- •1. Роль и значение с-ки в общ-ве.
- •2. Предмет с-кой науки
- •3 . Общее понятие о методе с-ки
- •4. Организация с-ки в рб
- •5. Система учета и с-ки
- •6. Отчетности преприятий
- •7. Сущность с-кого наблюд-я
- •8. Формы организации с.Н-я
- •9. Виды с-кого наблюд-я
- •10. Программа с.Н-я
- •11. Способы учета фактов в с.Н-и
- •12. Ошибки с-кого наблюд-я
- •13. Пути совершенств-я с.Н-й
- •14. Сущность классификации и группировки
- •15 . Виды группировок
- •16 . Понятие,виды и принципы выбора группировочн.Признаков
- •17 .Образование групп и определение интервалов груп-ки
- •18. Общее понятие и виды с-кой сводки
- •19. Программа с-кой сводки
- •20. Организация и техника св-ки
- •21. Принципы современ. Организации обработки с-ких данных
- •22. Сущность и осн.Принципы анализа с-ко инф-ции
- •23.Содержание осн.Этапов анализа с-ких данных
- •24. Содерж-е и виды с. Расчетов
- •25. Осн.Приемы анализа данных
- •26. Задачи измерения связи в с-ке
- •27. Общие понятия о с-ких табл.
- •28. Виды с-ких таблиц
- •29. Осн.Правила составления с-ких таблиц
- •30. Понятие и виды с-ких рядов распределения
- •31 .Графич.М-д изуч-я р.Р.
- •32. Понятие о закон-ти р.Р.
- •34. Знач-е и виды с-ких показателей
- •35. Абсолютн.С-кие величины
- •36. Относит.Величины
- •38. Виды средних величин
- •39. Средняя арифметическая
- •40. Средняя гармоническая
- •41. Структурн.Средн.Величины
- •42. Понятие и осн.Показатели вариации
- •43. Техника исчисления простых показателей вариации
- •45. Сложение дисперсии
- •46 Упрощ.Способы вычисления ср.Арим-ой и ср.Квадр. Отклонения.
- •47. Осн.Правила применения средних в статистике
- •48. Понятие рядов динамики
- •41. Правила построения рядов динамики
- •50. Осн.Показ-ли рядов динамики
- •51.Средн.Показ-ли в рядах динам.
- •52.53. Изучение осн.Тенденции разития мас.Явл-я
- •54. Выявление и изучение сезонных клебание
- •55. Совместный анализ нескольких р.Д.
- •56. Общие понятия об индексах
- •57. Индивид.И общие индексы
- •58 . Агрегатн.Форма общ.Индекса
- •59. Индексы переменного и фиксированного состава
- •60 . Цепные и базисные индексы
- •61.62 Система взаимосвязанных индексов
- •63. Понятие о с-ких графиках
- •64.65.Виды с-ких графиков
- •66. Наглядное изображение структуры и структурн.Сдвигов
- •67. Контороль выполнения планов с помощью графиков
- •68. Выборочное с-ое наблюд-е
- •69. Ошибка выборки
- •70. Обоснование численности выборки
- •71. Способы отбора единиц из генеральной совокупности
- •72. Малая выборка
- •73 . Способы распростр-я хар-к выборки на генеральн. Совок-ть
- •74.Предпосылки изучения корреляционной связи.
- •75.Статистические методы выявления корреляционной связи.
- •76. Статистические измерения тесноты корреляционной связи. Парная линейная корреляция.
- •77. Прямая нелинейная корреляционаая связь.
- •79Линейная многофакт корр-ая зависим. Множ и част кор-ия
- •80. Статистическое исследование формы корреляционной связи. Линия регрессии.
- •81.Уравнения регрессии и расчет их параметров.
- •82.Статистическое исследование зависимости между качественным признаком.
- •85.Критерий как инструмент проверки ст-кой гипотезы (сг). Выбор типа критической области
- •86. Проверка гипотезы о принадлежности «выделяющихся» наблюдений исследуемой генеральной совокупности
- •87. Проверка нипотезы о величине сред. Арифм. И доли.
- •88.Понятие о критерии согласия.
- •89.Понятие о кр-рии для изм-ия тес-ты св-зи.
81.Уравнения регрессии и расчет их параметров.
В эконом-статист исследованиях наиб часто исп след типы ф-ций:
линейная y^=a+bx
гиперболическая y^=a+b/x
параболическая y^=a+bx+cx2
показательная y^=a+bx
степенная y^=axb
логарифмическая y^=a+b*ln(x)
где у^ - теоретич значение
Для нахождения параметров a b c использ метод наим квадратов. Сущность: находим квадраты отношений эмпирических от расчетных по всему объему совокупности и потребуем чтобы эта сумма была мин.
(у-у^)2 min
Пример применения метода наим.квадрат:
y^=a+bx; S=(y-(a+bx))2 = min это задача для нахождения экстремума
dif(S)/dif(a)=0; dif(S)/dif(b)=0;
Сис-ма {y=na+bx; xy=ax+bx2} (1)
Обычно данная сис-ма решается относит-но парам-ра b
…ф# - ф с черточкой…
b= (xy-nx#y#)/(x2-nx#2)
: n a=y#-bx#
b хар-ет среднюю кратность изменения значения результ.признака при изменении фактически- теорет.признака на 1. В реальной действительности приходится при моделировании кор-й связи учитывать влияние α –х и более факторов.
Если в изучении кор-й связи значение рез.признака формируется под влиянием 2 факторов , при прямолинейной форме этой связи ур-е регрессии может быть записано : y^=a+bx1+cx2
В этом случае применение м-да наим.квадратов приведет к системе 3-х норм.уравнений.
/
| y=na+bx1+cx2;
| y x1=a x1+b x12+c x1 x2
| y x2=a x2+b x1 x2+c x22
\
Полученные модели кор-й связи должны проверяться на обоснованность с использованием соответствующих методов проверки. Только при удовлетворении соответ.уровня надежности полученная модель применяется для полученных целей.
82.Статистическое исследование зависимости между качественным признаком.
Кор-я связь имеет место не только м\у кол-ми признаками , но и качаственными. Изучение кор-й связи м\у качест-ми признаками имеет опред.специфич.особенности, т.к. эти качеств.признаки не имеют явно выраженные колич-е значения по единицам изучаемой совокупности. Для изучения кор-й связи необх.установить определенные соотношения м\у выражениями этих признаков у отдельных единиц совокупности. Наиболее часто для этих целей примен.м-д ранжирования: присвоение им соответств.рангов с учетом характера проявления данного признака у конкретной единицы.Пример: уровень квалификации работников принято оценивать разрядом в сфере мат.произ-ва, те готовностью работника выполнять работу определенной сложности. В этом подходе 1-й разряд характеризует самый низкий уровень квалификации работника, те самые простейшие работы и тд.
Для оценки степени тесноты кор-й связи м\у качественными признаками применяются такие стат.показатели как:
коэф.ассоциации
коэф.контингенции
коэф.конкордации
коэф.кореляции рангов(Спирмена,Лендалла)
Экон-стат. Исследованиях наиб. Часто встречаются альтерн.качественные признаки; степень тесноты связи м\у альт.признаками колич-но оценивается с использованием :
коэф.ассоциации Ка
коэф.контенгенции Кк
Для вычисления этих коэф-в исходная инфо-я по альт-м признакам представляется в виде табл. 4 полей:
Таблица 4-х полей
a b a+b
c d c+d
a+c b+d
Ка = (ad-bc)/(ad+bc); если м\у исхоодными данными сущ связь ad=bc , то Ка=0. Если отсутствует хотя бы 1 значение , то Ка=1(это завышение степени тесноты связи). Более точную оценку тесноты связи можно получить при исп-ии Кк
Для практического применения величина Ка считается надежной , если она не меньше 0,5, те Ка>=0.5 ; Kk>=0.3.
Кор-я связь м\у качеств-и признаками вычисляется также если число признаков >2. В этом случае использ.ряды рангов. Колич-ю степень тесноты связи м\у неск-ми качественными признаками может оцениваться с исп-ем коэф.конкордации.
W=12S/(m2*(n3-n))
Где m – число признаков, n – число ранжируемых единиц, S – сумма квадратов отклонения рангов.
83 . изучение кор-ой зависимости м\у рядами динамики
При изучении развития массового явл во времени возникает необходимость оценить степень взаимосвязей в изменении уровней нескольких рядов динамики: x →x1,x2,…xn;
y →y1,y2,…yn;
z →z1,z2,…zn;
Примен мет-ов классич теории кор-ии в этом случае имеет ряд особенностей:
1.между урав-ми ряда динамики для многих признаков наблюдается зависимость между последующими и предыдущими уровнями. Такая связь называется автокор-ей.При изучении взаимосвязи м/у такими рядами динамики с применением методов кор-но-регрессивного анализа автокор-ция д. б. исключена из каждого из изучаемых рядов динамики.
2.В изменении уровней нескольких рядов динамики существует ЛАГ, то есть смещение во времени изменений уровней одного ряда по сравнению с изменением другого ряда динамики. Для получения правильной оценки степени тесноты связи м/у этими рядами необ-мо исключить этот ЛАГ, то есть нужно сдвинуть уровни одного ряда относительно другого на определенный промежуток времени: x →x1,…xn-1,xn;
y →y1,y2,…yn;
z →z1,z2,…zn
3.Условия формирования уровней рассмат-ых рядов динамики изменяются с течением времени. Эти изменения могут быть незначит(ими можно пренебречь) и могут быть существ. В посл случае будут изменяться и теснота связи между ними. Т.об. при оценке тесноты кор-ной связи м/у такими рядами приходится иметь дело с переменной кор-ией.Т.об. при изучении кор-ной связи м/у несколькими рядами динамики необходимо:
1. измерить связь между предыдущими и последующими уровнями
2.выявить наличие ЛАГа в изменении уровней рядов динамики и с учетом этого составить преобразованные ряды динамики с искл-ем ЛАГа.
3.оценить связь м\у этими рядами динамики:
x →x1,x2,…xn | xt=ψ(xt-1)
y →y1,y2,…yn | yt=ψ(yt-1)
В качестве показателей степени тесноты связи последних уровней ряда и предыдущих принимается коэф-т линейной или парной корреляции.
Исключающиеся автокорреляции (при наличии ее) в рядах динамики может осуществляться несколькими способами:
1.состоит в исключении из ряда тренда(осн. тенеденции). Исходный ряд заменяется следующим рядом:
где
В этом случае кор-ная связь м/у исход. рядами динамики рассматривается как кор-ция отклонений (фактич. значений от рассчетных)
2.состоит в замене исходных рядов динамики на ряд разностей м/у последующими и предыдущими уровнями.
Т об кор-ная связь м/у исход рядами динамики рассчитывается как кор-ция рядов цепных приростов.При использовании 2 способа необ иметь в виду следующее: исключающие автокорреляции при использовании 1-ых приростов достигаются только в том случае, если связь прямолинейная , если связь имеет форму параболы 2-ого порядка
Исключение автокорреляции достигается при использовании вторых разностей:
При изучении корреляционной связи между рядами динамики со сдвигом во времени в общем случае на 1 год x-то, что вкладываем, y-отдачаВ этом случае целесообразно корреляционную связь с различными сдвигами во времени (1,2,3 года)
2 года: x1, x2, … xn-2,
y3, y4, … yn
Сравнение полученных результатов колич. хар-ки связи м\ду такими рядами динамики позволят получить наиболее объективную картинку с какого временно сдвига изменения одного уровня одного ряда будут сказываться на уровень другого взаимосвязанного ряда динамики. В данном случае необходимо иметь в виду что при каждом сдвиге на 1 показатель времени количество уровней во взаимосвязанных рядах динамики сокращаются на 1.
84.Сущ-сть и з-чи ст-кой проверки гипотез.
Изучение любого массового явления базируется на неполной инфе о данной ст-ой сов-ти. При изучении конечного массового явления, когда кол-во ед-ц сов-ти известно, необх-мо иметь в виду, что это кол-во ед-ц известно только но опр-ный момент t. Поскольку любое массовое явл-е находится в непрер-ом развитии.
С развитием изучаемого явл-я развивается и теория этого явления, уточн-ся и соотв-щий ценз – представление о данной сов-ти. Всё это и приводит к тому, что в любом ст-ом исследовании исп-ются опр-ные допущения: предположение о некоторых св-вах изучаемой ст-ой сов-ти в ст-ке принято наз ст-кой гипотезой(СГ).
При рассмотрении СГ следует учитывать, что не любое предположение может представлять собой СГ, а только такие предп-ия, кот можно проверить на их истинность с исп-ем массовых факт-их ст-их данных. В мат ст-ке с учётом сказанного одним из основных её разделов явл теория испытания или проверка г-з.
Смысл проверки СГ состоит в том, чтобы по имеющимся первичным ст-ким данным принять или отклонить ту или иную СГ с мин риском ошибки. Проверка СГ имеет вероятностный хар-р, поэтому проверка или испытание СГ осущ-тся с учётом мин вер-сти для целей данного ст-кого исследования исключить или принять ложные решения.
Если вер-ть ошибки невелика, то ст-ие пок-ли исчисленные при выполнении данного ст-кого исследования м б исследованы для практ-х целей.
При проведении эк-ст-ких исследований как правило приходится решать след осн-ые задачи проверки Г:
о принадлежности «выделяющихся» ед-ц исследуемой сов-ти
о величине ср арифм-ой и доли
о виде распределения изучаемых признаков
о наличии и форме связи м/у изучаемыми призн-ми.