Применение показателей вариации для изучения объекта исследования

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

Статистические ряды распределения являются одним из наиболее важных элементов статистики. Они представляют собой составную часть метода статистических сводок и группировок, но, по сути, ни одно из статистических исследований невозможно произвести, не представив первоначально полученную в результате статистического наблюдения информацию в виде статистических рядов распределения.

Первичные данные обрабатываются в целях получения обобщенных характеристик изучаемого явления по роду существенных признаков для дальнейшего осуществления анализа и прогнозирования; производится сводка и группировка; статистические данные оформляются с помощью рядов распределения в таблицы, в результате чего информация представляется в наглядном рационально изложенном виде, удобном для использования и дальнейшего исследования; строятся различного рода графики для наиболее наглядного восприятия и анализ информации. На основе статистических рядов распределения вычисляются основные величины статистических исследований: индексы, коэффициенты; абсолютные, относительные, средние величины и т.д., с помощью которых можно проводить прогнозирование, как конечный итог статистических исследований.

Актуальность данной темы обусловлена тем, что статистические ряды распределения являются базисным методом для любого статистического анализа. Понимание данного метода и навыки его использования необходимы для проведения статистических исследований.

Основной целью написания курсовой работы является изучение методики статистического анализа рядов распределения. Для достижения поставленной цели были поставлены и выполнены следующие основные задачи:

1. Освещено понятие и виды статистических рядов распределения, и основные формы их представления.
2. Рассчитаны и проанализированы показатели, характеризующие центральную тенденцию, вариацию, структуру и форму ряда распределения.

1.ХАРАКТЕРИСТИКА ВАРИАЦИОННЫХ  РЯДОВ И ИХ ВИДЫ

Важнейшей частью статистического анализа является построение рядов распределения (структурной группировки) с целью выделения характерных свойств и закономерностей изучаемой совокупности. В зависимости от того, какой признак (количественный или качественный) взят за основу группировки данных, различают соответственно типы рядов распределения.

Если за основу группировки взят качественный признак, то такой ряд распределения называют атрибутивным (распределение по видам труда, по полу, по профессии, по религиозному признаку, национальной принадлежности и т.д.).

Если ряд распределения построен по количественному признаку, то такой ряд называют вариационным. Построить вариационный ряд - значит упорядочить количественное распределение единиц совокупности по значениям признака, а затем подсчитать числа единиц совокупности с этими значениями (построить групповую таблицу).

Выделяют три формы вариационного ряда: ранжированный ряд, дискретный ряд и интервальный ряд.

Ранжированный ряд - это распределение отдельных единиц совокупности в порядке возрастания или убывания исследуемого признака. Ранжирование позволяет легко разделить количественные данные по группам, сразу обнаружить наименьшее и наибольшее значения признака, выделить значения, которые чаще всего повторяются.

Другие формы вариационного ряда - групповые таблицы, составленные по характеру вариации значений изучаемого признака. По характеру вариации различают дискретные (прерывные) и непрерывные признаки.

Дискретный ряд - это такой вариационный ряд, в основу построения которого положены признаки с прерывным изменением (дискретные признаки). К последним можно отнести тарифный разряд, количество детей в семье, число работников на предприятии и т.д. Эти признаки могут принимать только конечное число определенных значений.

Дискретный вариационный ряд представляет таблицу, которая состоит из двух граф. В первой графе указывается конкретное значение признака, а во второй - число единиц совокупности с определенным значением признака.

Если признак имеет непрерывное изменение (размер дохода, стаж работы, стоимость основных фондов предприятия и т.д., которые в определенных границах могут принимать любые значения), то для этого признака нужно строить интервальный вариационный ряд.

Групповая таблица здесь также имеет две графы. В первой указывается значение признака в интервале «от - до» (варианты), во второй - число единиц, входящих в интервал (частота).

Частота (частота повторения) - число повторений отдельного варианта значений признака, обозначается fi , а сумма частот, равная объему исследуемой совокупности, обозначается

                                                                                                         (1.1)

где k - число вариантов значений признака

Очень часто таблица дополняется графой, в которой подсчитываются накопленные частоты S, которые показывают, какое количество единиц совокупности имеет значение признака не большее, чем данное значение.

Частоты ряда f могут заменяться частостями w, выраженными в относительных числах (долях или процентах). Они представляют собой отношения частот каждого интервала к их общей сумме, т.е.:

                                                                            (1.2)

При построении вариационного ряда с интервальными значениями прежде всего необходимо установить величину интервала i, которая определяется как отношение размаха вариации R к числу групп m:

                                                                                                        (1.3)

где R = xmax - xmin ;

m = 1 + 3,322 lgn (формула Стерджесса);

n - общее число единиц  совокупности.

2.ПОКАЗАТЕЛИ ВАРИАЦИИ  В АНАЛИЗЕ ВЗАИМОСВЯЗЕЙ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ  ЯВЛЕНИЙ

2.1.Показатели центра распределения  в статистическом анализе

Статистический анализ вариационных рядов распределения предполагает расчет характеристик центра распределения, его структуры, оценку степени вариации и дифференциации изучаемого признака, изучение формы распределения.

В качестве показателей центральной тенденции распределения используются: среднее арифметическое значение, мода и медиана.

Средней арифметической величиной называется такое значение признака в расчете на единицу совокупности, при вычислении которого общий объем признака в совокупности сохраняется неизменным.

Иными словами, средняя арифметическая величина — среднее слагаемое. При ее вычислении общий объем признака мысленно распределяется поровну между всеми единицами совокупности.

Средняя арифметическая определяется по формулам:

1. Средней арифметической простой (для несгруппированных данных):

,                                                                       (2.1)

где: – значение признака у i-й единицы совокупности;

n – объем совокупности.

2. Средней арифметической взвешенной (для интервального вариационного ряда):

,                                                                      (2.2)

где:fi – абсолютные частоты;

xi – середина интервала.

Если при замене индивидуальных величин признака на среднюю величину необходимо сохранить неизменным произведение индивидуальных величин, то следует применить геометрическую среднюю величину. Ее формула такова:

         (2.3)

При изучении вариации применяются такие характеристики вариационного ряда, которые описывают количественно его структуру, строение. Такова, например, медиана – величина варьирующего признака, делящая совокупность на две равные части – со значениями признака меньше медианы и со значениями признака больше медианы.

В интервальном вариационном ряду для нахождения медианы применяется формула:

,                                           (2.4)

где: Ме – медиана;

 Хе – нижняя граница интервала, в котором находится медиана; n – число наблюдений;

 fMe-1 – накопленная частота в интервале, предшествующем медианному;

fMe – частота в медианном интервале;

i – величина интервала.

Важное значение имеет такая величина признака, которая встречается в изучаемом ряду, в совокупности чаще всего. Такую величину принято называть модой и обозначать Мо. В дискретном ряду мода определяется без вычисления как значение признака с наибольшей частотой.

В интервальном вариационном ряду, тем более при непрерывной вариации признака, строго говоря, каждое значение признака встречается только один раз. Модальным интервалом является интервал с наибольшей частотой. Значение моды в интервальном ряду распределения определяется по следующей формуле:

,                      (2.5)

где:Х0 – нижняя частота модального интервала;

 fMo – частота в модальном интервале;

 fMo-1 – частота в предыдущем интервале;

fMo+1 – частота в следующем интервале за модальным;

 i – величина интервала.

2.2. Характеристика показателей  вариации (колеблемости) признака в сравнительном анализе

Информация о средних уровнях исследуемых показателей обычно бывает недостаточной для глубокого анализа изучаемого процесса или явления. Необходимо учитывать и разброс или вариацию значений отдельных единиц, которая является важной характеристикой изучаемой совокупности. В наибольшей степени вариации подвержены курсы акций, объемы спроса и предложения, процентные ставки в разные периоды и в разных местах.

Для измерения вариации признака используют как абсолютные, так и относительные показатели.

К абсолютным показателям вариации относят: размах вариации, среднее линейное отклонение, среднее квадратическое отклонение, дисперсию.

К относительным показателям вариации относят: коэффициент осцилляции, линейный коэффициент вариации, относительное линейное отклонение и др.

Размах вариации R. Это самый доступный по простоте расчета абсолютный показатель, который определяется как разность между самым большим и самым малым значениями признака у единиц данной совокупности:

          (2.6)

Размах вариации (размах колебаний) - важный показатель колеблемости признака, но он дает возможность увидеть только крайние отклонения, что ограничивает область его применения. Для более точной характеристики вариации признака на основе учета его колеблемости используются другие показатели.

Среднее линейное отклонение d, которое вычисляют для того, чтобы учесть различия всех единиц исследуемой совокупности. Эта величина определяется как средняя арифметическая из абсолютных значений отклонений от средней. Так как сумма отклонений значений признака от средней величины равна нулю, то все отклонения берутся по модулю.

Формула среднего линейного отклонения (простая)

                                                          (2.7)

Формула среднего линейного отклонения (взвешенная)

                                                              (2.8)

При использовании показателя среднего линейного отклонения возникают определенные неудобства, связанные с тем, что приходится иметь дело не только с положительными, но и с отрицательными величинами, что побудило искать другие способы оценки вариации, чтобы иметь дело только с положительными величинами. Таким способом стало возведение всех отклонений во вторую степень. Обобщающие показатели, найденные с использованием вторых степеней отклонений, получили очень широкое распространение. К таким показателям относятся среднее квадратическое отклонение  и среднее квадратическое отклонение в квадрате , которое называют дисперсией.

Средняя квадратическая простая

                                                                              (2.9)

Средняя квадратическая взвешенная

                                                                         (2.10)

Дисперсия есть не что иное, как средний квадрат отклонений индивидуальных значений признака от его средней величины.

Формулы дисперсии взвешенной  и простой :

                                           (2.11)

Расчет дисперсии можно упростить. Для этого используется способ отсчета от условного нуля (способ моментов), если имеют место равные интервалы в вариационном ряду.

Кроме показателей вариации, выраженных в абсолютных величинах, в статистическом исследовании используются показатели вариации (V), выраженные в относительных величинах, особенно для целей сравнения колеблемости различных признаков одной и той же совокупности или для сравнения колеблемости одного и того же признака в нескольких совокупностях.

Данные показатели рассчитываются как отношение размаха вариации к средней величине признака (коэффициент осцилляции), отношение среднего линейного отклонения к средней величине признака (линейный коэффициент вариации), отношение среднего квадратического отклонения к средней величине признака (коэффициент вариации) и, как правило, выражаются в процентах.

Формулы расчета относительных показателей вариации:

                                           (2.12)

где Vr - коэффициент осцилляции;

 Vα- линейный коэффициент вариации; 

Vσ- коэффициент вариации.

Из приведенных формул видно, что чем больше коэффициент V приближен к нулю, тем меньше вариация значений признака.

В статистической практике наиболее часто применяется коэффициент вариации. Он используется не только для сравнительной оценки вариации, но и для характеристики однородности совокупности. Совокупность считается однородной, если коэффициент вариации не превышает 33% (для распределений, близких к нормальному).

2.3.Особенности показателей  формы и кривых статистического  распределения

Графики являются наглядной формой отображения рядов распределения. Для изображения рядов применяются линейные графики и плоскостные диаграммы, построенные в прямоугольной системе координат.

Для графического представления атрибутивных рядов распределения используются различные диаграммы: столбиковые, линейные, круговые, фигурные, секторные и т. д.

Для дискретных вариационных рядов графиком является полигон распределения.

Полигоном распределения называется ломаная линия, соединяющая точки с координатами или где  - дискретное значение признака, - частота,  - частость. График строится в принятом масштабе.

Для изображения интервальных вариационных рядов применяют гистограммы, представляющие собой ступенчатые фигуры, состоящие из прямоугольников, основания которых равны ширине интервала  , а высота - частоте  (частости ) равноинтервального ряда или плотности распределения неравноинтервального  Построение диаграммы аналогично построению столбиковой диаграммы.

Для графического представления вариационных рядов может использоваться также кумулята – ломаная линия, составленная по накопленным частотам (частостям). Накопленные частоты наносятся в виде ординат; соединяя вершины отдельных ординат отрезками прямой, получаем ломаную линию, имеющую неубывающий вид. Координатами точек на графике для дискретного ряда являются для интервального ряда - Начальная точка графика имеет координаты самая высокая точка

При построении графиков рядов распределения большое значение имеет соотношение масштабов по оси абсцисс и оси ординат. В этом случае и необходимо руководствоваться «правилом золотого сечения», в соответствии с которым высота графика должна быть примерно в два раза меньше его основания.

Вторая важнейшая задача при определении общего характера распределения – это оценка степени его однородности. Однородность статистических совокупностей характеризуется величиной вариации (рассеяния) признака, т.е. несовпадением его значений у разных статистических единиц. Для измерения вариации в статистике используются абсолютные и относительные показатели. Выяснение общего характера распределения предполагает не только оценку степени его однородности, но и исследование формы распределения, т.е. оценку симметричности и эксцесса.

Из математической статистики известно, что при увеличении объема статистической совокупности и одновременного уменьшении интервала группировки полигон либо гистограмма распределения все более и более приближается к некоторой плавной кривой, являющейся для указанных графиков пределом. Эта кривая называется эмпирической кривой распределения и представляет собой графическое изображение в виде непрерывной линии изменения частот, функционально связанного с изменением вариант.

В статистике различают следующие виды кривых распределения:

• одновершинные кривые; • многовершинные кривые.

Однородные совокупности описываются одновершинными распределениями. Многовершинность распределения свидетельствует о неоднородности изучаемой совокупности или о некачественном выполнении группировки.

Одновершинные кривые распределения делятся на симметричные, умеренно асимметричные и крайне асимметричные.

Распределение называется симметричным, если частоты любых 2-х вариантов, равноотстоящих в обе стороны от центра распределения, равны между собой. В таких распределениях 

Для характеристики асимметрии используют коэффициенты асимметрии.

Наиболее часто используются следующие из них:

• Коэффициент асимметрии Пирсона

                                                                                            (2.13)

В одновершинных распределениях величина этого показателя изменяется от -1 до +1. в симметричных распределениях As=0. При As>0 наблюдается правосторонняя асимметрия. В распределениях с правосторонней асимметрией Mo ≤ Me ≤

При As<0 – асимметрия отрицательная левосторонняя, Mo>Me> 

Чем ближе по модулю As к 1, тем асимметрия существеннее.

Коэффициент асимметрии Пирсона характеризует асимметрию только в центральной части распределения, поэтому более распространенным и более точным является коэффициент асимметрии, рассчитанный на основе центрального момента 3-его порядка:

                           (2.14)

 Центральным моментом  в статистике называется среднее  отклонение индивидуальных значений  признака от его среднеарифметической  величины.

Центральный момент k-ого порядка рассчитывается как:

                                  (2.15)

Соответственно формулы для определения центрального момента третьего порядка имеют следующий вид:

                                     (2.16)

Для оценки существенности рассчитанного вторым способом коэффициента асимметрии определяется его средняя квадратическая ошибка:

                              (2.17)

 Для одновершинных  распределений рассчитывается еще  один показатель оценки его  формы – эксцесс. Эксцесс является  показателем островершинности распределения. Он рассчитывается для симметричных распределений на основе центрального момента 4-ого порядка 

                                   (2.18)

 При симметричных распределениях  Ех=0. если Ех>0, то распределение относится к островершинным, если Ех<0 – к плосковершинным.

3.ПРИМЕНЕНИЕ ПОКАЗАТЕЛЕЙ  ВАРИАЦИИ ДЛЯ ИЗУЧЕНИЯ ОБЪЕКТА  ИССЛЕДОВАНИЯ

Необходимо провести анализ вариационного ряда пропуска занятий студентами второго курса гр. ЭММ-10-1 Тюменского государственного нефтегазового университета. Данные выборочного наблюдения представлены в таблице 3.1. Необходимо рассчитать показатели вариации для данного явления.

Таблица 3.1

Данные выборочного наблюдения по ООО «Ника»

От интервального ряда перейти к дискретному. Для этого каждый промежуток заменить его средним значением, оставив частоты и относительные частоты без изменения.

Таблица 3.1

Данные выборочного наблюдения по ООО «Ника» в виде дискретного ряда

Графический интервальный вариационный ряд изображается в виде гистограммы частот- ступенчатой фигуры, состоящей из прямоугольников, основанием которых служат частичные интервалы длиной h группировки, а высоты равны отношению частоты к длине интервала , т.е. плотности частот.

Дискретный вариационный ряд графически изображается в виде полигона частот или относительных частот.

Полигон частот - это ломаная линия, соединяющая точки с координатами .

Полигон относительных частот- это ломаная линия, соединяющая точки с координатами.

Эмпирическая функция распределения графически изображается в виде линии, изменяющейся скачкообразно.

На оси Ox откладываются значения интервалов, на оси Oy соответствующие им вероятности. Скачок наблюдается при переходе от одного интервала к другому.

Рис. 3.1 Интервальный ряд для количества пропусков занятий студентами второго курса

Рис.3.2 Полигон частот

Полигон относительных частот:

Рис.3.3 Полигон относительных частот

Выборочная средняя .

Таблица 3.3

Таблица для расчета выборочной средней

902/86=10,49

Выборочная дисперсия , в правой части разность эмпирических моментов первого и второго порядков.

Таблица 3.4

Таблица для расчета выборочной дисперсии