
- •Сущность статистического наблюдения.
- •2. Статистическая сводка. Группировка. Вторичная группировка.
- •3. Статистические таблицы. Графический метод представления информации.
- •Абсолютные и относительные величины: сущность, виды, порядок расчета.
- •5. Степенные средние величины.
- •6. Структурные средние величины.
- •7. Асимметрия и эксцесс.
- •8. Теоретические кривые распределения. Кривая нормального распределения и ее построение по эмпирическим данным.
- •9. Критерий согласия Пирсона «хи-квадрат». Критерии согласия Романовского, Ястремского, Колмогорова.
- •10. Понятие вариации. Абсолютные показатели вариации признака. Относительные показатели вариации признака.
- •11. Дисперсия. Свойства дисперсии. Порядок расчета. Правило сложения дисперсий. Дисперсия альтернативного признака.
- •13. Типическая и серийная выборка. Определение предельной ошибки выборки для средней и доли при повторном и бесповторном отборе.
- •14. Использование формул предельной ошибки выборки. Определение численности выборочной совокупности для собственно-случайной, механической, типической и серийной выборки.
- •15. Понятие рядов динамики их виды. Показатели рядов динамики (абсолютные и относительные). Прогнозирование и экстраполяция в рядах динамики.
- •Показатели анализа рядов динамики.
- •16. Средние показатели в рядах динамики.
- •17. Изучение основной тенденции развития (укрупнение уровней ряда, скользящая средняя, аналитическое выравнивание).
- •18. Изучение сезонных колебаний.
- •19. Понятие экономических индексов. Классификация индексов. Индивидуальные и общие индексы. Средние индексы (среднеарифметическая и гармоническая форма общих индексов).
- •20. Индексы цепные и базисные, с постоянной и переменной базой сравнения.
- •21. Индексы средних величин (индексы переменного, постоянного состава и структурных сдвигов).
- •22. Территориальные индексы.
- •23. Индексы Ласпейреса, Пааше, Лоу.
- •25. Парная регрессия для сгруппированных данных. Коэффициент эластичности.
- •26. Коэффициенты корреляции рангов Спирмена, Кэндела, Фехнера.
- •27. Методы изучения корреляционной связи качественных показателей. Расчет коэффициентов взаимной сопряженности Пирсона и Чупрова для оценки корреляционной связи качественных показателей.
- •28. Статистика населения.
- •Показатели естественного прироста
- •Показатели механического прироста (миграция):
- •29. Статистика численности и использования рабочего времени.
- •30. Статистика оплаты труда.
- •31. Статистика производительности труда.
- •Среднемесячная выработка
- •Среднемесячная выработка в расчете на одного работающего.
- •32. Социальная статистика.
- •32. Статистика основных производственных фондов.
23. Индексы Ласпейреса, Пааше, Лоу.
Индекс цен Ласпейреса – в качестве веса соизмерителя используется физические объемы в базисном периоде. Индекс Ласпейреса показывает, во сколько раз товары базисного периода подорожали за счет изменения цен в текущем периоде, при изменения объема потребительской корзины в текущем периоде. Индекс Ласпейреса и Пааше используются для определения темпов инфляции. На Западе и на Американском континенте для определения индекса инфляции используют индекс Ласпейреса. У нас с началом 90-х годов используют индекс Ласпейреса вместо Пааше..
- Ласпейреса
-Пааше.
Индекс Лоу учитывает изменение в ассортиментной политике.
,
где
.
Идеальный индекс Фишера – экономическое содержание данный индекс не имеет, чаще всего он используется для исчисления индексов цен за длительный промежуток времени, так как за это время сглаживается тенденция в составе и структуре цены.
.
24. Понятие корреляции и регрессии. Основные задачи применения корреляционно-регрессионного анализа. Корреляционная таблица. Парная регрессия. Измерение тесноты связи при помощи линейного коэффициента корреляции.
Данный анализ используется для изучения взаимосвязи между результативным и факторным признаком.
Корреляция – определяет количественную зависимость между факторным и результативным признаком.
Регрессия – определение функциональной зависимости между результативным и факторным признаком (определят уравнение регрессии характеризующий вид связи).
Рассчитывается коэффициент корреляции: по шкале Чеддока определяется теснота связей между факторным и результативным признаком.
если коэффициент корреляции
- связь слабая;
если от до
- средняя;
если от
до
- высокая, тесная.
Парная регрессия.
При парной регрессии изучается связь между результативным и одним факторным признаком. Связь между этим может быть:
- линейная
- гиперболическая
- параболическая.
Определить тип уравнения можно исследуя зависимость графически. Однако существует более общие принципы:
если результативный и факторный признак возрос одинаково, примерно в арифметической прогрессии, то связь между ними линейная, при обратной связи, связь гиперболическая;
если факторный признак увеличился в арифметической прогрессии, а результативный увеличился значительно быстрее, то используется параболическая или степенная регрессия.
Рассмотрим линейную регрессию.
- параметры данного
уравнения находятся по методу наименьших
квадратов
,
- представляет собой усредненное влияние на результативный признак неучтенных факторов;
-
коэффициент регрессии, который показывает,
насколько изменится в среднем
результативный признак при увеличении
факторного на единицу собственного
измерения.
Корреляционная таблица.
Н
а
практике часто исследуются совокупности,
в которых и x и y
представлены в виде интервальных рядов.
В этом случае в отличии от предыдущего
вида значений.
y x |
0-2 |
2-4 |
4-6 |
Итого по y |
10-12 |
1 |
|
|
|
12-14 |
8 |
10 |
|
|
14-16 |
|
|
12 |
|
Итого по x |
|
|
|
|
Если в корреляционной
таблице частоты которые расположены
по диагонали, тол связь между x
и y
будет прямая
,
если
-
связь
обратная. Если
частоты расположены вокруг диагонали,
то это говорит о наличии
связи.
Если клетки
таблицы заполнены большими числами то
связь слабая.
Если между значениями в таблице большие
промежутки, значения разбросаны хаотично,
то связь
отсутствует.
Линейный коэффициент корреляции.
Данный коэффициент - позволяет определить количественную связь между результативным и факторным признаком.
1.
,
,
.
2.
.
3.
.