- •Статистический анализ в экономике Феофанов в.Н. Оглавление
- •Раздел 1. Общая теория статистики 16
- •Раздел 2 123
- •Предисловие
- •Введение
- •Раздел 1. Общая теория статистики
- •1.1. Значение статистики, ее задачи и организация
- •1.2. Статистические наблюдения
- •1.3. Отображение статистической информации
- •1.3.1. Статистические таблицы
- •1.3.2. Графическое отображение
- •1.4. Абсолютные и относительные статистические показатели
- •1.5. Средние показатели
- •Примеры расчета среднего
- •1.6. Статистический анализ вариационных (интервальных) данных (изложение данного раздела с использованием аппарата математической статистики, см. Приложение 1)
- •Решение
- •1.7. Группировка статистических данных и анализ групп
- •1.8. Ряды динамики
- •1.9. Экономические индексы и их использование в экономико-статистических исследованиях
- •1.9.1. Индексы количественных показателей
- •1.9.2. Индексы качественных показателей
- •Сводный индекс
- •Индивидуальные индексы
- •Агрегатный индекс
- •1.9.3. Цепные и базисные индексы
- •1.9.4. Использование индексов в экономическом анализе
- •1.9.5. Расчеты недостающих индексов с помощью индексных систем.
- •1.10. Выборочное наблюдение (расширенное представления этого раздела с использованием аппарата математической статистики см. Приложение 3)
- •1.10.1. Ошибки выборки
- •1.10.2. Малая выборка
- •1.10.3. Способы распространения характеристик выборки на генеральную совокупность
- •1.11. Статистические связи
- •Раздел 2
- •2.1. Статистические методы в экономическом моделировании
- •2.1.1. Введение случайного компонента в экономическую модель
- •2.1.2. Статистические данные и стохастическая модель. Эконометрическая модель
- •2.2.2. Подготовка статистических данных и использование их в модели
- •Приложение 1 Стохастическая природа экономических данных, свойства и статистические оценки случайных величин (в изложении используется аппарат математической статистики)
- •Обработка статистических данных и анализ случайных дискретных данных
- •Приложение 2 Статистические распределения и их основные характеристики
- •Равномерное распределение
- •Нормальное распределение
- •Распределение Стьюдента
- •Приложение 3 Соотношения между экономическими переменными. Корреляционная связь и ее статистическое изучение
- •Вероятностные соотношения: совместная частота (вероятность), условная частота (вероятность), статистическая независимость случайных переменных
- •Оценивание параметров и проверка гипотез о корреляции случайных переменных
- •Приложение 4 Сбор и анализ данных о состоянии и перспективах рынка труда
- •1. Сбор статистическую информацию о текущих состояниях рынка труда
- •Приложение 5 Экзаменационные вопросы (спец. 0608, 0604)
- •Аттестационные и экзаменационные вопросы
- •Список используемой литературы
Приложение 2 Статистические распределения и их основные характеристики
Типы распределений
Различают дискретные и непрерывные вероятностные распределения. Дискретное распределение характеризуется тем, что оно сосредоточено в конечном или счетном числе точек. Непрерывное распределение "размазано" по некоторому вещественному интервалу.
При обработке выборочных данных, в силу случайной природы процесса получения выборки, важно знать, каким вероятностным законам подчиняются выборочные значения исследуемого экономического показателя. Существует целый ряд распределений вероятности, которые играют роль эталона в статистических выводах. Это прежде всего равномерное распределение, нормальное распределение (распределение Гаусса) и распределение Стьюдента (t-распределение).
Общие принципы представление законов распределения случайной величины
В общем случае, разбивая интервал значений непрерывной величины ( , х2,) на два интервала ( , х1,) и (х1 х2) (одновременные попадания случайной величины в которые являются взаимоисключающими событиями), получаем:
Рrоb{ ≤Х< x1} + Рrоb{х1 ≤Х< х2,} = Рrоb{ ≤Х< х2,}.
Отсюда находим, что искомая вероятность попадания непрерывной случайной величины в интервал х1≤X<х2 равна разности функций распределения этой случайной величины:
Рrоb{x1≤Х< х2,} = Рrоb{ ≤Х< х2,} = Рrоb{ ≤Х<x1}≡Fx(x2)-Fx(x1).
Проводя такие же рассуждения, мы можем найти вероятность попадания непрерывной случайной величины в бесконечно малый интервал х≤X < х+dх:
В последних двух равенствах используется определение бесконечно малого изменения функции распределения (или дифференциала этой функции). Из найденного соотношения видно, что вероятность попадания непрерывной случайной величины в бесконечно малый интервал х≤Х<х+dх бесконечна мала и пропорциональна величине этого интервала dх. Отношение этой бесконечно малой вероятности к бесконечно малой величине интервала имеет конечное значение и характеризует плотность вероятности в точке х.
Плотность распределения вероятности:
или наоборот:
На рис. 8 приведен характерный график плотности вероятности, а на рис. 9 - график соответствующей функции распределения.
Рис. 8 Рис.9
Наклон графика функции распределения характеризует плотность вероятности (чем больше плотность вероятности, тем быстрее меняется функция распределения) (точнее f(х) = tg(α)), а площадь под графиком функции плотности вероятности на интервале х1≤X<х2 характеризует вероятность попадания непрерывной случайной величины в соответствующий интервал.
При этом суммарная площадь под графиком функции плотности вероятности на всем интервале - ≤Х< равна по определению единице:
Равномерное распределение
Если значения случайной величины из некоторого интервала можно считать равновероятными, то мы приходим к равномерному распределению случайной величины. Равномерное распределение - это такое распределение вероятности, плотность которого постоянна в заданном интервале изменения случайной величины X: a≤Х≤b. Равномерно распределенная случайная величина обозначается R(а,b). Там, где встречается R без указания параметров, подразумевается стандартное равномерное распределение на интервале 0≤Х≤1: R(0,1).
Плотность вероятности равномерного распределения на интервале [а, b] постоянна на этом интервале:
а функция распределения:
Для равномерного распределения .
Соответствующие этим функциям графики приведены на рисунке 7.
Рис. 7. Плотность распределения и функция распределения равномерного распределения
На примере равномерного распределения проще всего показать как графически и аналитически рассчитывать вероятность попадания в заданный интервал, т.е. Рrоb{х, ≤ Х< х2}, используя соотношение между плотностью распределения и функцией распределения. Подобно тому, как масса физического тела, равномерно распределенная по объему, находится как произведение плотности (массы в единице объема) на объем, так и вероятность попадания равномерно распределенной случайной величины в заданный интервал равна произведению плотности вероятности на длину интервала, и, таким образом, величина вероятности линейно растет с увеличением длины интервала (внутри области определения [а,b]).