- •Курс лекций и практика
- •Модуль I общая теория статистики
- •6.030507 Маркетинг, 6.030601 Менеджмент вэд
- •Содержание
- •Предмет и метод статистики
- •Методы статистики
- •Основные функции статистики
- •Статистика как род деятельности
- •Закон больших чисел.
- •Статистическое наблюдение
- •Формы, виды и способы статистического наблюдения
- •Статистическая отчетность.
- •Программно-методическая подготовка статистических наблюдений
- •Организационные вопросы статистических наблюдений
- •Раздел 1 – программно-методические вопросы:
- •Раздел 2 – организационные вопросы:
- •Ошибки статистического наблюдения
- •Статистическая отчетность
- •Специально организованное статистическое наблюдение (анкета)
- •Статистические показатели и способы их выражения (абсолютные и относительные величины)
- •Виды статистических показателей.
- •Требования к подготовке статистических показателей.
- •Система статистических показателей
- •Модели интегральных показателей
- •Функции системы показателей
- •Абсолютные величины. Способы получения и единицы измерения.
- •Относительные величины, их значение и основные виды, расчет и анализ.
- •Статистическая сводка, группировка, рядов распределения, таблицы и графики
- •Статистические группировки
- •Технология группировки и построения рядов распределения
- •Статистические таблицы и графики
- •Атрибуты статистической таблицы:
- •Статистические Графики
- •Средние величины.
- •Алгоритм подготовки расчета средней величины
- •Виды средних величин и формулы их расчета
- •Алгоритм расчета средней способом отсчета от условного нуля
- •Порядковые средние (структурные или распределительные)
- •Статистическое изучение вариации и формы распределения
- •Основные формулы расчета показателей вариации
- •Методы вычисления дисперсии
- •Правило сложения дисперсии, и ее использование в экономическом анализе
- •Модели и показатели форм распределения
- •Ряды динамики (временные ряды)
- •Понятие о многомерных рядах. Сопоставимость и смыкание рядов динамики.
- •Абсолютные и относительные показатели измерения рядов динамики
- •Средние показатели рядов динамики
- •Трендовый анализ для рядов равномерного развития.
- •Графические методы выявления тренда.
- •Сглаживание ряда динамики методом скользящей средней.
- •Сглаживание динамических рядов методом укрупнения интервала ряда.
- •Корреляция между рядами динамики.
- •Экономические индексы
- •Агрегатная форма общего индекса
- •Средние индексы.
- •Индексы средних величин.
- •Интегральный коэффициент структурных различий.
- •Выборочный метод
- •Ошибки выборки
- •Оптимальная численность выборки
- •Статистические методы измерения связи
- •Виды и методы моделирования связи
- •Оценка адекватности связи и проверка значимости в корреляцинно-регрессионом анализе.
- •Виды и методы моделирования связи
- •Моделирование стоханистических связей
- •Алгоритм двумерного регрессионно - корреляционного анализа (парный):
- •Оценка адекватности связи и проверка значимости в корреляцинно-регрессионом анализе
- •Семинарские и практические занятия по дисциплине
- •Практические занятия
- •Тема 3. Статистические показатели и способы их выражения (абсолютные и относительные величины)
- •Задача 1
- •Задача 2
- •Задача 4
- •Тема 4: Статистическая сводка, группировка, рядов распределения, таблицы и графики
- •Самостоятельно
- •Тема 5 Средние величины.
- •Задача 1
- •Тема 6 Показатели вариации
- •Тема 7 Сглаживание рядов динамики
- •Тема 8 Экономические индексы
- •Тема 9 Выборочное наблюдение
- •Тема 10 «Статистическое изучение вариации и формы распределения»
- •Вопросы к зачету
- •Оценка адекватности связи и проверка значимости в корреляцинно-регрессионом анализе. Тематика контрольных робот
- •Тестовые задания
- •Список использованных источников
- •Допоміжна
- •Терминологический словарь
-
Ошибки выборки
Две меры ошибок выборки в экономическом анализе:
-средние
-предельные
Средняя ошибка (μ) – возможные расхождения между характеристиками выборочной и генеральной совокупности. Факты расхождения: предопределены тем, что ни одна модель выборочного массива не может в идеале повторить модель генерального массива, поэтому
`x ¹ x, P ¹ W
Рассматривается только 1 класс ошибок наблюдение - случайные ошибки репрезентативности
Расчетные формулы средних ошибок зависят от вида ошибки и способа отбора, с помощью которых проводятся выборочные исследования, учитывается тип обобщения – средняя или доля. Идея средней ошибки – средняя колеблемость.
μ =Ö(дисперсия / n)
Схема расчета средних ошибок
повторный бесповторный
x
μx = Ö(G²/n)
μx = Ö((G²/n)/(1-(n/N)))
W
μw = Ö(W(1-W)/n)
μw=Ö((W(1-W)/n)/(1-n/N))
Более точен бесповторный отбор поскольку при нем численность генерального массива N сокращается, в формулу для расчета средней ошибки включается поправочный коэффициент, определяющий истинную долю генерального массива. В математической статистике доказано, что генеральная средняя откланяется от выборочной средней, а генеральная доля от частости на 1 ошибку с вероятностью 0,683
D`x = t×μ,
где t – коэффициент доверия, зависящий от вероятности заключений колеблемости генеральных характеристик и соответственно от числа ошибок при подсчете генеральных характеристик.
Для определения количества ошибок, которые надо учесть при расчете границ колеблемости генеральных характеристик делается по таблицам интервалов вероятностей.
Выписка из таблицы
P t Dx = 2μ
0.683 1 P=0.954
0.954 2 Dw = 3μ
0.997 3 P = 0.947
0.999 4
Вероятность определяется исследователем, назначается им и затем по заданной вероятности с помощью таблиц интегралов вероятности, устанавливается количество учитываемых ошибок
Dx = t×Ö(G²/n) или Dx = t×Ö((G²/n)×(1-n/N))
Dw = t×Ö(W(1-W)/n) или Dw = t×Ö((W(1-W)/n)/(1-n/N))
При использовании типической выборки в расчетных формулах средних и предельных ошибок учитываются средние дисперсии, рассчитанные как средние арифметические из групповых дисперсий: `G² или W(1-W)
При серийной выборке меняется поправочный коэффициент
Dx =t×Ö((G²/r)×((R-r)/(R-1)))
-
Оптимальная численность выборки
Оптимальная численность выборки. Обычно объем выборки не превосходит 25% генерального массива. А пилотные выборки (пробные) заключаются в границах 5-10%. Выборочный метод требует максимально возможного расчетного объема выборки, при этом учитывается следующее правило: средняя ошибка выборки обратно пропорциональна Ön, поэтому при увеличении численности выборки в 4 раза, ошибка уменьшается только вдвое. Надо оценить оправданность увеличения объема работ. Расчет оптимальной численности выборки n вытекает из формул предельных ошибок. Например, собственно случай повторной выборки
Dx² = (t×Ö(G²/r))²,откуда n = (t²· G²)/(Dx²)
Собств. случ. бесповторн.
Dх = t×Ö(G²/n)(1-n/N),откуда n = (t² G²N)/( t² G²+∆²N)
для доли n = (t²W (1-W))/∆²
n = (t²W(1-W)N)/( t²W(1-W)+∆²N)
По всем видам выборки и формам отбора t назначается, дисперсия устанавливается эксперементально или по прошлому опыту, ∆ назначается или учитывается прошлый опыт
Пример: Для определения среднего срока пользования краткосрочным кредитом в банке произведена 5% механическая выборка, в которую попало 100 счетов. В результате установлено, что средний срок пользования краткосрочных кредитов 30 дней при среднем квадратичном отклонении 9 дней. В 5 счетах срок пользования кредитом превышал 60 дней. С вероятностью 0,954 определить пределы, в которых будут находится срок пользования квадратичным кредитом генеральной совокупности и доля счетов со сроком пользования краткосрочным кредитом более 60 дней
Дано: N =2000 Найти: `x = x ± D x
N = 100 `x =30±D x
m = 5 Dx – ?
x = 30дн P = W±DW
G = 9дн. G² = 81 P = 5%±DW
W = m/n = 0.05 Dw - ?
Dx = t μx = t×Ö(G²/n)(1-n/N) = 2Ö((81/100)(1-100/200)) = 1.75дн. = 2дн.
P = 0.954, значит t = 2
30 - 2 ≤`x ≤ 30+2 28≤`x ≤ 32 при p =0.954
С вероятностью 0.954 можно утверждать, что средний срок кредита для всего генерального массива заемщиков заключен у пределах 28-32 дня.
Dw = tμ = 2Ö((n(1-n)/n)(1-n/N)) = 2Ö(((0.05*0.95)/100)(1-100/200)) = 0.04248 или4,25%
0,75 ≤ P ≤ 9.25% при P = 0.954
С вероятностью 0,954 можно утверждать, что доля кредитов в банке со сроком пользования более 60 дней находится в пределах от 0,75% до 9,25%
С сужением границ, уменьшается и вероятность.