- •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.
5. Основные виды графического предоставления статистической информации.
График- условные изображения числовых величин и их соотношений в виде различных геометрических образов – точек, линий, плоских фигур и т. п.
Каждый график состоит из графического образа и вспомогательных элементов.
Графический образ – это совокупность точек, линий и фигур, с помощью которых изображаются статистические данные.
Вспомогательные элементы графика:
общее название графика,
оси координат,
шкалы,
числовые сетки и числовые данные,
дополняющие и уточняющие изображаемые показатели.
Название графика должно кратко и точно раскрывать его содержание.
Оси координат с нанесенными на них шкалами и числовые сетки необходимы для построения графика и пользования им.
Шкалы могут быть прямолинейными или криволинейными (круговыми), равномерными (линейными) и неравномерными.
Нередко целесообразно применять так называемые сопряженные шкалы, построенные на одной или двух параллельных линиях.
Числа на шкалах проставляются равномерно, при этом последнее число должно превышать максимальный уровень показателя, значение которого отсчитывается по этой шкале. Числовая сетка, как правило, должна иметь базовую линию, роль которой обычно играет ось абсцисс.
Статистические графики можно классифицировать по разным признакам: назначению (содержанию), способу построения и характеру графического образа.
По содержанию или назначению можно выделить:
1) графики сравнения в пространстве;
2) графики различных относительных величин;
3) графики вариационных рядов;
4) графики размещения по территории;
5) графики взаимосвязанных показателей и т. д.
По способу построения графики можно разделить на диаграммы и статистические карты.
Статистические карты – графики количественного распределения по поверхности. По своей основной цели они близко примыкают к диаграммам и пред–ставляют собой условные изображения статистических данных на контурной географической карте.
По характеру графического образа различают графики точечные, линейные, плоскостные и объемные.
Статистические карты по графическому образу делятся на картограммы и картодиаграммы.
В зависимости от круга решаемых задач выделяются диаграммы сравнения, структурные диаграммы и диаграммы динамики.
6. Кластерный анализ как статистический метод.
Кластерный анализ (англ. Data clustering) — задача разбиения заданной выборки объектов (ситуаций) на подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались.
Задача кластеризации относится к статистической обработке, а также к широкому классу задач обучения без учителя.
Кластерный анализ — это многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы (кластеры)(Q-кластеризация, или Q-техника, собственно кластерный анализ).
Кластер — группа элементов, характеризуемых общим свойством,
главная цель кластерного анализа — нахождение групп схожих объектов в выборке.
Спектр применений кластерного анализа очень широк: его используют в археологии, медицине, психологии, химии, биологии, государственном управлении, филологии, антропологии, маркетинге, социологии и других дисциплинах.
Однако универсальность применения привела к появлению большого количества несовместимых терминов, методов и подходов, затрудняющих однозначное использование и непротиворечивую интерпретацию кластерного анализа.