6.1. Распределение домохозяйств по размеру

Условие: Приводятся данные о распределении 25 работников одного из предприятий по тарифным разрядам: 4; 2; 4; 6; 5; 6; 4; 1; 3; 1; 2; 5; 2; 6; 3; 1; 2; 3; 4; 5; 4; 6; 2; 3; 4Задача: Построить дискретный вариационный ряд и изобразить его графически в виде полигона распределения.Решение: В данном примере вариантами является тарифный разряд работника. Для определения частот необходимо рассчитать число работников, имеющих соответствующий тарифный разряд.

Тарифный разряд Xi	Число работников fi
1	3
2	5
3	4
4	6
5	3
6	4
Итого:	25

Полигон используется для дискретных вариационных рядов.

Для построения полигона распределения (рис 1) по оси абсцисс (X) откладываем количественные значения варьирующего признака — варианты, а по оси ординат — частоты или частости.

Если значения признака выражены в виде интервалов, то такой ряд называется интервальным. Интервальные рядыраспределения изображают графически в виде гистограммы, кумуляты или огивы.

Статистическая таблица

Условие: Приведены данные о размерах вкладов 20 физических лиц в одном банке (тыс.руб) 60; 25; 12; 10; 68; 35; 2; 17; 51; 9; 3; 130; 24; 85; 100; 152; 6; 18; 7; 42.Задача: Построить интервальный вариационный ряд с равными интервалами.Решение:

1. Исходная совокупность состоит из 20 единиц (N = 20).

2. По формуле Стерджесса определим необходимое количество используемых групп: n=1+3,322*lg20=5

3. Вычислим величину равного интервала: i=(152 — 2) /5 = 30 тыс.руб

4. Расчленим исходную совокупность на 5 групп с величиной интервала в 30 тыс.руб.

5. Результаты группировки представим в таблице:

Размер вкладов тыс.руб Xi	Число вкладов fi	Число вкладов в % к итогу Wi
2 — 32	11	55
32 — 62	4	20
62 — 92	2	10
92 — 122	1	5
122 — 152	2	10
Итого:	20	100

При такой записи непрерывного признака, когда одна и та же величина встречается дважды (как верхняя граница одного интервала и нижняя граница другого интервала), то эта величина относится к той группе, где эта величина выступает в роли верхней границы.

Гистограмма

Для построения гистограммы по оси абсцисс указывают значения границ интервалов и на их основании строят прямоугольники, высота которых пропорциональна частотам (или частостям).

На рис. 6.2. изображена гистограмма распределения населения России в 1997 г. по возрастным группам.

Все население	В том числе в возрасте
	до 10	10-20	20-30	30-40	40-50	50-60	60-70	70 и старше	Всего
Численность населения	12,1	15,7	13,6	16,1	15,3	10,1	9,8	7,3	100,0

Рис. 6.2. Распределение населения России по возрастным группам

Условие: Приводится распределение 30 работников фирмы по размеру месячной заработной платы

Размер заработной платы руб. в месяц	Численность работников чел.
до 5000	4
5000 — 7000	12
7000 — 10000	8
10000 — 15000	6
Итого:	30

Задача: Изобразить интервальный вариационный ряд графически в виде гистограммы и кумуляты.Решение:

1. Неизвестная граница открытого (первого) интервала определяется по величине второго интервала: 7000 — 5000 = 2000 руб. С той же величиной находим нижнюю границу первого интервала: 5000 — 2000 = 3000 руб.

2. Для построения гистограммы в прямоугольной системе координат по оси абсцисс откладываем отрезки, величины которых соответствуют интервалам варицонного ряда. Эти отрезки служат нижним основанием, а соответствующая частота (частость) — высотой образуемых прямоугольников.

3. Построим гистограмму:

Для построения кумуляты необходимо рассчитать накопленные частоты (частости). Они определяются путем последовательного суммирования частот (частостей) предшествующих интервалов и обозначаются S. Накопленные частоты показывают, сколько единиц совокупности имеют значение признака не больше, чем рассматриваемое.

Кумулята

Распределение признака в вариационном ряду по накопленным частотам (частостям) изображается с помощью кумуляты.

Кумулятаили кумулятивная кривая в отличие от полигона строится по накопленным частотам или частостям. При этом на оси абсцисс помещают значения признака, а на оси ординат — накопленные частоты или частости (рис. 6.3).

Рис. 6.3. Кумулята распределения домохозяйств по размеру

4. Рассчитаем накопленные частоты: Наколенная частота первого интервала рассчитывается следующим образом: 0 + 4 = 4, для второго: 4 + 12 = 16; для третьего: 4 + 12 + 8 = 24 и т.д.

Размер заработной платы руб в месяц Xi	Численность работников чел. fi	Накопленные частоты S
до 5000	4	4
5000 — 7000	12	16
7000 — 10000	8	24
10000 — 15000	6	30
Итого:	30	-

При построении кумуляты накопленная частота (частость) соответствующего интервала присваивается его верхней границе:

Огива

Огивастроится аналогично кумуляте с той лишь разницей, что накопленные частоты помещают на оси абсцисс, а значения признака — на оси ординат.

Разновидностью кумуляты является кривая концентрации или график Лоренца. Для построения кривой концентрации на обе оси прямоугольной системы координат наносится масштабная шкала в процентах от 0 до 100. При этом на оси абсцисс указывают накопленные частости, а на оси ординат — накопленные значения доли (в процентах) по объему признака.

Равномерному распределению признака соответствует на графике диагональ квадрата (рис. 6.4). При неравномерном распределении график представляет собой вогнутую кривую в зависимости от уровня концентрации признака.

12.Виды абсолютных и относительных показателей.

Статистический показатель— количественная характеристика социально-экономических явлений и процессов в условиях качественной определенности.

Различают показатель-категорию и конкретный статистический показатель:

Показатель категория определяет содержание статистического показателя, то есть не численное значение определенного показателя, а его элементы: например коэффициент рождаемости, смертности, национального богатства.

Конкретный статистический показатель — это цифровая характеристика изучаемого явления или процесса. Например: численность населения России на данный момент составляет 145 млн.человек.

По форме различают статистические показатели:

• Абсолютные

• Относительные

• Средние

По охвату единиц различают индивидуальные и сводные показатели.

Индивидуальные показатели— характеризуют отдельный объект или отдельную единицу совокупности (прибыль фирмы, размер вклада отдельного человека).

Сводные показатели— характеризуют часть совокупности или в всю статистическую совокупность в целом. Их можно получить как объемные и расчетные. Объемные показатели получают путем сложения значений признака отдельных единиц совокупности. Полученная величина называется объемом признака. Расчетные показатели вычисляются по различным формулам и используются при анализе социально-экономических явлений.

Статистические показатели по временному фактору делятся на:

• Моментныепоказатели — отражают состояние или уровень явления на определенный момент времени. Например, число вкладов в Сбербанке на конец какого-либо периода.

• Интервальныепоказатели — характеризуют итоговый результат за период (день, неделя, месяц, квартал, год) в целом. Например, объем произведенной продукции за год.

Статистические показатели связаны между собой. Поэтому, чтообы составить целостное представление об изучаемом явлении или процессе, необходимо рассматривать систему показателей.

Абсолютная величина

Статистикаизмеряет и выражает явления общественной жизни с помощью количественных категорий — статистических величин. Результатыстатистического наблюденияполучают прежде всего в форме абсолютных величин, которые служат основой для расчета и анализа статистических показателей на следующих этапах статистического исследования.

Абсолютная величина— объем или размер изучаемого события или явления, процесса, выраженного в соответствующих единицах измерения в конкретных условиях места и времени.

Виды абсолютных величин:

• Индивидуальная абсолютная величина — характеризует единицу совокупности

• Суммарная абсолютная величина — характеризует группу единиц или всю совокупность

Результатом статистического наблюдения являются показатели, которые характеризуют абсолютные размеры или свойства изучаемого явления у каждой единицы наблюдения. Они называются индивидуальными абсолютными показателями. Если показатели характеризуют всю совокупность в целом, они называются обобщающими абсолютными показателями. Статистические показатели в форме абсолютных величин всегда имеют единицы измерения: натуральные или стоимостные.

Формы учета абсолютных величин:

• Натуральный — физические единицы (штук, человек)

• Условно-натуральный — применяется при подсчете итогов по продукции одинакового потребительского качества но широкого ассортимента. Перевод в условное измерение осуществляется с помощью коэффициента пересчета: К_{пересчета}=фактическое потребительское качество / эталон (заранее заданное качество)

• Стоимостной учет — денежные единицы

Натуральные единицы измерения бывают простыми, составными и условными.

Простые натуральные единицыизмерения — это тонны, километры, штуки, литры, мили, дюймы и т. д. В простых натуральных единицах также измеряется объем статистической совокупности, т. е. число составляющих ее единиц, или объем отдельной ее части.

Составные натуральные единицыизмерения имеют расчетные показатели, получаемые как произведение двух или нескольких показателей, имеющих простые единицы измерения. Например, учет затрат труда на предприятиях выражается в отработанных человеко-днях (число работников предприятия умножается на количество отработанных за период дней) или человеко-часах (число работников предприятия умножается на среднюю продолжительность одного рабочего дня и на количество рабочих дней в периоде); грузооборот транспорта выражается в тонно-километрах (масса перевезенного груза умножается на расстояние перевозки) и т. д.

Условно-натуральные единицыизмерения широко используют в анализе производственной деятельности, когда требуется найти итоговое значение однотипных показателей, которые напрямую несопоставимы, но характеризуют одни и те же свойства объекта.

Натуральные единицы пересчитываются в условно-натуральные путем выражения разновидностей явления в единицах какого-либо эталона.

Например:

• различные виды органического топлива переводятся в условное топливо с теплотой сгорания 29,3 МДж/ кг

• мыло разных сортов — в условное мыло с 40%-ным содержанием жирных кислот

• консервы различного объема — в условные консервные банки объемом 353,4 см3,

• для подсчета общего объема работы транспорта складывают тонно-километры перевезенных грузов и пассажиро-километры, произведенные пассажирским транспортом, условно приравнивая при этом перевозку одного пассажира к перевозке одной тонны груза и т. д.

Перевод в условные единицы осуществляется с помощью специальных коэффициентов. Например, если имеется 200 т мыла с содержанием жирных кислот 40% и 100 т с содержанием жирных кислот 60%, то в пересчете на 40%-ное, получим общий объем 350 т условного мыла (коэффициент пересчета определяется как отношение 60 : 40 = 1,5 и, следовательно, 100 т · 1,5 = 150 т условного мыла).

Пример 1

Найти условно-натуральную величину:

Допустим мы производим тетради:

• по 12 листов — 1000 шт;

• по 24 листа — 200 шт;

• по 48 листов — 50 шт;

• по 96 листов — 100 шт.

Решение: Задаем эталон — 12 листов. Считаем коэффициент пересчета:

• 12/12=1

• 24/12=2

• 48/12=4

• 96/12=8

Ответ: Условно натуральная величина =1000*1 + 200*2 + 50*4 + 100*8 = 2400 тетрадей по 12 листов

В условиях рыночной экономикинаибольшее значение и применение имеют стоимостные единицы измерения: рубли, доллары, евро, условные денежные единицы и др. Для оценки социально-экономических явлений и процессов используются показатели в текущих или фактически действующих ценах или в сопоставимых ценах.

Сама по себе абсолютная величина не дает полного представления об изучаемом явлении, не показывает его структуру, соотношение между отдельными частями, развитие во времени. В ней не выявлены соотношения с другими абсолютными величинами. Поэтому статистика, не ограничиваясь абсолютными величинами, широко использует общенаучные методы сравнения, обобщения.

Абсолютные величины имеют большое научное и практическое значение. Они характеризуют наличие тех или иных ресурсов и являются основой разнообразных относительных показателей.

Относительные величины

Наряду с абсолютными величинами в экономическом анализеиэкономической статистикеиспользуются также различные относительные величины. Относительные величины представляют собой различные коэффициенты или проценты.

Относительные статистические величины— это показатели, которые дают числовую меру соотношения двух сопоставляемых между собой величин.

Основное условие правильного расчета относительных величин — сопоставимость сравниваемых величин и наличие реальных связей между изучаемыми явлениями.

Относительная величина = сравниваемая величина / базис

• Величина, находящаяся в числителе соотношения, называется текущей или сравниваемой.

• Величина, находящаяся в знаменателе соотношения, называется основанием или базой сравнения.

По способу получения относительные величины — это всегда всегда величины производные (вторичные).

Они могут быть выражены:

• в коэффициентах, если база сравнения принимается за единицу(АбсВеличина / Базис) * 1

• в процентах, если база сравнения принимается за 100(АбсВеличина / Базис) * 100

• в промилле, если база сравнения принимается за 1000(АбсВеличина / Базис) * 1000Например показатель рождаемости в форме относительной величины, исчисляемый в промилле показывает число родившихся за год в расчете на 1000 человек.

• в продецимилле, если база сравнения принимается за 10000(АбсВеличина / Базис) * 10000

Различают следующие виды относительных статистических величин:

• Относительная величина динамики

• Относительная величина планового задания

• Относительная величина выполнения плана

• Относительная величина структуры

• Относительная величина координации

• Относительная величина интенсивности

• Относительная величина сравнения

Относительная величина координации

Относительная величина координации(показатель координации) — представляет собой соотношение частей совокупности между собой. При этом в качестве базы сравнения выбирается та часть, которая имеет наибольший удельный вес или является приоритетной с экономической, социальной или какой-либо иной точки зрения.

ОВК = показатель характеризующий часть совокупности / показатель характеризующий часть совокупности, выбранную за базис сравнения

Относительная величина координации показывает, во сколько раз одна часть совокупности больше или меньше другой, принятой за базу сравнения, или сколько процентов от нее составляет, или сколько единиц одной части целого приходится на 1, 10, 100, 1000,..., единиц другой (базисной) части. Например в 1999 г. в России насчитывалось 68,6 млн.мужчин и 77,7 млн.женщин, следовательно, на 1000 мужчин приходилось (77,7/68,6)*1000=1133 женщины. Аналогично можно рассчитать сколько на 10 (100) инженеров приходится техников; число мальчиков, приходящихся на 100 девочек среди новорожденных и др.

Пример: на предприятии работают 100 менеджеров 20 курьеров и 10 руководителей.Решение: ОВК = (100 / 20)*100% = 500%. Менеджеров в 5 раз больше чем курьеров. тоже самое с помощью ОВС (пример 5): ( 77%/15% ) * 100% = 500%

Относительная величина структуры

Относительная величина структуры(показатель структуры)- характеризует удельный вес части совокупности в ее общем объеме. Относительную величину структуры часто называют "удельный вес" или "доля".

ОВС = показатель, характеризующий часть совокупности / показатель по всей совокупности в целом

Пример: на предприятии работают 100 менеджеров 20 курьеров и 10 руководителей. Всего 130 чел.

• Доля курьеров =( 20/130 ) * 100% = 15%

• Удельный вес менеджеров = (100 / 130) * 100% = 77%

• ОВС руководителей = 8%

Сумма всех ОВС должна быть равна 100% или единице.

Относительная величина сравнения

Относительная величина сравнения(показатель сравнения) — характеризует соотношение между разными совокупностями по одноименным показателям.

Пример 8: Объем выданных кредитов частным лицам на 1 февраля 2008 г. Сбербанком России составил 520189 млн.руб, по Внешторгбанку — 10915 млн.руб.Решение: ОВС = 520189 / 10915 = 47,7 Таким образом, объем выданных кредитов частным лицам Сбербанком России на 1 февраля 2006 г. был выше в 47,7 раза, чем аналогичный показатель Внешторгбанка.

13.Определение относительных показателей динамики: темпов роста, плана, реализации плана, структуры, координации, интенсивности, сравнения.

Относительные величины, используемые в статистической практике:

• относительная величина структуры;

• относительная величина координации;

• относительная величина планового задания;

• относительная величина выполнения плана;

• относительная величина динамики;

• относительная величина сравнения;

• относительная величина интенсивности.

Относительная величина структуры (ОВС)характеризует структуру совокупности, определяет долю (удельный вес) части в общем объеме совокупности. ОВС рассчитывают как отношение объема части совокупности к абсолютной величине всей совокупности, определяя тем самым удельный вес части в общем объеме совокупности (%):

(4.1)

где m_i- объем исследуемой части совокупности; M - общий объем исследуемой совокупности.

Относительная величина координации (ОВК)характеризует соотношение между двумя частями исследуемой совокупности, одна из которых выступает как база сравнения (%):

(4.2)

где m_i- одна из частей исследуемой совокупности; m_б- часть совокупности, которая является базой сравнения.

Относительная величина планового задания (ОВПЗ)используется для расчета в процентном отношении увеличения (уменьшения) величины показателя плана по сравнению с его базовым уровнем в предшествующем периоде, для чего используется формула

(4.3)

где Р_пл- плановый показатель; Р₀- фактический (базовый) показатель в предшествующем периоде.

Относительная величина выполнения плана (ОВВП)характеризует степень выполнения планового задания за отчетный период (%) и рассчитывается по формуле

(4.4)

где Р_ф- величина выполнения плана за отчетный период; Р_пл- величина плана за отчетный период.

Относительная величина динамики (ОВД)характеризует изменение объема одного и того же явления во времени в зависимости от принятого базового уровня. ОВД рассчитывают как отношение уровня анализируемого явления или процесса в текущий момент времени к уровню этого явления или процесса за прошедший период времени. В результате мы получаемкоэффициент роста, который выражается кратным отношением. При исчислении этой величины в процентах (результат умножается на 100) получаемтемп роста.

Темпы роста можно просчитывать как с постоянным базовым уровнем (базисные темпы роста- ОВД_б), так и с переменным базовым уровнем (цепные темпы роста- ОВД_ц):

(4.5)

где Р_т- уровень текущий; Р_б- уровень базисный;

(4.6)

где Р_т- уровень текущий; Р_т-1- уровень, предшествующий текущему.

Относительная величина сравнения (ОВСр)- соотношение одноименных абсолютных показателей, относящихся к разным объектам, но к одному и тому же времени (например, соотносятся темпы роста населения в разных странах за один и тот же период времени):

(4.7)

где М_А- показатель первого одноименного исследуемого объекта; М_Б- показатель второго одноименного исследуемого объекта (база сравнения).

Все предыдущие показатели относительных величин характеризовали соотношения одноименных статистических объектов. Однако есть группа относительных величин, которые характеризуют соотношение разноименных, но связанных между собой статистических показателей. Эту группу называют группойотносительных величин интенсивности (ОВИ), которые выражаются, как правило, именованными числами. В статистической практике относительные величины интенсивности применяются при исследовании степени объемности явления по отношению к объему среды, в которой происходит распространение этого явления. ОВИ здесь показывает, сколько единиц одной совокупности (числитель) приходится на одну, на десять, на сто единиц другой совокупности (знаменатель).

Примерами относительных величин интенсивности могут служить, скажем, показатели уровня технического развития производства, уровня благосостояния граждан, показатели обеспеченности населения средствами массовой информации, предметами культурно-бытового назначения и т.д. ОВИ рассчитывается по формуле

(4.8)

где А - распространение явления; В_А- среда распространения явления А.

При расчете относительных величин интенсивности может возникнуть проблема выбора адекватной явлению базы сравнения (среды распространения явления). Например, при определении показателя плотности населения нельзя брать в качестве базы сравнения общий размер территории того или иного государства, в этом случае базой сравнения может быть лишь территория в 1 км². Критерием правильности расчета является сопоставимость по разработанной методологии расчета сравниваемых показателей, применяющихся в статистической практике.

14.Сущность и виды средних.

Средней величинойназывается статистический показатель, который дает обобщенную характеристикуварьирующего признакаоднородныхединиц совокупности.

Величина средней дает обобщающую количественную характеристику всей совокупности и характеризует ее в отношении данного признака.

Так, например, средняя заработная платадает обобщающую количественную характеристику состояния оплаты труда рассматриваемой совокупности работников. Кроме того, используя средние величины, имеется возможность сопоставлять различные информационные совокупности. Так, например, можно сравнивать различные организации по уровню производительности труда, а также по уровнюфондоотдачи,материалоотдачии по другим показателям.

Сущность среднейзаключается в том, что в ней взаимопогашаются случайные отклонения значений признака и учитываются изменения вызванные основным фактором.

Статистическая обработка методом средних величин заключается в замене индивидуальных значений варьирующего признака некоторой уравновешенной средней величиной.

Виды средних величин

Средние величины делятся на два больших класса: степенные средние и структурные средние

Степенные средние:

• Арифметическая — Равна отношению суммы индивидуальных значений признака к количеству признаков в совокупности

• 

Гармоническая — используется в тех случаях когда известны индивидуальные значения признака и произведение, ачастоты неизвестны.

В примере ниже — урожайность известна,— площадь неизвестна (хотя её можно вычислить делением валового сбора зерновых на урожайность),— валовый сбор зерна известен.

Среднегармоническую величину можно определить по следующей формуле:

Геометрическая Среднегеометрическая величина дает возможность сохранять в неизменном виде не сумму, а произведение индивидуальных значений данной величины. Ее можно определить по следующей формуле:

Среднегеометрические величины наиболее часто используются при анализе темпов роста экономических показателей

Квадратическая Средние диаметры колес, труб, средние стороны квадратов определяются при помощи средней квадратической.

Среднеквадратические величины используются для расчета некоторых показателей, например коэффициент вариации, характеризующего ритмичность выпуска продукции. Здесь определяют среднеквадратическое отклонение от планового выпуска продукции за определенный период по следующей формуле:

Структурные средние:

• Мода — это наиболее часто встречающийся вариант ряда. Мода применяется, например, при определении размера одежды, обуви, пользующейся наибольшим спросом у покупателей. Модой для дискретного ряда является варианта, обладающая наибольшей частотой. При вычислении моды для интервального вариационного ряда необходимо сначала определить модальный интервал (по максимальной частоте), а затем — значение модальной величины признака по формуле:

• 

• где:

• — значение моды

• — нижняя граница модального интервала

• — величина интервала

• — частота модального интервала

• — частота интервала, предшествующего модальному

• — частота интервала, следующего за модальным

• Медиана  — это значение признака, которое лежит в основе ранжированного ряда и делит этот ряд на две равные по численности части.

Выбор формы средней величины зависит от исходной базы расчета средней и от имеющейся экономической информации для ее расчета.

Исходной базой расчета и ориентиром правильности выбора формы средней величины являются экономические соотношения, выражающие смысл средних величин и взаимосвязь между показателями.

15.Область применения и расчет средней арифметической простой и взвешенной. Основные свойства средней арифметической и их применения.

Самым распространенным видом средней является средняя арифметическая.

Средняя арифметическая простая

Простая среднеарифметическая величина представляет собой среднее слагаемое, при определении которого общий объем данного признака в совокупности данных поровну распределяется между всеми единицами, входящими в данную совокупность. Так, среднегодовая выработка продукции на одного работающего — это такая величина объема продукции, которая приходилась бы на каждого работника, если бы весь объем выпущенной продукции в одинаковой степени распределялся между всеми сотрудниками организации. Среднеарифметическая простая величина исчисляется по формуле:

Простая средняя арифметическая — Равна отношению суммы индивидуальных значений признака к количеству признаков в совокупности

Пример 1. Бригада из 6 рабочих получает в месяц 3 3,2 3,3 3,5 3,8 3,1 тыс.руб.

Найти среднюю заработную плату Решение: (3 + 3,2 + 3,3 +3,5 + 3,8 + 3,1) / 6 = 3,32 тыс. руб.

Средняя арифметическая взвешенная

Если объем совокупности данных большой и представляет собой ряд распределения, то исчисляется взвешенная среднеарифметическая величина. Так определяют средневзвешенную цену за единицу продукции: общую стоимость продукции (сумму произведений ее количества на цену единицы продукции) делят на суммарное количество продукции.

Представим это в виде следующей формулы:

•  — цена за единицу продукции;

•  — количество (объем) продукции;

Взвешенная средняя арифметическая — равна отношению (суммы произведений значения признака к частоте повторения данного признака) к (сумме частот всех признаков).Используется, когда варианты исследуемой совокупности встречаются неодинаковое количество раз.

Пример 2. Найти среднюю заработную плату рабочих цеха за месяц

Заработная плата одного рабочего тыс.руб; X	Число рабочих F
3,2	20
3,3	35
3,4	14
4,0	6
Итого:	75

Средняя заработная плата может быть получена путем деления общей суммы заработной платы на общее число рабочих:

Ответ: 3,35 тыс.руб.

Средняя арифметическая для интервального ряда

При расчете средней арифметической для интервального вариационного ряда сначала определяют среднюю для каждого интервала, как полусумму верхней и нижней границ, а затем — среднюю всего ряда. В случае открытых интервалов значение нижнего или верхнего интервала определяется по величине интервалов, примыкающих к ним.

Средние, вычисляемые из интервальных рядов являются приближенными.

Пример 3. Определить средний возраст студентов вечернего отделения.

Возраст в годах !!х??	Число студентов	Среднее значение интервала	Произведение середины интервала (возраст) на число студентов
до 20	65	(18 + 20) / 2 =19 18 в данном случае граница нижнего интервала. Вычисляется как 20 — (22-20)	1235
20 — 22	125	(20 + 22) / 2 = 21	2625
22 — 26	190	(22 + 26) / 2 = 24	4560
26 — 30	80	(26 + 30) / 2 = 28	2240
30 и более	40	(30 + 34) / 2 = 32	1280
Итого	500		11940

Средние, вычисляемые из интервальных рядов являются приближенными. Степень их приближения зависит от того, в какой мере фактическое распределение единиц совокупности внутри интервала приближается к равномерному.

При расчете средних в качестве весов могут использоваться не только абсолютные, но и относительные величины (частость):

Средняя арифметическая обладает целым рядом свойств, которые более полно раскрывают ее сущность и упрощают расчет:

1. Произведение средней на сумму частот всегда равно сумме произведений вариант на частоты, т.е.

2.Средняя арифметическая суммы варьирующих величин равна сумме средних арифметических этих величин:

3.Алгебраическая сумма отклонений индивидуальных значений признака от средней равна нулю:

4.Сумма квадратов отклонений вариантов от средней меньше, чем сумма квадратов отклонений от любой другой произвольной величины , т.е:

5. Если все варианты ряда уменьшить или увеличить на одно и то же число , то средняя уменьшится на это же число:

6.Если все варианты ряда уменьшить или увеличить в раз, то средняя также уменьшится или увеличится враз:

7.Если все частоты (веса) увеличить или уменьшить в раз, то средняя арифметическая не изменится:

16.Область применения и расчет средней гармонической, квадратической и кубической.

Средняя гармоническая

Средняя гармоническая применяется, когда исходные данные не содержат частот f по отдельным значениям X, а представлены как их произведение Xf. Обозначив Xf=w, выразим f=w/X, и, подставив эти обозначения в формулу средней арифметической взвешенной, получим формулу средней гармонической взвешенной:

Таким образом, средняя гармоническая взвешенная применяется тогда, когда неизвестны частоты f, а известно w=Xf. В тех случаях, когда все w=1, то есть индивидуальные значения X встречаются по 1 разу, применяется формула средней гармонической простой:

Например, автомобиль ехал из пункта А в пункт Б со скоростью 90 км/ч, а обратно - со скоростью 110 км/ч. Для определения средней скорости применим формулу средней гармонической простой, так как в примере дано расстояние w₁=w₂ (расстояние из пункта А в пункт Б такое, же как и из Б в А), которое равно произведению скорости (X) на время (f). Средняя скорость = (1+1)/(1/90+1/110) = 99 км/ч.

Средняя геометрическая

Средняя геометрическая применяется при определении средних относительных изменений, о чем сказано в теме Ряды динамики. Геометрическая средняя величина дает наиболее точный результат осреднения, если задача стоит в нахождении такого значения X, который был бы равноудален как от максимального, так и от минимального значения X.

Например, в период с 2005 по 2008 годы индекс инфляции в России составлял: в 2005 году - 1,109; в 2006 - 1,090; в 2007 - 1,119; в 2008 - 1,133. Так как индекс инфляции - это относительное изменение (индекс динамики), то рассчитывать среднее значение нужно по средней геометрической: (1,109*1,090*1,119*1,133)^(1/4) = 1,1126, то есть за период с 2005 по 2008 ежегодно цены росли в среднем на 11,26%. Ошибочный расчет по средней арифметической дал бы неверный результат 11,28%.

Средняя квадратическая

Средняя квадратическая применяется в тех случая, когда исходные значения X могут быть как положительными, так и отрицательными, например при расчете средних отклонений.

Главной сферой применения квадратической средней является измерение вариации значений X, о чем пойдет речь позднее в этой лекции.

Средняя кубическая

Средняя кубическая применяется крайне редко, например, при расчете индексов нищеты населения для развивающихся стран (ИНН-1) и для развитых (ИНН-2), предложенных и рассчитываемых ООН.

17.Абсолютные показатели вариации: размах вариации, среднее линейное отклонение (простое, взвешенное).

Вариация — это различия индивидуальных значений признака у единиц изучаемой совокупности. Исследование вариации имеет большое практическое значение и является необходимым звеном в экономическом анализе. Необходимость изучения вариации связана с тем, что средняя, являясь равнодействующей, выполняет свою основную задачу с разной степенью точности: чем меньше различия индивидуальных значений признака, подлежащих осреднению, тем однороднее совокупность, а, следовательно, точнее и надежнее средняя, и наоборот. Следовательно по степени вариации можно судить о границах вариации признака, однородности совокупности по данному признаку, типичности средней, взаимосвязи факторов, определяющих вариацию.

Изменение вариации признака в совокупности осуществляется с помощью абсолютных и относительных показателей.

Абсолютные показатели вариации включают:

• размах вариации 

• среднее линейное отклонение 

• дисперсию 

• среднее квадратическое отклонение 

Размах вариации (R)

Размах вариации — это разность между максимальным и минимальным значениями признака

Он показывает пределы, в которых изменяется величина признака в изучаемой совокупности.

Пример

Опыт работы у пяти претендентов на предшествующей работе составляет: 2,3,4,7 и 9 лет. Решение: размах вариации = 9 — 2 = 7 лет.

Для обобщенной характеристики различий в значениях признака вычисляют средние показатели вариации, основанные на учете отклонений от средней арифметической. За отклонение от средней принимается разность .

При этом во избежании превращения в нуль суммы отклонений вариантов признака от средней (нулевое свойство средней) приходится либо не учитывать знаки отклонения, то есть брать эту сумму по модулю , либо возводить значения отклонений в квадрат

Среднее линейное и квадратическое отклонение

Среднее линейное отклонение — этосредняя арифметическая из абсолютных отклонений отдельных значений признака от средней.

Среднее линейное отклонение простое:

Опыт работы у пяти претендентов на предшествующей работе составляет: 2,3,4,7 и 9 лет.

В нашем примере: лет;

Ответ: 2,4 года.

Среднее линейное отклонение взвешенное применяется для сгруппированных данных:

Среднее линейное отклонение в силу его условности применяется на практике сравнительно редко (в частности, для характеристики выполнения договорных обязательств по равномерности поставки; в анализе качества продукции с учетом технологических особенностей производства).

Среднее квадратическое отклонение

Наиболее совершенной характеристикой вариации является среднее квадратическое откложение, которое называют стандартом (или стандартным отклонение). Среднее квадратическое отклонение () равно квадратному корню из среднего квадрата отклонений отдельных значений признака отсредней арифметической:

Среднее квадратическое отклонение простое:

Среднее квадратическое отклонение взвешенное применяется для сгруппированных данных:

Между средним квадратическим и средним линейным отклонениями в условиях нормального распределения имеет место следующее соотношение: ~ 1,25.

Среднее квадратическое отклонение, являясь основной абсолютной мерой вариации, используется при определении значений ординат кривой нормального распределения, в расчетах, связанных с организацией выборочного наблюдения и установлением точности выборочных характеристик, а также при оценке границ вариации признака в однородной совокупности.

18.Дисперсия, ее виды, среднеквадратическое отклонение.

Диспе́рсия случа́йной величины́— мера разброса даннойслучайной величины, т. е. её отклонения отматематического ожидания. В статистике часто употребляется обозначениеили. Квадратный корень из дисперсииназываетсясреднеквадрати́чным отклоне́нием,станда́ртным отклоне́ниемили стандартным разбросом.

Общая дисперсия(σ²) измеряет вариацию признака во всей совокупности под влиянием всех факторов, обусловивших эту вариацию. Вместе с тем, благодаря методу группировок можно выделить и измерить вариацию, обусловленную группировочным признаком, и вариацию, возникающую под влиянием неучтенных факторов.

Межгрупповая дисперсия(σ²_м.гр) характеризует систематическую вариацию, т. е. различия в величине изучаемого признака, возникающие под влиянием признака – фактора, положенного в основание группировки.

Среднеквадрати́ческое отклоне́ние(синонимы:среднее квадрати́ческое отклоне́ние,среднеквадрати́чное отклоне́ние,квадрати́чное отклоне́ние; близкие термины:станда́ртное отклоне́ние,станда́ртный разбро́с) — втеории вероятностейистатистикенаиболее распространённый показатель рассеивания значенийслучайной величиныотносительно еёматематического ожидания. При ограниченных массивах выборок значений вместо математического ожидания используетсясреднее арифметическоесовокупности выборок.

Среднеквадратическое отклонение измеряется в единицах измерения самой случайной величины и используется при расчёте стандартной ошибки среднего арифметического, при построении доверительных интервалов, при статистической проверке гипотез, при измерении линейной взаимосвязи между случайными величинами. Определяется какквадратный корень из дисперсии случайной величины.

Среднеквадратическое отклонение:

Стандартное отклонение (оценка среднеквадратического отклонения случайной величины x относительно её математического ожидания на основе несмещённой оценки её дисперсии):

где —дисперсия; —i-й элемент выборки; — объём выборки;—среднее арифметическое выборки:

Следует отметить, что обе оценки являются смещёнными. В общем случае несмещённую оценку построить невозможно. Однако оценка на основе оценки несмещённой дисперсии является состоятельной.

19.Сущность, область применения и порядок определения моды и медианы.

Кроме степенных средних в статистике для относительной характеристики величины варьирующего признака и внутреннего строения рядов распределения пользуются структурными средними, которые представлены ,в основном, модой и медианой.

Мода — это наиболее часто встречающийся вариант ряда. Мода применяется, например, при определении размера одежды, обуви, пользующейся наибольшим спросом у покупателей. Модой для дискретного ряда является варианта, обладающая наибольшей частотой. При вычислении моды для интервального вариационного ряда необходимо сначала определить модальный интервал (по максимальной частоте), а затем — значение модальной величины признака по формуле:

где:

•  — значение моды

•  — нижняя граница модального интервала

•  — величина интервала

•  — частота модального интервала

•  — частота интервала, предшествующего модальному

•  — частота интервала, следующего за модальным

Медиана — это значение признака, которое лежит в основе ранжированного ряда и делит этот ряд на две равные по численности части.

Для определения медианы в дискретном ряду при наличии частот сначала вычисляют полусумму частот  , а затем определяют, какое значение варианта приходится на нее. (Если отсортированный ряд содержит нечетное число признаков, то номер медианы вычисляют по формуле:

М_е = (n_{(число признаков в совокупности)} + 1)/2,

в случае четного числа признаков медиана будет равна средней из двух признаков находящихся в середине ряда).

При вычислении медианы для интервального вариационного ряда сначала определяют медианный интервал, в пределах которого находится медиана, а затем — значение медианы по формуле:

где:

•  — искомая медиана

•  — нижняя граница интервала, который содержит медиану

•  — величина интервала

•  — сумма частот или число членов ряда

•  - сумма накопленных частот интервалов, предшествующих медианному

•  — частота медианного интервала

Пример. Найти моду и медиану.

Возрастные группы	Число студентов	Сумма накопленных частот ΣS
До 20 лет	346	346
20 — 25	872	1218
25 — 30	1054	2272
30 — 35	781	3053
35 — 40	212	3265
40 — 45	121	3386
45 лет и более	76	3462
Итого	3462

Решение: В данном примере модальный интервал находится в пределах возрастной группы 25-30 лет, так как на этот интервал приходится наибольшая частота (1054).

Рассчитаем величину моды:

Это значит что модальный возраст студентов равен 27 годам.

Вычислим медиану. Медианный интервал находится в возрастной группе 25-30 лет, так как в пределах этого интервала расположена варианта, которая делит совокупность на две равные части (Σf_i/2 = 3462/2 = 1731). Далее подставляем в формулу необходимые числовые данные и получаем значение медианы:

Это значит что одна половина студентов имеет возраст до 27,4 года, а другая свыше 27,4 года.

Кроме моды и медианы могут быть использованы такие показатели, как квартили, делящие ранжированный ряд на 4 равные части, децили -10 частей и перцентили — на 100 частей.

20.Понятие выборочного наблюдения и область его применения.

Выборочное наблюдениеприменяется, когда применение сплошного наблюденияфизически невозможноиз-за большого массива данных илиэкономически нецелесообразно. Физическая невозможность имеет место, например, при изучении пассажиропотоков, рыночных цен, семейных бюджетов. Экономическая нецелесообразность имеет место при оценке качества товаров, связанной с их уничтожением, например, дегустация, испытание кирпичей на прочность и т.п.

Статистические единицы, отобранные для наблюдения, составляют выборочную совокупностьиливыборку, а весь их массив -генеральную совокупность(ГС). При этомчисло единиц в выборкеобозначаютn, а во всей ГС -N. Отношениеn/Nназываетсяотносительный размерилидоля выборки.

Качество результатов выборочного наблюдения зависит от репрезентативности выборки, то есть от того, насколько она представительна в ГС. Для обеспечения репрезентативности выборки необходимо соблюдатьпринцип случайности отбора единиц, который предполагает, что на включение единицы ГС в выборку не может повлиять какой-либо иной фактор кроме случая.

Существует 4 способа случайного отборав выборку:

1. Собственно случайныйотбор или «метод лото», когда статистическим величинам присваиваются порядковые номера, заносимые на определенные предметы (например, бочонки), которые затем перемешиваются в некоторой емкости (например, в мешке) и выбираются наугад. На практике этот способ осуществляют с помощью генератора случайных чисел или математических таблиц случайных чисел.

2. Механическийотбор, согласно которому отбирается каждая (N/n)-я величина генеральной совокупности. Например, если она содержит 100 000 величин, а требуется выбрать 1 000, то в выборку попадет каждая 100 000 / 1000 = 100-я величина. Причем, если они не ранжированы, то первая выбирается наугад из первой сотни, а номера других будут на сотню больше. Например, если первой оказалась единица № 19, то следующей должна быть № 119, затем № 219, затем № 319 и т.д. Если единицы генеральной совокупности ранжированы, то первой выбирается № 50, затем № 150, затем № 250 и так далее.

3. Отбор величин из неоднородного массива данных ведется стратифицированным (расслоенным) способом, когда генеральная совокупность предварительно разбивается на однородные группы, к которым применяется случайный или механический отбор.

4. Особый способ составления выборки представляет собой серийныйотбор, при котором случайно или механически выбирают не отдельные величины, а их серии (последовательности с какого-то номера по какой-то подряд), внутри которых ведут сплошное наблюдение.

Качество выборочных наблюдений зависит и от типа выборки:повторнаяилибесповторная.Приповторном отборепопавшие в выборку статистические величины или их серии после использования возвращаются в генеральную совокупность, имея шанс попасть в новую выборку. При этом у всех величин генеральной совокупности одинаковая вероятность включения в выборку.Бесповторный отборозначает, что попавшие в выборку статистические величины или их серии после использования не возвращаются в генеральную совокупность, а потому для остальных величин последней повышается вероятность попадания в следующую выборку.

Бесповторный отбор дает более точные результаты, поэтому применяется чаще. Но есть ситуации, когда его применить нельзя (изучение пассажиропотоков, потребительского спроса и т.п.) и тогда ведется повторный отбор.

21.Предельная ошибка выборки наблюдения, средняя ошибка выборки, порядок их расчета.

Рассмотрим подробно перечисленные выше способы формирования выборочной совокупности и возникающие при этом ошибки репрезентативности. Собственно-случайная выборка  основывается на отборе единиц из генеральной совокупности наугад без каких-либо элементов системности.  Технически собственно-случайный отбор проводят методом жеребьевки (например, розыгрыши лотерей) или по таблице случайных чисел. 

Собственно-случайный отбор «в чистом виде» в практике выборочного наблюдения применяется редко, но он является исходным среди других видов отбора, в нем реализуются основные принципы выборочного наблюдения. Рассмотрим некоторые вопросы теории выборочного метода и формулы ошибок для простой случайной выборки.

Ошибка выборочного наблюдения – это разность между величиной параметра в генеральной совокупности, и его величиной, вычисленной по результатам выборочного наблюдения. Для средней количественного признака ошибка выборки определяется

Показатель называется предельной ошибкой выборки. Выборочная средняя является случайной величиной, которая может принимать различные значения в зависимости от того, какие единицы попали в выборку. Следовательно, ошибки выборки также являются случайными величинами и могут принимать различные значения. Поэтому определяют среднюю из возможных ошибок –среднюю ошибку выборки , которая зависит от:

• объема выборки: чем больше численность, тем меньше величина средней ошибки;

• степени изменения изучаемого признака: чем меньше вариация признака, а, следовательно, и дисперсия, тем меньше средняя ошибка выборки.

При случайном повторном отборе средняя ошибка рассчитывается  . Практически генеральная дисперсия точно не известна, но в теории вероятности доказано, что  . Так как величина при достаточно больших n близка к 1, можно считать, что.  Тогда средняя ошибка выборки может быть рассчитана: . Но в случаях малой выборки (при n<30) коэффициент необходимо учитывать, и среднюю ошибку малой выборки рассчитывать по формуле  .

При случайной бесповторной выборке приведенные формулы корректируются на величину . Тогда средняя ошибка бесповторной выборки:      и    . Т.к. всегда меньше, то множитель () всегда меньше 1. Это значит, что средняя ошибка при бесповторном отборе всегда меньше, чем при повторном. Механическая выборка применяется, когда генеральная совокупность каким-либо способом упорядочена (например, списки избирателей по алфавиту, телефонные номера, номера домов, квартир). Отбор единиц осуществляется через определенный интервал, который равен обратному значению процента выборки. Так при 2% выборке отбирается каждая 50 единица =1/0,02 , при 5% каждая 1/0,05=20 единица генеральной совокупности.

Начало отсчета выбирается разными способами: случайным образом, из середины интервала, со сменой начала отсчета.  Главное при этом – избежать систематической ошибки. Например, при 5% выборке, если первой единицей выбрана 13-я, то следующие 33, 53, 73 и т.д.

По точности механический отбор близок к собственно-случайной выборке. Поэтому для определения средней ошибки механической выборки используют формулы собственно-случайного отбора.

При типическом отборе обследуемая совокупность предварительно разбивается на однородные, однотипные группы. Например, при обследовании предприятий это могут быть отрасли, подотрасли, при изучении населения – районы, социальные или возрастные группы. Затем осуществляется независимый выбор из каждой группы механическим или собственно-случайным способом.

Типическая выборка дает более точные результаты по сравнению с другими способами. Типизация генеральной совокупности обеспечивает представительство в выборке каждой типологической группы, что позволяет исключить влияние межгрупповой дисперсии на среднюю ошибку выборки. Следовательно, при нахождении ошибки типической выборки согласно правилу сложения дисперсий () необходимо учесть лишь среднюю из групповых дисперсий. Тогда средняя ошибка выборки: при повторном отборе , при бесповторном отборе , где – средняя из внутригрупповых дисперсий в выборке.

Серийный (или гнездовой) отбор применяется в случае, когда генеральная совокупность разбита на серии или группы до начала выборочного обследования. Этими сериями могут быть упаковки готовой продукции, студенческие группы, бригады. Серии для обследования выбираются механическим или собственно-случайным способом, а внутри серии производится сплошное обследование единиц. Поэтому средняя ошибка выборки зависит только от межгрупповой (межсерийной) дисперсии, которая вычисляется по формуле: где  r – число отобранных серий; – средняя і-той серии. Средняя ошибка серийной выборки рассчитывается:  при повторном отборе , при бесповторном отборе , где R – общее число серий. Комбинированный отбор представляет собой сочетание рассмотренных  способов отбора.

Средняя ошибка выборки при любом способе отбора зависит главным образом от абсолютной численности выборки и в меньшей степени – от процента выборки. Предположим, что проводится 225 наблюдений в первом случае из генеральной совокупности в 4500 единиц и во втором – в 225000 единиц. Дисперсии в обоих случаях равны 25. Тогда в первом случае при 5 %-ном отборе ошибка выборки составит: Во втором случае при 0,1 %-ном отборе она будет равна:

Таким образом, при уменьшении процента выборки в 50 раз, ошибка выборки увеличилась незначительно, так как численность выборки не изменилась. Предположим, что численность выборки увеличили до 625 наблюдений. В этом случае ошибка выборки равна: Увеличение выборки в 2,8 раза при одной и той же численности генеральной совокупности снижает размеры ошибки выборки более чем в 1,6 раза.

22.Методы и способы формирования выборочной совокупности.

В статистике применяются различные способы формирования выборочных совокупностей, что обусловливается задачами исследования и зависит от специфики объекта изучения.

Основным условием проведения выборочного обследования является предупреждение возникновения систематических ошибок, возникающих вследствие нарушения принципа равных возможностей попадания в выборку каждой единицы генеральной совокупности. Предупреждение систематических ошибок достигается в результате применения научно обоснованных способов формирования выборочной совокупности.

Существуют следующие способы отбора единиц из генеральной совокупности: 1) индивидуальный отбор — в выборку отбираются отдельные единицы; 2) групповой отбор — в выборку попадают качественно однородные группы или серии изучаемых единиц; 3) комбинированный отбор — это комбинация индивидуального и группового отбора. Способы отбора определяются правилами формирования выборочной совокупности.

Выборка может быть:

• собственно-случайнаясостоит в том, что выборочная совокупность образуется в результате случайного (непреднамеренного) отбора отдельных единиц из генеральной совокупности. При этом количество отобранных в выборочную совокупность единиц обычно определяется исходя из принятой доли выборки. Доля выборки есть отношение числа единиц выборочной совокупности n к численности единиц генеральной совокупности N, т.е.

• механическаясостоит в том, что отбор единиц в выборочную совокупность производится из генеральной совокупности, разбитой на равные интервалы (группы). При этом размер интервала в генеральной совокупности равен обратной величине доли выборки. Так, при 2%-ной выборке отбирается каждая 50-я единица (1:0,02), при 5%-ной выборке — каждая 20-я единица (1:0,05) и т.д. Таким образом, в соответствии с принятой долей отбора, генеральная совокупность как бы механически разбивается на равновеликие группы. Из каждой группы в выборку отбирается лишь одна единица.

• типическая – при которой генеральная совокупность вначале расчленяется на однородные типические группы. Затем из каждой типической группы собственно-случайной или механической выборкой производится индивидуальный отбор единиц в выборочную совокупность. Важной особенностью типической выборки является то, что она дает более точные результаты по сравнению с другими способами отбора единиц в выборочную совокупность;

• серийная- при которой генеральную совокупность делят на одинаковые по объему группы - серии. В выборочную совокупность отбираются серии. Внутри серий производится сплошное наблюдение единиц, попавших в серию;

• комбинированная- выборка может быть двухступенчатой. При этом генеральная совокупность сначала разбивается на группы. Затем производят отбор групп, а внутри последних осуществляется отбор отдельных единиц.

В статистике различают следующие способы отбора единиц в выборочную совокупность:

• одноступенчатаявыборка - каждая отобранная единица сразу же подвергается изучению по заданному признаку (собственно-случайная и серийная выборки);

• многоступенчатаявыборка - производят подбор из генеральной совокупности отдельных групп, а из групп выбираются отдельные единицы (типическая выборка с механическим способом отбора единиц в выборочную совокупность).

Кроме того различают:

• повторный отбор– по схеме возвращенного шара. При этом каждая попавшая в выборку единица иди серия возвращается в генеральную совокупность и поэтому имеет шанс снова попасть в выборку;

• бесповторный отбор– по схеме невозвращенного шара. Он имеет более точные результаты при одном и том же объеме выборки.

23.Определение необходимого объема выборки (использование таблицы Стьюдента).

Одним из научных принципов в теории выборочного метода является обеспечение достаточного числа отобранных единиц. Теоретически необходимость соблюдения этого принципа представлена в доказательствах предельных теорем теории вероятностей, которые позволяют установить, какой объем единиц следует выбрать из генеральной совокупности, чтобы он был достаточным и обеспечивал репрезентативность выборки.

Уменьшение стандартной ошибки выборки, а следовательно, увеличение точности оценки всегда связано с увеличением объема выборки, поэтому уже на стадии организации выборочного наблюдения приходится решать вопрос о том, каков должен быть объем выборочной совокупности, чтобы была обеспечена требуемая точность результатов наблюдений. Расчет необходимого объема выборки строится с помощью формул, выведенных из формул предельных ошибок выборки (А), соответствующих тому или иному виду и способу отбора. Так, для случайного повторного объема выборки (n) имеем:

Суть этой формулы – в том, что при случайном повторном отборе необходимой численности объем выборки прямо пропорционален квадрату коэффициента доверия (t2) и дисперсии вариационного признака (?2) и обратно пропорционален квадрату предельной ошибки выборки (?2). В частности, с увеличением предельной ошибки в два раза необходимая численность выборки может быть уменьшена в четыре раза. Из трех параметров два (t и ?) задаются исследователем. При этом исследователь исходя из цели

и задач выборочного обследования должен решить вопрос: в каком количественном сочетании лучше включить эти параметры для обеспечения оптимального варианта? В одном случае его может больше устраивать надежность полученных результатов (t), нежели мера точности (?), в другом – наоборот. Сложнее решить вопрос в отношении величины предельной ошибки выборки, так как этим показателем исследователь на стадии проектировки выборочного наблюдения не располагает, поэтому в практике принято задавать величину предельной ошибки выборки, как правило, в пределах до 10 % предполагаемого среднего уровня признака. К установлению предполагаемого среднего уровня можно подходить по разному: использовать данные подобных ранее проведенных обследований или же воспользоваться данными основы выборки и произвести небольшую пробную выборку.

Наиболее сложно установить при проектировании выборочного наблюдения третий параметр в формуле (5.2) – дисперсию выборочной совокупности. В этом случае необходимо использовать всю информацию, имеющуюся в распоряжении исследователя, полученную в ранее проведенных подобных и пробных обследованиях.

Вопрос об определении необходимой численности выборки усложняется, если выборочное обследование предполагает изучение нескольких признаков единиц отбора. В этом случае средние уровни каждого из признаков и их вариация, как правило, различны, и поэтому решить вопрос о том, дисперсии какого из признаков отдать предпочтение, возможно лишь с учетом цели и задач обследования.

При проектировании выборочного наблюдения предполагаются заранее заданная величина допустимой ошибки выборки в соответствии с задачами конкретного исследования и вероятность выводов по результатам наблюдения.

В целом формула предельной ошибки выборочной средней величины позволяет определять:

• величину возможных отклонений показателей генеральной совокупности от показателей выборочной совокупности;

• необходимую численность выборки, обеспечивающую требуемую точность, при которой пределы возможной ошибки не превысят некоторой заданной величины;

• вероятность того, что в проведенной выборке ошибка будет иметь заданный предел.

Распределе́ние Стью́дентавтеории вероятностей— это однопараметрическое семействоабсолютно непрерывных распределений.

24.Ряды динамики (интервальные, моментные), смыкание рядов динамики.

Ряды динамики- это значения статистических показателей, которые представлены в определенной хронологической последовательности.

Каждый динамический ряд содержит две составляющие:

1) показатели периодов времени(годы, кварталы, месяцы, дни или даты);

2)показатели, характеризующие исследуемый объектза временные периоды или на соответствующие даты, которые называютуровнями ряда.

Уровни ряда выражаются как абсолютными, так и средними или относительными величинами. В зависимости от характера показателей строят динамические ряды абсолютных, относительных и средних величин. Ряды динамики из относительных и средних величин строят на основе производных рядов абсолютных величин. Различают интервальные и моментные ряды динамики.

Динамический интервальный рядсодержит значения показателей за определенные периоды времени. В интервальном ряду уровни можно суммировать, получая объем явления за более длительный период, или так называемые накопленные итоги.

Динамический моментный рядотражает значения показателей на определенный момент времени (дату времени). В моментных рядах исследователя может интересовать только разность явлений, отражающая изменение уровня ряда между определенными датами, поскольку сумма уровней здесь не имеет реального содержания. Накопленные итоги здесь не рассчитываются.

Важнейшим условием правильного построения динамических рядов являетсясопоставимость уровней рядов, относящихся к различным периодам. Уровни должны быть представлены в однородных величинах, должна иметь место одинаковая полнота охвата различных частей явления.

Для того, чтобы избежать искажения реальной динамики, в статистическом исследовании проводятся предварительные расчеты (смыкание рядов динамики), которые предшествуют статистическому анализу динамических рядов. Подсмыканием рядов динамикипонимается объединение в один ряд двух и более рядов, уровни которых рассчитаны по разной методологии или не соответствуют территориальным границам и т.д. Смыкание рядов динамики может предполагать также приведение абсолютных уровней рядов динамики к общему основанию, что нивелирует несопоставимость уровней рядов динамики.

25.Понятие сопоставимости рядов динамики, коэффициенты, темпы роста и прироста.

Ряды динамики— это ряды статистических показателей, характеризующих развитие явлений природы и общества во времени. Публикуемые Госкомстатом России статистические сборники содержат большое количество рядов динамики в табличной форме. Ряды динамики позволяют выявить закономерности развития изучаемых явлений.

Ряды динамики содержат два вида показателей. Показатели времени(годы, кварталы, месяцы и др.) или моменты времени (на начало года, на начало каждого месяца и т.п.).Показатели уровней ряда. Показатели уровней рядов динамики могут быть выражены абсолютными величинами (производство продукта в тоннах или рублях), относительными величинами (удельный вес городского населения в %) и средними величинами (средняя заработная плата работников отрасли по годам и т. п.). Втабличной формеряд динамики содержит два столбца или две строки.

Правильное построение рядов динамики предполагает выполнение ряда требований:

1. все показатели ряда динамики должны быть научно обоснованными, достоверными;

2. показатели ряда динамики должны быть сопоставимы по времени, т.е. должны быть исчислены за одинаковые периоды времени или на одинаковые даты;

3. показатели ряда динамики должны быть сопоставимы по территории;

4. показатели ряда динамики должны быть сопоставимы по содержанию, т.е. исчислены по единой методологии, одинаковым способом;

5. показатели ряда динамики должны быть сопоставимы по кругу учитываемых хозяйств. Все показатели ряда динамики должны быть приведены в одних и тех же единицах измерения.

Статистические показатели могут характеризовать либо результаты изучаемого процесса за период времени, либо состояние изучаемого явления на определенный момент времени, т.е. показатели могут быть интервальными ( периодическими ) и моментными. Соответственно первоначально ряды динамики могут быть либо интервальными, либо моментными. Моментные ряды динамики в свою очередь могут быть с равными и неравными промежутками времени.

Первоначальные ряды динамики могут быть преобразованы в ряд средних величин и ряд относительных величин (цепной и базисный). Такие ряды динамики называют производными рядами динамики.

Методика расчета среднего уровня в рядах динамики различна, обусловлена видом ряда динамики. На примерах рассмотрим виды рядов динамики и формулы для расчета среднего уровня.

Абсолютные приросты (Δy) показывают, на сколько единиц изменился последующий уровень ряда по сравнению с предыдущим (гр.3. — цепные абсолютные приросты) или по сравнению с начальным уровнем (гр.4. — базисные абсолютные приросты). Формулы расчета можно записать следующим образом:

При уменьшении абсолютных значений ряда будет соответственно "уменьшение", "снижение".

Показатели абсолютного прироста свидетельствуют о том, что, например, в 1998 г. производство продукта "А" увеличилось по сравнению с 1997 г. на 4 тыс. т, а по сравнению с 1994 г. — на 34 тыс. т.; по остальным годам см. табл. 11.5 гр. 3 и 4.

Коэффициент роста показывает, во сколько раз изменился уровень ряда по сравнению с предыдущим (гр.5 — цепные коэффициенты роста или снижения) или по сравнению с начальным уровнем (гр.6 — базисные коэффициенты роста или снижения). Формулы расчета можно записать следующим образом:

Темпы роста показывают, сколько процентов составляет последующий уровень ряда по сравнению с предыдущим (гр.7 — цепные темпы роста) или по сравнению с начальным уровнем (гр.8 — базисные темпы роста). Формулы расчета можно записать следующим образом:

Так, например, в 1997 г. объем производства продукта "А" по сравнению с 1996 г. составил 105,5 % (

Темпы прироста показывают, на сколько процентов увеличился уровень отчетного периода по сравнению с предыдущим (гр.9- цепные темпы прироста) или по сравнению с начальным уровнем (гр.10- базисные темпы прироста ). Формулы расчета можно записать следующим образом:

Т_пр = Т_р - 100% или Т_пр= абсолютный прирост / уровень предшествующего периода * 100%

Так, например, в 1996 г. по сравнению с 1995 г. продукта "А" произведено больше на 3,8 % (103,8 %- 100%) или (8:210)х100%, а по сравнению с 1994 г. — на 9% (109% — 100%).

Если абсолютные уровни в ряду уменьшаются, то темп будет меньше 100% и соответственно будет темп снижения (темп прироста со знаком минус).

Абсолютное значение 1% прироста (гр. 11) показывает, сколько единиц надо произвести в данном периоде, чтобы уровень предыдущего периода возрос на 1 %. В нашем примере, в 1995 г. надо было произвести 2,0 тыс. т., а в 1998 г. — 2,3 тыс. т., т.е. значительно больше.

Определить величину абсолютного значения 1% прироста можно двумя способами:

• уровень предшествующего периода разделить на 100;

• цепные абсолютные приросты разделить на соответствующие цепные темпы прироста.

Абсолютное значение 1% прироста =

В динамике, особенно за длительный период, важен совместный анализ темпов прироста с содержанием каждого процента прироста или снижения.

Заметим, что рассмотренная методика анализа рядов динамики применима как для рядов динамики, уровни которых выражены абсолютными величинами (т, тыс. руб., число работников и т.д.), так и для рядов динамики, уровни которых выражены относительными показателями (% брака, % зольности угля и др.) или средними величинами (средняя урожайность в ц/га, средняя заработная плата и т.п.).

Наряду с рассмотренными аналитическими показателями, исчисляемыми за каждый год в сравнении с предшествующим или начальным уровнем, при анализе рядов динамики необходимо исчислить средние за период аналитические показатели: средний уровень ряда, средний годовой абсолютный прирост (уменьшение) и средний годовой темп роста и темп прироста.

Методы расчета среднего уровня ряда динамики были рассмотрены выше. В рассматриваемом нами интервальном ряду динамики средний уровень ряда исчисляется по формуле средней арифметической простой:

Среднегодовой объем производства продукта за 1994- 1998 гг. составил 218,4 тыс. т.

Среднегодовой абсолютный прирост исчисляется также по формуле средней арифметической простой:

Ежегодные абсолютные приросты изменялись по годам от 4 до 12 тыс.т (см.гр.3), а среднегодовой прирост производства за период 1995 — 1998 гг. составил 8,5 тыс. т.

Методы расчета среднего темпа роста и среднего темпа прироста требуют более подробного рассмотрения. Рассмотрим их на примере приведенных в таблице годовых показателей уровня ряда.

26.Средний уровень ряда динамики.

Ряд динамики (или временной ряд)– это числовые значения определенного статистического показателя в последовательные моменты или периоды времени (т.е. расположенные в хронологическом порядке).

Числовые значения того или иного статистического показателя, составляющего ряд динамики, называютуровнями рядаи обычно обозначают буквойy. Первый член рядаy₁называют начальным илибазисным уровнем, а последнийy_n–конечным. Моменты или периоды времени, к которым относятся уровни, обозначают черезt.

Ряды динамики, как правило, представляют в виде таблицыилиграфика, причем по оси абсцисс строится шкала времениt, а по оси ординат – шкала уровней рядаy.

Средние показатели ряда динамики

Каждый ряд динамики можно рассматривать как некую совокупность n меняющихся во времени показателей, которые можно обобщать в виде средних величин. Такие обобщенные (средние) показатели особенно необходимы при сравнении изменений того или иного показателя в разные периоды, в разных странах и т.д.

Обобщенной характеристикой ряда динамики может служить прежде всего средний уровень ряда. Способ расчета среднего уровня зависит от того, моментный ряд или интервальный (периодный).

В случае интервального ряда его средний уровень определяется по формуле простой средней арифметической величины из уровней ряда, т.е.

=Если имеетсямоментный ряд, содержащий n уровней (y1, y2, …, yn) с равными промежутками между датами (моментами времени), то такой ряд легко преобразовать в ряд средних величин. При этом показатель (уровень) на начало каждого периода одновременно является показателем на конец предыдущего периода. Тогда средняя величина показателя для каждого периода (промежутка между датами) может быть рассчитана как полусумма значений у на начало и конец периода, т.е. как . Количество таких средних будет. Как указывалось  ранее, для рядов средних величин средний уровень рассчитывается по средней арифметической. Следовательно, можно записать. После преобразования числителя получаем,

где Y1 и Yn — первый и последний уровни ряда;   Yi  —  промежуточные уровни.

Эта средняя известна в статистике каксредняя хронологическая для моментных рядов. Такое название она получила от слова «cronos» (время, лат.), так как рассчитывается из меняющихся во времени показателей.

В случае неравных промежутков между датами среднюю хронологическую для моментного ряда можно рассчитать как среднюю арифметическую из средних значений уровней на каждую пару моментов, взвешенных по величине расстояний (отрезков времени) между датами, т.е. . В данном случае предполагается, что в промежутках между датами уровни принмали разные значения, и мы из двух известных (yi и yi+1) определяем средние, из которых затем уже рассчитываем общую среднюю для всего анализируемого периода. Если же предполагается, что каждое значение yi  остается неизменным до следующего (i+1)-го момента, т.е. известна  точная дата изменения уровней, то расчет можно осуществлять по формуле средней арифметической взвешенной: ,

где – время, в течение которого уровеньоставался неизменным.

Кроме среднего уровня в рядах динамики рассчитываются и другие средние показатели – среднее изменение уровней ряда (базисным и цепным способами), средний темп изменения.

Базисное среднее абсолютное изменение представляет собой частное от деления последнего базисного абсолютного изменения на количество изменений. То есть

Б =

Цепное среднее абсолютное изменение уровней ряда представляет собой частное от деления суммы всех цепных абсолютных изменений на количество изменений, то есть

Ц =

По знаку средних абсолютных изменений также судят о характере изменения явления в среднем: рост, спад или стабильность.

Из правила контроля базисных и цепных абсолютных изменений следует, что базисное и цепное среднее изменение должны быть равными.

Наряду со средними абсолютным изменением рассчитывается и среднее относительное тоже базисным и цепным способами.

Базисное среднее относительное изменение определяется по формуле

Б==

Цепное среднее относительное изменение определяется по формуле

Ц=

Естественно, базисное и цепное среднее относительное изменения должны быть одинаковыми и сравнением их с критериальным значением 1 делается вывод о характере изменения явления в среднем: рост, спад или стабильность. Вычитанием 1 из базисного или цепного среднего относительного изменения образуется соответствующий среднийтемп изменения, по знаку которого также можно судить о характере изменения изучаемого явления, отраженного данным рядом динамики.

27.Сезонные колебания и индексы сезонности.

Сезонные колебания – устойчивые внутригодичные колебания.

Основной принцип хозяйствования для получения максимального эффекта – это максимизация  доходов и минимизация затрат. Изучая сезонные колебания решается задача максимального уравнения в каждом уровне года.

При изучении сезонных колебаний решаются две взаимосвязанные задачи:

1.     Выявление специфики развития явления во внутригодовой динамике;

2.     Измерение сезонных колебаний с построением модели сезонной волны;

Для измерения сезонных колебаний обычно исчисляют индеек сезонности. В общем виде они определяются отношением исходных уравнений ряда динамики к теоретическим уравнениям, выступающим в качестве базы для сравнения.

;

Так как на сезонные колебания накладываются случайные отклонения, для их устранения производят усреднение индексов сезонности.

В этом случае для каждого периода годового цикла определяются обобщенные показатели в виде средних сезонных индексов:

;

Средние индексы сезонных колебаний свободны от влияние случайных отклонений основной тенденции развития.

В зависимости от характера тренда формула среднего индекса сезонности может принимать следующие виды:

1.     Для рядов внутригодовой динамики с ярковыраженной основной тенденцией развития:

;

2.     Для рядов внутригодовой динамики в которой повышающийся или снижающийся тренд отсутствует, либо незначителен:

, где - общее среднее;

28.Методы анализа основной тенденции.

На развитие явлений по времени оказывают влияние факторы различные по характеру и силе воздействия. Некоторые из них носят случайный характер, другие оказывают практически постоянное воздействие и формируют в рядах динамики определенную тенденцию развития.

Важной задачей статистики является выявление в рядах динамики тренда, освобожденного от действия различных случайных факторов. С этой целью ряды динамики подвергаются обработке методами укрупнения интервалов, скользящей средней и аналитического выравнивания и др.

Метод укрупнения интервалов основан на укрупнении периодов времени, к которым относятся уровни ряда динамики, т.е. представляет из себя замену данных, имеющих отношение к мелким временным периодам, данными по более крупным периодам. Особенно эффективен, когда первоначальные уровни ряда относятся к коротким промежуткам времени. Например, ряды показателей, относящиеся к ежедневным событиям, заменяются рядами, относящимся к недельным, помесячным и т.д. Это позволит более отчетливо показать «ось развития явления». Средняя, исчисленная по укрупненным интервалам, позволяет выявлять направление и характер (ускорение или замедление роста) основной тенденции развития.

Метод скользящей среднейсхож с предыдущим, но в данном случаефактические уровнизаменяются средними уровнями, рассчитанными для последовательно подвижных (скользящих) укрупненных интервалов, охватывающих m уровней ряда.

Например, если принять m=3,то вначале рассчитывается средняя из первых трех уровней ряда, затем – из такого же числа уровней, но начиная со второго по счету, далее – начиная с третьего и т.д. Таким образом, средняя как бы «скользит» по ряду динамики, передвигаясь на один срок. Рассчитанные из mчленов скользящие средние относятся к середине (центру) каждого интервала.

Этот метод устраняет лишь случайные колебания. Если же ряд имеет сезонную волну, то она сохранится и после сглаживания методом скользящей средней.

Аналитическое выравнивание. В целях устранения случайных колебаний и выявления тренда применяется выравнивание уровней ряда по аналитическим формулам (или аналитическое выравнивание). Его суть состоит в замене эмпирических (фактических) уровней теоретическими, которые рассчитаны по определенному уравнению, принятому за математическую модель тренда, где теоретические уровни рассматриваются как функция времени:. При этом каждый фактический уровень рассматривается как сумма двух составляющих:, где- систематическая составляющая и выраженная определенным уравнением, а- случайная величина, вызывающая колебания вокруг тренда.

Задача аналитического выравнивания сводится к следующему:

1. Определение на основе фактических данных вида гипотетической функции , способной наиболее адекватно отразить тенденцию развития исследуемого показателя.

2. Нахождение по эмпирическим данным параметров указанной функции (уравнения)

3. Расчет по найденному уравнению теоретических (выровненных) уровней.

Выбор той или иной функции осуществляется, как правило, на основе графического изображения эмпирических данных.

В качестве моделей служат уравнения регрессии, параметры которых рассчитывают по способу наименьших квадратов

Ниже приводятся наиболее часто используемые для выравнивания динамических рядов уравнения регрессии с указанием для отражения каких именно тенденций развития они наиболее всего подходят.

 

Вид уравнения	Отражаемая уравнением тенденция развития
Уравнение прямой	Равномерный рост при b1>0 или равномерное падение при b1 < 0
Показательная функция	Ускоряющийся рост при b1>1 или замедляющееся падение при b1<1
Гипербола	Замедляющееся падение при b1 > 0 или замедляющийся рост при b1 < 0
Парабола	Рост, переходящий в падение, или падение, переходящее в рост в точке t =

 

Для нахождения параметров приведенных выше уравнений существуют специальные алгоритмы и компьютерные программы. В частности для нахождения параметров уравнения прямой может быть использован такой алгоритм:

Если периоды или моменты времени пронумеровать так, чтобы получилось St =0, то вышеприведенные алгоритмы существенно упростятся и превратятся в

Выровненные уровни на графике расположатся на одной прямой, проходящей на самом близком расстоянии от фактических уровней данного динамического ряда. Сумма квадратов отклонений является отражением влияния случайных факторов. С ее помощью рассчитаем среднюю (стандартную) ошибку уравнения:

Здесь n - число наблюдений, а m - число параметров в уравнении ( их у нас два – b₁ и b₀).

Основная тенденция (тренд) показывает, как воздействуют систематические факторы на уровни ряда динамики, а колеблемость уровней около тренда ( ) служит мерой воздействия остаточных факторов.

Для оценки качества используемой модели динамического ряда применяется также критерий F Фишера. Он представляет из себя отношение двух дисперсий, а именно отношение дисперсии, вызванной регрессией, т.е. изучаемым фактором, к дисперсии, вызванной случайными причинами, т.е. остаточной дисперсией:

 

 

В развернутом виде формула этого критерия может быть представлена так:

где n - число наблюдений, т.е. число уровней ряда,

m - число параметров в уравнении, y - фактический уровень ряда,

 - выровненный уровень ряда, - средний уровень ряда.

Более удачная, чем другие, модель не всегда может оказаться достаточно удовлетворительной. Ее можно признать таковой только в том случае, когда критерий F у нее перешагнет известную критическую границу. Эта граница устанавливается с помощью таблиц F-распределения.

29.Сущность и классификация индексов.

Под индексом в статистике понимают относительный показа­тель, характеризующий изменение величины какого-либо явления во времени, пространстве или по сравнению с любым эталоном.

Основным элементом индексного отношения является индек­сируемая величина. Под индексируемой величиной понимают зна­чение признака статистической совокупности, изменение которого яв­ляется объектом изучения.

С помощью индексов решаются три главные задачи:

1) оценка изменения сложного явления;

2) определение влияния отдельных факторов на изменение сложного явления;

3) сравнение величины какого-то явления с величиной прошло­го периода, величиной по другой территории, а также с нор­мативами, планами,прогнозами. Индексы классифицируютпо 3-м признакам:

1) по содержанию индексируемых величин;

2) по степени охвата элементов совокупности;

3) по методам расчета общих индексов.

По содержанию индексируемых величин индексы разделяют­ся на индексы количественных (объемных) показателей и индексы ка­чественных показателей. Индексы количественных показателей -индексы физического объема промышленной продукции, физического объема продаж, численности и др. Индексы качественных показате­лей — индексы цен, себестоимости, производительности труда, средней заработной платы и др.

По степени охвата единиц совокупности индексы делятся на два класса: индивидуальные и общие. Для их характеристики введем следующие условные обозначения, принятые в практике применения индексного метода:

q- количество (объем) какого-либо продукта в натуральном вы­ражении; р- цена единицы продукции;z - себестоимость единицы продукции;t — затраты времени на производство единицы продукции (тру­доемкость);w— выработка продукции в стоимостном выражении в единицу времени;v- выработка продукции в натуральном выражении в единицу времени;Т— общие затраты времени или численность работников.

Для того чтобы различать, к какому периоду или объекту отно­сятся индексируемые величины, принято справа внизу за соответст­вующим символом ставить подстрочные знаки. Так, например, в ин­дексах динамики, как правило, для сравниваемых (текущих, отчетных) периодов используется подстрочный знак 1 и для периодов, с которы­ми производится сравнение,

Индивидуальные индексыслужат для характеристики изме­нения отдельных элементов сложного явления (например -изменение объема выпуска продукции одного вида). Они представляют собой относительные величины динамики, выполнения обязательств, сравнения индексируемых величин.

Индивидуальный индекс физического объема продукции опре­деляется

С аналитической точки зрения приведенные индивидуальные индексы динамики аналогичны коэффициентам (темпам) роста и ха­рактеризуют изменение индексируемой величины в текущем периоде по сравнению с базисным, т. е. показывают, во сколько раз она воз­росла (уменьшилась) или сколько процентов составляет ее рост (сни­жение). Значения индексов выражают в коэффициентах или процен­тах.

Общий (сводный) индексотражает изменение всех элементов сложного явления

Агрегатный индексявляется основной формой индекса. Агре­гатным он называется потому, что его числитель и знаменатель пред­ставляют собой набор «агрегат»

30.Средние индексы, их определение.

Помимо агрегатных индексов в статистике применяется другая их форма – средневзвешенные индексы. К их исчислению прибегают тогда, когда имеющаяся в распоряжении информация не позволяет рассчитать общий агрегатный индекс. Так, если отсутствуют данные о ценах, но имеется информация о стоимости продукции в текущем периоде и известны индивидуальные индексы цен по каждому товару, то общий индекс цен как агрегатный определить нельзя, однако возможно исчислить его как средний из индивидуальных. Точно так же, если не известны количества произведенных отдельных видов продукции, но известны индивидуальные индексы и стоимость продукции базисного периода, то можно определить общий индекс физического объема продукции как средневзвешенную величину.

Средний индекс – это индекс, вычисленный как средняя величина из индивидуальных индексов. Агрегатный индекс является основной формой общего индекса, поэтому средний индекс должен быть тождествен агрегатному индексу. При исчислении средних индексов используются две формы средних: арифметическая и гармоническая.

Средний арифметический индекс тождествен агрегатному индексу, если весами индивидуальных индексов будут слагаемые знаменателя агрегатного индекса. Только в этом случае величина индекса, рассчитанного по формуле средней арифметической, будет равна агрегатному индексу.

 

Таблица 12.2