- •1. История развития статистики.
- •2. Статистика как наука
- •3. Абсолютные и относительные показатели вариации
- •4. Статистическая методология
- •5. Основные понятия и категории статистики
- •6. Абсолютные, относительные, средние показатели
- •7. Сущность, виды и формулы для вычисления средних показателей. Область их применения. Средние показатели
- •8. Организация государственной статистики в России
- •9. Статистическая сводка и группировка
- •Виды сводки
- •Сводка состоит из следующих этапов:
- •10. Статистические таблицы
- •11. Статистические графики
- •12. Понятие о статистическом наблюдении, этапы его проведения
- •Этапы статистического наблюдения
- •13. Программа статистического наблюдения
- •Требования к программе статистического наблюдения:
- •14. Средняя, мода и медиана в оценке асимметрии распределения
- •15. Квартили, децили, перцентили
- •Перцентиль
- •16. Типическая, серийная, собственно-случайная и механическая выборки Типическая выборка
- •Серийная (гнездовая) выборка
- •Механическая выборка
- •17. Структурные средние
- •18. Нормальное распределение. Методика расчета теоретических частот нормального распределения
- •19. Критерии согласия, их виды и формулы
- •20. Коэффициент ассоциации и контингенции
- •21. Коэффициенты взаимной сопряженности Пирсона и Чупрова Критерий Пирсона
- •22. Эмпирические коэффициенты детерминации и корреляционного отношения Эмпирический коэффициент детерминации
- •Эмпирическое корреляционное отношение
- •23. Вариация альтернативного признака
- •24. Парная линейная и нелинейная зависимости
- •25. Множественная корреляция
- •26. Сущность корреляционно-регрессионного анализа. Уравнения парной регрессии
- •27. Индивидуальные индексы Индивидуальные индексы
23. Вариация альтернативного признака
Среди множества варьирующих признаков, изучаемых ста-тистикой, существуют признаки, которыми обладают одни единицы совокупности и не обладают другие. Эти признаки называются альтернативными. Примером таких признаков яв-ляются: наличие бракованной продукции, ученая степень у пре-подавателя вуза, работа по полученной специальности и т. д. Вариация альтернативного признака количественно прояв-ляется в значении нуля у единиц, которые этим призна-ком не обладают, или единицы у тех, которые данный признак имеют.
Пусть р - доля единиц в совокупности, обладающих данным признаком (р = m/n); q - доля единиц, не обладающих данным признаком, причем р + q = 1. Альтернативный признак принима-ет всего два значения - 0 и 1 с весами соответственно q и р.
Альтернативный признак — качественный признак, имеющий две взаимоисключающие разновидности (например, работники предприятия подразделяются на мужчин и женщин; продукция — на годную и бракованную и т. д.).
Альтернативный признак принимает всего два значения: 1 — наличие признака; 0 — отсутствие признака:
24. Парная линейная и нелинейная зависимости
Парная линейная регрессия – линейная связь между двумя переменными x и y (описывается в виде прямой), уровнение y = a + bx, где b – коэффициент регрессии, a – свободный член уравнения регрессии. Парная нелинейная регрессия – нелинейная связь между двумя переменными x и y (описывается в виде кривой, для описания используют логарифмические, экспоненциальные или степенные функции), уравнение y = a + b ln(x). Чем ближе точки к графику, тем теснее связь между переменными.
25. Множественная корреляция
Множественная корреляция (multiple correlation)
М. к. - метод многомерного анализа, широко применяемый в психологии и др.поведенческих науках. М. к. можно рассматривать как расширение двумерной корреляции, а ее коэффициент - как показатель степени связи одной переменной с оптимально взвешенной комбинацией неск. др. переменных. Веса этих переменных определяются методом наименьших квадратов, так чтобы минимизировать остаточную дисперсию.
Коэффициент М. к. принимает значения от 0 до 1 и интерпретируется аналогично коэффициенту двумерной корреляции, если справедливы допущения о прямолинейности и др.характеристиках двумерных интеркорреляций, на основе к-рых вычисляется этот коэффициент.
В психологии квадрат множественной корреляции (R2) или, как его еще наз.,коэффициент множественной детерминации, часто используется для оценки доли дисперсии зависимой переменной, приходящейся на совокупность независимых переменных. Родственный метод - множественная регрессия - используется для предсказания зависимой переменной (или критерия) по совокупности независимых переменных (или предикторов).