- •1. История развития статистики.
- •2. Статистика как наука
- •3. Абсолютные и относительные показатели вариации
- •4. Статистическая методология
- •5. Основные понятия и категории статистики
- •6. Абсолютные, относительные, средние показатели
- •7. Сущность, виды и формулы для вычисления средних показателей. Область их применения. Средние показатели
- •8. Организация государственной статистики в России
- •9. Статистическая сводка и группировка
- •Виды сводки
- •Сводка состоит из следующих этапов:
- •10. Статистические таблицы
- •11. Статистические графики
- •12. Понятие о статистическом наблюдении, этапы его проведения
- •Этапы статистического наблюдения
- •13. Программа статистического наблюдения
- •Требования к программе статистического наблюдения:
- •14. Средняя, мода и медиана в оценке асимметрии распределения
- •15. Квартили, децили, перцентили
- •Перцентиль
- •16. Типическая, серийная, собственно-случайная и механическая выборки Типическая выборка
- •Серийная (гнездовая) выборка
- •Механическая выборка
- •17. Структурные средние
- •18. Нормальное распределение. Методика расчета теоретических частот нормального распределения
- •19. Критерии согласия, их виды и формулы
- •20. Коэффициент ассоциации и контингенции
- •21. Коэффициенты взаимной сопряженности Пирсона и Чупрова Критерий Пирсона
- •22. Эмпирические коэффициенты детерминации и корреляционного отношения Эмпирический коэффициент детерминации
- •Эмпирическое корреляционное отношение
- •23. Вариация альтернативного признака
- •24. Парная линейная и нелинейная зависимости
- •25. Множественная корреляция
- •26. Сущность корреляционно-регрессионного анализа. Уравнения парной регрессии
- •27. Индивидуальные индексы Индивидуальные индексы
17. Структурные средние
Характеристиками структуры совокупности являются следующие структурные средние:
1. Мода (Mo) – величина признака, наиболее часто встречающаяся в совокупности, т.е. имеющая наибольшую численность в ряду распределения.
а) В дискретном ряду распределения мода определяется визуально.
б) В интервальном ряду распределения визуально можно определить только интервал, в котором заключена мода, который называется модальным интервалом. Мода будет равна:
2. Медиана (Me) – значение признака, приходящееся на середину ранжированного ряда, т.е. делящее ряд распределения на две равные части.
а) В дискретном ряду распределения определяется номер медианы по формуле:
Номер медианы показывает то значение показателя, которое и является медианой.
б) В интервальном ряду распределения медиана рассчитывается по следующей формуле:
18. Нормальное распределение. Методика расчета теоретических частот нормального распределения
Нормальное распределение, также называемое гауссовым распределением или распределением Гаусса —распределение вероятностей, которое задается функцией плотности распределения:
где параметр μ — среднее значение (математическое ожидание) случайной величины и указывает координату максимума кривой плотности распределения, а σ² — дисперсия.
Нормальное распределение играет важнейшую роль во многих областях знаний, особенно в статистической физике. Физическая величина, подверженная влиянию значительного числа независимых факторов, способных вносить с равной погрешностью положительные и отрицательные отклонения, вне зависимости от природы этих случайных факторов, часто подчиняется нормальному распределению, поэтому из всех распределений в природе чаще всего встречается нормальное (отсюда и произошло одно из названий этого распределения вероятностей).
Нормальное распределение зависит от двух параметров — смещения и масштаба, то есть является с математической точки зрения не одним распределением, а целым их семейством. Значения параметров соответствуют значениям среднего (математического ожидания) и разброса (стандартного отклонения).
Стандартным нормальным распределением называется нормальное распределение с математическим ожиданием 0 и стандартным отклонением 1.
1. Вычисляем оценки математического ожидания и дисперсии:
2. Вычисляем границы интервалов нормированной переменной Z:
, i = 0,1,…., m.
Выберем по таблице значения функции Лапласа Ф(Zi);
Найдём вероятность попадания значений нормально распределённой случайной величины Z в i-й частичный интервал:
Вычисляем теоретические частоты: .
19. Критерии согласия, их виды и формулы
Критерий Пирсона, или критерий χ² (Хи-квадрат) — наиболее часто употребляемый критерий для проверки гипотезы о законе распределения. Во многих практических задачах точный закон распределения неизвестен, то есть является гипотезой, которая требует статистической проверки.
Статистикой критерия Пирсона служит величина , (3.91)
Критерий согласия Колмогорова или Критерий согласия Колмогорова-Смирнова — статистический критерий, использующийся для определения того, подчиняются ли дваэмпирических распределения одному закону, либо того, подчиняется ли полученное распределение предполагаемой модели. Носит имена математиков Андрея Николаевича Колмогорова и Николая Васильевича Смирнова.
Критерий Колмогорова-Смирнова о проверке гипотезы об однородности двух эмпирических законов распределения является одним из основных и наиболее широко используемыхнепараметрических критериев, так как достаточно чувствителен к различиям в исследуемых выборках.