Реферат: Статистика

5)   Общая дисперсия равна средней арифметической из частных дисперсий (внутригрупповых дисперсий) плюс дисперсии частных средних (межгрупповые дисперсии). Это свойство называется правилом сложения дисперсий, которое широко применяется в выборочном методе, методе измерений взаимосвязей явлений, а так же дисперсионном анализе.

 - общая дисперсия;

 - частная дисперсия;

 - средняя из частных дисперсий,  - численность соответствующей группы;

 - межгрупповая дисперсия;

5. Упрощенный способ расчета дисперсии и средне квадратического отклонения.

Свойства дисперсии используются для упрощения методики ее расчета. В условиях развитой вычислительной техники данный способ имеет, прежде всего, иллюстративный характер и помогает понять сущность этого показателя.

Упрощенный способ расчета дисперсии и средне квадратического отклонения (метод расчета от условного нуля).

А=2250;   k=1500;   с=15

6. Относительные показатели вариации.

Абсолютные измерители вариации (дисперсия, средне квадратическое отклонение) ограниченно пригодны для сравнительного анализа вариаций различных совокупностей.

Для цели сравнительного анализа применяют относительные показатели, коэффициенты вариации. Наиболее распространенной формой коэффициентов вариации  является , он показывает, какой процент от средней арифметической составляет среднее квадратическое отклонение.

Вместо средне квадратического в числителе коэффициента вариации иногда используют среднее линейное отклонение .

Если среднее линейное отклонение определялось относительно медианы или моды, то соответствующие показатели вариации будут выглядеть ,  .

Коэффициенты вариации определенные по различным основаниям не одинаковы, поэтому, сопоставляя вариации разных совокупностей, нужно использовать коэффициенты вариации, рассчитанные по одной и той же величине.

Коэффициент вариации является так же количественной мерой однородности совокупности. Принято считать, что если , то совокупность количественно однородна.  Чем меньше, тем лучше.

7. Стандартизация данных.

Коэффициенты вариации являются сводными оценками вариаций различных совокупностей. Однако они не позволяют сопоставить между собой значения признака у отдельных или групп единиц разных совокупностей.

Для подобных сравнений прибегают к стандартизации вариантов разных совокупностей по формулам:

, где ,  - это стандартизированные значения вариантов ряда x и y соответственно. В процессе стандартизации мы переходим от измерения вариантов в натуральных или стоимостных единицах к их измерению величинами соответствующих средне квадратических отклонений.

Пример: Стандартизация данных о доходах на одного члена семьи и среднедушевом потреблении мяса.

При стандартизации сгруппированных данных наряду с масштабированием вариантов ряда величинами соответствующих средне квадратических отклонений частоты этих рядов пересчитываются в частости.

Стандартизацию данных проводят, когда варианты сравниваемых рядов отличаются единицами измерения и порядком.

Стандартизация является важнейшим статистическим промежуточным этапом.

Стандартизация используется так же хорошо в теории выборочного метода.

8. Моменты распределения.

Моменты распределения составляют алгоритмическую основу многих статистических методов. Различают:

-   Произвольные (общий случай);

-   Начальные;

-   Центральные;

-   Стандартные (частный случай).

Выделяют:

-     Взвешенные;

-     Невзвешенные.

Произвольным моментом k-го порядка называется среднее значение k-ой степени отклонения всех вариантов ряда от произвольного постоянного числа.

 - для несгруппированных данных;

 - для сгруппированных данных.

При этом k принимает целочисленное значение от 1 до 4.

Если А=0, то произвольный момент преобразуется в начальный момент.

 - для несгруппированных данных;

при k=1 M1=

при k=2 M2=

 - для сгруппированных данных.

Если А=, произвольный момент преобразуется в центральный момент распределения.

 - для несгруппированных данных;

 - для сгруппированных данных.

При k=1 M1=0

При k=2 M2=

Стандартные моменты это начальные моменты из стандартных отклонений.

 - для несгруппированных данных;

 - для сгруппированных данных.

Стандартный момент k-го порядка это отношение центрального момента того же порядка к средне квадратическому отклонению в k-ой степени.

Так же как средняя арифметическая величина и дисперсия, центральные и стандартные моменты обладают рядом свойств, которые по сути  ближе всего к свойствам дисперсии.

9. Показатели асимметрии и эксцесса.

При анализе распределений помимо графического изображения характер распределения можно выяснить, рассчитывая такие показатели, как асимметрия и эксцесс. 

В качестве показателя асимметрии используют стандартный момент 3-го порядка. Если распределение симметрично относительно средней то показатель асимметрии равен нулю.

Если показатель асимметрии больше 0, то есть преобладают положительные отклонения от среднего, то наблюдается правосторонняя асимметрия, то есть преобладание в совокупности вариантов ряда превышающих среднюю.

 Если же показатель асимметрии меньше 0, налицо левосторонняя асимметрия, то есть превышение численности вариантов ряда меньше чем средняя.

Показатель эксцесса характеризует степень колеблемости исходных данных, чем сильнее вариация, тем более пологой является кривая распределения и наоборот, чем однороднее совокупность, тем в большей степени варианты ряда сконцентрированы около средней и тем более островершинней будет кривая распределения.

В качестве эталона высоты распределения в статистике принимается кривая нормального распределения. Доказано, что стандартный момент 4-го порядка у этой кривой равен 3.

10. Средняя арифметическая и дисперсия альтернативного признака.

Альтернативный признак – тот которым обладает или не обладает единица совокупности.

Наличие альтернативного признака обозначают 1, а отсутствие – 0. Если численность совокупности – N, а M – число единиц, обладающих изучаемым признаком, то  - доля единиц, обладающих изучаемым признаком. Соответственно  - доля единиц таким признаком не обладающих.

Предположим

p+q=1

Средняя арифметическая альтернативного признака равна p.

Дисперсия альтернативного признака  .

Пример: N=10,   M=4

N-M=6

Максимальное значение дисперсии для неоднородных совокупностей .

Выборочный метод.

1.   Сущность выборочного метода и его практическое значение.

2.   Ошибка выборки.

3.   Малая выборка.

4.   Определение оптимальной численности выборки.

5.   Распространение результатов выборочного распределения на генеральную совокупность.

6.   Классификация способов отбора.

7.   Организация отбора различными способами и оценка надежности полученных результатов.

8.   Моментное выборочное наблюдение.

1. Сущность выборочного метода и его практическое значение.

Выборочный метод – это основной способ сбора информации в условиях развитой рыночной экономики.

Выборка – разновидность несплошного наблюдения, позволяющего определить показатели всей совокупности (генеральной совокупности) на основе изучения ее части. При этом отобранная часть формируется с учетом положений теории вероятности и математической статистики.

Выборка имеет многовековую историю, но ее математическая составляющая получила развитие во 2й половине 19-20 века. Значительный вклад в формирование теории выборки внесли русские статистики. В СССР господствовало сплошное статистическое наблюдение в виде отчетности. Выборка охватывала только:

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12