Министерство образования и науки РФ
Федеральное государственное бюджетное образовательное учреждение ВПО Тюменский государственный архитектурно-строительный университет
Кафедра экономики
Контрольная работа
по курсу «СТАТИСТИКА»
раздел «Общая теория статистики»
Выполнила:
Малыгина Ю.В.
ст. гр. БУАиА10-2, очная форма обучения, зачетная книжка №БУ10-16
Проверила:
Евдокимова Е.С.
ТЮМЕНЬ 2012
Вариант 10
Задача 1.
По группе предприятий имеются следующие данные:
Номер п/п |
Валовая продукция |
Среднесписочное число работающих |
Среднегодовая стоимость основных производственных фондов, млн.руб. |
Прибыль, тыс. руб. |
1 |
360 |
445 |
390 |
269 |
2 |
480 |
219 |
470 |
130 |
3 |
980 |
519 |
1590 |
219 |
4 |
230 |
232 |
240 |
196 |
5 |
1330 |
338 |
1240 |
304 |
6 |
490 |
238 |
680 |
273 |
7 |
780 |
344 |
760 |
253 |
8 |
360 |
206 |
490 |
318 |
9 |
960 |
402 |
900 |
122 |
10 |
920 |
495 |
1180 |
158 |
11 |
340 |
201 |
740 |
473 |
12 |
1300 |
530 |
1020 |
105 |
13 |
1550 |
355 |
480 |
290 |
14 |
430 |
140 |
250 |
236 |
15 |
1840 |
198 |
480 |
666 |
16 |
1360 |
335 |
1030 |
277 |
На основе выше представленных результатов 8 % выборочного обследования ТЭП деятельности предприятий города следует :
По несгруппированным сведениям построить линейное уравнение множественной регрессии (у – размер стоимости имущества предприятия) и вычислить его параметры. Оценить эластичность между ТЭП. Построить матрицу линейных коэффициентов корреляции. Рассчитать множественный коэффициент корреляции. Пояснить смысл коэффициента.
На основе параметров множественного уравнения линейной регрессии провести прогноз результативного показателя по предприятию № 11 в силу увеличения на 7,8 % показателя с наименьшей степенью влияния.
Установить зависимость между размером прибыли и прочими показателями.
По исходным данным таблицы № 1 произвести группировку предприятий по размеру стоимости имущества предприятия, выделив 5 групп. Методом аналитической группировки установить характер тесноты связи между исходными ТЭП на одно предприятие с помощью показателей средних величин и оценить структуру распределения предприятий по группам. Результаты оформить в виде таблицы. Сделать выводы.
По результатам группировки оценить зависимость между количеством предприятий в группе и размером результативного признака у с помощью эмпирического корреляционного отношения. Пояснить его смысл. Рассчитать теоретическое корреляционное отношение, пояснить его смысл.
Сравнить результаты анализа методом аналитической группировки и регрессионно-корреляционным методом. Сделать выводы.
С вероятностью 68,3% установить доверительный интервал среднего уровня группировочного признака для всех предприятий региона. Сделать выводы.
Решение:
Линейное уравнение множественной регрессии имеет вид
где: y – размер стоимости имущества предприятия,
x1 – валовая продукция,
x2 – среднесписочное число работающих,
x3 – прибыль.
Система нормальных уравнений имеет вид:
Решим систему уравнений методом подстановки:
Таким образом, линейное уравнение множественной регрессии имеет следующий вид:
отсюда: а0= ; а1=0,1540137; а2=1,97027; а3=0,10481.
Оценим эластичность между ТЭП, воспользовавшись частным коэффициентом эластичности:
где: – среднее значение соответствующего факторного признака;
– среднее значение результативного признака (размер стоимости имущества предприятия);
– коэффициент регрессии при соответствующем факторном признаке.
Для построения матрицы линейных коэффициентов корреляции необходимо рассчитать все ее составляющие:
|
y |
|
|
|
y |
1 |
|
|
|
|
|
1 |
|
|
|
|
|
1 |
|
|
|
|
|
1 |
Аналогично определяем остальные линейные коэффициенты корреляции, в итоге получим:
|
y |
|
|
|
y |
1 |
0,4 |
0,689 |
-0,213 |
|
0,4 |
1 |
0,329 |
0,292 |
|
0,689 |
0,329 |
1 |
-0,481 |
|
-0,213 |
0,292 |
-0,481 |
1 |
Расчет линейных коэффициентов корреляции показал, что между показателем y и показателями x1, x2, x3 существует прямая и обратная зависимость, например, между y и x1, x2 – прямая зависимость (т.е. если увеличиваются x1, x2, то и y также увеличивается и наоборот). А между y и x3 – обратная зависимость: с увеличением x3 значение y уменьшается и наоборот.
Найдем множественный коэффициент корреляции, используя «Вывод итогов» в надстройке Microsoft Excel «Пакет анализа» (см. таблицу ВЫВОД ИТОГОВ):
Вывод: расчеты показали, что с увеличением валовой продукции на 1 у.е., среднесписочного числа работающих на 1 чел. и прибыли на 1 тыс.руб. стоимость имущества предприятия возрастет соответственно в среднем на 0,1540137, 1,97027 и 0,10481 млн.руб. При увеличении валовой продукции, среднесписочного числа работающих и прибыли на 1% стоимость имущества в среднем возрастает соответственно на 0,18, 0,86 и 0,04%. Множественный коэффициент корреляции показал, что связь между факторами х1, х2, х3 и величиной y сильная и прямая, то есть с увеличением факторов х1, х2, х3 следует увеличение и результативного признака у.
ВЫВОД ИТОГОВ
Регрессионная статистика |
|
|
|
|
|
|
|
|
Множественный R |
0,71460082 |
|
|
|
|
|
|
|
R-квадрат |
0,510654333 |
|
|
|
|
|
|
|
Нормированный R-квадрат |
0,388317916 |
|
|
|
|
|
|
|
Стандартная ошибка |
302,2848461 |
|
|
|
|
|
|
|
Наблюдения |
16 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсионный анализ |
|
|
|
|
|
|
|
|
|
df |
SS |
MS |
F |
Значимость F |
|
|
|
Регрессия |
3 |
1144261,462 |
381420,4874 |
4,174180883 |
0,030641838 |
|
|
|
Остаток |
12 |
1096513,538 |
91376,12816 |
|
|
|
|
|
Итого |
15 |
2240775 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение (a0) |
-67,30874251 |
367,4059294 |
-0,183199935 |
0,857700044 |
-867,8174944 |
733,2000093 |
-867,8174944 |
733,2000093 |
Переменная X 1 (a1) |
0,126833017 |
0,196567926 |
0,645237602 |
0,530916702 |
-0,301451701 |
0,555117736 |
-0,301451701 |
0,555117736 |
Переменная X 2 (a2) |
2,036431953 |
0,853804662 |
2,385126298 |
0,034439741 |
0,176151403 |
3,896712502 |
0,176151403 |
3,896712502 |
Переменная X 3 (a3) |
0,1619777 |
0,759712274 |
0,213209271 |
0,834743005 |
-1,493293147 |
1,817248548 |
-1,493293147 |
1,817248548 |
Таблица 1
Расчетная таблица для определения параметров уравнения регрессии
№ |
Y |
X1 |
X2 |
X3 |
Y*X1 |
|
X1*X2 |
X1*X3 |
Y*X2 |
|
X2*X3 |
Y*X3 |
|
|
1 |
390 |
360 |
445 |
269 |
140400 |
129600 |
160200 |
96840 |
173550 |
198025 |
119705 |
104910 |
72361 |
152100 |
2 |
470 |
480 |
219 |
130 |
225600 |
230400 |
105120 |
62400 |
102930 |
47961 |
28470 |
61100 |
16900 |
220900 |
3 |
1590 |
980 |
519 |
219 |
1558200 |
960400 |
508620 |
214620 |
825210 |
269361 |
113661 |
348210 |
47961 |
2528100 |
4 |
240 |
230 |
232 |
196 |
55200 |
52900 |
53360 |
45080 |
55680 |
53824 |
45472 |
47040 |
38416 |
57600 |
5 |
1240 |
1330 |
338 |
304 |
1649200 |
1768900 |
449540 |
404320 |
419120 |
114244 |
102752 |
376960 |
92416 |
1537600 |
6 |
680 |
490 |
238 |
273 |
333200 |
240100 |
116620 |
133770 |
161840 |
56644 |
64974 |
185640 |
74529 |
462400 |
7 |
760 |
780 |
344 |
253 |
592800 |
608400 |
268320 |
197340 |
261440 |
118336 |
87032 |
192280 |
64009 |
577600 |
8 |
490 |
360 |
206 |
318 |
176400 |
129600 |
74160 |
114480 |
100940 |
42436 |
65508 |
155820 |
101124 |
240100 |
9 |
900 |
960 |
402 |
122 |
864000 |
921600 |
385920 |
117120 |
361800 |
161604 |
49044 |
109800 |
14884 |
810000 |
10 |
1180 |
920 |
495 |
158 |
1085600 |
846400 |
455400 |
145360 |
584100 |
245025 |
78210 |
186440 |
24964 |
1392400 |
11 |
740 |
340 |
201 |
473 |
251600 |
115600 |
68340 |
160820 |
148740 |
40401 |
95073 |
350020 |
223729 |
547600 |
12 |
1020 |
1300 |
530 |
105 |
1326000 |
1690000 |
689000 |
136500 |
540600 |
280900 |
55650 |
107100 |
11025 |
1040400 |
13 |
480 |
1550 |
355 |
290 |
744000 |
2402500 |
550250 |
449500 |
170400 |
126025 |
102950 |
139200 |
84100 |
230400 |
14 |
250 |
430 |
140 |
236 |
107500 |
184900 |
60200 |
101480 |
35000 |
19600 |
33040 |
59000 |
55696 |
62500 |
15 |
480 |
1840 |
198 |
666 |
883200 |
3385600 |
364320 |
1225440 |
95040 |
39204 |
131868 |
319680 |
443556 |
230400 |
16 |
1030 |
1360 |
335 |
277 |
1400800 |
1849600 |
455600 |
376720 |
345050 |
112225 |
92795 |
285310 |
76729 |
1060900 |
Сумма |
11940 |
13710 |
5197 |
4289 |
11393700 |
15516500 |
4764970 |
3981790 |
4381440 |
1925815 |
1266204 |
3028510 |
1442399 |
11151000 |
В среднем |
746,25 |
856,875 |
324,8125 |
268,0625 |
712106,25 |
969781,25 |
297810,6 |
248861,9 |
273840 |
120363,4 |
79137,75 |
189281,9 |
90149,94 |
696937,5 |
На основании вышерассчитанных линейных коэффициентов корреляции определим показатель с наименьшей степенью влияния, которым является размер прибыли, так как его линейный коэффициент корреляции ( ) находится ближе всех к -1, что означает обратную зависимость между размером прибыли и стоимостью имущества. Таким образом, проведем прогноз результативного показателя по предприятию №11 в силу увеличения на 7,8% прибыли:
Стоимость имущества до увеличения равняется:
а после увеличения:
Вывод: при увеличении прибыли на 7,8% последует увеличение стоимости имущества с 444,179614 тыс.руб. до 448,046474 тыс.руб.
Для того чтобы установить зависимость между размером прибыли и прочими показателями воспользуемся коэффициентами Спирмена, Фехнера, Конкордации и Кендалла.
Таблица 2
Расчетная таблица для определения коэффициента
корреляции рангов Спирмена между размером прибыли и валовой продукцией.
Номер п/п |
Валовая продукция х1 |
Прибыль, тыс. руб. y |
Ранги |
Разность рангов
|
|
|||
|
|
|||||||
1 |
360 |
269 |
13 |
8 |
5 |
25 |
||
2 |
480 |
130 |
11 |
14 |
-3 |
9 |
||
3 |
980 |
219 |
6 |
11 |
-5 |
25 |
||
4 |
230 |
196 |
15 |
12 |
3 |
9 |
||
5 |
1330 |
304 |
4 |
4 |
0 |
0 |
||
6 |
490 |
273 |
10 |
7 |
3 |
9 |
||
7 |
780 |
253 |
9 |
9 |
0 |
0 |
||
8 |
360 |
318 |
13 |
3 |
10 |
100 |
||
9 |
960 |
122 |
7 |
15 |
-8 |
64 |
||
10 |
920 |
158 |
8 |
13 |
-5 |
25 |
||
11 |
340 |
473 |
14 |
2 |
12 |
144 |
||
12 |
1300 |
105 |
5 |
16 |
-11 |
121 |
||
13 |
1550 |
290 |
2 |
5 |
-3 |
9 |
||
14 |
430 |
236 |
12 |
10 |
2 |
4 |
||
15 |
1840 |
666 |
1 |
1 |
0 |
0 |
||
16 |
1360 |
277 |
3 |
6 |
-3 |
9 |
||
|
|
|
|
|
Сумма |
553 |
где – валовая продукция;
у – размер прибыли;
– квадраты разности рангов;
n – число наблюдений.
Ранговый коэффициент корреляции Кендалла:
;
где S – сумма разностей между числом последовательностей и числом инверсий по
второму признаку;
n – число наблюдений.
Таблица 3
Расчет рангового коэффициента корреляции Кендалла
Среднесписочное число работающих x2 |
Прибыль, тыс. руб. y |
|
|
|
|
pi |
si |
445 |
269 |
13 |
8 |
1 |
2 |
14 |
1 |
219 |
130 |
5 |
14 |
2 |
3 |
13 |
1 |
519 |
219 |
15 |
11 |
3 |
4 |
12 |
1 |
232 |
196 |
6 |
12 |
4 |
9 |
7 |
5 |
338 |
304 |
9 |
4 |
5 |
11 |
5 |
6 |
238 |
273 |
7 |
7 |
6 |
8 |
6 |
4 |
344 |
253 |
10 |
9 |
7 |
7 |
6 |
3 |
206 |
318 |
4 |
3 |
8 |
13 |
3 |
5 |
402 |
122 |
12 |
15 |
9 |
10 |
4 |
3 |
495 |
158 |
14 |
13 |
10 |
1 |
6 |
0 |
201 |
473 |
3 |
2 |
11 |
15 |
1 |
4 |
530 |
105 |
16 |
16 |
12 |
6 |
3 |
1 |
355 |
290 |
11 |
5 |
13 |
14 |
1 |
2 |
140 |
236 |
1 |
10 |
14 |
5 |
2 |
0 |
198 |
666 |
2 |
1 |
15 |
12 |
1 |
0 |
335 |
277 |
8 |
6 |
16 |
16 |
- |
- |
Р=14+13+12+7+5+6+6+3+4+6+1+3+1+2+1=84;
Q=(-1)+(-1)+(-1)+(-5)+(-6)+(-4)+(-3)+(-5)+(-3)+0+(-4)+(-1)+(-2)+0+0=-36.
Коэффициент Фехнера определяется по формуле:
где С – число совпадений знаков отклонений;
Н – число несовпадений знаков отклонений.
Таблица 4
Расчетные данные для определения коэффициента Фехнера
Номер п/п |
Прибыль, тыс. руб. y |
Среднегодовая стоимость основных производственных фондов, млн.руб. x3 |
Знаки отклонений |
|
|
|
|||
1 |
269 |
390 |
+ |
- |
2 |
130 |
470 |
- |
- |
3 |
219 |
1590 |
- |
+ |
4 |
196 |
240 |
- |
- |
5 |
304 |
1240 |
+ |
+ |
6 |
273 |
680 |
+ |
- |
7 |
253 |
760 |
- |
+ |
8 |
318 |
490 |
+ |
- |
9 |
122 |
900 |
- |
+ |
10 |
158 |
1180 |
- |
+ |
11 |
473 |
740 |
+ |
- |
12 |
105 |
1020 |
- |
+ |
13 |
290 |
480 |
+ |
- |
14 |
236 |
250 |
- |
- |
15 |
666 |
480 |
+ |
- |
16 |
277 |
1030 |
+ |
+ |
Итого |
4289 |
11940 |
|
|
Средняя |
268,0625 |
746,25 |
|
|
Коэффициент конкордации вычисляется по формуле:
где m –количество факторов;
n – число наблюдений;
S – отклонение суммы квадратов рангов от средней квадратов рангов.
Таблица 5
Расчет коэффициента конкордации
Номер п/п |
Валовая продукция х1 |
Прибыль, тыс. руб. y |
Ранги |
Сумма строк (рангов) |
Квадраты сумм |
|
|
|
|
|
|||
1 |
360 |
269 |
13 |
8 |
21 |
441 |
2 |
480 |
130 |
11 |
14 |
25 |
625 |
3 |
980 |
219 |
6 |
11 |
17 |
289 |
4 |
230 |
196 |
15 |
12 |
27 |
729 |
5 |
1330 |
304 |
4 |
4 |
8 |
64 |
6 |
490 |
273 |
10 |
7 |
17 |
289 |
7 |
780 |
253 |
9 |
9 |
18 |
324 |
8 |
360 |
318 |
13 |
3 |
16 |
256 |
9 |
960 |
122 |
7 |
15 |
22 |
484 |
10 |
920 |
158 |
8 |
13 |
21 |
441 |
11 |
340 |
473 |
14 |
2 |
16 |
256 |
12 |
1300 |
105 |
5 |
16 |
21 |
441 |
13 |
1550 |
290 |
2 |
5 |
7 |
49 |
14 |
430 |
236 |
12 |
10 |
22 |
484 |
15 |
1840 |
666 |
1 |
1 |
2 |
4 |
16 |
1360 |
277 |
3 |
6 |
9 |
81 |
Сумма |
- |
- |
- |
- |
269 |
5257 |
Вывод: вышерассчитанные коэффициенты показали, что по коэффициенту Спирмена связь между размером прибыли и количеством валовой продукции слабая и прямая, в то же время по коэффициенту конкордации связь между ними заметная и прямая. Значение коэффициента Фехнера свидетельствует о том, что можно предполагать наличие слабой обратной связи между размером прибыли и стоимостью имущества. И коэффициент корреляции Кендалла свидетельствует о наличии слабой прямой связи между размером прибыли и среднесписочным числом рабочих.
В выборку попало 16 предприятий города, что составляет 8% от всей численности организаций, находящихся в городе.
n=16 пред.
% выб.=8%
где: N - генеральная (общая) совокупность;
n - численность выборки.
Интервальная группировка
где i – шаг, величина интервала;
xmax – максимальное значение группировочного признака;
xmin – минимальное значение группировочного признака;
n – количество групп.
Построим 5 групп с равноотстоящими интервалами:
I (xmin) – (xmin+i)
240 – 510
II (xmin+i+1) – (xmin+2i)
511 – 780
III (xmin+2i+1) – (xmin+3i)
781 – 1050
IV (xmin+3i+1) – (xmin+4i)
1051 – 1320
V (xmin+4i+1) – (xmin+5i)
1321 – 1590
Таблица 6
Аналитическая группировка
Группы предприятий по стоимости ОПФ |
Порядковый номер предприятия |
Q |
|
|
Пр |
I 240 - 510 |
1 |
360 |
445 |
390 |
269 |
|
2 |
480 |
219 |
470 |
130 |
|
4 |
230 |
232 |
240 |
196 |
|
8 |
360 |
206 |
490 |
318 |
|
13 |
1550 |
355 |
480 |
290 |
|
14 |
430 |
140 |
250 |
236 |
|
15 |
1840 |
198 |
480 |
666 |
Итого по I группе |
7 |
5250 |
1795 |
2800 |
2105 |
II 511 - 780 |
6 |
490 |
238 |
680 |
273 |
|
7 |
780 |
344 |
760 |
253 |
|
11 |
340 |
201 |
740 |
473 |
Итого по II группе |
3 |
1610 |
783 |
2180 |
999 |
III 781 - 1050 |
9 |
960 |
402 |
900 |
122 |
|
12 |
1300 |
530 |
1020 |
105 |
|
16 |
1360 |
335 |
1030 |
277 |
Итого по III группе |
3 |
3620 |
1267 |
2950 |
504 |
IV 1051 - 1320 |
5 |
1330 |
338 |
1240 |
304 |
|
10 |
920 |
495 |
1180 |
158 |
Итого по IV группе |
2 |
2250 |
833 |
2420 |
462 |
V 1321 - 1590 |
3 |
980 |
519 |
1590 |
219 |
Итого по V группе |
1 |
980 |
519 |
1590 |
219 |
Всего: |
16 |
13710 |
5197 |
11940 |
4289 |
Таблица 7
Расчетная таблица
Группы пред-ий по стоимости ОПФ |
Q, млн. руб. |
, чел. |
, млн. руб. |
Пр, млн. руб. |
||||||||||
всего |
в среднем на 1 пред-ие |
Уд. вес, % |
всего |
в среднем на 1 пред-ие |
Уд. вес, % |
всего |
в среднем на 1 пред-ие |
Уд. вес, % |
всего |
в среднем на 1 пред-ие |
Уд. вес, % |
|||
I (7) |
5250 |
750 |
38,29 |
1795 |
256 |
34,54 |
2800 |
400 |
23,45 |
2105 |
300,71 |
49,08 |
||
II (3) |
1610 |
536,67 |
11,74 |
783 |
261 |
15,07 |
2180 |
726,67 |
18,26 |
999 |
333 |
23,29 |
||
III (3) |
3620 |
1206,67 |
26,4 |
1267 |
422 |
24,38 |
2950 |
983,33 |
24,71 |
504 |
168 |
11,75 |
||
IV (2) |
2250 |
1125 |
16,41 |
833 |
417 |
16,03 |
2420 |
1210 |
20,27 |
462 |
231 |
10,77 |
||
V (1) |
980 |
980 |
7,15 |
519 |
519 |
9,99 |
1590 |
1590 |
13,32 |
219 |
219 |
5,11 |
||
Итого: |
13710 |
856,88 |
100 |
5197 |
325 |
100 |
11940 |
746,25 |
100 |
4289 |
268,06 |
100 |
Средние величины:
- арифметическая простая,
где xi – варианта осредняемого признака;
n – количество наблюдений.
Доля, удельный вес или структура:
Вывод: первая группа предприятий, состоящая из 7, лидирует по объему производства 5250 млн. руб., количеству человек 1795 и полученной прибыли в размере 2105 млн. руб., что составляет 49,08% от всей прибыли по пяти группам и является выгодным как для города, так и владельца предприятия. Но если рассматривать предприятия по отдельности, то большую пользу городу приносят крупные предприятия из группы 3 и 5, так как они обеспечивают повышение уровня занятости населения за счет рабочих мест соответственно 422 и 519 чел. Если же рассуждать с точки зрения предприятия, то более выгодными остаются малые предприятия из групп 1 и 2, так как главными для владельца предприятия остаются высокие показатели прибыли и объема производства.
С помощью эмпирического корреляционного отношения оценим зависимость между количеством предприятий в группе и размером имущества.
Таблица 8
Вспомогательная таблица
Группы предприятий по стоимости ОПФ |
Порядковый номер предприятия |
|
|
I 240 - 510 |
1 |
390 |
700 |
|
2 |
470 |
34300 |
|
4 |
240 |
179200 |
|
8 |
490 |
56700 |
|
13 |
480 |
44800 |
|
14 |
250 |
157500 |
|
15 |
480 |
44800 |
Итого по I группе |
7 |
2800 |
518000 |
II 511 - 780 |
6 |
680 |
6533,333 |
|
7 |
760 |
3333,333 |
|
11 |
740 |
533,333 |
Итого по II группе |
3 |
2180 |
10400 |
III 781 - 1050 |
9 |
900 |
20833,333 |
|
12 |
1020 |
4033,333 |
|
16 |
1030 |
6533,333 |
Итого по III группе |
3 |
2950 |
31400 |
IV 1051 - 1320 |
5 |
1240 |
1800 |
|
10 |
1180 |
1800 |
Итого по IV группе |
2 |
2420 |
3600 |
V 1321 - 1590 |
3 |
1590 |
0 |
Итого по V группе |
1 |
1590 |
0 |
Всего: |
16 |
11940 |
563400 |
Для этого нужно найти:
– Средние значения стоимости имущества предприятия по каждой из 5 групп
– Групповую дисперсию
–Среднюю из групповых дисперсий
–Межгрупповую дисперсию
–Общую дисперсию (по правилу сложения)
–Эмпирическое корреляционное отношение
Вывод: так как , то связь между количеством предприятий в группе и размером имущества тесная, и чем крупнее предприятие и выше его стоимость ОПФ, тем меньше предприятий в городе.
В результате анализа методом аналитической группировки и регрессионно-корреляционным методом получили следующие значения оценки зависимости между показателями:
В итоге можно сказать, что эмпирическое корреляционное отношение показало большую зависимость стоимости имущества от других факторов, чем множественный коэффициент корреляции. Но более точно эту зависимость показывает именно множественный коэффициент корреляции, так как при его расчете исследуется каждое значение выборки, а эмпирическое корреляционное отношение в своем расчете использует средние значения по группам выборки. Таким образом, связь между стоимостью имущества и другими факторами сильная, близка к умеренной.
Установим доверительный интервал среднего уровня стоимости имущества для всех предприятий региона с вероятностью 68,3%, предварительно рассчитав среднюю ошибку бесповторной выборки:
где - средняя из групповых дисперсий (была рассчитана ранее).;
и предельную ошибку выборки с вероятностью 68,3% ( t=1) составит:
Тогда можно утверждать, что при заданной вероятности генеральная средняя будет находиться в следующих границах:
Вывод: на основании проведенного выборочного обследования с вероятностью 68,3% можно заключить, что средняя стоимость имущества предприятий лежит в пределах от 701,2531 до 791,2469 млн.руб.
Задача 2.
Распределение результатов хронометража деятельности операций при обработке деталей одним рабочим характеризуется следующими данными:
Длительность операции, сек. |
47- 49 |
49- 51 |
51- 53 |
53- 55 |
55- 57 |
57- 59 |
59- 61 |
61- 63 |
63- 65 |
65- 67 |
Число операций |
6 |
13 |
15 |
20 |
15 |
11 |
8 |
5 |
4 |
2 |
Определите:
1) среднюю длительность операции;
2) размах вариации;
3) среднее линейное отклонение;
4) среднее квадратическое отклонение;
5) коэффициент вариации;
6) моду и медиану;
7) асимметрию и эксцесс распределения.
Построить полигон и гистограмму распределения.
Решение:
Длительность операции, сек. |
Число операций |
Середина интервала, |
|
|
|
|
|
47-49 |
6 |
48 |
288 |
42,55 |
301,69 |
-2139,23 |
15169,07 |
49-51 |
13 |
50 |
650 |
66,18 |
336,93 |
-1715,26 |
8732,22 |
51-53 |
15 |
52 |
780 |
46,36 |
143,31 |
-442,95 |
1369,10 |
53-55 |
20 |
54 |
1080 |
21,82 |
23,8 |
-25,97 |
28,33 |
55-57 |
15 |
56 |
840 |
13,64 |
12,4 |
11,27 |
10,25 |
57-59 |
11 |
58 |
638 |
32 |
93,09 |
270,81 |
787,81 |
59-61 |
8 |
60 |
480 |
39,27 |
192,79 |
946,44 |
4646,16 |
61-63 |
5 |
62 |
310 |
34,55 |
238,68 |
1649,05 |
11393,41 |
63-65 |
4 |
64 |
256 |
35,64 |
317,49 |
2828,53 |
25199,59 |
65-67 |
2 |
66 |
132 |
21,82 |
238,02 |
2596,54 |
28325,93 |
Итого: |
99 |
570 |
5454 |
353,82 |
1898,18 |
3979,24 |
95661,87 |
Для определения средней длительности операции используем арифметическую взвешенную, так как присутствуют сведения и по длительности операций и по их числу:
Размах вариации определим по формуле как разницу между максимальным и минимальным значением признака (длительность операции):
Вычислим среднее линейное отклонение по принципу взвешенной средней:
Среднее квадратическое отклонение
Коэффициент вариации:
Мода и медиана:
,
где - нижняя граница длительности операции в модальном интервале;
i – шаг интервала, величина интервала;
, , - количество наблюдений соответственно в модальном, в предшествующем модальному и последующем за модальным интервалах.
,
где - нижняя граница длительности операции в медианном интервале;
- общее количество наблюдений;
- сумма накопленных частот до медианного интервала;
- количество наблюдений в медианном интервале.
Асимметрия и эксцесс распределения:
,
где - асимметрия;
- центральный момент 3-го порядка;
- среднее квадратическое отклонение.
;
;
,
где - эксцесс;
- центральный момент 4-го порядка;
- среднее квадратическое отклонение.
;
Гистограмма и полигон распределения:
Вывод: обследование 99 операций показало, что средняя длительность операции составила 55,09 сек. Чаще всего встречающаяся длительность операции 54 сек. Среднее отклонение вариантов длительности операций от их средней величины составляет 3,57 сек.
Расчет асимметрии показал, что для ряда распределения характерна положительная асимметрия, т.е. в ряду распределения преобладают варианты, которые больше, чем средняя.
Отрицательный эксцесс свидетельствует о высоком разбросе длительности операций, что также подтверждает размах вариации равный 20 сек.