Автор работы: Пользователь скрыл имя, 04 Марта 2013 в 18:13, шпаргалка
№9 Принципы построения статистических группировок.
№10. Ряды распределения и их графическое изображение
№ 11. Понятие статистического показателя и их виды. Классификация статистических показателей.
...
№73. Основные классификации СНС
№ 83 Анализ деовой активности и экономической конъюктуры рынка
Изучая вариацию
значений признака в сочетании с его частотными характеристиками, мы
обнаруживаем закономерности распределения (например: население по возрасту,
студентов по уровню оценок).
Рассматривая вариацию одного признака параллельно с изменением другого, мы
обнаруживаем взаимосвязи между этими признаками или их отсутствие (например:
зависимость между торговой площадью и товарооборотом).
Вариации в статистике проявляются двояко, либо через изменения значений
признака у отдельных единиц совокупности, либо через наличие или отсутствие
изучаемого признака у отдельных единиц совокупности.
Изучение вариации в статистике имеет как самостоятельную цель, так и является
промежуточным этапом более сложных статистических исследований.
№18 Статистические показатели вариации.
Простейшим показателем вариации является размах колебаний: .
Достоинство этого показателя простота расчета, возможность использования для
оценки вариации однородных совокупностей. Недостаток – неприемлемость для
неоднородных совокупностей
Для учета колеблемости всех значений признака применяют показатели среднего
линейного отклонения, дисперсии и средне квадратического отклонения.
Средне линейное отклонение – среднее значение отклонений всех вариантов
ряда от средней арифметической (иногда от моды или медианы):
- для несгруппированных данных; (вместо херни диктуй d)
- для сгруппированных данных.
Дисперсия – рассеивание, данный показатель характеризует рассеивание
значений признака относительно его средней величины.
- для несгруппированных данных;
- для сгруппированных данных.
Дисперсия – средне квадратическое отклонение всех вариантов ряда от
средней арифметической. Если извлечь квадратный корень из дисперсии, получим
средне квадратическое отклонение.
- для несгруппированных данных;
- для сгруппированных данных.
№ 20 Характеристики рядов распределения
№ 23 Статистические показатели изменения уровней ряда динамики
Показатели изменений уровней динамических рядов
Базисные показатели характеризуют итоговый результат всех изменений в уровнях ряда от периода базисного уровня до данного (i-го) периода.
Цепные показатели характеризуют интенсивность изменения уровня от одного периода к другому в пределах того промежутка времени, который исследуется.
Абсолютный прирост выражает абсолютную скорость изменения ряда динамики и определяется как разность между данным уровнем и уровнем, принятым за базу сравнения.
Абсолютный прирост (базисный)
(9.1)
где yi - уровень сравниваемого периода; y0 - уровень базисного периода.
Абсолютный прирост с переменной базой (цепной), который называют скоростью роста,
(9.2)
где yi - уровень сравниваемого периода; yi-1 - уровень предшествующего периода.
Коэффициент роста Ki определяется как отношение данного уровня к предыдущему или базисному, показывает относительную скорость изменения ряда. Если коэффициент роста выражается в процентах, то его называют темпом роста.
Коэффициент роста базисный
(9.3)
Коэффициент роста цепной
(9.4)
Темп роста
(9.5)
Темп прироста ТП определяется как отношение абсолютного прироста данного уровня к предыдущему или базисному.
Темп прироста базисный
(9.6)
Темп прироста цепной
(9.7)
Темп прироста можно рассчитать и иным путем: как разность между темпом роста и 100 % или как разность между коэффициентом роста и 1 (единицей):
1) Тп = Тр - 100%; 2) Тп = Ki - 1. (9.8)
№ 26. Изучение сезонных колебаний
В статистике периодические колебания, которые имеют определенный и постоянный период, равный годовому промежутку, носят название сезонных колебаний, или сезонных волн, а динамический ряд в этом случае называют тренд-сезонным, или просто сезонным рядом динамики.
Сезонные
колебания характеризуются
При использовании способа аналитического выравнивания алгоритм вычислений индексов сезонности следующий:
· по соответствующему полиному вычисляют для каждого месяца (квартала) выравненные уровни на момент времени (t);
· определяют отношения фактических месячных (квартальных данных (у) ксоответствую-щим выравненным данным (уt) в процентах; Ii=(yi:yt)*100;
· находят средние арифметические из процентных соотношений, рассчитанных по одноименным периодам в процентах; Ii=(I1+I2+I3+…+In):n, n – число одноименных периодов.
В общем виде
формулу расчета индекса
№27. прогнозирование социально-экономических процессов
Процесс разработки прогнозов называют
прогнозированием. По ¬ подобного
до любого процесса трудовой деятельности
(включая и твор ¬ чей) характер
прогнозирования определяют его
субъект и объект, применяемые
средства и методы, а также окружающую
среду.
Субъектами прогнозирования социально-экономического
развития являются органы государственной
власти и местного самоуправления
№ 32 Малая выборка
Под малой выборкой понимается такое выборочное наблюдение, численность единиц которого не превышает 30.
При оценке результатов
малой выборки величина генеральной
дисперсии в расчетах не используется.
Для определения возможных
где . – мера случайных колебаний выборочной средней в малой выборке.
Величина σ вычисляется на основе данных выборочного наблюдения:
Предельная ошибка малой выборки рассчитывается аналогичным образом:
Но, в данном случае, вероятная оценка зависит не только от величины t, но и от объема выборки. Величина коэффициента доверия t при различных объемах малой выборки представлена в таблице 9.3.
Независимо от вида выборки, на заключительном этапе определяются доверительные интервалы, в которых может находиться генеральная средняя (для количественных признаков) или генеральная доля (для качественных признаков). Доверительные интервалы – это область тех значений генеральной средней, выход за пределы которой имеет весьма малую вероятность. Доверительные интервалы определяются по формулам:
· для средней: ;
· для доли: ;
· для малой выборки:
№ 36. Виды и формы связей, изучаемых в статистике. Задачи статистического изучения связей социально-экономических явлений.
В статистике связи классифицируются по степени их тесноты. Исходя из этого различают функциональную (полную) и статистическую (неполную, корреляционную) связь.
Функциональная связь – такая связь, при которой значение результативного признака целиком определяется значением факторного (например, площадь круга). Она полностью сохраняет свою силу и проявляется во всех случаях наблюдения и для всех единиц наблюдения. Каждому значению факторного признака соответствует одно или несколько определенных значений результативного признака.
Для корреляционной связи характерно то, что одному и тому же значению факторного признака может соответствовать сколько угодно различных значений результативного признака. Здесь связь проявляется лишь при достаточно большом количестве наблюдений и лишь в форме средней величины.
По направлению изменений факторного и результативного признака различают связь прямую и обратную.
Прямая связь – такая связь, при которой с изменением значений факторного признака в одну сторону, в ту же сторону меняется и результативный признак.
Обратная связь – такая связь, при которой с увеличением (уменьшением) факторного признака происходит уменьшение (увеличение) результативного признака.
По аналитическому выражению выделяются две основные формы связи:
– прямолинейная (выражается уравнением прямой);
– криволинейная (описывается уравнениями кривых линий – гипербол, парабол, степенных функций).
Исследование объективно существующих связей между явлениями - важнейшая задача общей теории статистики. В процессе статистического исследования зависимостей вскрываются причинно-следственные отношения между явлениями, что позволяет выявлять факторы (признаки), оказывающие существенное влияние на вариацию изучаемых явлений и процессов. Причинно-следственные отношения - это связь явлений и процессов, при которой изменение одного из них - причины - ведет к изменению другого - следствия.
Причина - это совокупность условий, обстоятельств, действие которых приводит к появлению следствия. Если между явлениями действительно существуют причинно-следственные отношения, то эти условия должны обязательно реализовываться вместе с действием причин. Причинные связи носят всеобщий и многообразный характер, и для обнаружения причинно-следственных связей необходимо отбирать отдельные явления и изучать их изолированно.
№ 37. Парная регрессия на основе метода наименьших квадратов
Парная регрессия на основе метода наименьших квадратов и группировки
Парная регрессия - регрессия между двумя переменными у и х, т.е. модель вида: у = f (x)+E, где у- зависимая переменная (результативный признак); x - независимая, обьясняющая переменная (признак-фактор); E- стохастическая переменная, включающая влияние неучтенных факторов в модели. В случае парной линейной зависимости строится регрессионная модель по уравнению линейной регрессии. Параметры этого уравнения оцениваются с помощью процедур, наибольшее распространение получил метод наименьших квадратов.
Метод наименьших квадратов (МНК) - метод оценивания параметров линейной регрессии, минимизирующий сумму квадратов отклонений наблюдений зависимой переменной от искомой линейной функции.
где уi- статические значения зависимой переменной; f (х) - теоретические значения зависимой переменной, рассчитанные с помощью уравнения регрессии.
Экономический смысл параметров уравнения линейной парной регрессии. Параметр b показывает среднее изменение результата у с изменением фактора х на единицу. Параметр а = у, когда х = 0. Если х не может быть равен 0, то а не имеет экономического смысла. Интерпретировать можно только знак при а: если а > 0. то относительное изменение результата происходит медленнее, чем изменение фактора, т. е. вариация результата меньше вариации фактора: V < V. и наоборот.
То есть МНК заключается в том, чтобы определить а и а, так, чтобы сумма квадратов разностей фактических у и у. вычисленных по этим значениям a0 и а1 была минимальной:
Рассматривая эту сумму как функцию a0 и a1 дифференцируем ее по этим параметрам и приравниваем производные к нулю, получаем следующие равенства:
n - число единиц совокупности (заданны параметров значений x и у). Это система «нормальных» уравнений МНК для линейной функции (yx)
№38
Статистические показатели оценки связи
между количественными и
№39. Статистические показатели производства и реализации продукции.
Валовой оборот промышленного предприятия определяется как общая стоимость продукции, выработанной всеми подразделениями предприятия. В валовой оборот включаются:
- готовые изделия,
- полуфабрикаты, изготовленные из материалов заказчика,
- продукция вспомогательных цехов, потребленная в своем производстве (пар, электроэнергия, текущий ремонт оборудования и т.д),
- работы промышленного характера для отпуска на сторону.
Валовая продукция — общая стоимость готовых изделий, выработанных за отчетный период всеми цехами предприятия:
- стоимость полуфабрикатов своей выработки и продукции вспомогательных цехов, отпущенных в отчетном периоде на сторону;
- стоимость работ промышленного характера, выполненных по заказам со стороны или для непромышленных хозяйств и организаций своего предприятия (кап. ремонт, модернизация оборудования и транспортных средств своего предприятия и т.д.);
- изменение стоимости остатков полуфабрикатов собственного производства и продуктов вспомогательных цехов (спец инструмента, штампов и т.д.).
Кроме того, для предприятий с продолжительным производственным циклом изготовления продукции в валовую продукцию включаются изменения остатков незавершенного производства на конец и начало года.
Валовая продукция (ВП) может быть вычислена двумя способами:
1) ВП = ВО (валовой оборот) — ВЗО (внутризаводской оборот).
2) Валовая продукция равна сумме стоимости тех видов промышленной продукции, которые были произведены в отчетном периоде и остались не переработанными.
Товарная продукция — общая стоимость отпущенной или предназначенной к отпуску за пределы предприятия продукции, которую оно произвело. В нее входят:
- все произведенные за данный период готовые изделия, работы промышленного характера, выполненные со стороны;