- •Организация и функции статистических служб
- •Понятие о статистической информации
- •Статистическое наблюдение
- •Принципы построения статистических группировок
- •Вариационные ряды
- •Графическое отображение вариационных рядов
- •Пример 3.1.
- •Обобщающие статистические показатели
- •1. Средние величины
- •1.1 Средние степенные величины
- •1.2 Средние структурные величины
- •2. Анализ вариационных рядов
- •2.1. Показатели вариации
- •2.1.1. Свойства дисперсии
- •2.1.2 Вариация альтернативного признака
- •2.2. Виды дисперсий в совокупности, разделенной на части. Правило сложения дисперсий
- •3. Моменты распределения Показатели формы распределения
- •3.1. Моменты распределения
- •3.2. Показатели формы распределения
- •3.3. Теоретические кривые распределения
- •4. Выборочное наблюдение в статистике
- •4.1. Закон больших чисел и предельные теоремы
- •Выборочное наблюдение
- •4.2. Ошибка выборки для альтернативного признака
- •4.3 Определение необходимой численности выборки
- •4.4 Формы организации выборочного наблюдения
- •5. Статистические методы изучения взаимосвязи социально-экономических явлений
- •5.1 Регрессионный анализ
- •5.2 Корреляционный анализ
- •6. Ряды динамики
- •6.1 Анализ динамических рядов
- •6.2 Методы анализа тенденций рядов динамики
- •6.3 Сезонные колебания
- •6.4. Статистические методы прогнозирования экономических показателей
- •6.4.1. Прогнозирование на основе экстраполяции тренда
- •8.4.2. Выбор наилучшего тренда при прогнозировании
- •7. Экономические индексы
- •7.1 Общие индексы количественных показателей
- •8.2 Общие индексы качественных показателей
- •7.3 Индексы переменного и фиксированного состава. Индекс структурных сдвигов
- •Приложение Значение критерия Пирсона χ2
- •Приложение Значение t-критерия Стьюдента
- •Приложение Значение f-критерия Фишера при уровне значимости 0,05
- •Окончание приложения
3. Моменты распределения Показатели формы распределения
3.1. Моменты распределения
Для подробного описания особенностей распределения используют дополнительные характеристики – моменты распределения.
Момент распределения k-го порядка – средняя величина отклонений k-й степени от некоторой постоянной величины А:
. (3.1)
Практически используют моменты первых четырех порядков. Если А = , то моменты центральные; А = 0, то моменты начальные; А – произвольное число, то моменты условные.
Начальные моменты |
Центральные моменты |
Нормированные моменты |
(3.2) m0 = 1; m1 – средняя арифметическая () |
(3.3) = 1; = 0 – средний квадрат отклонений, дисперсия (s2) |
(3.4) μ0=1; μ1=0; μ2=1; – показатель асимметрии |
3.2. Показатели формы распределения
Нормированный момент третьего порядка является показателем асимметрии распределения :
. (3.5)
Степень существенности асимметрии характеризуется средней квадратической ошибкой, которая зависит от объема наблюдения:
, (3.6)
Если , то асимметрия существенна.
При симметричном распределении варианты, равноудаленные от , имеют одинаковую частоту, поэтому = 0, а следовательно, и μ3=0.
Если μ3 < 0, то в вариационном ряду преобладают (имеют большую частоту) варианты, которые меньше , т.е. ряд отрицательно ассиметричен (или с левосторонней скошенностью – более длинная ветвь влево). Положительная асимметрия (правосторонняя скошенность – более длинная ветвь вправо) характеризуется значением μ3 > 0 (рис. 2.1). В качестве показателя асимметрии применяется и коэффициент асимметрии Пирсона (As):
. (3.7)
Если As= 0, (т.е. ), то распределение симметричное (нормальное).
Если As < 0, то имеет место левосторонняя асимметрия.
Если As > 0,то имеет место правосторонняя асимметрия.
Если |As| > 0,25, то асимметрия значительна; если |As| < 0,25 – незначительна.
Рис. 2.1 Асимметрия распределения
Нормированный момент четвертого порядка характеризует крутизну (заостренность) графика распределения:
. (3.8)
Для нормального распределения μ4 = 3, поэтому для оценки крутизны исследуемого распределения в сравнении с нормальным из μ4 вычитается 3 и таким образом рассчитывается показатель эксцесса:
. (3.9)
Если Ex = 0, то распределение симметрично;
Ex > 0, то распределение островершинное;
Ex < 0, то распределение плосковершинное (рис. 3.2).
Рис. 3.2. Эксцесс распределения
3.3. Теоретические кривые распределения
Анализ вариационных рядов предполагает выявление закономерностей распределения, определение и построение (получение) некой теоретической (вероятностной) формы распределения. Характер распределения лучше всего проявляется при большом числе наблюдений и малых интервалах. В этом случае графическое отображение эмпирического вариационного ряда принимает вид плавной кривой, именуемой кривой распределения. Кривая распределения может рассматриваться как некая теоретическая (вероятностная) форма распределения, свойственная определенной совокупности в конкретных условиях.
Таким образом, анализируя частоты в эмпирическом распределении, можно описать его с помощью математической модели – закона распределения, установить по исходным данным параметры теоретической кривой и проверить правильность выдвинутой гипотезы и типе распределения данного ряда.
При исследовании закономерностей распределения очень важно выдвинуть верную гипотезу о типе кривой распределения, так как, если кривая описана математически (с помощью уравнения) верно, она более точно отражает закономерности данного распределения и может быть использована в различных практических расчетах и прогнозах. Кроме того, в этом случае можно сформулировать рекомендации для принятия практических решений.
Теоретическое распределение случайной величины – это математическое выражение функциональной зависимости значений случайной величины x и вероятности ее попадания в соответствующий интервал.
Для построения функции теоретического распределения необходимо знать и s и обосновать вид кривой из сведений об экономическом явлении или процессе. Рассмотрим только нормальное распределение, поскольку именно оно наиболее широко применяется при построении статистических моделей.
Распределение непрерывной случайной величины x называют нормальным, если соответствующая ей плотность распределения выражается формулой
,
(3.10)
или ,
где x – значение изучаемого признака;
– средняя арифметическая ряда;
s2 – дисперсия значений изучаемого признака;
s – среднее квадратическое отклонение изучаемого признака;
π = 3,1415926; е = 2,7182;
– нормированное отклонение.
Кривая нормального распределения (рис. 3.3) симметрична относительно вертикальной прямой , поэтому среднюю арифметическую ряда называют центром распределения.
Случайные величины, распределенные по нормальному закону, различаются значениями параметров и s, поэтому важно выяснить, как эти параметры влияют на вид кривой нормального распределения.
Если не меняется, а изменяется только s, то:
-
чем меньше s, тем более вытянута кривая (рис. 3.3, а), а так как площадь, ограниченная осью и данной кривой, равна 1, то вытягивание вверх компенсируется сжатием около центра распределения и более быстрым приближением кривой к оси абсцисс;
-
чем больше s, тем более плоской и растянутой вдоль оси абсцисс становится кривая.
Если s остается неизменной, а изменяется, то кривые нормального распределения имеют одинаковую форму, но отличаются друг от друга положением максимальной ординаты (рис 3.3, б).
Особенности кривой нормального распределения.
-
Кривая симметрична и имеет максимум в точке, соответствующей значению .
-
Кривая асимптотически приближается к оси абсцисс, продолжаясь в обе стороны до бесконечности. Чем больше отдельные значения x отклоняются от , тем реже они встречаются.
-
Кривая имеет две точки перегиба на расстоянии ±s от .
-
Площадь между ординатами, проведенными на расстоянии ±s (заштрихованная область на рис 3.3, б), составляет 0,683. Это означает, что 68,3% всех исследуемых единиц (частот) отклоняется от средней арифметической не более, чем на s, т.е. находится в пределах ±s. В промежутке ±2s находится 95,4%, а в промежутке ±3s соответственно, 99,7% всех единиц исследуемой совокупности.
-
Коэффициенты асимметрии и эксцесса равны нулю.
б)
Рис. 3.3 Кривые нормального распределения