- •1. Почему нельзя сравнивать коэффициенты регрессии в натуральном
- •2.Цели и задачи статистики.
- •4. Какие виды выборочного наблюдения вам известны?
- •5. Основные виды графического предоставления статистической информации.
- •6. Кластерный анализ как статистический метод.
- •7.Медиана, мода, квартили, особенности применения
- •8. Назовете показатели динамики
- •9.Построение доверительных интервалов
- •10.Индексы и их классификация
- •12. Индексы цен Лайсперса, Пааше и Фишера
- •Экономическое содержание
- •Экономическое содержание
- •Идеальный индекс цен Фишера
- •13.Полигон распределения и гистограмма
- •14.Индексы постоянного и переменного состава и индекс структурных сдвигов
- •Индекс структурных сдвигов
- •15 Кумулятивная функция.
- •17.Основные правила построения графиков
- •18.Уравнение регрессии, его интерпретация
- •20. Коэффициент сопряженности Чупрова и коэффициент Крамера, их применение
- •21. Среднее арифметическое простое и взвешенное, особенности применения
- •22. Коэффициенты связи для дихотомических таблиц
- •23. Среднее геометрическое и квадратическое, особенности применения
- •24. Коэффициент сопряженности Пирсона, его применение
- •25. Среднее гармоническое и хронологическое, особенности применения
- •26. В чем состоит назначение ошибки аппроксимации?
- •27. Основные виды графического представления статистической информации
- •28. Коэффициент корреляции рангов Спирмена, его применение
- •29. Дисперсия и среднее квадратическое (стандартное) отклонение
- •31. Нормальное распределение признака
- •32. Виды скользящих средних
- •33. Стандартная ошибка
- •34. Коэффициент корреляции Пирсона, его применение
- •35. Статистический анализ временных рядов. Тренды и сезонность
- •38. Применение автокорреляции
- •41. Корреляционный анализ как статистический метод
- •44. Критерий Дарбина-Уотсона
- •Недостатки
- •45. Интервальные вариационные ряды
- •46. Корреляционное отношение h2, его применение
- •50. Временные ряды и их анализ
- •53. Размер и структура выборки
- •54. Коэффициент сопряженности Пирсона, его применение.
- •55. Перечислите основные группы пользователей официальной статистической информации.
- •56. Какие существуют способы распространения официальной статистической информации?
- •57. Из каких последовательных этапов состоит цикл работ по проведению статистического исследования?
- •58. Что понимается под административными данными?
- •59. Какие известны способы регистрации данных при статистическом наблюдении?
- •60. Раскройте смысл понятий «программа наблюдения» и «программа разработки итогов наблюдения».
- •61. Как соотносятся между собой понятия «признак единицы совокупности» и «статистический показатель»?
- •62. Каковы задачи типологической группировки?
- •63. Каковы задачи статистической сводки?
- •64. Какие условия определяют выбор формы средней?
- •65. Каковы основные свойства средней арифметической?
- •65(2). Как вычисляется средняя арифметическая по сгруппированным данным?
- •66. Какие задачи решают структурные средние?
- •67. В чем состоят особенности расчета медианы на основе дискретных и интервальных рядов динамика?
- •68. Как определяется мода для несгрупированныхданых и вариационных рядов.
- •70. С какой целью применяется выборочный метод в социально-экономической статистике?
- •1)Статистического оценивания и проверки гипотез
- •72. Чем отличаются ошибки репрезентативности от ошибок регистрации?
- •73. Как определяется необходимый объём выборочной совокупности?
- •74. Как на основе средней ошибки репрезентативности определить предельное значение ошибки репрезентативности?
- •75. Какие существуют виды стратифицированной выборки?
- •76. Каков порядок распространения выборочных результатов на генеральную совокупность?
- •77. Что понимается под малой выборкой?
- •79. Какие задачи позволяет решать дисперсионный анализ?
- •89. Поясните смысл частных линейных коэффициентов эластичности.
29. Дисперсия и среднее квадратическое (стандартное) отклонение
Дисперсия -в математической статистике и теории вероятностей, наиболее употребительная мера рассеивания, т. е. отклонения от среднего.
Сумма квадратов отклонений от среднего является основой для вычисления относительного показателя-дисперсии в простейшем случае несгруппированных данных или дисперсия для сгруппированных данных и для интервальных рядов.
Среднее-квадратическое отклонение(стандартное отклонение)-это корень квадратный из дисперсии.
В отличие от дисперсии, этот показатель, также показывающий степень вариации признака, имеет размерность самого признака, а не его квадрата, что представляет определенное удобство. Далее мы увидим, что стандартное отклонение имеет важное значение в теории оценивания неизвестных параметров (например, среднего генеральной совокупности) и в теории ошибок выборочного наблюдения.
Еще одним важным показателем, характеризующим вариацию признака и позволяющим сравнить вариации различных совокупностей, является коэффициент вариации.
Дисперсия характеризуетсядвумя важными и весьма полезными для ее вычисления свойствами
уменьшение всех значений признака на одну и ту же величину не меняет величину дисперсии.
Уменьшение всех значений признаков в к раз уменьшает величину дисперсии в к2 раз, а СКО в к раз
если исчислить средний квадрат отклонений от любой величины А отличающийся от средней арифметической, то он всегда будет больше среднего квадрата отклонений исчисленного из средней арифметической. Таким образом от средней всегда меньше исчисленной от любой другой величины т.е. она имеет свойство минимальности. СКО=1,25 -при распределениях близких к нормальному.
В условиях нормального распределения существует следующая зависимость между и количеством наблюдений в пределах находится 68,3% наблюдений.
В пределах находится 95,4% наблюдений
В пределах находится 99,7% наблюдений
30.t-распределение Стьюдента
t-распределение Стьюдента - это непрерывное одномерное распределение с одним параметром - количеством степеней свободы. Форма распределения Стьюдента похожа на форму нормального распределения (чем больше число степеней свободы, тем ближе распределение к нормальному). Отличием является то, что хвосты распределения Стьюдента медленнее стремятся к нулю, чем хвосты нормального распределения.
Обычно распределение Стьюдента появляется в задачах, связанных с оценкой математического ожидания нормально распределенных случайных величин. Пусть X1 , ..., Xn - независимые случайные величины, нормально распределенные с математическим ожиданием μ и дисперсией σ 2. Тогда мы можем получить следующие оценки для параметров μ и σ 2:
При этом оценка математического ожидания не равна в точности μ, а лишь колеблется вокруг этой величины. Разность истинного математического ожидания и рассчитанного на основе выборки, поделенная на масштабирующий коэффициент
имеет распределение, которое называется распределением Стьюдента с N степенями свободы. Есть и другие разделы статистики, в которых появляются случайные величины, распределенные по Стьюденту. Например, распределение Стьюдента используется при оценке значимости коэффициента корреляции Пирсона.