- •5.Доверительный интервал для генеральной доли.
- •6.Объем выборки, необходимый для оценки генеральной доли.
- •7.Испытание гипотез, процедура испытания гипотез, односторонняя и двусторонняя проверки, статистика.
- •8.Испытание гипотезы на основе выборочной средней при известной генеральной дисперсии.
- •9.Испытание гипотезы на основе выборочной средней при неизвестной генеральной дисперсии.
- •10.Испытание гипотезы на основе выборочной доли.
- •15.Испытание гипотезы по двум выборочным долям.
- •16.Испытание гипотез по спаренным данным (зависимые выборки).
- •17. Непараметрические испытания гипотез. Таблица сопряженности. Критерий Хи-квадрат. Поправка Йетса.
- •18. Простая модель линейной регрессии. Расчет коэффициентов в модели парной линейной регрессии.
- •19. Коэффициент корреляции Пирсона г. Объясненная, необъясненная и общая вариации переменной у. Коэффициент детерминации. Ошибки и остатки.
- •20.Предсказания и прогнозы на основе модели линейной регрессии.
- •21. Основные предпосылки в модели парной линейной регрессии
- •22. Испытание гипотезы для оценки линейности связи на основе оценки коэффициента корреляции в генеральной совокупности.
- •23.Испытание гипотезы для оценки линейности связи на основе оценки показателя наклона линейной регрессии
- •24.Доверительные интервалы в линейном регрессионном анализе. Доверительный интервал для показателя наклона линейной регрессии.
- •26. Доверительный интервал для индивидуальных значений у при заданном значении х.
- •27.Множественная линейная регрессия. Основные предпосылки модели множественной линейной регрессии.
- •28.Расчет коэффициентов множественной линейной регрессии методом наименьших квадратов (мнк).
- •29.Стандартные ошибки коэффициентов в модели множественной линейной регрессии. Стандартная ошибка регрессии.
- •30.Интервальные оценки теоретического уравнения линейной регрессии.
- •31. Проверка статистической значимости коэффициентов уравнения линейной регрессии.
- •32. Проверка общего качества уравнения линейной регрессии. Коэффициент детерминации. Исправленный коэффициент детерминации.
- •33. Проверка равенства двух коэффициентов детерминации.
- •34. Проверка гипотезы о совпадении уравнений регрессии для двух выборок. Тест Чоу.
- •35. Регрессия и Excel.
- •36. Гетероскедастичность, ее последствия. Тест ранговой корреляции Спирмена.
- •37. Тест Голдфелда-Квандта
- •38. Смягчение проблемы гетероскедастичности. Метод взвешенных наименьших квадратов (внк) в случае пропорциональности неизвестных дисперсий отклонений квадратам значений независимой переменной.
- •39 Метод взвешенных наименьших квадратов (внк) в случае пропорциональности неизвестных дисперсий отклонений значениям независимой переменной.
- •41.Критерий Дарбина-Уотсона.
- •42.Мультиколлинеарность и ее последствия. Установление мультикол линеарности. Частные коэффициенты корреляции. Корреляционная матрица. Методы устранения мультиколлинеарности.
- •44.Дисперсионный анализ. Межгрупповая вариация. Внутри групповая вариация. Однофакторный дисперсионный анализ.
- •45.Двухфакторный дисперсионный анализ. Уровни фактора. Двухфакторный дисперсионный анализ без повторений. Двухфакторный дисперсионный анализ с повторениями.
- •46.Временные ряды. Элементы временного ряда (тренд, сезонная вариация, ошибки mad и mse).
- •47. Расчет сезонной вариации в аддитивной модели. Центрированная скользящая средняя.
- •52 Расчет сезонной вариации в мультипликативной модели. Центрированная скользящая средняя
- •53 Прогнозирование в мультипликативной модели
- •54 Экспоненциальное сглаживание. Простая модель экспоненциально го сглаживания. Константа сглаживания.
- •55 Выборочные уравнения регрессии. Линейная корреляция. Корреляционная таблица. Выборочное уравнение прямой линии регрессии у на X.
- •57. Косвенный метод наименьших квадратов
- •58. Методы экспертных оценок. Метод Дельфи. Метод написания сценария. Использование экспертных оценок в аналитической деятельности.
- •59.Анализ временных рядов в Excel.
- •60. Меры связи. Положительная связь. Отрицательная связь. Коэффициент Фехнера (коэффициент корреляции знаков).
- •62. Меры связи на основе критерия хи-квадрат. Коэффициент Крамера. Коэффициент взаимной сопряженности Пирсона. Коэффициент взаимной сопряженности Чупрова.
- •63. Выбор метода прогнозирования.
- •64. Адаптивные методы прогнозирования в экономических исследованиях
- •65. Модели экономического прогнозирования
- •66.Трендовые модели
- •67.Регрессионные модели
- •72 Модель прогнозирования стабильности цен
- •73 Матричные модели прогнозирования
- •74 Модели многомерных классификаций в прогнозных расчетах
- •75 Модель прогнозирования по неполным данным
- •76. Модели сезонных колебаний
- •77)Коэффициент автокорреляции
- •78) Прогноз коэффициентов и показателей в модели динамической регрессии
- •80) Многофакторная регрессионная модель с адаптивным механизмом
- •81Дисперсионное отношение
- •82 Адаптивная многорегрессионная модель
- •83 Расстояние Махаланобиса
- •84 Взвешенное Евклидово расстояние
- •85. Коэффициент ковариации между j и eе показателями
- •86Евклидова метрика
- •87.Модели с аддитивными и мультипликативными составляющими
- •88.Логистическая кривая Перла-Рида
- •89.Кривая Гомпертца
8.Испытание гипотезы на основе выборочной средней при известной генеральной дисперсии.
Пусть
имеется генеральная совокупность
,
распределенная по нормальному закону
с известной
дисперсией
(т.е.
известно). Генеральная средняя
неизвестна,
но есть основания предполагать, что она
равна гипотетическому (предполагаемому)
значению
.
Например, если
–
совокупность размеров
партии
деталей, изготавливаемых станком-автоматом,
то можно предполагать, что генеральная
средняя
этих
размеров равна проектному размеру
.
Для проверки этого предположения
(гипотезы) делают выборку, находят
и
устанавливают, значимо или незначимо различаются
и
9.Испытание гипотезы на основе выборочной средней при неизвестной генеральной дисперсии.
Когда дисперсия генеральной совокупности о неизвестна, в этом случае мы можем произвести ее оценку, используя выборочное стандартное отклонение Тогда соответствующее стандартизованное распределение становится t-распределением с степенями свободы.
10.Испытание гипотезы на основе выборочной доли.
Если
мы берем большую случайную выборку
из генеральной совокупности,
в которой доля случаев соответствующей
характеристики, следует биномиальному распределению,
то выборочное распределение выборочной
доли приближается к нормальному распределению.
Таким же образом мы находим, что если
две большие выборки взяты независимо
из двух биномиальных генеральных
совокупностей,
то статистика (
нормально
распределена со средней (р1-р2) и
стандартной ошибкой:
где
—
выборочная статистика, р —
параметр генеральной совокупности и
обе выборки большие, то есть n1
и n2 больше.
11.Испытание гипотезы о двух генеральных дисперсиях, отношение дисперсий (F-критерий).
Предположим, что имеются две независимые выборки и необходимо знать, взяты они из нормальных генеральных совокупностей с одинаковой дисперсией.
F=
F=
12.Сравнение средних величин двух выборок при известных генеральных дисперсиях
Заданы
две выборки
.
Нулевая
гипотеза
(средние
в двух выборках равны).
Статистика критерия:
13.Испытание гипотезы по выборочным средним (генеральные дисперсии неизвестны, случай равенства генеральных дисперсий).
Заданы две выборки .
—
выборочные
средние.
14.Испытание гипотезы по выборочным средним (генеральные дисперсии неизвестны и не равны друг другу)
Задача сравнения средних двух нормально распределённых выборок при неизвестных и неравных дисперсиях известна как проблема Беренса-Фишера. Точного решения этой задачи до настоящего времени нет. На практике используются различные приближения.
Заданы две выборки .
обе выборки простые и нормальные.
Нулевая гипотеза (средние в двух выборках равны).
Статистика критерия:
— выборочные средние.
15.Испытание гипотезы по двум выборочным долям.
Если
две большие выборки взяты независимо
из двух биномиальных генеральных
совокупностей, то статистика (
-
)
нормально распределена со средней
(р1-р2)
и стандартной ошибкой:
SE(
-
)=
Нас обычно интересует взяты ли или нет две выборки из биномиальных генеральных совокупностей с одинаковой долей случаев, p1=p2.
