- •Статистика наука о массовых явлениях
- •Способы получения статистической информации (отчетность обследования)
- •Статистическая совокупность (единица совокупности, виды признаков)
- •Виды статистического наблюдения
- •Ошибки статистического наблюдения.
- •Статистическая сводка и группировка
- •Абсолютные и относительные статистические величины
- •Средние величины на базе степенной средней
- •Вычисление средней арифметической при различных вариантах задания исходных данных и их свойства
- •Порядковые статистики. Квартили. Децили. Способы определения по выборочным данным.
- •Мода, определение по статистическим данным, свойства использования в статистическом анализе.
- •Медиана, определение по статистическим данным, свойства использования в статистическом анализе
- •Вариация признаков- важнейшее свойство единиц статистической совокупности
- •Показатели вариации, наиболее часто употребительные в статистике
- •Дисперсия и среднее квадратическое отклонение
- •Коэффициенты вариации, свойства, области применения
- •Графическое представление вариационного ряда
- •Асимметрия распределения (As )
- •Эксцесс распределения (куртозис, Ex)
- •Сглаживание эмпирического распределения нормальным законно распределения
- •Понятие статистической гипотезы и статистического критерия, как инструмента проверки статистических гипотез
- •Проверка гипотезы о законе распределения
- •Ошибки первого и второго рода при проверке статистических гипотез
- •Критерий согласия Xи квадрат (Критерий к. Пирсона).
- •Выборочный метод
- •Виды выборочного статистического исследования
- •Способы обеспечения случайного отбора при формирования выборки.
- •Расслоенная выборка. Способы формирования выборки при расслоенном отборе
- •Доверительный интервал для генеральной средней.
- •Определение необходимого объема выборки.
- •Повторная и бесповторная выборка
- •Средняя ошибка выборки
- •Предельная ошибка выборки.
- •Малая выборка.
- •36. Парная корреляция и регрессия.
- •37.Оценка тесноты связи в задаче парной корреляции
- •38.Соотношение коэффициента корреляции и корреляционного отношения.
- •39. Коэффициент детерминации.
- •40. Оценка существенности корреляционной связи.
- •41.Доверительный интервал для генерального коэффициента корреляции
- •42.Оценка параметров линейной регрессии.
- •43.Корреляционная таблица
- •44.Эмпирическая регрессия.
- •45.Интерпритация правила сложения дисперсий в контексте задачи анализа корреляций.
- •46.Эмпирическое корреляционное отношение.
- •47.Теоретическое корреляционное отношение
- •48.Оценка значимости коэффициента корреляции
- •49.Ранговые коэффициенты корреляции
- •50.Остаточная дисперсия
- •52.Оценка существенности параметров линейной регрессии.
- •54.Оценка тесноты связи в случае альтернативной вариации
- •55.Множественный коэффициент корреляции
- •56.Частная корреляция.
- •58.Компоненты динамического ряда
- •59. Показатели динамического ряда: абсолютный прирост, средний абсолютный прирост, темпы роста и прироста и их среднее значение.
- •61.Приемы выявление сезонной составляющей динамического ряда
- •62. Аналитическое сглаживание динамических рядов.
- •63. Выбор наилучшего тренда из набора возможных.
- •65. Автокорреляция в динамических рядах.
- •67. Анализ взаимосвязанных динамических рядов (кросс-корреляция).
- •68. Прогнозирование по тренду.
- •69. Доверительный интервал для прогнозных значений.
- •71. Индексы цепные, базисные, индивидуальные и сводные, переменного и фиксированного
- •72. Индекс физического объёма продукции.
- •73. Индекс цен (Схема Пааше и Ласпейреса).
- •74. Взаимосвязь индекса цен и индекса физического объема продукции.
- •75. Индекс себестоимости
47.Теоретическое корреляционное отношение
Универсальным показателем тесноты связи является теоретическое корреляционное отношение:
где — общая дисперсия эмпирических значений y, характеризует вариацию результативного признака за счет всех факторов, включая х;
— факторная дисперсия теоретических значений результативного признака, отражает влияние фактора х на вариацию у;
— остаточная дисперсия эмпирических значений результативного признака, отражает влияние на вариацию у всех остальных факторов кроме х.По правилу сложения дисперсий:
, т.е. Оценка связи на основе теоретического корреляционного отношения (шкала Чеддока)
Значение |
Характер связи |
Значение |
Характер связи |
η = 0 |
Отсутствует |
0,5 ≤ η < 0,7 |
Заметная |
0 < η < 0,2 |
Очень слабая |
0,7 ≤ η < 0,9 |
Сильная |
0,2 ≤ η < 0,3 |
Слабая |
0,9 ≤ η < 1 |
Весьма сильная |
0,3 ≤ η < 0,5 |
Умеренная |
η = 1 |
Функциональная |
48.Оценка значимости коэффициента корреляции
49.Ранговые коэффициенты корреляции
Расчет ранговых коэффициентов корреляции:
Типичная ошибка:
РОСТ |
ВЕС |
170 |
75 |
165 |
64 |
154 |
56 |
176 |
90 |
180 |
78 |
Ранговые коэффициенты корреляции базируются на разности рангов. Формула рангового коэффициента корреляции выведена из формулы линейного коэффициента Пирсона в предположении, что x, y –это особые переменные.
X=1,2,…,n Y=1,2,…,n
Как было сказано 2-ой задачей анализа связей является получение уравнения регрессии, то есть модели, связывающей изменение факторного признака с изменением результативного.
50.Остаточная дисперсия
Остаточная дисперсия отражает влияние на вариацию результативного признака всех остальных факторов (кроме x), не учтенных в модели (в уравнении регрессии), то есть остаточная дисперсия отражает необъясненные расхождения между эмпирическими и теоретическими значениями результативного признака и рассчитывается по формуле:
51.Использование принципа практической невозможности при проверке статистической гипотезы
52.Оценка существенности параметров линейной регрессии.
После построения уравнения линейной регрессии, проводится оценка значимости как уравнения в целом, так и отдельных его параметров. Проверить значимость уравнения регрессии – значит установить, соответствует ли математическая модель, выражающая зависимость между переменными, экспериментальным данным и достаточно ли включенных в уравнение объясняющих переменных (одной или нескольких) для описания зависимой переменной. Оценка значимости уравнения регрессии в целом дается с помощью F-критерия Фишера. При этом выдвигается нулевая гипотеза, что коэффициент регрессии равен нулю, следовательно, фактор х не оказывает влияния на результат у. Величина F–отношения (F-критерий) получается при сопоставлении факторной и остаточной дисперсии в расчете на одну степень свободы. F = Dфакт / Dост F-критерий проверки для нулевой гипотезы Н0: Dфакт = Dост Если нулевая гипотеза справедлива, то факторная и остаточная дисперсии не отличаются друг от друга. Для Н0 необходимо опровержение, чтобы факторная дисперсия превышала остаточную в несколько раз. Английским статистиком Снедекором разработаны таблицы критических значений F-отношений при разных уровнях существенности нулевой гипотезы и различном числе степеней свободы. Табличное значение F-критерия – это максимальная величина отношения дисперсий, которая может иметь место при случайном их расхождении для данного уровня вероятности наличия нулевой гипотезы. Вычисленное значение F-отношения признается достоверным (отличным от 1), если оно больше табличного. В этом случае нулевая гипотеза об отсутствии связи признаков отклоняется и делается вывод о существенности этой связи: Fфакт > Fтабл Н0 отклоняется. Если же величина оказалась меньше табличной Fфакт < Fтабл, то вероятность нулевой гипотезы меньше заданного уровня (например, 0, 05) и она не может быть отклонена без серьезного риска сделать неправильный вывод о наличии связи. В этом случае уравнение регрессии считается статистически незначимым и не отклоняется. Проверка значимости уравнения регрессии производится на основе дисперсионного анализа. В математической статистике дисперсионный анализ рассмотрен как самостоятельный инструмент (метод) статистического анализа. В эконометрике он применяется как вспомогательное средство для изучения качества модели. Центральное место в анализе дисперсии занимает разложение общей суммы квадратов отклонений переменной у от среднего значения у на 2 части - «объясненную» и «необъясненную»:
Общая сумма квадратов отклонений |
= |
Сумма квадратов отклонений, объясненная регрессией |
+ |
Остаточная сумма квадратов отклонений |
или Q = QR + Qe
В переводной литературе принято следующее обозначение: TSS = RSS + ESS
- общая сумма квадратов отклонений;
– сумма квадратов отклонений, обусловленная регрессией;
Q = ESS = – остаточная сумма квадратов отклонений.
53. М.Н.К.- как метод оценки параметров уравнения регрессии.
Основным вычислительным приемом с помощью которого оцениваются параметры регрессионной модели является М.Н.К.(метод наименьших квадратов).
Условие метода наименьших квадратов:
y- Наши исходные данные
- модель регрессии
Полученная по методу наименьших квадратов парабола является единственно возможным решением обеспечивающим минимум суммы квадратов отклонений.
Найденная по МНК уравнение определенного вида, которое соответствует минимуму сумм квадратов отклонений, не исключает того, что модель регрессии из другого класса функций не даст меньшее значение суммы квадратов отклонений.
Рассчитав несколько регрессионных моделей, выбор наилучшей осуществляется по минимальной остаточной дисперсии.
n-объем выбора
k- число параметров регрессионной модели