1. Формы и способы организации с. наблюдения. Многообразие сфер набл-я обуславливает использ-е различн организац форм, видов и способов набл-я. Выделяют след виды орг-ции набл-ий. 1. Отчетность – это организац форма набл-я, при кот свед-я поступают в органы ст-ки в виде док-тов специально утвержд формы. 2. Специально организов набл-е. Форма набл-я, кот охватывает сферы жизнед-сти, незарегистр в отчетности. Сюда относ-ся перепись – спец набл-е массов явл-ий с целью выявл-я их размера и сост-я на конкретн дату. Учет –сплошн набл-е массов явл-ий, кот основ-ся на д-ых асмотра, опроса, документ записей. 3. Стат реестры- списки или перечень единиц конкретн объекта набл-я с признаками, кот постоянно обновл-ся.

2. Анализ экон. процессов на основе парного кореляц.-регрес. анализа. Парная кореляция изучает взаимосвязи фактора и результативного признака. Парный КРА проводится по следующим этапам: 1) для исходных данных, представленных в виде таблицы определяют поле корреляции; по полученному полю корреляции строят линию регрессии; 2)определяют уравнение регрессии на основе имеющейся таблицы; 3)рассчитывают тесноту взаимосвязи на основе коэф-та корреляции, анализируют полученное значение коэф-та корреляции [-1;1]. Если r<0, то связь обратная; если r>0, то связь прямая; если r=0 – взаимосвязь отсутствует; если r=1 – связь тесная. 4)На основе получ. значения r осуществляют качественную хар-ку тесноты взаимосвязи используя шкалу Чеддока. 5)Оценивают адекватность полученного уравнения регрессии, для этого рассчитывают коэф-т детерминации: Д=г²*100%. Этот коэф-т показывает в процентном отношении влияние выбранного фактора на результативный признак. Если Д50%, то уравнение регрессии считается адекватным и может быть рекомендовано для практического использования. Если Д<50% - неадекватно, необходимо использовать или другое уравнение или увеличить кол-во исх. данных.

3. Средняя арифметическая величина, ее свойства и способы определения. Средняя величина – обобщающая мера вариационного признака, кот. характеризует опред. уровень признака в расчете на Условиями использ. ср. велич. являются наличие качественно-однородной совокупности и достаточно большой объем данных. Среднее арифметическое. В завис-ти от 1-чной инф-ции выделяют след-ие методы расчёта сред-й арифметич-й: а)имеются 1-чные данные, полученные в рез-те набл-ия :X=(xi)/n, б)исходная инф-ия задана в виде пар значений-это усредняемый показатель-вес: X=xi*fi/fi ,гдеxi –знач-ие показателя, fi –вес. На практике исп-ют не только вес, но и значение доли показателя (di). Т.е. может быть использована след-ая ф-ла расчёта: X=xi*fi/fi=xi*di ,в)исходная инф-ция задана в виде общего итога и кол-во дан-х, на основе к-х получен этот итог: Х=итог/кол-во, г) имеются данные в виде дискретного вариационного ряда, где значение каждого признака опред-ся частотой, тогда:X=xi*mi/mi ,где mi- частота, д)значение задано в виде интервального ряда распределения: X=Xi*mi/mi ,где Xi-середина интервала ,е)инф-ция о средней величине задана по группам и имеется кол-во знач-й в каждой группе: X=Xi*ni/ni ,где ni-число знач-й в группе.5)дополнением к сред-й арифм-ой явл-ся средняя гормоническая, к-ая исп-ся в том случае, если в кач-ве веса задан не 1-чный показ-ль, а величина, представляющая собой произведение усредняемого показ-ля и любого другого: Хг.=mi/(mi/xi) ,где xi- показ-ль, к-й усредняется, mi - представленный совок-й вес

4. Анализ ритмичности. Ритмичный процесс – это такой процесс, при котором фактические значения отвечают запланированным (ожидаемым). Уровень ритмичности – это уровень соответствия фактических значений запланированным. Графический анализ: сравниваем линию фактического исполнения с линией ритмичности (у=100%).

Или анализ на основе количественных показателей ритмичности: коэф-т неисполнения задания=кол-во периодов времени, когда задание неисполнено/общее кол-во периодов; коэф-т неритмичности; коэф-т ритмичности; мера аритмичности; коэф-т ритмичности Юрьева; коэф-т частоты случаев ритмичной работы Новикова=кол-во периодов времени, когда задание выполнено/ общее кол-во периодов времени.

5. Основные понятия статистики. Ст.- наука, изучающая кол. сторону массовых явлений в неразрывной связи с кач. характеристиками. Предметом с. явл. изучение кол. соотношений массовых общ.-экон. явлений, выделение закономерностей общ. развития. Задачей с.явл. выбор элементов, сходных м\д собой. С. выделяет и анализирует основные и возможные пути развития экономики, соц. Явлений. Изучая кол. сторону явлений, ст. отражает её в числах. Эти числа наз. показателями. Они х\р конкретную меру явления и устанавливают типы явленй. Величина показателя опред. в результате его измерения, кот-е осущ. по соответствующей методике. Все пок-ли. подразделяются на простые и сводные(исп. в том случае, когда осущ. анализ сложного комплекса эк. явлений. На их основе анализируют нац. доход, сов. общ. продукт). Все п. делятся на объёмные(связаны с изменением общей величины совокупности объектов - кол-во рабочих, произв. продукции) и кач. (х\р уровень развития явления - средняя производительность труда, себестоимость единицы продукции).Для отображения св-в структуры и динамики сложных соц.-эк. явлений испол. систему показателей, кот-я строится на основе принципов:

• должна соответствовать сис-ме показателей планов соц.-эк. развития

• плановые и стат. п. должны х\р в одинаковом положении одни и те же явления и процессы

• сис-ма стат.пок. должна испол. не только для изучения плановых явлений, но и для изучения процессов и явлений, к-е планируются

• сис-ма стат.п. должна х\р ресурсы общества, их использование, раскрывать в\зсвязи и пропорции м\д составляющими н\х

Выделяют ст. признаки- св-ва или особенности объекта( кол., кач., атрибутивные); ст. совокупности - масса отдельных единиц, к-е имеют 1 или неск-о общих признаков; ст. закономерности - распределение ст. признаков, анал. закономерности динамики, закономерности структуры.

6. Метод пошаговой регрессии. Цель пошаговой регрессии состоит в отборе из большого количества предикторов небольшой подгруппы переменных, которые вносят наибольший вклад в вариацию зависимой переменной

В этой процедуре предикторы вводят или выводят из уравнения регрессии по очереди. Существует несколько подходов к выполнению пошаговой регрессии,

Прямое включение (прямая пошаговая регрессия). Вначале уравнение регрессии не содержит предикторов. Они вводятся по одному, если они удовлетворяют определенному F- критерию. В основе порядка введения включаемых переменных лежит вклад перемен ной в объясняемую вариацию.

Обратная пошаговая регрессия — исключение переменной. Вначале все предикторы входят в уравнение регрессии. Затем по очереди выводятся из уравнения, исходя из их соответствия F- критерию.

Пошаговый подход. На каждой стадии прямое включение осуществляют одновременно с выводом предикторов, которые больше не удовлетворяют конкретному критерию.

Метод пошаговой регрессии не позволяет выводить оптимальные уравнения регрессии с точки зрения получения наибольшего коэффициента детерминации Я: для данного числа предикторов. Из-за корреляций между предикторами важная переменная может никогда не быть включена в уравнение, а второстепенные переменные будут введены в уравнение. Чтобы определить оптимальное уравнение регрессии, желательно просчитать варианты, в которых анализируются все возможные комбинации. Несмотря на это, пошаговая регрессия полезна в ситуации, когда размер выборки велик по сравнению с количеством предикторов, как это показано на следующем примере.

7. Понятия и свойства нормального распределения.

Наиболее часто встречающийся на практике тип распределения частот описывают с помощью математической формулы, которая в дальнейшем может служить для сравнения различных совокупностей. В статистике используются различные виды теоретических распределений – равномерное, нормальное, биноминальное, распределение Пуассона и т.д. Каждое из теоретических распределений имеет свою специфику и область применения в различных отраслях. Чаще всего в качестве теоретического распределения используют нормальное распределение: , где - стандартизированная (нормированная) величина, и - математические постоянные, х_і- варианты вариационного ряда. - среднее квадратическое отклонение. Нормальное распределение имеет такие свойства: фун-я нормального распред-я – четная, то есть (-t) = (t) и распределена симметрично относительно оси ординат Хср=Мо=Ме; фун-я имеет бесконечно малые значения при t>+-, то есть ветви кривой удалены в бесконечность и асимметрически приближается к оси абсцисс; фун-я имеет максимум при t=0, то есть max=1/корень квадратный из 2*3.14; если случайная величина представляет собой сумму двух независимых случайных величин, каждая из которых подчинена закону нормального распределения, то она тоже следует закону нормального распределения; площадь между кривой и осью t равна 1 как интеграл Пуассона.

8. Агрегатные индексы.

Среди общих индексов важное значение имеет агрегатный индекс. Агрегатный индекс – это отношении двух сумм, каждая из которых есть произведение индексируемой величины (индивидуального индекса) на соизмеритель. Индексируемые величины будут разными, а соизмеритель один и тот же. В агрегатных индексах цен, себестоимости и производительности труда в качестве соизмерителя берется количество продукции отчетного периода. В агрегатном индексе количество продукции (физический объем товарооборота) в качестве соизмерителя берется цена или себестоимость базисного периода. В агрегатном индексе фактического товарооборота соизмеритель отсутствует. Рассмотрим агрегатные индексы:

а) агрегатный индекс цен

; q – соизмеритель

б) агрегатный индекс себестоимости продукции

; z – себестоимость, q – количество продукции.

в) агрегатный индекс производительности труда

г) агрегатный индекс количества продукции (индекс физического объема товарооборота)

; p₀ – цена базисного периода или себестоимости

д) Агрегатный индекс товарооборота фактических цен (соизмеритель отсутствует)

Сумма экономии или потерь рассчитывают из агрегатных индексов путем разницы между показателями знаменателя и числителя в агрегатных индексах цен и себестоимости. И как разница между показателями числителя и знаменателя других индексов

Т.е. это абсолютный прирост или потери. Если задача состоит в получении характеристик применения изучаемого явления во всех последующих периодах по сравнению с начальным, то вычисляются базисные индексы. Если требуется охарактеризовать последовательное изменение изучаемого явления из периода в период, то вычисляются цепные индексы.

- базисный индекс; - цепной;