2 вариант деления (полигон и гистограмму) по ным выборки: 33,5;26,4;44,6;32,8;32,9;41,1;33, 3;46,3; 49,9;32,1;45,2;34,5;43,4;47,3;32, 4:33,5; 34,6;30,9;40,9;45,8;42,1;38,9;46, 4;38,6; 35,2;42,2;27,8;29,6;28,7;42,8. 84,5; 72,5;88,9;80,6;74,8;89,5;75,7;77, 73,5;86,1;88,6;75,8;82,9;71,1;73, 76,3; 79,4;74,1;85,2;84,5;82,7;77,3;82, 4;83,5; 74,6;80,9;70,9;75,4;82,1;85,9;84, 4;78,6; 84,2;82,4;87,8;79,1;78,5;70,5;74, 8;77,7. 72, 75, 70, 68, 70, 72, 64, 66, 66, 70, 76, 76, 80, 64, 62, 78, 80, 76, 80, 80, 66, 72, 76, 76, 74, 75, 74, 66, 68, 63, 62, 70, 68, 72, 70, 72, 72, 70, 80, 76, 76, 76 74, 74, 74, 72, 76, 78, 76, 72, 76, 74, 80, 88.

Чтобы выполнить задачу деления на основе предоставленных данных, мы будем использовать два метода визуализации: полигон распределения и гистограмму. ### Шаг 1: Подготовка данных Сначала нам нужно упорядочить и обработать данные, которые вы привели. Объединим все выборки в один список и посмотрим, что у нас есть: 1. **Выборка 1 (n = 30):** ``` 33,5; 26,4; 44,6; 32,8; 32,9; 41,1; 33,3; 46,3; 49,9; 32,1; 45,2; 34,5; 43,4; 47,3; 32,4; 33,5; 34,6; 30,9; 40,9; 45,8; 42,1; 38,9; 46,4; 38,6; 35,2; 42,2; 27,8; 29,6; 28,7; 42,8 ``` 2. **Выборка 2 (n = 30):** ``` 84,5; 72,5; 88,9; 80,6; 74,8; 89,5; 75,7; 77,0; 73,5; 86,1; 88,6; 75,8; 82,9; 71,1; 73,0; 76,3; 79,4; 74,1; 85,2; 84,5; 82,7; 77,3; 82,4; 83,5; 74,6; 80,9; 70,9; 75,4; 82,1; 85,9; 84,4; 78,6; 84,2; 82,4; 87,8; 79,1; 78,5; 70,5; 74,8; 77,7 ``` 3. **Выборка 3 (n = 50):** ``` 72; 75; 70; 68; 70; 72; 64; 66; 66; 70; 76; 76; 80; 64; 62; 78; 80; 76; 80; 80; 66; 72; 76; 76; 74; 75; 74; 66; 68; 63; 62; 70; 68; 72; 70; 72; 72; 70; 80; 76; 76; 76; 74; 74; 74; 72; 76; 78; 76; 72; 76; 74; 80; 88 ``` Теперь мы можем выполнить деление для каждой выборки. ### Шаг 2: Расчет распределений Будем определять частоты и построим гистограммы и полигоны для каждой из выборок. Для этого нам нужно определить диапазоны значений. #### Гистограмма 1. Создадим интервалы и подсчитаем, сколько значений попадает в каждый интервал. 2. Построим гистограмму на основе полученных данных. #### Полигон распределения 1. Определим средние значения для каждого интервала, чтобы построить полигон. 2. Нанесём точки на график для каждого интервала и соединём их линейками. ### Шаг 3: Пример вычислений и графиков Чтобы показать вам, как ты можешь реализовать каждый шаг, ниже привожу примеры кода на Python, используя популярные библиотеки, такие как matplotlib и numpy. ```python import numpy as np import matplotlib.pyplot as plt # Данные выборок data1 = [33.5, 26.4, 44.6, 32.8, 32.9, 41.1, 33.3, 46.3, 49.9, 32.1, 45.2, 34.5, 43.4, 47.3, 32.4, 33.5, 34.6, 30.9, 40.9, 45.8, 42.1, 38.9, 46.4, 38.6, 35.2, 42.2, 27.8, 29.6, 28.7, 42.8] data2 = [84.5, 72.5, 88.9, 80.6, 74.8, 89.5, 75.7, 77.0, 73.5, 86.1, 88.6, 75.8, 82.9, 71.1, 73.0, 76.3, 79.4, 74.1, 85.2, 84.5, 82.7, 77.3, 82.4, 83.5, 74.6, 80.9, 70.9, 75.4, 82.1, 85.9, 84.4, 78.6, 84.2, 82.4, 87.8, 79.1, 78.5, 70.5, 74.8, 77.7] data3 = [72, 75, 70, 68, 70, 72, 64, 66, 66, 70, 76, 76, 80, 64, 62, 78, 80, 76, 80, 80, 66, 72, 76, 76, 74, 75, 74, 66, 68, 63, 62, 70, 68, 72, 70, 72, 72, 70, 80, 76, 76, 76, 74, 74, 74, 72, 76, 78, 76, 72, 76, 74, 80, 88] # Функция для построения гистограммы и полигона def plot_distribution(data, title): plt.figure(figsize=(10, 5)) # Гистограмма counts, bins, patches = plt.hist(data, bins=10, alpha=0.5, color='blue', edgecolor='black', label='Гистограмма') # Полигон распределения mid_bins = 0.5 * (bins[1:] + bins[:-1]) # Средние значения интервалов plt.plot(mid_bins, counts, marker='o', color='red', label='Полигон распределения') plt.title(title) plt.xlabel('Значения') plt.ylabel('Частота') plt.legend() plt.grid() plt.show() # Вызовем функцию для каждой выборки plot_distribution(data1, 'Распределение для выборки 1') plot_distribution(data2, 'Распределение для выборки 2') plot_distribution(data3, 'Распределение для выборки 3') ``` ### Шаг 4: Анализ результатов После построения графиков можно проводить анализ данных: - **Гистограмма** показывает распределение значений по интервалам. Многие значения сосредоточены в определённых диапазонах. - **Полигон распределения** позволяет увидеть общую тенденцию изменения частот и лучше сравнить данные. ### Заключение Теперь вы знаете, как визуализировать выборки данных с помощью гистограммы и полигона. Эти инструменты полезны для анализа и понимания распределения данных. Если у вас есть дополнительные вопросы или вам нужно больше информации по какому-либо из шагов, пожалуйста, дайте знать!