6.3. Понятие о закономерностях статического распределения. Теоретические кривые распределения
В процессе анализа статистических данных, представленных рядами распределения, кроме знания о характере распределения (или структуре совокупности) могут вычисляться различные статистические показатели (числовые характеристики), которые в обобщенном виде отражают особенности распределения изучаемых признаков. Наличие таких характеристик ( показателей) существенно облегчает сравнение различных распределений ( явлений) между собой.
Эти характеристики (показатели) могут быть разделены на 3 основные группы
характеристики центра распределения (средняя, мода, медиана);
характеристики степени вариации (вариационный размах, среднее линейное отклонение, дисперсия, среднее квадратическое отклонение, коэффициент вариации);
характеристики формы (типа) распределения (показатели эксцесса и асимметрии, ранговые характеристики, кривые распределения).
Первые две группы показателей будут рассмотрены в теме 8.В данном вопросе остановимся на знакомстве с основными понятиями и характеристиками третьей группы.
Полигоны и гистограммы в общем виде дают определенное представление о связи между частной (частностью) и величиной признака. Однако эмпирическое распределение признака, т.е. распределение в том виде, как оно получено в результате наблюдения, как правило, выявляет эту закономерность неясно. Ведь на значения признаков у единиц совокупности ( на индивидуальные значения) оказывают влияние различные случайные факторы. Более четкому выявлению закономерности распределения (т.е. закономерности изменения частот в вариационных рядах) способствует построение ряда с более крупными интервалами (или, что то же самое – с меньшим числом групп). Однако при слишком малом числе групп характерные особенности распределения также затушевываются.
Наиболее надежный путь выявления закономерности распределения состоит в следующем:
увеличить количество наблюдаемых случаев (в соответствии с законом больших чисел, в таких рядах случайные отклонения от общей закономерности у индивидуальных значений будут взаимно погашаться);
первоначально совокупность разбивается на максимально возможное число члены групп, а затем, постепенно сокращая число групп оптимизировать группировку с точки зрения выявления закономерности распределения. При реализации такого подхода, закономерность, характерная для данного распределения будет выступать все более и более ясно, а ломаная линия, изображающая полигон, будет приближаться к некоторой плавной линии и в пределе должна превратиться в кривую линию.
Кривая линия, которая отражает закономерность изменения частот (частностей) в чистом, исключающем влияние случайных факторов, виде, называют кривой распределения.
Кривая распределения, в отличие от полигона и гистограммы, отражает основной характер, закон данного распределения.
В идеальном случае зависимость частот (частостей, плотности распределения) от величины вариантов может быть предоставлена в виде некоторой кривой распределения определенного вида (типа).
Построение кривой распределения в сочетании с анализом сущности явления позволяют построить научную гипотезу о вероятном типе теоретической кривой распределения.
Под теоретической кривой распределения в статистике понимается предполагаемое графическое изображение в виде непрерывной линии изменения частот в вариационном ряду функционально связанного с изменением (величины признака) варианты.
В действительности встречаются самые различные типы распределения. В связи с этим различаются прежде всего одновершинные (одномодальные) и многовершинные (двух – трех – и т, д.) много модальные кривые распределения.
К одновершинным относятся те, в которых один вариант имеет наибольшую частоту (наибольшую плотность распределения), частоты же вариантов меньших и больших, чем это значение, убывают по мере удаления от него.
Если при этом частоты убывают одинаково и справа и слева от наибольшего центрального значения, то такие распределения называются симметричными. В них частоты вариантов, равностоящих от центрального, равны между собой.
Если частоты убывают слева и справа от центра распределения с разной скоростью, то такие распределения называются ассиметричными, выделяя при этом распределения, растянутые влево или вправо.
Рис. 6.4. Симметричное и ассиметричное распределение
Степень асимметрии может быть различной от совершенно незначительной до крайней, при которой наибольшая частота относится к одному из крайних значений вариантов – самому наименьшему или наибольшему.
Идеальное симметричное распределение крайне редко встречаются на практике. Достаточно близок к нему распределения мужчин и женщин по весу или росту (при достаточно большим количестве людей, включенных в совокупность).
Основная масса распределений, с которыми приходиться иметь дело экономисту – это асимметричные распределения с разной степенью асимметрий.
Многовершинные распределения – это такие распределения, в которых несколько максимумов частоты (центральных значений признака). В экономико – статистических исследованиях многовершинность распределения является часто следствием того, что совокупность состоит из неоднородных с точки зрения изучаемого признака единиц.
Например, при проверке качества и свойств продукции, полученной на двух разных станках, почти всегда получаются кривые распределения с двумя вершинами.
Убедившись в многовершинности распределения, исследователь должен тщательно проверить, можно ли считать однородными единицы, составляющие совокупности или следует для объективности выводов разбить совокупность на две или более однородные группы.
Эксцесс – характеристика островершинности и крутизны распределения.
Количественная оценка степени ассиметрии и эксцессы рассматривается в дисциплине «математическая статистика».