2.1 Попередній аналіз даних на придатність до моделювання.

Статистичне спостереження – початкова стадія статистичного дослідження. Це планомірний, науково організований процес збирання даних щодо масових явищ і процесів, які відбуваються в різних сферах життя, через їх реєстрацію за спеціальною програмою, розробленою на основі статистичної методології.

Мета статистичного спостереження – отримання статистичних даних, які є підставою для узагальнення характеристики стану та розвитку явища або процесу з визначенням відповідної закономірності.

Для початку необхідно зробити невеликий аналіз на придатність до моделювання. Для цього визначаються так звані числові характеристики досліджуваної виборки даних:

• Основним рівнем досліджуваної величини зветься середнє арифметичне значення даної величини, що дорівнює математичному очікуванню виборки даних.

• Дисперсія – середнє з квадратичних відхилень даної величини від основного рівня. Характеризує ступінь розкиду даних.

• Стандартне відхилення – це лінійна характеристика розкиду даних навколо основного рівня.

• Коефіцієнт варіації (f) чисельно дорівнює відношенню стандартного відхилення до основного рівня і береться у %.

Коефіцієнт варіації оцінює ступінь однорідності виборки даних.

Градації коефіцієнта варіації:

• f 0 – 10% - сильна однорідність виборки;

• f 10 – 20% - середня однорідність;

• f 20 – 30% - слабка однорідність;

• f 33% - гранична допустима неоднорідності.

• Коефіцієнт кореляції (K) – визначає щільність зв’язку між фактором і показником досліджуваного процесу.

Коефіцієнт кореляції змінюється від -1 до +1, проходячи через 0.

Якщо К від’ємний, то досліджуваний процес є зворотнім (збільшення фактора викликає зменшення показника і навпаки).

Якщо К є додатнім – досліджуваний процес називають прямим (збільшення фактора викликає збільшення показника і навпаки).

Градації до коефіцієнта кореляції:

• К = 1 – між фактором і показником існує функціональний зв’язок (однозначний);

• якщо К від 0 до ± 0,35 , то це вказує на слабкий зв’язок між фактором і показником;

• якщо К від ± 0,35 до ± 0,65, то зв’язок буде помітний;

• якщо К від ± 0,65 до ± 0,99 – зв’язок сильний (чим ближче до 1, тим сильніший зв’язок);

• коли К = 0 – зв’язку немає.

2.2. Попередній аналіз даних

Статистичний аналіз впливу мінеральних добрив на урожайність озимої пшениці
№	рік	Урожайність(ц/га) (Y)	Фосфорні(Х1) кг/га	Калійні(Х2) кг/га	Азотні (Х3) кг/га
1	1996	17	83	95	207
2	1997	18	85	98	211
3	1998	19	88	105	219
4	1999	19	96	116	225
5	2000	20	98	117	232
6	2001	20	100	122	240
7	2002	21	105	126	250
8	2003	22	107	130	267
9	2004	22	108	132	280
10	2005	23	113	137	315
11	2006	25	116	140	330
12	2007	26	118	152	360
13	2008	28	130	152	378
14	2009	28	145	156	393
15	2010	29	159	162	440
16	2011	31	169	166	460
17	2012	35	177	170	490
18	2013	37	183	192	530
Мода		19	#Н/Д	152	#Н/Д
Медіана		22,5	110,5	134,5	297,5
Основний рівеннь		24,444	121,111	137,111	323,722
Дисперсія		34,261	1031,046	704,105	10852,801
Станд. Відхилення		5,853	32,110	26,535	104,177
Коеф. варіації		23,95%	26,51%	19,35%	32,18%
		суттєва однорідність	суттєва однорідність	суттєва однорідність	суттєва однорідність
Коеф. кореляції			0,978	0,971	0,990
			Сильний зв’язок	Сильний зв’язок	Сильний зв’язок

Провівши попередній аналіз даних на придатність до моделювання, за визначенням коефіцієнта кореляції бачимо, що між показником досліджуваного процесу і такими факторами, які впливають на нього, як свинець, мідь і цинк існують досить сильні прямі зв’язки.

Оскільки зв’язки між показником і факторами є досить сильними і мають суттєву однорідність і тому дозволяють побудувати модель, тобто дані придатні до моделювання.