
- •Статистика как наука: предмет и метод
- •3.Репрезентативность (представительность) выборки и случайность отбора. Отбор объектов из неоднородной генеральной совокупности. Повторный и бесповторный отбор.
- •5. Типологическая и структурная группировки
- •7. Комбинационная группировка по двум признакам и анализ ее результатов на предмет выявления взаимосвязи между признаками.
- •9. Характеристики центра распределения. Вычисление средней арифметической для не сгруппированных данных и сгруппированных данных
- •Средняя арифметическая
- •11. Понятие моды. Вычисление моды по сгруппированным данным
- •13. Абсолютные и относительные величины; средние значения относительных величин
- •15. Определение среднего уровня ряда для интервальных и моментальных рядов
- •17. Средний абсолютный прирост и средний коэффициент роста
- •19. Сглаживание временного ряда методом скользящего среднего
- •21. Линейная модель тренда, оценка параметров методом наименьших квадратов???
- •23. Общие (агрегатные) индексы товарооборота, цен, физического объема производства. Взаимосвязь между индексами
- •2. Сплошное и выборочное наблюдение. Понятие генеральной совокупности и выборки
- •4. Суть группировки. Рекомендации по выбору числа групп. Расчет величины интервалов и определение их границ
- •6. Аналитическая группировка. Признак-фактор и признак-результат
- •8. Дискретные и непрерывные вариационные ряды. Понятие частоты и частости групп. Накопленные частоты (частости) и кумулятивные ряды
- •10. Понятие медианы. Вычисление медианы по сгруппированным данным
- •12. Показатели вариации. Дисперсия и ее вычисление для не сгруппированных и сгруппированных данных. Среднее квадратичное отклонение и коэффициент вариации
- •14. Ряды динамики. Анализ временных рядов. Моментальные и интервальные временные ряды
- •16. Показатели динамики (абсолютный прирост, коэффициент роста, коэффициент прироста) цепные и базисные
- •Формулы для расчета показателей представлены в табл.
- •Показатели динамики
- •18. Выделение тренда. Сглаживание и выравнивание
- •Предположим, что имеет место линейная зависимость т. Е.
- •Первое уравнение системы (3) можно преобразовать к виду
- •22. Индексы и их применение в экономическом анализе. Индивидуальные и агрегатные индексы
- •24. Взаимосвязь агрегатных и индивидуальных индексов. Вычисление агрегатных индексов по индивидуальным индексам
15. Определение среднего уровня ряда для интервальных и моментальных рядов
Для временных рядов, не имеющих тренда (стационарных), представляет интерес определение их среднего уровня.
Средний уровень интервального ряда рассчитывается как простое среднее арифметическое
где
- значение временного ряда в интервале
t;
– число уровней временного ряда.
Моментные ряды отличаются от интервальных
принципиальной неполнотой информации.
Предположим, что уровни
соответсвуют моментам наблюдения
. Исследуемая величина изменяется в
период между наблюдениями, поэтому
средний уровень моментного ряда
может быть оценен лишь приближенно.
Для этой цели используется среднее
хронологическое
17. Средний абсолютный прирост и средний коэффициент роста
Средний абсолютный прирост
равен
Рассмотрим определение среднего коэффициента роста (цепного)
Предположим, что имеется временной ряд y1,y2,…,yn.
Тогда
(i=2,…,n)
– цепные коэффициенты роста.
Средний коэффициент роста
равен
19. Сглаживание временного ряда методом скользящего среднего
Одним из методов выделения тренда
является сглаживание временного ряда
с помощью скользящего среднего. Метод
состоит в замене уровней ряда динамики
средними
арифметическими-
за определенный интервал (окно
сглаживания), длина которого определена
заранее. При этом сам выбранный интервал
времени «скользит» вдоль ряда.
Например, при к=2, 2к+1=5 и
Получаемый таким образом ряд скользящих
средних ведет себя более гладко, чем
исходный ряд, из-за усреднения отклонений
ряда. Действительно, если индивидуальный
разброс значений члена временного ряда
около своего среднего значения m
характеризуется дисперсией
,
то разброс средней из 2к+1 членов
временного ряда около того же значения
m будет характеризоваться существенно
меньшей величиной дисперсии, равной
/(2к+1).
В результате сглаживания получается ряд с меньшим количеством уровней, так как крайние значения теряются.
21. Линейная модель тренда, оценка параметров методом наименьших квадратов???
Основное назначение регрессионной
модели – использование ее для прогноза
экономического показателя y.
Прогноз осуществляется подстановкой
значения фактора
в оценку детерминированной составляющей:
Чтобы определить точность этой оценки
и построить доверительный интервал
необходимо найти дисперсию оценки
.
На практике для оценки дисперсии ошибки прогноза можно пользоваться следующим выражением
.
Из этого выражения следует, что с ростом
дисперсия
ошибки прогноза увеличивается.
23. Общие (агрегатные) индексы товарооборота, цен, физического объема производства. Взаимосвязь между индексами
Общие (агрегатные) индексы
Общие (агрегатные) индексы строятся с учетом изменения всех элементов статистической совокупности.
А) Агрегатный индекс товарооборота
где n- количество товаров;
,
- цена j-го товара в текущем и базовом
периодах соответственно;
,
- количество j-го товара в текущем и
базовом периодах соответственно.
Б) Агрегатный индекс цен
Так как совокупность состоит из элементов, непосредственно не поддающихся суммированию, то агрегатный индекс включает набор значений цен и соответствующих им весовых коэффициентов
При этом возникает вопрос что использовать
в качестве весов
.
В экономическом анализе приняты два
варианта.
В первом варианте в качестве весов принимается физический объем производства текущего периода (индекс Пааше)
Во втором варианте в качестве весов принимается физический объем производства базисного периода (индекс Ласпейреса)
Обычно на практике используется индекс Пааше.
В) Индекс физического объема
Индекс физического объема использует в качестве весов цены базисного периода
Тогда индекс товарооборота будет равен
агрегатных и индивидуальных индексов
Агрегатный индекс связан с индивидуальными индексами . При этом агрегатный индекс является некоторой средней из индивидуальных индексов с соответствующими весами.
Предположим, что известны индивидуальные
индексы цен
.
Тогда
Данная формула представляет собой
средневзвешенное гармоническое из
индивидуальных индексов цен с весами
.
Предположим, что известны индивидуальные
индексы физического объема
.
Тогда
Данная формула представляет
собой средневзвешенное арифметическое
из индивидуальных индексов физических
объемов с весами
.