- •Определение целей и задач статистического исследования
- •Планирование статистического эксперимента. Эксперимент и наблюдательное исследование. Простая случайная выборка. Отклонения в выборках и их классификация.
- •Условия применения статистических методов для решения практических задач
- •Понятие пассивного эксперимента при исследовании объектов для получения статистических данных
- •Виды данных, используемые в статистическом анализе.
- •Интервальное оценивание. Доверительные интервалы и их интерпретация. Уровень доверия. Стандартная ошибка.
- •Понятие «черного ящика».
- •Понятие уровня значимости.
- •Определение факторного пространства.
- •Определение уровня фактора.
- •Понятие случайного возмущения
- •Интервальные оценки параметров. Понятие доверительного интервала.
- •Показали тесноты корреляционной связи между случайными величинами.
- •Понятие генеральной совокупности и выборки.
- •Требования к реальной информации при сборе данных для правомерности применения статистических методов.
- •Понятие «параллельные опыты».
- •Понятие и виды диаграммы рассеивания.
- •Метод наименьших квадратов.
- •Применение мнк для оценивания параметров регрессионного уравнения.
- •Свойства оценок параметров регрессионных уравнений, полученных по мнк.
- •Понятие и свойства дисперсии случайной величины.
- •Ошибки 1-го и 2-го рода при использовании статистических гипотез.
- •Понятие ковариации и формулы для ее расчета для генеральной и выборочной совокупностей.
- •Понятие функциональной и корреляционной связи.
- •Доверительная вероятность. Примеры использования.
- •Понятие мультиколлинеарности.
- •Виды связей между факторами и откликами.
- •Факторный анализ.
- •Дисперсионный анализ.
- •Кластерный анализ.
- •Регрессионный анализ.
-
Понятие функциональной и корреляционной связи.
Функциональная зависимость – такой вид зависимости, когда каждому значению одного признака соответствует точное значение другого (зависимость может быть задана функцией). Например: взаимосвязь радиуса и длины окружности. Такую зависимость можно считать полной (исчерпывающей). Она полностью объясняет изменение одного признака изменением другого. Этот вид связи характерен для объектов, являющихся точкой приложения точных наук. В медико-биологических исследованиях сталкиваться с функциональной связью приходится крайне редко, поскольку объекты исследований имеют большую индивидуальную изменчивость. С другой стороны, характеристики биологических объектов зависят, как правило, от комплекса большого числа сложных взаимосвязей и не могут быть сведены к отношению двух или трех факторов.
Корреляционная зависимость – существует в том случае, когда при изменении величины одного признака наблюдается тенденция соответствующего изменения значений другого признака.
Например, при изменении роста человека меняется и масса тела. Однако, эта зависимость не является полной, т.е. функциональной. У людей с одинаковым ростом может быть разная масса тела, поскольку на нее влияют и многие другие факторы (питание, здоровье и т.п.). При оценке статистических связей можно говорить только о тенденции, когда возрастание одного признака вызывает тенденцию возрастания или уменьшения другого признака.
Корреляционная связь описывается с помощью различных статистических характеристик. Выбор характеристики для определения взаимосвязи обусловлен видом исследуемых признаков, способами их группировки и предполагаемым характером связи. Подчас, для выявления реально существующих взаимосвязей достаточно правильно составить статистическую таблицу распределения или построить наглядный график этого распределения.
-
Доверительная вероятность. Примеры использования.
Уровень доверия (доверительная вероятность, уровень надежности) - статистический термин, означающий вероятность того, что доверительный интервал содержит истинное значение параметра. Уровень доверия задается при построении доверительных интервалов и при статистическом тестировании гипотез. Чаще всего уровень доверия полагают равным 0,95 (95%) или 0,99 (99%).
-
Понятие мультиколлинеарности.
На практике при количественной оценке параметров эконометрической модели довольно часто сталкиваются с проблемой взаимосвязи между объясняющими переменными. Если взаимосвязь довольно тесная, то оценка параметров модели может иметь большую погрешность. Такая взаимосвязь между объясняющими переменными называется мультиколлинеарностью. Проблема мультиколлинеарности возникает только для случая множественной регрессии, поскольку в парной регрессии одна объясняющая переменная. Оценка коэффициента регрессии может оказаться незначимой не только из-за несущественности данного фактора, но и из-за трудностей, возникающих при разграничении воздействия на зависимую переменную двух или нескольких факторов. Это проявляется, когда факторы изменяются синхронно. Связь зависимой переменной с изменениями каждого из них можно определить, только если в число объясняющих переменных включается только один из этих факторов.
Природа мультиколлинеарности нагляднее всего проявляется, когда между объясняющими переменными существует строгая линейная связь. Это строгая мультиколлинеарность, когда невозможно разделить вклад каждой переменной в объяснение поведения результативного показателя. Чаще встречается нестрогая, или стохастическая мультиколлинеарность, когда объясняющие переменные коррелированы между собой. В этом случае проблема возникает только тогда, когда взаимосвязь переменных влияет на результаты оценки регрессии.
МК – наличие линейной зависимости между факторами регрессионной модели.