Xreferat.com » Рефераты по экономике » Статистические наблюдения

Статистические наблюдения

/>


Статистические наблюдения


При k = - 1 степенная средняя называется средней гармонической (Harmonisches Mittel, Harmonic mean):


Статистические наблюдения

Статистические наблюдения


Средняя гармоническая взвешенная тогда будет равна:

где Wi – вес средней гармонической, равный произведению индивидуального значения признака на его частоту (обычную).

Пример (см. таблицы 4.5, 4.6).

Таблица 4.5.

Данные о заработной плате по отделам организации

Отдел Заработная плата по отделу в у. е. Численность, чел.
1 100 50
2 200 150

Статистические наблюдения

Тогда среднюю зарплату по организации можно найти по формуле средней арифметической взвешенной:

Однако часто данные имеются в другом виде (табл. 4.6).Тогда для расчета средней зарплаты по организации применяется средняя гармоническая взвешенная:


Таблица 4.6.

Данные о заплате по отделам организации

Отдел Заработная плата по отделу в у. е. Фонд заработной платы в у.е.
1 100 5000
2 200 30000

Статистические наблюдения


Всегда, когда в качестве веса уже имеем произведение значения признака на частоту, средняя арифметическая не работает – применяют формулу средней гармонической. Чтобы не ошибиться в расчетах, нужно постоянно следить за смыслом числителя и знаменателя.


Статистические наблюдения

При k = 0 получаем формулу средней геометрической (Geometrisches Mittel, Geometric mean) простой и взвешенной:


Статистические наблюдения


Средняя геометрическая применяется тогда, когда используются операции, связанные умножением/ делением, а не сложением/ вычитанием.

Пример (см. табл.4.7).Найти среднегодовой темп роста и прироста по следующим данным.


Таблица 4.7.

Темпы роста объема сбыта по фирме N

Годы Темпы роста, %
1996 103
1997 105
1998 104
1999 106

Статистические наблюденияСреднегодовой темп роста (Wachstumstempo, Rate of Growth):

Среднегодовой темп прироста (Zuwachsrate, Rate of increment):

Статистические наблюдения = Среднегодовой темп роста – 1.

В нашем примере: Статистические наблюдения= 1,045 – 1= 0,045 или 4,5 %

Примечание: среднегодовой темп роста и среднегодовой темп прироста можно получить исходя и из абсолютных значений. Видоизменим предыдущий пример (табл. 4.8).

Таблица 4.8.

Объем оказанных услуг по фирме N

Года Произведено услуг, тыс. евро
1995 1800
1996 1854 (1854/1800=1,03)
1997 1947
1998 2025
1999 2147

Статистические наблюдения


Тогда получим:

Статистические наблюдения= 1,045 – 1= 0,045 или 4,5 %.


Статистические наблюденияСтатистические наблюдения


При k = 2 получаем формулу средней квадратической (Quadratisches Mittel, Quadratic mean) простой и взвешенной:


Статистические наблюденияСтатистические наблюдения


При k = 3 получаем формулу средней кубической (Kubisches Mittel, Cubic mean) простой и взвешенной и т.д:.

Средняя квадратическая и средняя кубическая применяются, если нужно сохранить неизменной сумму квадратов или сумму кубов исходных величин.

Правило мажорантности средних

Статистические наблюдения


Если на одном и том же фактическом материале рассчитать разные средние, то все они будут иметь разные значения, причем эти значения будут тем меньше, чем меньше k. Получаем следующее неравенство:

Свойства средней арифметической

Средняя арифметическая обладает некоторыми свойствами, облегчающими ее применение на практике и упрощающими ее расчеты.

сумма отклонений индивидуальных значений признаков от средней арифметической равна нулю:


Статистические наблюдения


если все значения признака увеличить или уменьшить на какое-либо число, то средняя арифметическая увеличится (уменьшится) на это же число:


Статистические наблюдения


если все значения признака умножить (поделить) на какое-либо число, то средняя арифметическая изменится во столько же раз:


Статистические наблюдения


сумма квадратов отклонений индивидуальных значений признака от средней арифметической есть величина минимальная:

Статистические наблюдения


если вес каждого значения признака разделить (умножить) на какое-либо постоянное число А, то средняя арифметическая от этого не изменится:


Статистические наблюдения


средняя суммы (разности) двух величин равна сумме (разности) средних этих величин


Статистические наблюдения


Условия применения средних величин в анализе

- однородность статистической совокупности. Действительно, допустим, что отдельные элементы совокупности, вследствие подверженности влиянию некоторого случайного фактора, имеют слишком большие (или слишком малые) величины изучаемого признака, существенно отличающиеся от остальных. Такие элементы повлияют на размер средней для данной совокупности, поэтому средняя не будет выражать наиболее характерную для совокупности величину признака.

Если исследуемое явление не является однородным, то его разбивают на группы, содержащие только однородные элементы. Для такого явления рассчитываются сначала средние по группам, которые называются групповые средние, – они будут выражать наиболее типичную величину явления в каждой группе. Затем рассчитывается для всех элементов общая средняя величина, характеризующая явление в целом, – она рассчитывается как средняя из групповых средних, взвешенных по числу элементов совокупности, включенных в каждую группу.

На практике, однако, выполнение данного условия не является безусловным. Пример: расчет величины средней заработной платы по всем секторам экономики, включая высокооплачиваемые (банки, финансы) и низкооплачиваемые (народное образование, сельское хозяйство).

- достаточное количество единиц в совокупности, по которой рассчитывается среднее значение признака. Достаточность анализируемых единиц обеспечивается корректным определением границ исследуемой совокупности, т.е. закладывается еще на начальном этапе статистического исследования. Данное условие становится решающим при применении выборочного наблюдения, когда необходимо обеспечить репрезентативность выборки.

- нежелательность большого расхождения максимального и минимального значения признака в изучаемой совокупности также является условием применения средней величины в анализе. В случае больших отклонений между крайними значениями и средней, необходимо проверить принадлежность экстремумов к исследуемой совокупности. Если сильная изменчивость признака вызвана случайными, кратковременными факторами, то, возможно, крайние значения не характерны для совокупности. Следовательно, их следует исключить из анализа, т.к. они оказывают влияние на размер средней величины.


4.2.2 Структурные средние

Мода (Modus, Mode)– это наиболее часто встречающееся значение признака.

Медиана (Median) – это значение признака у серединной единицы ранжированного ряда.

При нормальном распределении средняя арифметическая, мода и медиана совпадают (рис.4.1а). Условия нормального распределения довольно широки, оно часто встречается, следовательно, можно и не считать среднюю арифметическую, а брать моду или медиану.


Статистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюденияа) б)


Статистические наблюдения

Статистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюдения

Рис. 4.1. Средняя арифметическая, мода и медиана при нормальном и деформированном распределении


При деформированном распределении показатели "разбегаются": мода остается почти на месте, медиана сдвигается в сторону асимметрии, туда же, но еще дальше убегает средняя арифметическая (рис. 4.1б). Медиана ближе к средней арифметической, расстояние от моды до медианы при умеренно деформированном распределении в 2 раза больше, чем от медианы до средней арифметической, поэтому в этом случае среднюю арифметическую лучше заменять медианой.

Расчет моды и медианы в дискретном ряду

(по несгруппированным данным)

Пусть дан ранжированный ряд распределения:

Ряд: 10, 20, 20, 25, 30 (35)

Порядковый номер значения признака: 1 2 3 4 5 (6)

Чаще всего повторяется значение признака 20, оно и будет модой: Мо=20

Медианой будет центральное значение ряда 20: Ме=20

Если ряд содержит четное число единиц, то медиана определяется как средняя из двух центральных значений. Предположим, что в нашем ряду 6 значений, добавлено значение 35. Тогда Ме = (20+25) /2= 22,5.

Расчет средней арифметической, моды и медианы по данным интервального ряда (сгруппированные данные).

Расчет средней арифметической, моды и медианы по данным интервального ряда (сгруппированным данным) проведем на основе сведений табл. 4.9.

Для того, чтобы рассчитать среднюю арифметическую, берем середины интервалов в качестве значений признаков, что несколько искажает результат, так как мы априори исходим из того, что внутри групп распределение равномерное.

Допущение: в случае открытых интервалов расчет, строго говоря, не возможен, но чаще всего берут величины предыдущих (последующих) интервалов либо используют в качестве средней арифметической моду или медиану.


Таблица 4.9.

Производительность труда на предприятии N

Производительность труда, изделий в час - X

Число работников –

f

Накопленная частота - F
0-10 10 10
10-20 30 40
20-30 25 65
30-40 20 85
40-50 15 100

Статистические наблюдения

Расчет моды. По таблице видим, что она находится во втором интервале, т.е. имеет значение между 10 и 20. Для точного расчета применяется формула:

Статистические наблюдения


А0 – нижняя граница модального интервала;

i – величина модального интервала;

fМ0 - частота модального интервала;

f М0-1– частота интервала, предшествующего модальному;

f Mo+1- частота интервала, следующего за модальным.

Статистические наблюдения В нашем примере:


Статистические наблюдения


Расчет медианы. По таблице видим, что накопленная частота превышает половину суммы накопленных частот (в нашем случае – 50) в третьем интервале, т.е. имеет значение между 20 и 30. Для точного расчета применяется формула:

А0 – нижняя граница медианного интервала;

i - величина медианного интервала;

N – объем ряда;

FМе-1 – накопленная частота интервала, предшествующего медианному;

f Ме – частота медианного интервала.

Статистические наблюдения В нашем примере:

Квартили (Quartile, Quartile)– значения признаков, разбивающие ряд на 4 равные части.

Децили (Dezentile, Deciles) – значения признаков, разбивающие ряд на 10 равных частей.

Перцентили (Perzentile, Percentiles)- значения признаков, делящие ряд на 100 равных частей.


4.3 Математическое ожидание


Математическое ожидание (Erwartungswert, Expected value)


ТЕМА 5. ПОКАЗАТЕЛИ ВАРИАЦИИ

StreuungsmaЯe Variation


5.1 Понятие вариации


Вариация (Variation)– это колеблемость или изменчивость изучаемого признака.

При исследовании социально-экономических явлений и процессов мы почти всегда имеем дело с вариацией. Причина вариации – множественность действующих факторов, не поддающихся устранению (элиминированию).

Показатели вариации нужны для определения степени диффузии (рассеивания) признака. Ряды распределения могут иметь одинаковые средние значения, один и тот же центр группирования, симметричное расположение частот вокруг него, но разные степени рассеивания. Пример (см. также рис. 5.1.): дано два ряда:

Статистические наблюденияСтатистические наблюдения–3; -3; -1; 0; 0; 0; 0; 1; 3; 3; X = 0

-9; -8; -6; 0; 1; 1; 2; 2; 3; 14; X = 0

Вывод: необходимо использовать показатели вариации, т.е. мы должны изучать и оценивать вариацию и оперировать колеблющимися величинами.


Статистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюдения

Рис. 5.1. Ряды распределения с разной степенью диффузии

5.2 Показатели вариации


Размах вариации (Spannweite, Variation range) – это разница между максимальным и минимальным значениями признака.


Статистические наблюдения


Показатель легко исчисляется, но недостаточно информативен, зависит только от крайних значений признака.

Среднее линейное отклонение (Durchschnittliche absolute Abweichung, Mean absolute deviation)– арифметическая сумма отклонений значений признака от средней. В качестве средней чаще всего берут среднюю арифметическую, но можно брать также другие средние, например, медиану.


Статистические наблюденияСтатистические наблюдения


Недостаток показателя – мы вынуждены брать модуль отклонений, т.к. алгебраическая сумма отклонений значений признака от средней арифметической всегда равна 0.

Дисперсия (Varianz, Variance)– средняя из квадратов отклонений значений признаков от средней арифметической


Статистические наблюдения Статистические наблюдения


Среднее квадратическое отклонение (или стандартное) отклонение (Mittlere quadratische (Standard-) Abweichung, Standard deviation)– корень квадратный из дисперсии:


Статистические наблюдения


Преимущество среднего квадратического отклонения перед дисперсией состоит в том, что оно является именованной величиной, т.е. имеет ту же единицу измерения, что и значения признака.

И среднее квадратическое отклонение, и дисперсия – показатели, широко применяемые в статистике, математической статистике и теории вероятностей.

Пример расчета показателей вариации. Дан ряд:

Статистические наблюденияСтатистические наблюденияСтатистические наблюденияСтатистические наблюдения1; 2; 3; 4; 5 Тогда: X = 3, R = 5-1 = 4

Пример расчета дисперсии и среднего квадратического отклонения по сгруппированным данным:


Таблица 5.1.

Расчет σ2 и σ по сгруппированным данным

Тарифный разряд, xi Число работников, чел., fi

Статистические наблюденияxi - x

Статистические наблюдения (xi – x)2

Статистические наблюдения (xi - x)2fi

12 1 -3 9 9
13 5 -2 4 20
14 30 -1 1 30
15 60 0 0 0
16 30 1 1 30
17 5 2 4 20
18 1 3 9 9
Итого: 132 - - 118

X = 15 разрядов ; σ2 = 118/132 = 0,89; и σ = Статистические наблюдения= 0,94 разряда.

Для оценки характера распределения используют следующие взаимосвязи:

среднее квадратическое отклонение при нормальном или умеренно деформированном распределении примерно в 1,25 раза больше линейного отклонения


Статистические наблюдения


коэффициент вариации (Variationskoeffizient, Coefficient of variation) – это отношение среднего квадратического отклонения к средней


Статистические наблюдения


Здесь критическим значением выступает V = 35 %. Если V ≤ 35 %, то считаем, что наша совокупность однородна. Если V > 35 %, то совокупность разнородна и это автоматически накладывает ограничения на расчет средней (расчет просто не имеет смысла).

В нашем первом примере отношение σ/l =1,18 , т.е. распределение близко к нормальному, а V = 47 %, т.е. совокупность разнородна.

Свойства дисперсии. Правило сложения дисперсии

дисперсия постоянной величины равна 0

уменьшение всех значений признака на одну и ту же величину А не меняет дисперсии:


σ2(х - А) = σ2х


уменьшение всех значений признака в k раз уменьшает дисперсию в k2 раз, а среднее квадратическое отклонение – в k раз.


σ2(х / k) = σ2х : k2

σ(х / k) = σх : k


дисперсия равна средней из квадратов значений признака минус квадрат средней значений признака:


Статистические наблюдения


Статистические наблюдениядисперсия по средней есть величина минимальная, т.е. она всегда меньше дисперсии по любой из величин А на ( Х – А)2 :


Статистические наблюдения- А)2


дисперсию, в отличие от среднего квадратического отклонения, можно собирать по частям и делить на части.


Статистические наблюдения


Существует так называемое правило сложения дисперсии, которое заключается в следующем:

δІ - межгрупповая дисперсия;

Статистические наблюдения αІ - средняя из внутригрупповых.


Статистические наблюдения


Межгрупповая дисперсия – это дисперсия, характеризующая влияние фактора, положенного в основу группировки. Ее расчет производится по следующей формуле:

Статистические наблюдения Xi – средняя по каждой группе;

Статистические наблюдения Xобщ – общая средняя;

m – количество групп.


Статистические наблюденияСтатистические наблюдения


Средняя из внутригрупповых дисперсий отражает влияние прочих факторов и определяется, как:

k – объем k-ой группы.

Исчисление среднеарифметической и показателей вариации для качественных (атрибутивных или номинально измеряемых) признаков

Наряду с вариацией количественных признаков может ставиться задача оценки вариации качественных признаков, например, при изучении качества продукции вся она делится на годную и бракованную.

В таком случае за эквивалент наличия признака (ответ "да") принимается 1, отсутствие признака обозначается 0 (ответ “нет”).

Общее число единиц совокупности примем за n, тогда число единиц совокупности, обладающих данным признаком, будет f, а число единиц, не обладающих данным признаком, будет (n - f).

Ряд распределения по качественному признаку представлен в табл. 5.2. таблице:


Таблица 5.2.

Пример ряда распределения по качественному признаку

Значение переменной Частота
1 f
0 n-f
Итого n

Тогда средняя арифметическая равна:

Статистические наблюдения

Статистические наблюдения


Фактически, это доля единиц, обладающих данным признаком. Соответственно, доля единиц, не обладающих данным признаком равна:


Статистические наблюдения


Так как p + q = 1, то для дисперсии альтернативного признака имеем:

Статистические наблюдения

На практике это означает, что дисперсия по альтернативным или качественно изменяющимся признакам подчиняется следующему правилу


Статистические наблюдения


Среднее квадратическое отклонение по альтернативному признаку:


Статистические наблюдения


Коэффициент вариации:

Статистические наблюденияСтатистические наблюденияСтатистические наблюдения

Пример. В результате контроля качества из 1000 готовых изделий 20 оказались бракованными. Нужно вычислить дисперсию и среднеквадратическое отклонение по данному номинально измеряемому признаку.


5.3 Свойства нормального распределения


Нормальное распределение возможно в том случае, когда на величину признака влияет большое число случайных причин, которые не зависят друг от друга и ни одна из которых не имеет преобладающего влияние над другими.


Статистические наблюдения

1) Кривая распределения симметрична относительно максимальной ординаты:

2) кривая нормального распределения имеет две точки перегиба х ±σ


Статистические наблюдения

Статистические наблюдения


3) В промежутках между:


Статистические наблюдения


Статистические наблюденияСтатистические наблюдения

Статистические наблюденияСтатистические наблюдения

Статистические наблюдения

Статистические наблюденияСтатистические наблюдения

Статистические наблюдения

Статистические наблюденияСтатистические наблюденияРис.5.2. Кривая нормального распределения

5.4 Моменты


Показатели вариации характеризуют ряд с точки зрения рассеивания, колеблемости значений признака. Ряд распределения, помимо рассеивания, может быть симметричным (асимметричным), остро- и плосковершинным. Универсальными характеристиками ряда распределения являются моменты (Momente, Moments) – средняя арифметическая тех или иных степеней отклонений значений признака от определенной исходной величины А.

Их общая формула:


Статистические наблюдения


Если А = 0, то момент называется начальным.

Статистические наблюденияЕсли А = х, то момент называется центральным;

Если А = условной величине, то момент называется условным.

В таблице 5.3. представлены формулы моментов первых четырех порядков.


Таблица 5.3.

Начальные, центральные и условные моменты первых четырех порядков

Моменты распределения, порядка Начальные Центральные Условные
Первого

Статистические наблюдения

Статистические наблюдения

Статистические наблюдения

Второго

Статистические наблюдения

Статистические наблюдения

Статистические наблюдения

Третьего

Статистические наблюдения

Статистические наблюдения

Статистические наблюдения

Четвертого

Статистические наблюдения

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: