
- •1. Характеристика рядов распределения и задачи их статистического анализа.
- •1. Показатели центра распределения (х,Ме,Мо)
- •2. Показатели вариаций
- •3. Показатели вариации и их использования в статистическом анализе.
- •4. Правило сложения дисперсий и его применение в статистическом анализе.
- •1) Межгрупповая дисперсия. Она измеряет вариацию результативного признака, обусловленную влиянием факторного признака, иначе такую дисперсию называют факторной.
- •6. Показатели центра распределения: сущность, порядок расчета и использование в стат.Анализе.
- •1. Определение Ме в дискретном рр:
- •1.2 Если число ед. Совокупности четное, то
- •2. Расчет Ме в интервальном ряду р.
- •7. Понятие о квантилях. Порядок расчета квартилей, децилей, сфера применения.
- •8. Показатели формы распределения: к-нт асимметрии и к-нт эксцесса.
- •9. Свойства кривой нормального распределения.
- •10. Сущность выборочного наблюдения, условия и сфера его применения.
- •1.Экономия средств и ресурсов
- •2. Вн позволяет оперативно получить результаты
- •3. Выс.Достоверность результатов
- •11. Основные способы формирования выборочной совокупности.
- •12. Средние и предельные ошибки вн. Для средн. И для доли.
- •13. Определение необходимой численности выборки.
- •14. Понятие о малой выборке. Определение ошибки.
- •15. Методы распространения характеристик выборки на генеральную совокупность:
- •1) Способ прямого пересчёта основан на том, что средние величины или соотношения отдельных частей, полученные в результате вн, умножают на число единиц генеральной совокупности.;
- •16. Понятие о корреляционной связи и ее характеристика.
- •17. Характеристика элементарных методов выявления кор.Связи
- •18. Аналитические возможности, инф. Обеспечение и этапы проведения кра.
- •19. Измерение степени тесноты кор.Связи между двумя признаками с пом. К-нта Фехнера и лин.К-нта корреляции.
- •20. Измерение степени тесноты коррел. Связи м/ду 2 признаками с помощью корреляционного отношения.
- •21.Измерение степени тесноты коррел. Связи м/ду 2 признаками с помощью коэф. Коррел. Рангов Спирмена.
- •22.Измерение степени тесноты коррел. Связи м/ду 2 признаками с помощью коэф. Ассоциации и коэф. Контингенции.
- •23. Построение и анализ однофакторных регрессионных моделей.
- •24.Понятие о рядах динамики, их виды и правила построения. Условия сопоставимости уровней ряда динамики.
- •25. Показатели интенсивности изменения уровней ряда динамики. Цепная и базисная схема сопоставления.
- •26.Средние показатели ряда динамики.
- •27.Эмпирические методы выявления основной тенденции развития: метод укрупнения интервалов, метод скользящей средней.
- •28.Аналитическое выравнивание ряда динамики.
- •29.Понятие сезонной неравномерности и методы ее оценки.
- •30.Понятие об индексах и сфера их применения.
- •1. Цепная
- •2. Базисная
- •1. В зависимости от степени охвата элементов совокупности:
- •2. В зависимости от содержания пок-ля:
- •3.В зависимости от метода расчета общих индексов различают:
- •31.Понятие об индивидуальных и общих индексах.
- •32.Агрегатные индексы как основная форма индексов. Средние индексы из индивидуальных.
- •33.Построение индексов количественных показателей.
- •34.Построение индивидуальных и общих индексов себестоимости продукции.
- •35.Построение индивидуальных и общих индексов цен.
28.Аналитическое выравнивание ряда динамики.
При этом методе основная закономерность ряда динамики определяется как функция yt = f(t), где yt - уровни динамического ряда, вычисленные по соответствующему аналитическому уравнению на момент времени t.
Уровень ряда изменяется от периода к периоду не потому, что прошло какое-то время, а потому что в течение этого времени действовали различные факторы, с разной интенсивностью.
С помощью этого метода могут выравниваться уровни ряда как содержащие, так и не содержащие сезонную компоненту. Однако если последняя имеется, то уровни выравниваемых интервальных рядов должны быть не менее годовых, т.к. в годовых и больших уровнях сезонные компоненты нивелируются. Уровни моментных рядов с сезонной компонентой должны относится к одинаковым моментам года, в этом случае сезонные колебания также не оказывают влияния на динамику. Уровни рядов, не содержащие периодических колебаний, могут относится к любым периодам.
В зависимости от исходных данных для описания основной тенденции ряда могут быть выбраны разные типы функций. Если для ряда характерны более или менее постоянные абсолютные цепные приросты, выравнивание производят по прямой; если постоянны темпы роста - по показательной кривой (экспоненте);.если постоянно ускорение (вторые абсолютные разности) - по параболе второго порядка.
Покажем методику аналитического выравнивания динамического ряда на примере прямой.
Применительно к динамическим рядам уравнение прямой имеет вид:
yt^ = a + bt, где yt^: - теоретические уровни, рассчитанные по уравнению;
t - порядковый номер момента времени или периода. Величина нам известная.
а, b - параметры прямой.
Параметры а и в в соответствии с методом наименьших квадратов находим из решения системы уравнений:
na + b∑t = ∑y
a∑t + b∑t2 = ∑y t
n - число уровней ряда
t нумеруем следующим образом: для четного
n: -5; -3; -1;+1; +3; +5 (при n = 6)
n:-3;-2;-1;0;+1;+2;+3 (при п = 7)
В обоих случаях ∑t = О,
тогда a = ∑y/n; b = ∑y t/∑t2
При равномерном изменении скорости (стабильном ускорении) выравнивание производится по параболе второго порядка:
yt^ = a + bt + ct2
na + b∑t + c∑t2 = ∑y
a∑t + b∑t2+ c∑t3 = ∑y t
a∑t2 + b∑t3+ c∑t4 = ∑y t2
Найденные теоретические уровни динамического ряда отражают детерминированную составляющую ряда, состоящую из одной основной тенденции f(t) + S.
Разность между у и уt^ - характеризует случайную составляющую. Она будет тем меньше, чем точнее выбранная функция воспроизводит динамику явления. Ошибка уравнения:
где n - число уровней
т - число параметров уравнения.
Чем точнее уравнение воспроизводит моделирует ряд динамики тем больше его прикладное значение. В частности, оно может быть использовано для интерполяции и экстраполяции.
Интерполяция - приблизительный расчет недостающих уровней внутри однородного периода, когда известны уровни, лежащие по обе стороны неизвестного.
Экстраполяция. Приблизительный расчет уровней ряда динамики за пределами анализируемого периода, возможна экстраполяция в прошлое и будущее. Экстраполяция на будущее является одним из статистических методов прогнозирования. Основным условием прогнозирования указанным методом является сохранение в будущем условий, определявших тенденцию развития явления в прошлом.
Оценка точности прогнозов производится с помощью доверительных интервалов прогноза:
yt^ - tальфа;n-m*S *K<= yпрог<= yt^ + tальфа;n-m*S *K
tАльфа;n-m - табличное значение t- критерия Стьюдента с n-т степенями свободы и уровнем значимости альфа
К - зависит от n и L
L – период упреждения