- •Министерство образования и науки российской федерации
- •Тема № 1. Расчет абсолютных и относительных статистических величин
- •Методические указания
- •Контрольный пример
- •Тема № 2. Расчет средних величин
- •Методические указания
- •3.Дисперсия (д или 2) и среднее квадратическое отклонение
- •Контрольный пример
- •Тема № 3. Определение характеристик генеральной совокупности по выборочным характеристикам
- •Методические указания
- •Контрольный пример
- •Индивидуальные задания
- •Тема № 4. Определение показателей динамического ряда
- •Методические указания
- •Контрольный пример
- •Индивидуальные задания
- •Тема 5. Определение основной тенденции
- •Выполнение задания в среде Microsoft Exсel
- •Контрольный пример
- •Индивидуальные задания
- •Тема №6. Индексный анализ
- •Методические указания
- •Контрольный пример
- •1 Вариант.
- •2 Вариант
- •Индивидуальные задания
- •Тема №7. Статистическое изучение взаимосвязей. Кореляционно-регрессионный анализ Методические указания
- •1. Выбор уравнения регрессии.
- •2. Оценка параметров (a,b,c..) в выбранной модели.
- •Показатели тесноты связи:
- •Выполнение задания в среде Microsoft Exсel с использованием встроенных функций
- •Контрольный пример
- •Расчетная часть
- •Аналитическая записка
- •Индивидуальные задания
- •Литература
Тема 5. Определение основной тенденции
ДИНАМИЧЕСКОГО РЯДА
Исходные данные:
изучаемые моменты или периоды времени ti;
изучаемые уровни (показатели) Уi.
Определить:
коэффициенты выбранного типа зависимости изучаемого показателя от времени - а0 а1;
теоретические уровни изучаемого показателя - Уti ;
- оценить адекватность выбранного типа зависимости на основе использования стандартизированной ошибкой апроксимации Yt.
Методические указания
Необходимо найти плавную линию вокруг которой происходят колебания вверх и вниз фактических значений изучаемого показателя, т.е. произвести выравнивание РД.
Эта линия выражается в виде функции Уt=f(t). Цель состоит в том, чтобы определить вид этой функции (теоретический уровень) и ее коэффициенты.
1 этап. Подбор типа функции.
Для определенного вида кривых выделено несколько классов уравнений, т.е. существуют эталонные типы развития:
а) прямая: Уt=а0 + а1*t;
б) парабола 2 порядка: Уt = а0 + а1*t + a2*t 2
в) парабола 3 порядка: Уt= a0 + a1*t + a2*t2 + a3*t3
г) показательная функция: Уt = а0*а1t
е) cтепенная функция: Уt = а0*t a1
Могут быть использованы и другие типы зависимостей.
2 этап. Определение параметров уравнения.
Выбрав вид функции, необходимо определить ее параметры при помощи метода наименьших квадратов.
Методом наименьших квадратов для уравнения прямой получаем следующие уравнения:
ni=1 Yi*ni=1ti2 - ni=1 ti*Yi*ni=1ti
a0= —————————————————,
n*ni=1ti2 – (ni=1ti)2
nni=1ti*Yi - ni=1ti*ni=1Yi
a1= —————————————— ,
n*ni=1ti2 – (ni=1 ti)2
где n - количество единиц совокупности,
ti- порядковый номер момента или периода времени.
Расчеты можно упростить, если время считать от условного начала, т.е. в середине исходного ряда:
а) При нечетном числе членов ряда порядковый номер уровня (n+1)/2 принять за 0. От него влево (вверх) пронумеровать уровни по порядку со знаком " - ", после него (справа или вниз) - со знаком "+".
Пример.
t1 |
t2 |
t3 |
t4 |
t5 |
t6 |
t7 |
1995 |
1996 |
1997 |
1998 |
1999 |
2000 |
2001 |
-3 |
-2 |
-1 |
0 |
+1 |
+2 |
+3 |
Такое условное масштабирование времени наблюдения уровней позволяет упростить выражение, т.к. ni=1ti = 0 и поэтому получаем:
b) При четном числе уровней нулевое значение условного времени выбирается между двумя центральными значениями.
Пример.
t1 |
t2 |
t3 |
t4 |
t5 |
t6 |
1995 |
1996 |
1997 |
1998 |
1999 |
2000 |
-5 |
-3 |
-1 |
+1 |
+3 |
+5 |
Обратить внимание на то, что интервалы между наблюдениями должны быть равными при масштабировании времен наблюдения.
Этап 3. Расчет значений показателя по теоретической кривой.
В полученное уравнение кривой подставляются исходные значения ti. Таким образом, для одних и тех же временных показателей существуют два значения изучаемого показателя:
фактическое (задано) – Уi,
теоретическое (рассчитанное) - Уti.
Пример: t=1 Уt1 = 0,3 + 0,5* 1 = 0,8.
Этап 4. Оценка адекватности модели.
Рассчитывается показатель среднего линейного отклонения теоретического ряда от фактического
Рассчитывается среднее квадратическое отклонение теоретического ряда от фактического
Yt называется стандартизированной ошибкой апроксимации .
Если апроксимировать фактический ряд по нескольким разным типам кривых, то наиболее адекватна та модель, где ошибка апроксимации меньше. В этом случае расчеты рекомендуется проводить с использованием встроенных функций табличных процессоров, например, Excel.
Кроме табличных процессоров существуют пакеты прикладных программ по статистике, которые позволяют быстро выбрать адекватную модель. Такими пакетами являются STADIA, STATGRAPHICS, SPSS, Statistika, CSS и др.