- •Статистика
- •Предмет и метод статистики
- •1.Понятие статистики как науки
- •2. Особенности статистики, предмет.
- •3. Основные понятия
- •4. Методология статистики
- •Статистическое наблюдение (сбор данных)
- •1. Понятие статистического наблюдения и этапы.
- •2. Программно – методологические вопросы статистического наблюдения.
- •3. Формы, виды и способы наблюдения.
- •Организационные вопросы статистического наблюдения
- •4. Ошибки статистического наблюдения. Контроль данных.
- •Сводка и группировка статистических данных.
- •1. Статистическая сводка
- •2. Статистическая группировка.
- •3. Принципы построения статистических группировок.
- •4. Вторичная группировка
- •7. Ряды распределения.
- •Статистические таблицы и графики
- •1. Понятие статистической таблицы
- •2. Виды таблиц
- •3. Правила построения таблиц
- •4. Статистические графики
- •Статистические показатели
- •1. Понятие статистического показателя, их классификация.
- •Классификация статистических показателей
- •2. Абсолютные статистические показатели.
- •3. Относительные показатели.
- •Средние показатели
- •1. Сущность и значение средних величин.
- •Плата одного работника Число работников, человек
- •Вклада Число вкладов
- •2. Виды средних.
- •Перечисленные средние объединяются в общей формуле
- •3. Средняя арифметическая, ее свойства.
- •Свойства средней арифметической
- •Метод моментов расчета средней величины.
- •4. Средняя гармоническая. Другие виды средних.
- •5. Структурные средние.
- •Тема: «Показатели вариации».
- •1. Понятие вариации, ее виды
- •2. Показатели вариации
- •3. Свойства σ 2 и σ, формулы их расчета.
- •4 Вариация альтернативного признака
- •5 Виды дисперсий. Правило сложения дисперсий
- •Тема: «Выборочный метод сбора данных».
- •Понятие выборочного метода.
- •Единицы, которые отбираются для обследования, называются выборкой, а вся совокупность – генеральной совокупностью.
- •2. Принципы выборочного метода, ошибки выборки.
- •3. Виды, методы и способы отбора единиц в выборку.
- •4. Расчет средней ошибки выборки для различных способов отбора.
- •5. Предельная ошибка выборки.
- •6. Распределение результатов выборки на генеральную совокупность
- •7. Определение необходимой численности выборки.
- •Статистическое изучение динамики
- •1 Понятие ряда динамики, классификация.
- •2 Основные правила построения рядов динамики
- •3 Показатели анализа рядов динамики
- •4 Структура ряда динамики
- •5 Методы выделения основной тенденции
- •3 Аналитическое выравнивание
- •6 Статистическое изучение сезонности
- •Экономические индексы
- •1. Понятие индексов. Классификация индексов.
- •2. Индивидуальные индексы.
- •3. Общие индексы.
- •Правило построения агрегатного индекса:
- •4 Средние индексы.
- •5 Системы экономических индексов.
- •6 Индексы средних качественных показателей.
- •7 Индексный анализ динамики показателей.
- •Статистическое изучение взаимосвязей
- •1. Понятие взаимосвязей, их классификации
- •Классификации взаимосвязей
- •2. Методы статистического изучения взаимосвязей.
- •3. Построение моделей парной взаимосвязи.
- •4. Оценка адекватности модели
- •5. Оценка тесноты взаимосвязей
- •Тема 11: «Статистика обращения произведенного продукта»
- •Анализ выполнения условий договора между продавцом и покупателем
- •Тема «Статистика издержек обращения» Издержки обращения
3. Построение моделей парной взаимосвязи.
Наиболее разработанной в статистике является методология регрессионного анализа парной зависимости. Один x, один y.
Вид моделей определяется с помощью графического метода или качественного анализа. Некоторые наиболее часто используемые модели имеют вид:
Параметры в модели определяются методом наименьших квадратов.
С истема нормальных уравнений для линейной модели имеет вид:
П араметры модели находятся по формулам
где a0 – показывает усредненное влияние неучтенных в модели факторов.
a1 – показывает на сколько единиц измерения изменяется y при изменении x на одну единицу его измерения.
4. Оценка адекватности модели
Для практического использования моделей регрессионного анализа необходимо проверить их адекватность, т. е. соответствие реальным данным.
Эта оценка проводится в 3 этапа:
Соответствие знаков моделей реальному направлению взаимосвязей между показателями.
Проверка значимости параметров модели.
Для оценки значимости используется t-критерий Стьюдента. Рассчитывается наблюдаемое значение критерия по формулам:
где σостат – среднеквадратическая ошибка модели, определяемая по формуле:
Полученные значения t-критерия сравнивают с табличными значениями tкр (α, n – r). Таблица рассчитана для 2-х параметров α – уровень значимости и n – r – степени свободы.
Если tнабл > tтабл, то параметр считается значимым.
3) Проверка адекватности всего уравнения. Для этого рассчитывается критерий Фишера.
Этот критерий сравнивают с табличным значением распределения Фишера при степенях свободы (n – m) и (m – 1).
Если Fнабл > Fтабл – уравнение адекватно.
На основании проведенного анализа адекватности модели можно сделать следующие выводы:
1. Знаки не соответствуют, параметры не значимы, модель неадекватна, следовательно, модель плохая.
2. Знаки соответствуют, модель адекватна и некоторые параметры незначимы. Модель можно использовать для практического использования, но не для прогнозов.
3. Знаки соответствуют, параметры значимы и модель адекватна. Модель можно использовать везде.
5. Оценка тесноты взаимосвязей
1. Линейный коэффициент корреляции.
Этот коэффициент характеризует тесноту и направление взаимосвязи между x и y при линейной взаимосвязи.
Если rxy>0, то взаимосвязь между ними прямая, если он <0, то взаимосвязь обратная. Чем ближе линейный коэффициент корреляции по модулю к 1, тем связь между х и у теснее, а чем ближе он к 0, тем связь слабее. Выводы о тесноте взаимосвязи по значению rxy делаются на основе соотношений, описанных ранее.
Взаимосвязь между коэффициентом корреляции и параметром линейной модели имеет вид.
2. Теоретический коэффициент корреляции. Для любых моделей.
Чем ближе теоретический коэффициент корреляции к 1, тем связь между х и у теснее, а чем ближе он к 0, тем связь слабее. Выводы о тесноте взаимосвязи по значению ηт делаются с использованием соотношений Чэддока.
Теоретический коэффициент корреляции является более универсальным показателем, чем линейный коэффициент, так как применяется при любой модели взаимосвязи.