Распределение коммерческих банков по сроку функционирования

(на начало года)

Группы банков по сроку функционирования, лст.д	Число банков, % к итогу, /	Накопленная частота, S
А	1	2
1-2	10	10
2-3	15	25
! 3-4	21	46
! 4-5	25	71
5-6	12	83
6-7	7	90
7-8	5	95
свыше 8	5	100
Итого	100,0	^
, СП. •
'•чта.',

дагся в середине упорядоченного вариационного ряда. Главное свой­ство медианы в том, что сумма абсолютных отклонений значений признака от медианы меньше, чем от любой другой величины:

(7.5)

Если в вариационном ряду 2т+1 случаев, то значение признака у случая т+\ будет медианным. Если в ряду четное число 2т случаев, то медиана равна средней арифметической из двух данных значений.

Формулы для исчисления медианы при нечетном числе вариантов

(7.6)

220

Пример. Рассмотрим определение медианы по данным вариаци­онного ряда из 11 рабочих, имеющих тарифный разряд: 5,4,3,4,5,5, 6,2, 6, 3, 5. Для определения медианы проведем ранжирование рабочих по тарифному разряду: 23344555566.

Центральным в этом ряду будет рабочий 5-го разряда, следова­тельно, данный разряд и будет медианным.

Если ранжированный ряд включает 12 рабочих: 2 3 3 3 4 4 5 5 5 5 6 6, то медиана определяется как средняя арифметическая из двух цент­ральных значений, т.е. в данном ряду медианой будет тарифный раз­ряд, равный

4+5 , -

——=4,5 разряд а.

Если мода отражает типичный, наиболее распространенный ва­риант значения признака, то медиана практически выполняет функ­цию средней величины для неоднородной совокупности, не подчиня­ющейся нормальному закону распределения. Проиллюстрируем ее познавательное значение.

Таблица 7.4

•;s&>'' .ко'" ('!•"") Доходы исследуемой группы людей за месяц

№ п/п	1	2	3	4		50	51		99	100
Доход,долл.	100	104	104	107		162	164		200	50000

Пример. Допустим, нам необходимо дать характеристику сред­него дохода группы людей из 100 человек, 99 из которых имеют до­ход в интервале от 100 до 200 долл. в месяц, а месячный доход после­днего" человека из группы составляют 50 000 долл. (табл. 7.4).

Если мы воспользуемся формулой средней арифметической, то получим средний доход, равный примерно 600-700 долл., который не только в несколько раз меньше дохода 100-го человека, но и имеет мало общего с доходами остальных членов группы. Медиана же, рав­ная в данном случае 163 долл., позволит дать объективную характе­ристику уровня дохода 99% данной группы людей.

Рассмотрим определение медианы по сгруппированным данным (рядам распределения).

221

Положение медианы в ряду распределения определяется ее но­мером:

(7.8)

где л - число единиц совокупности.

Пример. Используя данные табл. 7.2, определим номер медианы:

n. -²¹⁵±^l щя

^6=—,—=¹⁰⁸-

Полученное значение указывает, что середина ряда приходится' на 108-й номер рабочего. Необходимо определить, к какой группе от-1 носится рабочий с этим порядковым номером. Это можно сделать, ''• рассчитав накопленные частоты (табл. 7.2 графа 2). Очевидно, что рабочих с таким номером нет в первой группе, где всего 20 человек, нет их и во второй группе (20 + 50). 108-й номер рабочего находится в третьей группе (20 + 50 + 60 = 130), следовательно, медианным яв­ляется 4-й тарифный разряд.

В интервальном ряду распределения сразу можно указать только интервал, в котором будет находиться медиана. Для определения ее | величины используется специальная формула:

(7.9)

где х^ - нижняя граница медианного интервала;

/ - величина медианного интервала;

5^_, - накопленная частота интервала, предшествующего медианному;

f^ - частота медианного интервала.

Пример. Используя данные табл. 7.3, рассчитаем медиану. По на­копленным частотам (графа 2) определим, что медиана находится в интервале 4-5. Тогда:

Me=4+1⁵⁰^⁴⁶=4,2roдa. 25

Таким образом, 50% банков имеет срок функционирования мене

4,2 года, а 50% банков - более 4,2 года.

222

Моду и медиану в интервальном ряду распределения можно оп­ределить графически. Мода определяется по гистограмме распреде­ления. Для этого выбирается самый высокий прямоугольник, кото­рый в данном случае является модальным. Затем правую вершину модального прямоугольника соединяют с правым верхним углом пре­дыдущего прямоугольника. А левую вершину модального прямоуголь­ника - с левым верхним углом последующего прямоугольника. Далее из точки их пересечения опускают перпендикуляр на ось абсцисс.

Рис. 7.1. Гистограмма распределения коммерческих банков по сроку функционирования

Абсцисса точки пересечения этих прямых и будет модой распре­деления (рис. 7.1).

Медиана рассчитывается по кумуляте (рис.7.2). Для ее определе­ния из точки на шкале накопленных частот (частостей), соответству­ющей 50%, проводится прямая, параллельная оси абсцисс, до пере­сечения с кумулятой. Затем из точки пересечения указанной прямой с кумулятой опускается перпендикуляр на ось абсцисс. Абсцисса точ­ки пересечения является медианой.

Таким образом, в качестве обобщенной характеристики значений определенного признака у единиц ранжированной совокупности мо­гут быть использованы средняя арифметическая, мода и медиана. Каждая из них имеет свои особенности.^f/

223

Рис. 7.2. Кумулята распределения коммерческих банков по сроку функционирования

Основной характеристикой центра распределения является сред­няя арифметическая, для которой характерно то, что все отклонения от нее (положительные или отрицательные) в сумме равняются нулю; для медианы характерно, что сумма отклонений от нее по модулю является минимальной, а мода представляет собой значение признака, которое наиболее часто встречается. Поэтому в зависимости от цели исследо­вания распределения должна выбираться одна из упомянутых характе­ристик либо же для сравнения вычисляться все три.

Соотношение моды, медианы и средней арифметической указы­вает на характер распределения признака в совокупности, позволяет оценить его асимметрию.

В симметричных распределениях все три характеристики совпа­дают. Чем больше расхождение между модой и средней арифмети­ческой, тем более асимметричен ряд. Для умеренно асимметричных рядов разность между модой и средней примерно в три раза превы­шает разность между медианой и средней, т.е.

(7.10)

224

7.3

ПОКАЗАТЕЛИ ВАРИАЦИИ И СПОСОБЫ ИХ РАСЧЕТА

Средняя величина дает обобщающую характеристику всей сово­купности изучаемого явления. Однако, исчислив среднюю арифме­тическую по данным вариационного ряда, мы еще ничего не знаем о том, как отдельные значения изучаемого признака группируются вок­руг средней. В этом отношении наблюдаются существенные разли­чия. В одних случаях отдельные значения признака весьма близки к средней арифметической и мало чем от нее отличаются. В этом слу­чае средняя хорошо представляет всю совокупность. В другом слу­чае, наоборот, отдельные значения далеки от средней, и тогда сред­няя не будет представлять всю совокупность. Возьмем, например, средний уровень доходов населения. Он может быть исчислен как средняя арифметическая из доходов граждан какой-либо страны. Од­нако значение средней величины для стран, в которых нет резких раз­личий в уровне доходов, буцет гораздо выше, чем для стран, в кото­рых наблюдаются резкие различия.

Поэтому нельзя ограничиться вычислением одной средней вели­чины. Надо изучать не только среднюю, но и отклонения от нее, пото­му что именно в отклонениях виден весь процесс явления в его диа­лектическом развитии. Отклонение в одну сторону от средней для некоторых показателей следует рассматривать как ростки нового, от­клонения в противоположную сторону - как пережитки старого. Для вариационного ряда важно изучать степень сплоченности всех отдель­ных значений признака вокруг его среднего значения, степень раз­бросанности этих значений, степень колеблемости их. Для этого в теории статистики используются показатели вариации.

Показатели вариации делятся на две группы: абсолютные и относи­тельные. К абсолютным показателям относятся: размах вариации, сред­нее линейное отклонение, дисперсия и среднее квадратическое отклоне­ние. К относительным показателям вариации относятся: коэффициенты осцилляции, вариации, относительное линейное отклонение и др. Отно­сительные показатели вычисляются как отношение абсолютных показа­телей вариации к средней арифметической (или медиане).

Вариационный размах. Вариационный размах (R) (или, как еще говорят, амплитуда колебаний) показывает, насколько велико разли­чие между единицами совокупности, имеющими самое маленькое и самое большое значение признака.

Размах рассчитывают как разность между наибольшим (хmax ) наименьшим (хmin) значениями варьирующего признака, т.е.:

(7.11)

Пример. Рассмотрим возраст студентов какого-нибудь вуза: са­мому молодому студенту - 17 лет, самому старшему - 25 лет. Раз­ность составляет 8 лет.

Значение подобного рода величины необходимо в практической и хозяйственной деятельности, а также в научных исследованиях. На­пример, размах вариации применяется для контроля качества продук­ции при определении влияния систематически действующих причин на производственный процесс. Дня этого через определенные проме­жутки времени отбирают несколько деталей и проводят их измерение. Рассчитав по данным этих выборок показатели размаха вариации и сопоставив результаты вычислений, судят об устойчивости режима про­изводственного процесса.

В учебной литературе по статистике обычно указывается, что раз­мах имеет существенный недостаток. Его величина всецело зависит от крайних значений признака, и он не учитывает всех изменений варьирующего признака в пределах совокупности. Этот упрек в ад­рес размаха является не совсем верным. Какой же это недостаток, когда именно в этом заключается суть показателя.

Размах вариации для того и существует, чтобы измерять расстоя­ние между крайними точками. Другое дело, что в изучении вариации нельзя ограничиться определением одного лишь ее размаха. Но это не исключает необходимости определения величины этого показате­ля, не умаляет его значения.

К действительным недостаткам размаха вариации можно отнести следующее: очень низкое и очень высокое значения признака по срав­нению с основной массой его значений в совокупности могут быть обусловлены какими-либо сугубо случайными обстоятельствами, т.е. эти значения являются аномальными в совокупности. В этих случаях размах вариации даст искаженную амплитуду колебания признака про­тив, так сказать, нормальных его размеров, так как в данную совокуп­ность включены единицы другой совокупности с аналогичным при­знаком. Поэтому прежде чем определить величину размаха вариации, следует очистить совокупность от аномальных наблюдений. Например,

226

нельзя вычислять размах вариации заработков работников какого-либо частного предприятия, если наряду с заработками наемных работни­ков в совокупность включен «заработок» владельца.

Итак, размах вариации - важный показатель колеблемости при­знака, но он не исчерпывает характеристику вариации.

Среднее линейное отклонение. Для анализа вариации необхо­дим показатель, который бы отражал все колебания варьирующего признака и давал обобщенную его характеристику. Для многих варь­ирующих признаков возможно допущение, что при прочих равных условиях все единицы совокупности в соответствии с основными за­конами своего развития имеют одинаковую и при том вполне опреде­ленную величину в данных условиях места и времени. Вполне логич­но в качестве такой величины условно принять среднюю величину из всех значений признака, поскольку в ней более или менее погашают­ся случайные отклонения от закономерного развития явления, и сред­няя тем самым отражает типичный размер признака у данной одно­родной совокупности единиц. Но условия существования и развития отдельных единиц совокупности в определенной степени различны, что сказывается на различии значений признака. Средняя величина отражает эти средние условия.

Следовательно, средняя применяется в качестве своего рода центра тяжести, вокруг которого происходит колебание, рассеяние значений признака. При обобщении этих колебаний необходимо прибегать к ме­тоду средних величин - искать среднюю величину этих отклонений.

Такая средняя называется средним линейным отклонением (3). Эта величина вычисляется как средняя арифметическая из абсолют­ных значений отклонений вариант х и х (простая (формула 7.12) или взвешенная (формула 7.13), в зависимости от исходных условий):

(7.12)

(7.13)

227

ой' Поскольку сумма отклонений значений признака от средней ве­личины равна нулю, приходится все отклонения брать по модулю, на что указывают прямые скобки в числителе формул.

Пример. Покажем расчет среднего линейного отклонения по дан­ным табл. 7.5.

Таблица 7.5 Обеспеченность населения города общей жилой площадью

Алгоритм расчета среднего линейного отклонения следующий:!

1. Найдем середину интервалов (х\) по исходным данным (гр^ фа А) и запишем в таблицу (графа 2).

2. Определим произведения значений середины интервалов (х[) на соответствующие им веса (^) (графа 3). В итоге получим 1 206. Рассчитаем среднюю величину по формуле средней арифметической взвешенной:

228

3. Для расчета линейного отклонения найдем абсолютные откло­нения середины интервалов, принятых нами в качестве вариантов признака (х,) от средней величины (х) (графа 4).

4. Наконец, вычислим произведения отклонений \х'i-х\ на их веса (Л и подсчитаем сумму их произведений. Она равна 236,6. Результа­ты записываем в графу 5.

Делим эту сумму на сумму весов, чтобы получить искомую вели­чину 3:

Таково в среднем отклонение вариантов признака от их средней величины. Это отклонение по сравнению со средней величиной при­знака небольшое. Оно отличается от средней на 9,694 кв. м. Это сви­детельствует о том, что данная совокупность в отношении нашего признака однородна, а средняя - типична.

Таким образом, среднее линейное отклонение дает обобщенную характеристику степени колеблемости признака в совокупности. Од­нако при его исчислении приходится допускать некорректные с точки зрения математики действия, нарушать законы алгебры. Математики и статистики искали иной способ оценки вариации для того, чтобы иметь дело только с положительными величинами. Был найден очень простой выход - возвести все отклонения во вторую степень. Это столь простое решение привело в последующем к большим научным ре­зультатам. Оказалось, что обобщающие показатели вариации, найден­ные с использованием вторых степеней отклонений, обладают заме­чательными свойствами; позднее на их основе были разработаны новые методы исследования, а также новые показатели количествен­ной характеристики большого класса явлений. Полученную меру ва­риации назвали дисперсией и обозначили D или о².

Дисперсия. Дисперсия представляет собой средний квадрат откло­нений индивидуальных значений признака от их средней величины и в зависимости от исходных данных вычисляется по формулам простой дисперсии (формула 7.14) и взвешенной дисперсии (формула 7.15);

(7.14)

229

(7.15)

Расчет дисперсии может быть упрощен. В случае равных интер­валов в вариационном ряду распределения используется способ от­счета от условного нуля (способ моментов). Для его понимания необ­ходимо знать математические свойства дисперсии:

1. Дисперсия постоянной величины равна нулю.

2. Уменьшение всех значений признака на одну и ту же величину А не меняет величины дисперсии:

(7.16)

Значит, средний квадрат отклонений можно вычислить не по за­данным значениям признака, а по их отклонениям от какого-то по­стоянного числа.

3. Уменьшение всех значений признака в k раз уменьшает дис­персию в А-² раз, а среднее квадратическое отклонение - в k раз:

(7.17)

Значит, все значения признака можно разделить на какое-то по­стоянное число (скажем, на величину интервала ряда), исчислить сред­нее квадратическое отклонение, а затем умножить его на постоянное число:

(7.18)

4. Если исчислить средний квадрат отклонений от любой величи­ны Л, в той или иной степени отличающейся от средней арифмети­ческой (х), то он всегда будет больше среднего квадрата отклонений, исчисленного от средней арифметической:

(7.19)

Средний квадрат отклонений при этом будет больше на вполне определенную величину - на квадрат разности средней и этой услов­но взятой величины, т.е. на (х-А)¹:

или

(7.20)

Значит, дисперсия от средней всегда меньше дисперсий, исчис­ленных от любых других величин, т.е. она имеет свойство минималь­ности.

В случае когда А приравнивается нулю и, следовательно, откло­нения не вычисляются, формула принимает такой вид:

или

(7.21)

Значит, средний квадрат отклонений равен среднему квадрату зна­чений признака минус квадрат среднего значения признака.

На приведенных математических свойствах дисперсии основан Метод расчета дисперсии по способу моментов, или способу отсчета от условного нуля, который применялся при исчислении средней ве­личины. Расчет производится по формуле

231

(7.22)

где * А

ширина интервала;

условный нуль, в качестве которого удобно использовать середину интервала, обладающего наибольшей частотой;

_ Дисперсия есть средняя величина квадратов отклонений, а вари-| анты признака выражены в первой степени. ;

Среднее квадратическое отклонение (<т). Среднее квадратичео| кое отклонение равно корню квадратному из дисперсии. Оно может! быть простым (формула 7.23) или взвешенным (формула 7.24).

(7.23)

или

(7.24)1

Среднее квадратическое отклонение, как и среднее линейное от-' клонение, показывает, на сколько в среднем отклоняются конкретные варианты признака от среднего значения. Они выражаются в тех же единицах измерения, что и признак (в метрах, тоннах, рублях и т.д.).

232

Среднее квадратическое отклонение часто используется в каче­стве единицы измерения отклонений от средней арифметической. В зарубежной литературе этот показатель называется нормированным, или стандартизованным, отклонением.

По свойству мажорантности средних величин (см. глава 6) сред­нее квадратическое отклонение всегда больше среднего линейного отклонения. Если распределение признака близко к нормальному или симметричному распределению, то между с и d существует взаимо­связь: ~а = 0,8о или ст = 1,25 ~а .

Среднее квадратическое отклонение играет важную роль в ана­лизе вариационных рядов распределения. В условиях нормального распределения существует следующая взаимосвязь между величиной среднего квадратического отклонения и количеством наблюдений:

• в пределах х ± 1о располагается 0,683, или 68,3% количества наблюдений;

• в пределах х ± 20 - 0,954, или 95,4%;

• в пределах х ± Зо - 0,997, или 99,7% количества наблюдений. В действительности на практике почти не встречаются отклоне­ния, которые превышают ±3ст. Отклонение 3(7 может считаться мак­симально возможным. Это положение называют правилом трех сигм.

Пример. Рассмотрим расчет дисперсии и среднего квадратичес­кого отклонения по данным табл. 7.6 о выпуске промышленной про­дукции фирмами отрасли.

Таблица 7.6