charčenko L.P. Štatistiky. - M.: INFRA - M, 2002.

9. Kharchenko L.P., Dolzhenkova V.G., Ionin V.G. Štatistiky. - M.: INFRA - M, 1999.

10. Ekonomická štatistika / Ed. Yu.N. Ivanova - M., 2000.

Uverejnené na Allbest.ru

Podobné dokumenty

Výpočet aritmetického priemeru pre intervalový distribučný rad. Stanovenie všeobecného indexu fyzického objemu obchodného obratu. Analýza absolútnej zmeny celkových výrobných nákladov v dôsledku zmien fyzického objemu. Výpočet variačného koeficientu.

test, pridané 19.07.2010


Podstata veľkoobchodu, maloobchodu a verejného obchodu. Vzorce na výpočet individuálnych a súhrnných indexov obratu. Výpočet charakteristík intervalového distribučného radu - aritmetický priemer, modus a medián, variačný koeficient.

kurzová práca, pridané 05.10.2013


Výpočet plánovaného a skutočného objemu predaja, percento plnenia plánu, absolútna zmena obratu. Stanovenie absolútneho rastu, priemerných temp rastu a nárastu peňažných príjmov. Výpočet štrukturálnych priemerov: mody, mediány, kvartily.

test, pridané 24.02.2012


Intervalové rady rozdelenia bánk podľa objemu zisku. Zistenie módu a mediánu výsledných intervalových distribučných radov pomocou grafickej metódy a výpočtov. Výpočet charakteristík intervalových distribučných radov. Výpočet aritmetického priemeru.

test, pridaný 15.12.2010


Vzorce na určenie priemerných hodnôt intervalového radu - režimy, mediány, disperzia. Výpočet analytických ukazovateľov dynamických radov pomocou reťazových a základných schém, rýchlostí rastu a prírastkov. Koncept konsolidovaného indexu nákladov, cien, nákladov a obratu.

kurzová práca, pridané 27.02.2011


Koncepcia a účel, poradie a pravidlá pre zostavenie série variácií. Analýza homogenity údajov v skupinách. Indikátory variácie (kolísania) vlastnosti. Stanovenie priemernej lineárnej a štvorcovej odchýlky, koeficientu oscilácie a variácie.

test, pridané 26.04.2010


Pojem modus a medián ako typické charakteristiky, poradie a kritériá na ich určenie. Nájdenie módu a mediánu v diskrétnych a intervalových variačných sériách. Kvartily a decily ako dodatočné charakteristiky variačných štatistických radov.

test, pridané 9.11.2010


Konštrukcia intervalového distribučného radu na základe zoskupovacích charakteristík. Charakteristika odchýlky frekvenčného rozloženia od symetrického tvaru, výpočet ukazovateľov špičatosti a asymetrie. Analýza ukazovateľov súvahy alebo výkazu ziskov a strát.

test, pridaný 19.10.2014


Prevod empirických radov na diskrétne a intervalové. Stanovenie priemernej hodnoty pre diskrétny rad pomocou jeho vlastností. Výpočet pomocou diskrétnej série režimov, mediánu, variačných indikátorov (rozptyl, odchýlka, oscilačný koeficient).

test, pridané 17.04.2011


Konštrukcia štatistického radu rozloženia organizácií. Grafické určenie hodnôt módu a mediánu. Tesnosť korelácie pomocou koeficientu determinácie. Stanovenie výberovej chyby priemerného počtu zamestnancov.

Pri spracovaní veľkého množstva informácií, ktoré je obzvlášť dôležité pri modernom vedeckom vývoji, stojí pred výskumníkom vážna úloha správneho zoskupenia zdrojových údajov. Ak sú údaje svojou povahou diskrétne, potom, ako sme videli, nevznikajú žiadne problémy - stačí vypočítať frekvenciu každej funkcie. Ak má skúmaná charakteristika nepretržitý charakteru (čo je v praxi bežnejšie), potom výber optimálneho počtu intervalov zoskupovania prvkov nie je v žiadnom prípade triviálnou úlohou.

Na zoskupenie spojitých náhodných premenných je celý variačný rozsah charakteristiky rozdelený do určitého počtu intervalov Komu.

Zoskupený interval (nepretržitý) variačná séria sa nazývajú intervaly zoradené podľa hodnoty atribútu (), kde počty pozorovaní spadajúcich do r"-tého intervalu alebo relatívne početnosti () sú uvedené spolu s príslušnými početnosťami ():

stĺpcový graf A kumulovať (ogiva), ktoré sme už podrobne rozoberali, sú vynikajúcim prostriedkom vizualizácie údajov, ktorý vám umožňuje získať primárnu predstavu o štruktúre údajov. Takéto grafy (obr. 1.15) sú konštruované pre spojité dáta rovnakým spôsobom ako pre diskrétne dáta, len s prihliadnutím na fakt, že spojité dáta úplne vypĺňajú oblasť svojich možných hodnôt, pričom nadobúdajú akékoľvek hodnoty.

Ryža. 1.15.

Preto stĺpce na histograme a kumulácii sa musia navzájom dotýkať a nesmú mať oblasti, v ktorých hodnoty atribútov nespadajú do všetkých možných(t. j. histogram a kumulácie by nemali mať pozdĺž osi x „diery“, ktoré neobsahujú hodnoty skúmanej premennej, ako na obr. 1.16). Výška stĺpca zodpovedá frekvencii – počtu pozorovaní spadajúcich do daného intervalu alebo relatívnej frekvencii – podielu pozorovaní. Intervaly sa nesmie pretínať a zvyčajne majú rovnakú šírku.

Ryža. 1.16.

Histogram a polygón sú aproximáciou krivky hustoty pravdepodobnosti (diferenciálna funkcia) f(x) teoretické rozdelenie, uvažované v rámci teórie pravdepodobnosti. Preto je ich konštrukcia taká dôležitá pri primárnom štatistickom spracovaní kvantitatívnych spojitých údajov - podľa ich vzhľadu možno usudzovať na zákon hypotetického rozdelenia.

Kumulovať – krivka akumulovaných frekvencií (frekvencií) intervalového variačného radu. Graf funkcie kumulatívneho rozdelenia sa porovnáva s kumulovaným F(x), diskutované aj v kurze teórie pravdepodobnosti.

V zásade sú pojmy histogram a kumulovať špecificky spojené so spojitými údajmi a ich intervalovými variačnými sériami, pretože ich grafy sú empirickými odhadmi funkcie hustoty pravdepodobnosti a distribučnej funkcie.

Konštrukcia intervalového variačného radu začína určením počtu intervalov k. A táto úloha je azda najťažšia, najdôležitejšia a najkontroverznejšia v skúmanej problematike.

Počet intervalov by nemal byť príliš malý, pretože to spôsobí, že histogram bude príliš hladký ( prehladený), stráca všetky znaky variability pôvodných údajov – na obr. 1.17 vidno, ako tie isté údaje, na ktorých sú grafy na obr. 1.15, slúži na zostrojenie histogramu s menším počtom intervalov (graf vľavo).

Počet intervalov by zároveň nemal byť príliš veľký - inak nebudeme môcť odhadnúť hustotu rozloženia študovaných údajov pozdĺž číselnej osi: histogram bude nedostatočne vyhladený (nevyhladené), s prázdnymi intervalmi, nerovnomerné (pozri obr. 1.17, pravý graf).

Ryža. 1.17.

Ako určiť najvýhodnejší počet intervalov?

Už v roku 1926 Herbert Sturges navrhol vzorec na výpočet počtu intervalov, do ktorých je potrebné rozdeliť pôvodný súbor hodnôt študovanej charakteristiky. Tento vzorec sa skutočne stal mimoriadne populárnym – väčšina štatistických učebníc ho ponúka a mnohé štatistické balíky ho štandardne používajú. Nakoľko je to opodstatnené a vo všetkých prípadoch je to veľmi vážna otázka.

Takže, na čom je Sturgesov vzorec založený?

Zvážte binomické rozdelenie)