- •1. Статистическое наблюдение, его формы, виды и способы.
- •2. Виды статистических группировок. Построение группировки по количественному признаку
- •3. Абсолютные, средние и относительные статистические показатели.
- •4 Аналитические показатели временного ряда
- •5. Индивидуальные и сводные индексы, их взаимосвязи.
- •6. Методы проверки временных рядов на наличие тенденции.
- •7. Методы выбора формы трендовой модели
- •8. Построение моделей авторегрессионных преобразований.
- •1. Основан на использовании, так называемых, последовательных или конечных разностей.
- •2. Метод отклонений эмпирических значений признака от теоретических по уравнению тренда полученных.
- •3. Метод Фриша-Воу
- •9. Прогнозирование на основе средних аналитических показателей временных рядов.
- •10. Прогнозирование на основе экстраполяции тренда.
- •11. Прогнозирование с учетом дисконтирования информации
- •12. Прогнозирование на основе кривых роста Гомперца и Перля-Рида.
- •13. Автокорреляция, ее выявление в уровнях временного ряда
- •14. Прогнозирование связных временных рядов
- •15. Оценка точности и надежности прогнозов.
- •16. Основные понятия теории выборочного наблюдения
- •17. Алгоритмы формирования выборочной совокупности
- •18. Простая случайная и систематическая выборки
- •19. Расслоенная выборка
- •20. Кластерная (сериальная) выборка
- •21.Предмет, задачи и система показателей макроэкономической статистики
- •22. Статистическое исследование результатов экономической деятельности
- •23. Статистическое исследование трудового потенциала и трудовых ресурсов
- •24. Статистическое исследование цен и ценообразования
- •25.Статистическое исследование внешней экономической деятельности
- •26. Сводный счет «Производство», его назначение и система показателей.
- •27. Методология исчисления валового внутреннего продукта и национального дохода
- •28. Межотраслевой баланс производства и распределения продукции в снс
- •29. Система макроэкономических показателей, применяемая в международной статистической практике
- •30. Предмет, метод, функции и система показателей социальной статистики
- •1. Общество, его основные характеристики и дифференциация
- •2. Условия жизни
- •3. Уровень жизни (материальная сторона)
- •4. Способ жизни и качественные аспекты жизни
- •Расчет коэффициентов корреляции Кэндела и Спирмена . [-1;1]
- •31.Статистическое исследование социальной структуры и социальной мобильности населения
- •32.Статистическое исследование жизненного уровня населения
- •33.Статистическое исследование дифференциации населения по денежным доходам
- •34.Статистическое исследование сферы обслуживания и охраны здоровья населения
- •35.Предмет, задачи и система показателей демографической статистики
- •36.Статистическое исследование численности, размещения и состава населения
- •37.Статистическое исследование естественного движения населения
- •38.Статистическое исследование миграционного движения населения.
- •39.Статистическое исследование воспроизводства населения
- •40. Понятие, принципы и методы демографического прогнозирования
- •41.Случайные величины. Закон распределение вероятностей дискретной случайной величины
- •42. Функция распределения и плотность вероятности случайной величины, их свойства
- •43. Основные числовые характеристики случайной величины и их свойства
- •44.Биноминальный и нормальный законы распределения случайной величины
- •45.Парные и частные коэффициенты корреляции, их свойства
- •46. Множественные коэффициенты корреляции и детерминации, их свойства
- •47. Понятие генеральной совокупности и выборки из нее
- •48. Определение точечной оценки (статистики) и основные требования, предъявляемые к точечной оценке (несмещенность, состоятельность, эффективность)
- •49. Интервальные оценки параметров генеральной совокупности
- •50. Интервальная оценка генеральной средней нормально распределенной генеральной совокупности.
- •51. Интервальная оценка генеральной дисперсии нормально распределенной генеральной совокупности.
- •52. Статистические гипотезы и правила их проверки. Статистические критерии.
- •53. Сущность дисперсионного анализа. Основные задачи, решаемые с его помощью
- •54. Определение оценок параметров классической линейной модели множественной регрессии с помощью метода наименьших квадратов
- •55. Факторный и компонентный анализ как методы снижения размерности
- •56. Кластерный анализ как метод многомерной классификации
- •57. Проверка значимости уравнения множественной регрессии и его коэффициентов. Интервальное оценивание коэффициентов уравнения регрессии
- •58. Гомо- и гетероскедастичность остатков в регрессионных моделях.
- •59. Обобщенный метод наименьших квадратов (омнк). Свойства омнк-оценок
- •60. Дискриминантный анализ как метод многомерной классификаций с обучением
43. Основные числовые характеристики случайной величины и их свойства
Случайные величины, помимо законов распределения, могут описываться числовыми характеристиками.
Математическим ожиданием дискретной случайной величины Х принимающей конечное число значений хi с вероятностями рi , называется сумма:
М ( Х ) = х1 · р1 + х2 · р2 + х3 · р3 + ... + хn· рn .
Свойства математического ожидания:
Математическое ожидание постоянной равно самой постоянной:
М(С) = С
Постоянный множитель можно выносить за знак математического ожидания:
М ( с · Х ) = с · М ( Х ) , c R
Математическое ожидание суммы двух случайных величин ( зависимых или независимых ) равно сумме математических ожиданий слагаемых:
М ( Х + Y ) = М ( Х ) + М ( Y ) , Х , Y Е
Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий:
М ( Х · Y ) = М ( Х ) · М ( Y ) для независимых случайных величин Х и Y
Дисперсией (рассеянием) случайной величины называется математическое ожидание квадрата ее отклонения от ее математического ожидания.
Дисперсией случайной величины Х называется число:
D ( Х ) = М{ [ Х – М ( Х )] 2 }= М ( Х 2 ) – [М ( Х )] 2 .
Свойства дисперсии:
1) Дисперсия постоянной величины С равна нулю:
D (C) = 0.
2) Постоянный множитель можно выносить за знак дисперсии, возведя его в квадрат:
D(CX) = C²D(X).
3) Дисперсия суммы двух независимых случайных величин равна сумме их дисперсий:
D(X + Y) = D(X) + D(Y).
4) Дисперсия разности двух независимых случайных величин равна сумме их дисперсий:
D(X – Y) = D(X) + D(Y).
Дисперсия дает среднее значение квадрата отклонения случайной величины от среднего; для оценки самого отклонения служит величина, называемая средним квадратическим отклонением.
Среднее квадратичное отклонение:
Средним квадратичным отклонением σ случайной величины Х называется квадратный корень из дисперсии:
содержание
44.Биноминальный и нормальный законы распределения случайной величины
Биномиальное распределение
Дискретная случайная величина распределена по биномиальному закону с параметрами и , если она принимает значения с вероятностями
.n-число испытаний, m- число испытаний, в котором произошло интересующее нас событие А.
Корректность распределения:
.
Математическое ожидание биномиально распределенной случайной величины
,
дисперсия
.
Нормальное распределение (закон Гаусса)
Непрерывная случайная величина распределена по нормальному закону с параметрами и , если плотность вероятности данной величины имеет вид:
.
Данное распределение вероятностей принято обозначать символом .
Нормальный закон распределения с параметрами , называется стандартным или нормированным (обозначается ).
График плотности нормального распределения симметричен относительно вертикальной прямой, проходящей через точку оси абсцисс , и достигает в указанной точке максимума, равного ; имеет две точки перегиба .
Математическое ожидание случайной величины , подчиненной нормальному закону распределения, равно параметру , а её среднее квадратическое отклонение – параметру :
, .
Коэффициенты асимметрии и эксцесса случайной величины, подчиненной нормальному закону распределения, равны нулю.
Медиана и мода нормально распределенной случайной величины совпадают с её математическим ожиданием.
Интегральная функция распределения случайной величины , подчиненной нормальному закону распределения, связана с функцией Лапласа следующим соотношением:
.
Нормальное распределение является наиболее часто встречающимся в приложениях распределением. Причина такого широкого распространения этого закона заключается в том, что практически важные случайные величины слагаются из очень большого числа независимых случайных величин, каждая из которых лишь незначительно влияет на их сумму. Подобные суммы распределены почти по нормальному закону.
Логарифмически нормальное распределение
Непрерывная случайная величина распределена по логарифмически нормальному закону с параметрами и , если плотность вероятности данной величины имеет вид:
.
Математическое ожидание случайной величины , подчиненной логарифмически нормальному закону распределения,
;
дисперсия ;
медиана однозначно определяется параметром : ; мода .
Логарифмически нормальный закон характерен для распределений доходов, банковских вкладов, цен активов, долговечности изделий, размеров частиц при дроблении и др.
содержание