- •1.Статистика как наука, основные категории статистики.
- •2.Предмет и методы статистики.
- •3.Статистическое наблюдение, формы наблюдения. Виды статистического наблюдения. Выборочный метод и его назначение.
- •4.Источники первичных данных, непосредственное наблюдение, документальный учет, опрос, виды опросов.
- •5. Подготовка статистического наблюдения, программка наблюдения, формы контроля.
- •6.Статистическая сводка: составные элементы, программа сводки.
- •7. Группировки: виды, назначение, задачи, решаемые с помощью группировок.
- •8. Статистические классификации и их значение.
- •9. Группировка по количественному признаку. Формула Стерджесса.
- •10. Абсолютные величины и их классификация.
- •11. Относительные величины и их классификация.
- •12.Статистические таблицы. Виды таблиц.
- •13. Правила построения и оформления статистических таблиц.
- •14. Средние величины, виды средних. Средняя арифметическая и ее основные свойства.
- •15. Меры вариаций признака и их значение в статистическом исследовании.
- •16. Дисперсия и ее основные свойства.
- •17. Групповая и межгрупповая вариации. Правило сложения дисперсии
- •18. Динамический ряд и его составные элементы. Виды динамических рядов.
- •19. Характеристики динамики по уровням ряда и их значения в анализе
- •20. Характеристики динамики по динамическому ряду в целом и их использование для сглаживания рядов и получения точечных прогнозных оценок.
- •21. Скользящее среднее
- •22. Аналитическое выравнивание динамических рядов. Виды кривых роста (моделей тренда).
- •23. Метод наименьших квадратов для оценки параметров трендовой модели
- •24. Анализ трендовых моделей на адекватность и точность.
- •25. Использование трендовых моделей для прогнозирования.
- •26. Индивидуальные индексы.
- •26.Индивидуальные индексы.
- •27. Общие индексы.
- •28. Индексы средних величин.
19. Характеристики динамики по уровням ряда и их значения в анализе
Для анализа динамических рядов используются различные показатели и характеристики, их принято разделять на показатели (характеристики) по уровням ряда и характеристики по ряду в целом.
К характеристикам по уровням относятся абсолютные приросты :
Базисные:
Yt – текущий уровень ряда
Y0 – базисный (начальный) уровень ряда
Цепные:
Темпы роста базисные:
Цепные:
Темпы прироста базисные :
Цепные:
Коэффициенты роста – базисные:
Цепные:
Абсолютное содержание одного процента роста:
Таким образом содержание одного процента роста это сотая часть предшествующего уровня или базисного уровня если t = 1.
Между рассмотренными показателями имеет место соотношение:
20. Характеристики динамики по динамическому ряду в целом и их использование для сглаживания рядов и получения точечных прогнозных оценок.
Для анализа динамических рядов используются различные показатели и характеристики, их принято разделять на показатели (характеристики) по уровням ряда и характеристики по ряду в целом.
Показатели для ряда в целом:
Средний уровень ряда определяется для интервального ряда как простая среднеарифметическая:
Для ряда моментных показателей как средняя хронологическая:
Средний абсолютный прирост определяется:
Средний темп роста:
Средний абсолютный прирост и средний темп роста (коэффициент роста) могут быть использованы для получения точечных прогнозных оценок.
Сглаживание:
Используется уравнение тенденции динамики – тренд. И рассмотрим линейную форму тренда:
Y – уровни, освобожденные от колебаний, выровненные по прямой
Y0 – начальный уровень тренда в момент или период, принятый за начало отсчета времени t
- среднегодовой абсолютный прирост
Прогноз на основе среднего абсолютного прироста:
l – шаг прогноза или период упреждения
L – длина прогноза
Ограничения для прогноза:
L T/3 (L T/4)
T –предыстория , L – прогноз
Прогноз на основе среднего коэффициента роста:
Используется для сглаживания тренд в форме степенной кривой
Прогноз:
21. Скользящее среднее
Сглаживание или механическое выравнивание динамического ряда, сводится к замене фактических уровней расчетными имеющими меньшую колеблимость. Это позволяет тенденции развития проявить себя более наглядно. Один из наиболее простых методов сглаживания заключается в расчете скользящих (подвижных) средних.
Метод скользящей средней, суть этого метода состоит в замене абсолютных данных средними арифметическими за определенные периоды. Расчет средних ведется способом скольжения, т.е. постепенным исключением из принятого периода скольжения первого уровня и включением следующего.
Для динамического ряда Yt t = 0,1,…T определяется период сглаживания m (число уровней) обычно нечетное . m < n = T + 1
Вычислив среднюю для первых m уровней
Y0, Y1, …, Ym-1
Переходят к вычислению средней уровней
Y1, Y2, …, Ym
Затем уровней
Y2, Y3, …, Ym+1
Таким образом интервал из m уровней для которого рассчитывается среднее, как бы скользит по динамическому ряду с шагом (для интервала) равным единице.
Если m нечетное
m 3 то m = 2 p + 1 , p = m-1/2/
Скользящее среднее определяется как простая арифметическая средняя:
Таким образом число скользящих средних на 2p меньше числа n = T + 1, т.е. числа уровней динамического ряда.
Чем больше период сглаживания, тем в общем случае наглядней проявляется тенденция, но вместе с тем (особенно для коротких динамических рядов, может оказаться чувствительной потеря информации). Расчет скользящей средней при большом числе уровней может осуществляться по рекуррентной формуле:
При этом для первых m уровней рассчитывается скользящая средняя которая принимается в данной рекуррентной формуле за Yt-1 . Таким образом последующая скользящая средняя уменьшается на одну m – ную выходящего из интервала уровня и увеличивается на одну m – ную вновь входящего в данный ряд уровня. Упрощение расчета может осуществляться также с использованием кумулятивной суммы уровней. Uj – сумма уровней от начального до j. Кроме простых скользящих средних, используют также взвешенные скользящие средние при вычислении которых каждому уровню входящему в интервал сглаживания придаются веса, которые вычисляются из условия сглаживания симметричными кривыми с вершиной в середине интервала в виде полиномов второй, третьей степени и более высоких степеней.
Существует еще экспоненциальное среднее, в которых «веса» экспоненциально убывает по мере удаления в предысторию процесса это позволяет отражать влияние последних изменений уровней динамического ряда, что часто используется в прогнозирование.