Xreferat.com » Рефераты по математике » История статистики

История статистики

корреляции рангов (коэффициент Спирмена) рассчитывается не по значениям двух взаимосвязанных признаков, а по их рангам следующим образом:

ρx/y = 1 – История статистики,

где di - разности рангов; n - число пар рангов.

Для определения тесноты связи между тремя и более признаками применяется ранговый коэффициент согласия - коэффициент конкордации, который вычисляется по формуле:

w = История статистики,

где m - количество факторов;

n - число наблюдений;

S - сумма квадратов отклонений рангов.

Величина коэффициента конкордации более 0,5 показывает, что между исследуемыми величинами имеется тесная зависимость.

Если при определении тесноты связи с помощью приведенных ранговых коэффициентов имеются связные ранги, т.е. если двум или более показателям присвоен один и тот же ранг, то расчеты проводятся по формулам:

коэффициент Спирмена: ρx/y = 1 – История статистики;

коэффициент конкордации: w = История статистики,

где T = История статистики(t3 – t), а t - количество связных рангов по отдельным показателям.

При исследовании социальных явлений и процессов большое значение имеет изучение качественных показателей и признаков, не имеющих количественной оценки:

a b a + b
c d c + d
a + c b + d a + b + c + d

Для определения тесноты связи двух качественных признаков, каждый из которых состоит только из двух групп, применяются коэффициенты ассоциации и контингенции. Для их вычисления строится таблица, которая показывает связь между двумя явлениями, каждое из которых должно быть альтернативным, т.е. состоящим из двух качественно отличных друг от друга значений признака (например, хороший, плохой).

Коэффициенты вычисляются по формулам:

A = История статистики - ассоциации;

K = История статистики - контингенции.

Коэффициент контингенции всегда меньше коэффициента ассоциации. Связь считается подтвержденной, если A ³ 0,5, или K ³ 0,3.

Если каждый из качественных признаков состоит более чем из двух групп, то для определения тесноты связи возможно применение коэффициента взаимной сопряженности Пирсона. Этот коэффициент вычисляется по формуле:

C = История статистики,

где j2 - показатель взаимной сопряженности.

Расчет коэффициента взаимной сопряженности проводится по следующей схеме:

Группа признака A Группа признака В Итого
B1 B2 B3
A1 f1 f2 f3 n1
A2 f4 f5 f6 n2
A3 f7 f8 f9 n3
m1 m2 m3

Расчет j2 проводится так:

по первой строке История статистики : n1 = L1;

по второй строке История статистики : n2 = L2;

по третьей строке История статистики : n3 = L3;

Следовательно, j2 = L1 + L2 + L3 – 1.

Интерпретация непараметрических коэффициентов связи в некоторых случаях, особенно когда они имеют отрицательное значение, затруднительна. Их абсолютные значения могут изменяться в пределах от 0 до 1. Чем ближе абсолютные значения к единице, тем теснее связь между исследуемыми признаками.

Корреляция и регрессия. Традиционные методы корреляционно-регрессионного анализа позволяют не только оценить тесноту связи, но и выразить эту связь аналитически. Применению корреляционно-регрессионного анализа должен предшествовать качественный, теоретический анализ исследуемого социально-экономического явления или процесса.

Связь между двумя факторами аналитически выражается уравнениями:

прямой История статистики= a0 + a1x;

гиперболы История статистики= a0 + История статистики;

параболы История статистики= a0 + a1x + a2x2 (или другой ее степени);

степенной функции История статистики.

Параметр a0 показывает усредненное влияние на результативный признак неучтенных (не выделенных для исследования) факторов. Параметр a1 - коэффициент регрессии показывает, на сколько изменяется в среднем значение результативного признака при увеличении факторного на единицу. На основе этого параметра вычисляются коэффициенты эластичности, которые показывают изменение результативного признака в процентах в зависимости от изменения факторного признака на 1%:

Э = a1∙История статистики.

Для определения параметров уравнений используется метод наименьших квадратов, на основании которого строится соответствующая система уравнений.

Теснота связи при линейной зависимости измеряется с помощью линейного коэффициента корреляции:

r = История статистики,

а при криволинейной зависимости с помощью корреляционного отношения:

h = История статистики.

Расчет коэффициентов регрессии несколько осложняется, если ряды по исследуемым факторам сгруппированы, а связь криволинейная.

Если зависимость между двумя факторами выражается уравнением гиперболы

История статистики= a0 + История статистики,

то система уравнений для определения параметров a0 и a1 такова:

na0 + a1∑История статистики = ∑y;

a0∑История статистики + a1∑История статистики = ∑yИстория статистики.

Для определения параметров уравнения регрессии, выраженного степенной функцией История статистики, приводят функцию к линейному виду: lgИстория статистики= lga0 + a1lgx, отсюда система уравнений для определения параметров запишется:

n∙lga0 + a1∑lgx = ∑lgy;

lga0∑lgx + a1∑(lgx)2 = ∑lgy∙lgx.

Зависимость между тремя и более факторами называется множественной или многофакторной корреляционной зависимостью. Линейная связь между тремя факторами выражается уравнением:

История статистики = a0 + a1x + a2z,

а система нормальных уравнений для определения неизвестных параметров a0, a1, a2 будет следующей:

na0 + a1∑x + a2∑z = ∑y;

a0∑x + a1∑x2 + a2∑zx = ∑yx;

a0∑z + a1∑xz + a2∑z2 = ∑yz.

Теснота связи между тремя факторами измеряется с помощью множественного (совокупного) коэффициента корреляции:

R = История статистики,

где rij - парные коэффициенты корреляции между соответствующими факторами.

Для более углубленного анализа вычисляются частные коэффициенты корреляции.

Дисперсионный анализ связи. При небольшом числе наблюдений исследовать влияние одного или нескольких факторных признаков на результативный можно, используя методы дисперсионного анализа. Дисперсионный анализ проводится расчетом дисперсий: общей, межгрупповой и внутригрупповой. Общую дисперсию называют дисперсией комплекса, межгрупповую - факторной, внутригрупповую - остаточной.

Дисперсионный анализ заключается в сравнении факторной и остаточной дисперсий. Если различие между ними значимо, то факторный признак, т.е. признак, положенный в основание группировки, оказывает существенное влияние на результативный. При исследовании воздействия на результативный признак только одного факторного, т.е. однофакторного комплекса дисперсии вычисляются:

дисперсия комплекса История статистики;

факторная дисперсия История статистики;

остаточная дисперсия История статистики,

где n – 1, r – 1, n – r - соответствующие числа степеней свободы;

r - число уровней (групп).

На основании дисперсий проводится расчет критерия Фишера Fp. Если расчетное значение больше табличного, т.е. Fp > Fa, то существенность влияния факторного признака подтверждается.

Тема 10. Выборочное наблюдение

Главными вопросами теории выборочного наблюдения, требующими практического закрепления на основе решения задач и выполнения упражнений, являются:

- определение предела случайной ошибки репрезентативности для различных типов выборочных характеристик с учетом особенностей отбора;

- определение объема выборки, обеспечивающего необходимую репрезентативность выборочной характеристики, с учетом особенностей отбора.

Ошибка репрезентативности, или разность между выборочной и генеральной характеристикой (средней, долей), возникающая в силу несплошного наблюдения, в основе которого лежит случайный отбор, рассчитывается как предел наивероятной ошибки. В качестве уровня гарантийной вероятности обычно берется 0,954 или 0,997. Тогда предел ошибки определяется величиной удвоенной или утроенной средней ошибки выборки: D = 2m при P = 0,954; D = 3m при P = 0,997, или в общем виде D = tm (t - коэффициент, связанный с вероятностью, гарантирующей результат).

Величина средней ошибки выборки различна для отдельных разновидностей случайного отбора. При наиболее простой системе - собственно-случайном повторном отборе - средняя ошибка определяется следующими формулами:

индивидуальный отбор:

m = История статистики = История статистики,

где σ2 - общая дисперсия признака;

n - число отобранных единиц наблюдения;

групповой (гнездовой, серийный) отбор:

m = История статистики = История статистики,

где δ2 - межгрупповая дисперсия;

r - число отобранных групп (гнезд, серий) единиц наблюдения.

При практических расчетах ошибок репрезентативности необходимо учитывать следующее:

1. Вместо генеральной дисперсии используется соответствующая выборочная дисперсия. Так, вместо общей дисперсии доли в генеральной совокупности берется общая дисперсия частости:

История статистики = w(1 – w) вместо История статистики = pq.

2. В случае бесповторного способа отбора (а также механического) следует иметь в виду поправки (K) к ошибке повторной выборки на бесповторность отбора:

K = История статистики < 1 или K = < 1.

Очевидно, что пользоваться этой поправкой целесообразно лишь тогда, когда относительный объем выборки составляет заметную часть генеральной совокупности (не менее 10%, тогда K £ 0,95).

3. При районированном отборе из типических групп единиц генеральной совокупности используется средняя из частных (групповых) дисперсий. Так, при индивидуальном отборе, пропорциональном размерам типических групп, имеем:

D = 2m = История статистики= История статистики при P = 0,954,

где История статистики - частная дисперсия i-й группы;

ni - объем выборки в i-й группе.

Определение ошибок выборочных характеристик позволяет установить наивероятные границы нахождения соответствующих генеральных показателей:

для средней: История статистики,

где История статистики - генеральная средняя;

История статистики - выборочная средняя;

История статистики - ошибка выборочной средней;

для доли: p = w ± Dw,

где p - генеральная доля;

w - выборочная доля (частость);

Dw - ошибка выборочной доли.

Пример. С вероятностью 0,954 нужно определить границы среднего веса пачки чая для всей партии, поступившей в торговую сеть, если контрольная выборочная проверка дала следующие результаты (первые две графы табл. 10.1).

Таблица 10.1

Результаты взвешивания чая

Вес, г (x) Количество пачек (m) Расчетные графы
x¢ m¢ x¢m¢ (x¢)2m¢
48 - 49 20 -1 2 -2 2
49 - 50 50 0 5 0 0
50 - 51 20 +1 2 2 2
51 - 52 10 +2 1 2 4
Итого: 100 – 10 2 8

1. Средний вес пачки чая по выборке:

История статистики = История статистики´ K + x0 = История статистики ´ 1 + 49,5 = 49,7 г.

2. Выборочная дисперсия веса пачки чая:

σ2 = История статистики= История статистики= 0,76.

3. Средняя ошибка выборочной средней:

История статистики= История статистики = История статистики = 0,087 г.

4. Предел для ошибки с вероятностью 0,954:

D = 2m = 0,174 г » 0,2 г.

5. Границы генеральной средней:

История статистики

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.
Подробнее

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: