- •1. Предмет математической статистики.
- •2. Статистические совокупности, их виды.
- •3. Определяющее свойство статистической совокупности.
- •4. Признаки единиц совокупности, их классификация.
- •5. Описательная характеристика статистических совокупностей.
- •6. Ранжированный ряд распределения, техника его построения.
- •7. Анализ ранжированного ряда распределения.
- •8. Вариационный ряд распределения, техника построения для дискретного признака.
- •9. Интервальный вариационный ряд распределения, техника его построения.
- •10. Анализ дискретного и интервального вариационного ряда распределения.
- •11. Определение статистического показателя применительно к абстрактной статистической совокупности.
- •12. Система статистических показателей для всесторонней характеристики статистического ряда распределения.
- •13. Показатели центральной тенденции, их классификация.
- •14. Параметрические показатели центральной тенденции, их виды, условия применения и алгоритмы расчета.
- •15. Условия типичности параметрических средних.
- •16. Непараметрические средние. Алгоритмы их расчета в ранжированном ряду распределения.
- •17. Алгоритмы расчета структурных средних в дискретном и вариационном рядах распределения.
- •18. Взаимосвязь средней арифметической, моды и медианы.
- •19. Сравнение средней арифметической, моды и медианы.
- •20. Понятие о вариации.
- •Показатели вариации, алгоритмы их расчета
- •Интерпретация показателей вариации
- •Сравнение вариации одного и того же признака в двух совокупностях, сравнение вариации разных по содержанию признаков
- •Конкретная ошибка выборки, распределение конкретных ошибок выборки
- •Средняя ошибка выборки для выборочной средней и выборочной доли
- •61.Область согласия и область отказа. Соотношение между ними
- •62. Статистические таблицы , как инструмент принятия ( отказа ) гипотез
- •68. Особенности проверки гипотезы о соответствии фактического распределения нормальному.: постановка гипотезы; содержание ожидаемых частот; расчет критерия
- •69 Особенности проверки гипотезы о соответствии фактического распределения распределению Пуассона: постановка гипотезы; содержание ожидаемых частот; расчет критерия
- •71. Как критерий независимости. Постановка нулевой и альтернативной гипотез.
- •72. Как критерий независимости. Содержание и алгоритм расчета ожидаемых частот
- •73. Как критерий однородности. Содержание выдвигаемых гипотез
- •74. Как критерий однородности.Какие сравнения определяют величину фактического значения критерия.
- •75. Определение табличного значения критерия при различных аспектах его использования.
- •76. Схема проверки гипотез относительно генеральной средней
- •77. Критерий двухсторонний и односторонний
- •78. Особенности принятия альтернативной гипотезы при направленном ее характере
- •79. Выборки зависимые и независимые
- •80. Особенности проверки гипотез относительно двух средних при равных численностях выборок и равных дисперсиях
- •91. Проверка гипотезы относительно доли признака в двух совокупностях, если хотя бы одна из выборочных долей лежит вне интервала 0,1-0,9
- •92. Проверка гипотезы о принадлежности конкретного наблюдения исследуемой совокупности с использованием критерия t – нормального распределения
- •93. Проверка гипотезы о принадлежности конкретного наблюдения исследуемой совокупности с использованием критерия Диксона
- •94. Постановка гипотез при дисперсионном анализе
- •95 Критерий f- Фишера. Условия его применимости
- •96.Преобразование исходных данных с целью проведения дисперсионного анализа
- •97.Необходимость конкретизации результатов дисперсионного анализа
- •98. Конкретизация результатов дисперсионного анализа на основе критерия q- Тьюки
- •99 Понятие о контрастах
- •100. Схема конкретизации результатов дисперсионного анализа методом контрастов Шефе
- •101. Модель дисперсионного анализа с постоянным эффектом факторов, постановка гипотез и расчет фактического значение критерия.
- •102. Модель дисперсионного анализа со случайным эффектом факторов, постановка гипотез и расчет фактического значение критерия.
- •103. Проверяемые гипотезы при двухфакторном дисперсионном анализе.
- •104. Разложение общего объема вариации признака при двухфакторном дисперсионном анализе и неслучайном формировании повторностей.
- •105. Понятие о многомерном дисперсионном анализе.
- •106. Понятие о корреляционной связи.
- •107. Требования к совокупности и факторным признакам при построении корреляционного уравнения связи.
- •108. Этапы построения уравнения связи.
- •108. Методы нахождения вида уравнения.
- •109. Метод наименьших квадратов, содержание и реализация.
- •110. Интерпретация коэффициентов уравнения.
- •122. Приведение матрицы исходных данных в сопоставимый вид при построении многомерной средней.
- •122. Нормирование исходных данных.
- •125. Выбор итерации, соответствующей оптимальному разбиению.
- •126. Метод k-средних (кластерный анализ с обучением).
- •127. Методы установления центров тяжести.
- •128. Назначение факторного анализа.
- •129. Техника факторного анализа.
- •130. Разложение единичной дисперсии.
- •131. Общность, специфичность, надежность в факторном анализе.
- •132. Общий алгоритм факторного анализа.
- •133. Решение проблемы общности при факторном анализе.
- •134. Установление числа факторов.
- •135. Простая структура Терстоуна.
- •136. Факторные нагрузки.
- •137. Вращение матрицы факторных нагрузок и интерпретация факторов.
- •138. Методы вращения матрицы факторных нагрузок.
- •139. Расчет значений факторов по отдельным наблюдениям.
- •140. Применение результатов факторного анализа при построении регрессионных уравнений.
- •141. Назначение дискриминантного анализа.
- •142. Переменные группировочные и независимые
- •143.Пошаговое включение переменных (переменные в модели и вне модели)
- •144. Канонический анализ, его составляющие
- •150.Матрица классификации
14. Параметрические показатели центральной тенденции, их виды, условия применения и алгоритмы расчета.
Параметрические показатели - для получения параметрических показателей при их расчете требуются все значения признаков.
Из параметрических средних больше всего используются:
1. Средняя арифметическая.
Может быть:
1) Средняя арифметическая простая - используется, если ведется расчет средних по признаку первичному, выраженному прямой величиной.
2) Средняя арифметическая взвешенная - используется, если ведется расчет средней по признаку вторичному, но выраженному прямой величиной.
По алгоритму средней арифметической взвешенной рассчитывается средняя в дискретном вариационном ряду или в интервальном вариационном ряду.
При этом: xi - значение признака, ni - частота встречающегося значения признака.
2. Средняя гармоническая - используется, если признак выражен обратной величиной, то для расчета средней;
3 ) Средняя геометрическая - представляет собой отношение одного и того же признака, но взятого в разный промежуток времени (Цены построение темпа инфляции).
Средняя параметрическая представляет собой типичный размер признака совокупности.
15. Условия типичности параметрических средних.
Для того, чтобы средняя была типичным размером признака совокупности, необходимо выполнение 2х важных условий:
1. Совокупность, по которой считается средняя, должна быть качественно однородной.
Для того, чтобы совокупность была качественно однородной, необходимо, чтобы определяющее свойство выступало бы как решающая причина для формирования величины признака, по которой считается средняя.
2. Совокупность, по которой считается средняя, должна быть достаточно большой.
В процессе суммирования происходит взаимное погашение больших и малых; средняя будет склоняться.
16. Непараметрические средние. Алгоритмы их расчета в ранжированном ряду распределения.
Непараметрические показатели - для получения непараметрических показателей мы можем воспользоваться 1 признаком.
Непараметрические средние:
1. Мода - значение признака с наибольшей частотой встречаемости.
Если в ряду распределения несколько значений признака имеют равные максимальные частоты, то мода не находится и делается оговорка, что распределения мультимодально.
2. Медиана - значение признака, которое делит ряд распределения на 2 равные части по признаку.
Для нахождения медианы в ранжированном ряду:
- Вначале необходимо найти № в ранжированном ряду, которому соответствует медиана.
Для нахождения медианы в интервальном ряду распределения:
- Необходимо найти предварительное распределение накопленных частот.
- Затем медианный №.
- Среди накопленных частот находится та, где впервые встречается медианный №.
- Значение признака соответствует этой накопленной частоте, и будет медианой.
17. Алгоритмы расчета структурных средних в дискретном и вариационном рядах распределения.
В интервальном вариационном ряду как мода, так и медиана находится приблизительно находится с использованием следующих алгоритмов:
Медиана так же, как и мода, находится приблизительно: