Лабораторная работа №3 Характеристики рассеяния данных

Одна из причин проведения статистического анализа заключается в необходимости учитывать влияние на исследуемый экономический показатель случайных факторов (возмущений), которые приводят к разбросу (рассеянию) данных. Решение задач, в которых присутствует разброс данных, связано с риском, поскольку даже при использовании всей доступной информации нельзя точно предугадать, что же произойдет в будущем. Для адекватной работы в таких ситуациях целесообразно понимать природу риска и уметь определять степень рассеяния набора данных. Существуют три числовые характеристики, описывающие меру рассеяния: стандартное отклонение, размах и коэффициент вариации (изменчивости). В отличие от типических показателей (среднее, медиана, мода), характеризующих центр, характеристики рассеяния показывают, насколько близко к этому центру располагаются отдельные значения набора данных.

Стандартное отклонение: самая распространенная характеристика

Стандартное отклонение (среднее квадратическое отклонение) является мерой случайных отклонений значений данных от среднего.

Если все величины в наборе данных одинаковы, например

5,5; 5,5; 5,5; 5,5; 5,5; 5,5,

то среднее будет иметь значение , а стандартное отклонение S=0. Это указывает на отсутствие разброса данных.

В реальной жизни большинство данных характеризуется рассеянием, т.е. отдельные значения располагаются на некотором расстоянии от среднего. Например, значениями ставки доходности акций (в %) четырех компаний, выбранных случайным образом, являются:

43,0; 17,7; 8,7; –47,4

Средняя ставка доходности акций в этом случае также равна , однако отдельные значения данных существенно отличаются от среднего. Так, например, первая ставка превышает среднюю ставку на 37,5% (отклонение от среднего равно ), а последняя ставка оказывается ниже среднего на 52,9%, поскольку величина отклонения от среднего отрицательна ().

Использовать стандартное отклонение как обобщающую характеристику рассеяния, просто усреднив отклонения данных нельзя, потому что часть отклонений окажется положительной, а другая часть – отрицательной, и, вследствие этого, результат усреднения может оказаться равным нулю. Чтобы избавиться от отрицательного знака, применяют стандартный прием: сначала вычисляют дисперсию как сумму квадратов отклонений, поделенную на (n–1), а затем из полученного значения извлекают квадратный корень. Формула для вычисления стандартного отклонения выглядит следующим образом:

Замечание 1. Дисперсия не несет никакой дополнительной информации по сравнению со стандартным отклонением, однако ее сложнее интерпретировать, т. к. она выражается в «единицах в квадрате» (например, в «долларах в квадрате»), в то время как стандартное отклонение выражено в привычных для нас единицах (например, в долларах).

Замечание 2. Приведенная выше формула предназначена для расчета стандартного отклонения по выборке и более точно называется выборочное стандартное отклонение. При расчете стандартного отклонения генеральной совокупности (обозначается символом ) производят деление на n. Величина выборочного стандартного отклонения получается несколько больше (т. к. делят на n–1), что обеспечивает поправку на случайность самой выборки.

В случае, когда набор данных имеет нормальное распределение, стандартное отклонение приобретает особый смысл. На рисунке, представленном ниже, по обе стороны от среднего сделаны отметки на расстоянии одного, двух и трех стандартных отклонений соответственно.

66,7%

95%

99,7%

Из рисунка видно, что примерно 66,7% (две трети) всех значений находятся в пределах одного стандартного отклонения по обе стороны от среднего значения, 95% значений окажутся в пределах двух стандартных отклонений от среднего и почти все данные (99,7%) будут находиться в пределах трех стандартных отклонений от среднего значения. Это свойство стандартного отклонения для нормально распределенных данных называется «правилом двух третей». В некоторых ситуациях, например при анализе контроля качества продукции, часто устанавливают такие пределы, чтобы в качестве заслуживающей внимание проблемы рассматривались те результаты наблюдений (0,3%), которые отстоят от среднего на расстоянии большем, чем три стандартных отклонения. К сожалению, если данные не подчиняются нормальному распределению, то описанное выше правило применять нельзя. В настоящее время существует ограничение, называемое правилом Чебышева, которое можно применять к ассиметричным (скошенным) распределениям.

Задание 1.

Вычислить и проанализировать стандартное отклонение дневной прибыли на фондовой бирже.

Размеры прибыли на фондовой бирже меняются каждый день. В таблице 1 представлена динамика изменений дневной прибыли на бирже, зафиксированной в рабочие дни за период от 31 июля по 9 октября 1987 года.

Таблица 1. Динамика изменения дневной прибыли на бирже

Дата	Дневная прибыль	Дата	Дневная прибыль	Дата	Дневная прибыль
1	-0,006	17	0,009	33	0,012
2	-0,004	18	-0,015	34	-0,004
3	0,008	19	-0,006	35	0,002
4	0,011	20	0,002	36	-0,008
5	-0,001	21	0,011	37	-0,010
6	0,017	22	0,013	38	-0,013
7	0,017	23	0,002	39	0,009
8	-0,004	24	-0,018	40	-0,020
9	0,008	25	-0,014	41	-0,003
10	-0,002	26	-0,001	42	-0,001
11	0,006	27	-0,001	43	0,017
12	-0,017	28	-0,013	44	0,001
13	0,004	29	0,030	45	-0,000
14	0,015	30	0,007	46	-0,035
15	0,001	31	-0,007	47	0,001
16	-0,005	32	0,001	48	-0,014

1. Откройте программу Excel. Щелкните на кнопке Сохранить на Панели быстрого доступа. В появившемся диалоговом окне откройте папку Статистика ххх и задайте имя файлу Характеристики рассеяния.xlsх. Зашифруйте файл, задав пароль.

2. На Листе1 в ячейке A1 задайте метку Дневная прибыль, а в диапазон A2:A49 введите данные из Таблицы 1.

3. В ячейку D1 введите метку Среднее. В ячейке D2 вычислите среднее, используя статистическую функцию СРЗНАЧ. Уменьшите разрядность полученного результата до четвертого знака после запятой.

4. В ячейку D4 введите метку Стандартное отклонение. В ячейке D5 вычислите стандартное отклонение, используя статистическую функцию СТАНДОТКЛОН. Уменьшите разрядность полученного результата до четвертого знака после запятой.