23. Средняяквадратическая взвешенная: , где f – веса. Средняя кубическая: применяется, когда возникает потребность расчета среднего размера признака, выраженного в кубических единицах измерения. Средняя кубическая простая: ; средняя кубическая взвешенная: .

Особым видом средних величин являются структурные средние. Они применяются для изучений внутреннего строения и структуры рядов распределения значений признака. К таким показателям относятся мода и медиана. Мода М_о – значение случайной величины, встречающееся с наибольшей вероятностью в дискретном вариационном ряду – вариант, имеющий наибольшую частоту. В интервальных рядах распределения с равными интервалами мода вычисляется по формуле: , где Х_Мо – нижняя граница модального интервала; i_Mo – модальный интервал; - частоты в модальном, предыдущем и следующем за модальным интервалах (соответственно). Модальный интервал определяется по наибольшей частоте. Медиана М_е – это вариант, который находится в середине вариационного ряда. Медиана делит ряд на две равные (по числу единиц) части – со значениями признакаменьше медианы и со значениями признака больше медианы. Чтобы найти медиану, необходимо отыскать значение признака, которое находится в середине упорядоченного ряда. В ранжированных рядах несгруппированных данных нахождение медианы сводится к отысканию порядкового номера медианы. Номер медианы для нечетного объема вычисляется по формуле: N_Me = (n+1)/2. В случае четного объема ряда медиана равна средней из двух вариантов, находящихся в середине ряда. В интервальных рядах распределения медианное значение (поскольку оно делит всю совокупность на две равные по численности части) оказывается в каком-то из интервалов признака х. Этот интервал характерен тем, что его кумулятивная частота (накопленная сумма частот) равна или превышает полусумму всех частот ряда. Значение медианы вычисляется линейной интерполяцией по формуле: , где Х_Ме – нижняя граница медианного интервала; i_Mе – медианный интервал; - половина от общего числа наблюдений; - сумма наблюдений, накопленная до начала медианного интервала; - число наблюдений в медианном интервале.

24. Структурные средние величины

К наиболее часто используемым структурным средним относятся статистическая мода и статистическая медиана.

Статистическая мода - это наиболее часто повторяющееся значение величины X в статистической совокупности.

Если X задан дискретно, то мода определяется без вычисления как значение признака с наибольшей частотой. В статистической совокупности бывает 2 и более моды, тогда она считается бимодальной (если моды две) илимультимодальной (если мод более двух), и это свидетельствует о неоднородности совокупности.

Если X задан равными интервалами, то сначала определяется модальный интервал как интервал с наибольшей частотой f. Внутри этого интервала находят условное значение моды по формуле:

где Мо – мода; Х_НМо – нижняя граница модального интервала; h_Мо – размах модального интервала (разность между его верхней и нижней границей); f_Мо – частота модальноого интервала; f_Мо-1 – частота интервала, предшествующего модальному; f_Мо+1 – частота интервала, следующего за модальным. Если размах интервалов h разный, то вместо частот f необходимо использовать плотности интервалов, рассчитываемые путем деления частот f на размах интервала h.

Статистическая медиана – это значение величины X, которое делит упорядоченную по возрастанию или убыванию статистическую совокупность на 2 равных по численности части. В итоге у одной половины значение больше медианы, а у другой - меньше медианы.Если X задан дискретно, то для определения медианы все значения нумеруются от 0 до N в порядке возрастания, тогда медиана при четном числе N будет лежать посередине между X c номерами 0,5N и (0,5N+1), а при нечетном числе N будет соответствовать значению X с номером 0,5(N+1).

Если X задан в виде равных интервалов, то сначала определяется медианный интервал (интервал, в котором заканчивается одна половина частот f и начинается другая половина), в котором находят условное значение медианы по

где Ме – медиана; Х_НМе – нижняя граница медианного интервала; h_Ме – размах медианного интервала (разность между его верхней и нижней границей); f_Ме – частота медианного интервала; f_Ме-1 – сумма частот интервалов, предшествующих медианному. Также как и в случае с модой, при определении медианы если размах интервалов h разный, то вместо частот f необходимо использовать плотности интервалов, рассчитываемые путем деления частот f на размах интервала h.

25. Показатели вариации.Вариация - это различие значений величин X у отдельных единиц статистической совокупности. Для изучения силы вариации рассчитывают следующие показатели вариации: размах вариации, среднее линейное отклонение,линейный коэффициент вариации, дисперсия, среднее квадратическое отклонение, квадратический коэффициент вариации.Размах вариации – это разность между максимальным и минимальным значениями X из имеющихся в изучаемой статистической совокуп Недостатком показателя H является то, что он показывает только максимальное различие значений X и не может измерять силу вариации во всей совокупности.Cреднее линейное отклонение - это средний модуль отклонений значений X от среднего арифметического значения. Его можно рассчитывать по формуле средней арифметической простой - получим среднее линейное отклонение простое: Если исходные данные X сгруппированы (имеются частоты f), то расчет среднего линейного отклонения выполняется по формуле средней арифметической взвешенной - получим среднее линейное отклонение взвешенное:

Линейныйкоэффицинт вариации - это отношение среднего линейного отклонение к средней арифместической: С помощью линейного коэффицинта вариации можно сравнивать вариацию разных совокупностей, потому что в отличие от среднего линейного отклонения его значение не зависит от единиц измерения X. Дисперсия - это средний квадрат отклонений значений X от среднего арифместического значения. Дисперсию можно рассчитывать по формуле средней арифметической простой - получим дисперсию простую: Если исходные данные X сгруппированы (имеются частоты f), то расчет дисперсии выполняется по формуле средней арифметической взвешенной - получим дисперисювзвешенную: Если преобразовать формулу дисперсии (раскрыть скобки в числителе, почленно разделить на знаменатель и привести подобные), то можно получить еще одну формулу для ее расчета как разность средней квадратов и квадрата средней: Если значения X - это доли совокупности, то для расчета дисперсии используют частную формулу дисперсии доли: Cреднееквадратическое отклонениеВыше уже было рассказано о формуле средней квадратической, которая применяется для оценки вариации путем расчета среднего квадратического отклонения, обозначаемое малой греческой буквой сигма: Еще проще можно найти среднее квадратическое отклонение, если предварительно рассчитана дисперсия, как корень квадратный из нее: Квадратический коэффициент вариации - это самый популярный относительный показатель вариации: Критериальным значением квадратического коэффициента вариации V служит 0,333 или 33,3%, то есть если V меньше или равен 0,333 - вариация считает слабой, а если больше 0,333 - сильной.