|
Методические указания и решение типовых задач
Исследование вариации в статистике и социально-экономических исследованиях имеет важное значение, так как величина вариации признака в статистической совокупности характеризует ее однородность.
В статистической практике для изучения и измерения вариации используются различные показатели (меры) вариации в зависимости от поставленных перед исследователем задач. К ним относятся размах вариации, среднее линейное отклонение, средний квадрат отклонений (дисперсия), среднее квадратическое отклонение и коэффициент вариации.
При изучении вопроса о вариации нужно четко представлять себе условия, порождающие вариацию признаков, а также сущность и значение измерения вариации признаков. Следует также усвоить, что изучение вариации признаков общественных явлений находится в прямой связи с группировками, в частности с рядами распределения. Очень важно научиться свободно исчислять все показатели вариации.
Способы вычисления показателей вариации. Размах вариации(R) является наиболее простым измерителем вариации признака.
R = xmax – xmin,
где хmax – наибольшее значение варьирующего признака;
хmin – наименьшее значение признака.
Среднее линейное отклонение( ) представляет собой среднюю величину из отклонений вариантов признака от их средней. Его можно рассчитать по формуле средней арифметической, как невзвешенной, так и взвешенной, в зависимости от отсутствия или наличия частот в ряду распределения:
– невзвешенное среднее линейное отклонение;
– взвешенное среднее линейное отклонение.
Символы хi, , fi и n имеют то же значение, что и в предыдущей главе. Рассмотренные выше показатели имеют ту же размерность, что и признак, для которого они вычисляются.
Пример.На основе данных табл. 7.1 рассчитаем среднее линейное отклонение для дискретного ряда распределения.
Решение. Размах вариации стажа равен:
R = 12 – 8 = 4 года.
Результаты вспомогательных расчетов даны в графах 3-5 табл. 7.1.
Средний стаж работы определяем по формуле средней арифметической взвешенной:

Отклонения индивидуальных значений стажа от средней с учетом и без учета знака содержатся в графах 4 и 5, а произведения отклонений по модулю на соответствующие частоты – в гр. 6.
Таблица 7.1
Распределение учителей средних школ района по стажу работы
Стаж работы, лет xi (признак)
| Число учителей
в % к итогу fi
(вес (частота))
| xifi
|
|
|
|
|
|
|
|
|
|
|
|
| -2
|
|
|
|
|
| -1
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Итого
|
|
|
| -
|
|
Среднее линейное отклонение стажа работы учителей средних школ района

Показатели дисперсии и среднего квадратического отклонения являются общепринятыми мерами вариации и широко используются в статистических исследованиях.
Дисперсияпредставляет собой средний квадрат отклонений индивидуальных значений признака от их средней величины (обозначается греческой буквой σ2 – «сигма квадрат»). Дисперсия вычисляется по формулам простой невзвешенной и взвешенной:
– невзвешенная;
– взвешенная.
Среднее квадратическое отклонениепредставляет собой корень второй степени из среднего квадрата отклонений отдельных значений признака от их средней:
– невзвешенное;
– взвешенное.
Среднее квадратическое отклонение – величина именованная, имеет размерность осредняемого признака.
Пример.Рассчитаем дисперсию и среднее квадратическое отклонение для следующего ряда распределения (табл. 7.2).
Таблица 7.2
Распределение магазинов города по товарообороту во II квартале 1998 г.
Группы магазинов по величине
товарооборота,
тыс. руб.
| Число
магазинов
fi
| Середина интервала,
тыс. руб.
хi,
| xifi
|
|
|
| А
|
|
|
|
|
|
| 40-50
|
|
|
| -49,2
| 2420,64
| 4841,28
| 50-60
|
|
|
| -39,2
| 1536,64
| 6146,56
| 60-70
|
|
|
| -29,2
| 852,64
| 5968,48
| 70-80
|
|
|
| -19,2
| 368,64
| 3686,40
| 80-90
|
|
|
| -9,2
| 84,64
| 1269,60
| 90-100
|
|
|
| 0,8
| 0,64
| 12,80
| 100-110
|
|
|
| 10,8
| 116,64
| 2566,08
| 110-120
|
|
|
| 20,64
| 432,64
| 4759,04
| 120-130
|
|
|
| 30,8
| 948,64
| 5691,84
| 130-140
|
|
|
| 40,8
| 1664,64
| 4993,92
| Итого
|
|
|
| -
| -
| 39936,00
|
Решение. В приведенных ранее примерах мы имели дело с дискретными рядами. При расчете показателей вариации по интервальным рядам распределения (табл. 7.2) необходимо сначала определить середины интервалов, а затем вести дальнейшие расчеты, рассматривая ряд середин интервалов как дискретный ряд распределения.
Результаты вспомогательных расчетов для определения дисперсии и среднего квадратического отклонения содержатся в графах 2-6 табл. 7.2.
Средний размер товарооборота определяется по средней арифметической взвешенной и составляет:

Дисперсия товарооборота

Среднее квадратическое отклонение товарооборота определяется как корень квадратный из дисперсии:

Расчет дисперсии прямым способом в ряде случаев трудоемок, поэтому логично, используя свойства дисперсии, упростить ее вычисления, например используя расчет дисперсии по способу отчета от условного нуля или способу моментов по следующей формуле:

С использованием начальных моментов формула расчета дисперсии по способу моментов имеет следующий вид:
σ2= k2 (m2 – m12),
где k – величина интервала;
А – условный нуль, в качестве которого удобно использовать середину интервала с наибольшей частотой;
– начальный момент первого порядка;
– начальный момент второго порядка.
В случае когда А приравнивается к нулю и, следовательно, не вычисляются отклонения, формула принимает вид:
или 
Воспользуемся данными предыдущего примера и рассчитаем дисперсию по способу отсчета от условного нуля и способу моментов. Расчет произведем в табличной форме (табл. 7.3).
Таблица 7.3
Расчет дисперсии способом отчета от условного нуля
Группы магазинов по
товарообороту,
тыс. руб.
| Число
магазинов
fi
| Середина
интервала, тыс. руб.
xi
| xi – A
(А = 95)
|
(k = 10)
|
|
|
|
| 40-50
|
|
| -50
| -5
| -10
|
|
|
| 50-60
|
|
| -40
| -4
| -16
|
|
|
| 60-70
|
|
| -30
| -3
| -21
|
|
|
| 70-80
|
|
| -20
| -2
| -20
|
|
|
| 80-90
|
|
| -10
| -1
| -15
|
|
|
| 90-100
|
|
|
|
|
|
|
|
| 100-110
|
|
|
|
|
|
|
|
| 110-120
|
|
|
|
|
|
|
|
| 120-130
|
|
|
|
|
|
|
|
| 130-140
|
|
|
|
|
|
|
|
| Итого
|
| -
| -
| -
| -8
|
| -
|
|
По способу отсчета от условного нуля:

По способу моментов получаем:

По способу разности между средней квадратов вариантов признака и квадратом их средней величины

Результаты расчетов дисперсии по всем трем способам дают одну и ту же величину.
Для целей сравнения колеблемости различных признаков в одной и той же совокупности или же при сравнении колеблемости одного и того же признака в нескольких совокупностях вычисляются относительные показатели вариации.Базой для сравнения служит средняя арифметическая. Эти показатели вычисляются как отношение размаха, или среднего линейного отклонения, или среднего квадратического отклонения к средней арифметической. Чаще всего, они выражаются в процентах и характеризуют не только сравнительную оценку вариации, но и дают характеристику однородности совокупности. Совокупность считается однородной, если коэффициент вариации не превышает 33% (для распределений, близких к нормальному). Различают следующие относительные показатели вариации (V):
Коэффициент осцилляции: .
Линейный коэффициент вариации: .
Коэффициент вариации: .
Рассмотрим примеры определения этих показателей.
По данным табл. 7.1, коэффициент осцилляции , а линейный коэффициент вариации .
Коэффициент вариации вычислим на основе ряда распределения, представленного в табл. 7.2: .
Наиболее часто в практических расчетах из этих трех показателей применяется коэффициент вариации.
Статистическое изучение вариации многих социально-экономических явлений проводится и при помощи дисперсии альтернативного признака. Обозначим наличие данного признака 1, отсутствие 0, долю вариантов, обладающих данным признаком, р, а не обладающих им q. Так как ряд р + q = 1, то средняя = р, а дисперсия альтернативного признака σ2 = pq, где , n – число наблюдений, m – число единиц совокупности, обладающее данным признаком, q = 1 – р.
Определим дисперсию альтернативного признака по следующим данным: налоговой инспекцией одного из районов города проверено 172 коммерческих киоска и в 146 обнаружены финансовые нарушения. Тогда
n = 172, m = 146; ; q = 1 – 0,85 = 0,15; σ2 = 0,85 · 0,15 = 0,1275.
Наряду с изучением вариации признака по всей совокупности в целом часто бывает необходимо проследить количественные изменения признака по группам, на которые разделяется совокупность, а также и между группами. Такое изучение вариации достигается посредством вычисления и анализа различных видов дисперсии.
Правило сложения дисперсий.Если данные представлены в виде аналитической группировки, то можно вычислить дисперсию общую, межгрупповую и внутригрупповую.
Общая дисперсияизмеряет вариацию признака во всей совокупности под влиянием всех факторов, обусловливающих эту вариацию:

Межгрупповая дисперсияхарактеризует систематическую вариацию, т.е. различия в величине изучаемого признака, возникающие под влиянием признака-фактора, положенного в основание группировки. Она рассчитывается по формуле:
,
где хi и ni – соответственно средние и численности по отдельным группам
Внутригрупповая дисперсияотражает случайную вариацию, т.е. часть вариации, происходящую под влиянием неучтенных факторов и не зависящую от признака-фактора, положенного в основание группировки. Она исчисляется следующим образом:

Средняя из внутригрупповых дисперсий
.
Существует закон, связывающий три вида дисперсий. Общая дисперсия равна сумме средней из внутригрупповых и межгрупповых дисперсий:
.
Данное соотношение называют правилом сложения дисперсий.Согласно этому правилу общая дисперсия, возникающая под влиянием всех факторов, равна сумме дисперсий, возникающих под влиянием всех прочих факторов, и дисперсии, возникающей за счет группировочного признака.
Зная любые два вида дисперсий, можно определить или проверить правильность расчета третьего вида.
Пример.Определим групповые дисперсии, среднюю из групповых дисперсий, межгрупповую дисперсию, общую дисперсию по данным табл. 7.4.
Таблица 7.4
Производительность труда двух бригад рабочих-токарей
1-я бригада
| 2-я бригада
| №
п/п
| Изготовлено
деталей за час, шт. хi
|
|
| №
п/п
| Изготовлено деталей за час, шт. хi
|
|
|
|
| -2
|
|
|
| -3
|
|
|
| -1
|
|
|
| -2
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| -1
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Решение. Для расчета групповых дисперсий вычислим средние по каждой группе:

Промежуточные расчеты дисперсий по группам представлены в табл. 7.4. Подставив полученные значения в формулу, получим:
;
.
Средняя из групповых дисперсий

Затем рассчитаем межгрупповую дисперсию. Для этого предварительно определим общую среднюю как среднюю взвешенную из групповых средних:

Теперь определим межгрупповую дисперсию:

Таким образом, общая дисперсия по правилу сложения дисперсий
.
Проверим полученный результат, исчислив общую дисперсию обычным способом:

На основании правила сложения дисперсий можно определить показатель тесноты связи между группировочным (факторным) и результативным признаками. Он называется эмпирическим корреляционным отношением,обозначается η(«эта») и рассчитывается по формуле . Для нашего примера эмпирическое корреляционное отношение .
Величина 0,86 характеризует существенную связь между группировочным и результативным признаками.
Наряду с вариацией индивидуальных значений признака вокруг средней может наблюдаться и вариация индивидуальных долей признака вокруг средней доли.Такое изучение вариации достигается посредством вычисления и анализа следующих видов дисперсий.
Внутригрупповая дисперсия долиопределяется по формуле
.
Средняя из внутригрупповых дисперсий

Формула межгрупповой дисперсииимеет вид:

где ni – численность единиц в отдельных группах;
р – доля изучаемого признака во всей совокупности, которая определяется по формуле

Общая дисперсияимеет вид:

Три вида дисперсии связаны между собой следующим образом:

Данное соотношение дисперсий называется теоремой сложения дисперсии доли признака. Эта теорема широко используется в изучении колеблемости качественных признаков.
Пример.Определим групповые дисперсии, среднюю из групповых, межгрупповую и общую дисперсии по данным табл. 7.5.
Таблица 7.5
Численность и удельный вес одной из категорий крупного рогатого скота фермерских хозяйств района
Хозяйство
| Удельный вес дойных коров, %
pi
| Всего коров
ni
|
|
|
|
|
|
|
|
|
| Итого
|
|
|
Решение. Определим долю дойных коров в целом по трем хозяйствам:

Общая дисперсия доли дойных коров:

Внутригрупповые дисперсии:

Средняя из внутригрупповых дисперсий:

Межгрупповая дисперсия:

Используя правило сложения дисперсий, получаем: 0,1025 + 0,0031 = 0,1056. Пример решен правильно.
Выяснение общего характера распределения предполагает не только оценку степени его однородности, но и оценку его симметричности, остро- или плосковершинности. Симметричнымназывается распределение, в котором частоты любых двух вариантов, равноотстоящих в обе стороны от центра распределения, равны между собой. В статистике для характеристики асимметрии пользуются несколькими показателями.
Показатели асимметрии и эксцесса.Степень асимметрии может быть определена с помощью коэффициента асимметрии:
,
где – средняя арифметическая ряда распределения,
Мо – мода;
σ – среднее квадратическое отклонение
При симметричном (нормальном) распределении = Мо, следовательно, коэффициент асимметрии равен нулю. Если As > 0, то больше моды, следовательно, имеется правосторонняя асимметрия.
Если As < 0, то меньше моды, следовательно, имеется левосторонняя асимметрия. Коэффициент асимметрии может изменяться от -3 до +3.
В практических расчетах часто в качестве показателя асимметрии применяется отношение центрального момента третьего порядка к среднему квадратическому отклонению данного ряда в кубе, т.е. .
Это дает возможность определить не только величину асимметрии, но и проверить наличие асимметрии в генеральной совокупности. Принято считать, что асимметрия выше 0,5 (независимо от знака) считается значительной. Асимметрия меньше 0,25 – незначительная.
Пример.Рассчитаем коэффициент асимметрии по данным о распределении фирм по стоимости основных фондов (табл. 7.6).
Таблица 7.6
Расчет коэффициента асимметрии
Группы фирм по стоимости
основных фондов,
млн. руб.
х
| Количество фирм fi
| Середина интервала
xi
|
k= 0,5
| x’fi
| (x’)2fi
| (x’)3fi
| (x’)4fi
| 0,5-1,0
|
| 0,75
| -2
| -40
|
| -160
|
| 1,0-1,5
|
| 1,25
| -1
| -40
|
| -40
|
| 1,5-2,0
|
| 1,75
|
|
|
|
|
| 2,0-2,5
|
| 2,25
|
|
|
|
|
| Итого
|
| -
| -
| -60
|
| -180
|
| Решение. Определяем условные моменты m1, m2и m3, а также центральные моменты μ2 и μ3, необходимые для вычисления коэффициента асимметрии:


Коэффициент асимметрии для данного ряда

Полученный результат свидетельствует о наличии незначительной правосторонней асимметрии.
Для симметричных распределений может быть также рассчитан показатель эксцесса:
.
При симметричном распределении Ek = 0. Если Ek > 0, распределение является островершинным; если Ek < 0 - плосковершинным.
Вычислим Ek по данным табл. 7.6, определив вначале величину четвертого центрального момента: . Тогда . Таким образом, исследуемое распределение является островершинным.
Оценка существенности показателей асимметрии и эксцесса позволяет сделать вывод о том, можно ли отнести данное эмпирическое распределение к типу нормального распределения.
Построение нормального распределения по эмпирическим данным.Имея дело с эмпирическим распределением, можно предположить, что данному распределению соответствует определенная, характерная для него теоретическая кривая. Выдвинув гипотезу о той или иной форме распределения, стремятся описать эмпирический ряд с помощью математической модели, выражающей некоторый теоретический закон распределения. Среди различных кривых распределения особое место занимает нормальное распределение.
Нормальное распределение чаще всего выражается следующей стандартизованной кривой нормального распределения:
,
где уt – ордината кривой нормального распределения;
– стандартизованная (нормированная) величина;
е и π – математические постоянные:
хi – значения изучаемого признака,
– средняя арифметическая ряда,
σ – среднее квадратическое отклонение изучаемого признака.
Как видно из уравнения, два параметра – средняя арифметическая ( ) и среднее квадратическое отклонение (σ) - определяют черты симметричной кривой нормального распределения. В зависимости от их значения она может иметь разный центр группирования, быть более удлиненной или сжатой.
Пример.Рассчитаем значения частот теоретического ряда распределения на основании эмпирических данных об урожайности зерна в 500 фермерских хозяйствах, представленных в табл. 7.7.
Таблица 7.7
Расчет теоретических частот нормального распределения
Урожайность,
ц/га
| Середина интер-
вала
xi
| Кол-во хоз-в
fi
| xifi
|
|
|
|
|
| Теоретические
частоты
| А
|
|
|
|
|
|
|
|
|
| До 38,25
| 38,0
|
| 76,0
|
|
| -3
| -3
| 0,004
|
| 38,25-38,75
| 38,5
|
| 115,0
|
|
| -2,5
| -2,5
| 0,017
|
| 38,75-39,25
| 39,0
|
| 390,0
|
|
| -2,0
| -2,0
| 0,054
|
| Продолжение таблицы 7.7
А
|
|
|
|
|
|
|
|
|
| 39,25-39,75
| 39,5
|
| 1224,5
|
|
| -1,5
| - 1,5
| 0,130
|
| 39,75-40,25
| 40,0
|
| 2880,0
|
|
| -1,0
| -1,0
| 0,242
|
| 40,25-40,75
| 40,5
|
| 3442,5
|
|
| -0,5
| -0,5
| 0,352
|
| 40,75-41,25,
| 41,0
|
| 3854,0
|
|
|
|
| 0,399
|
| 41,25-41,75
| 41,5
|
| 3652,0
|
|
| 0,5
| 0,5
| 0,352
|
| 41,75-42,25
| 42,0
|
| 2604,0
|
|
| 1,0
| 1,0
| 0,242
|
| 42,25-42,75
| 42,5
|
| 1572,5
|
|
| 1,5
| 1,5
| 0,130
|
| 42,75-43,25
| 43,0
|
| 516,0
|
|
| 2,0
| 2,0
| 0,054
|
| 43,25-43,75
| 43,5
|
| 130,5
|
|
| 2,5
| 2,5
| 0,017
|
| Свыше 43,75
| 44,0
|
| 44,0
|
|
| 3,0
| 3,0
| 0,004
|
| Итого
| -
|
| 20501,5
| -
|
|
|
| -
|
|
Для данного эмпирического распределения находим сначала значения = 41 ц/га и σ = 1,0 (они рассчитаны обычным способом и не воспроизведены в табл. 7.7).
Затем находим отклонения хi – (табл. 7.7 гр. 6) и стандартизованные отклонения (табл. 7.7 гр. 7) для данного варианта. Значения же теоретической частоты для нее исчисляются по известной уже формуле: .
Так как величина остается одной и той же для всего распределения с равными интервалами, в частности в нашем примере , то достаточно ее найти один раз и умножить на величину φ(t) при данном t, тогда получим искомую теоретическую частоту (табл. 7.7 гр. 9).
Критерии согласия.Количественная характеристика соответствия может быть получена с помощью особых статистических показателей-критериев согласия. Известны критерии согласия К. Пирсона (хи-квадрат), В.И. Романовского, Б.С. Ястремского и А.Н. Колмогорова.
Критерий согласия Пирсона(χ2) вычисляется по формуле
,
где fЭ и fT – эмпирические и теоретические частоты соответственно.
С помощью величины χ2 по специальным таблицам приложения определяется вероятность Р (χ2). Входами в таблицу являются значения χ2 и число степеней свободы γ = n – 1. На основе Р выносится суждение о существенности расхождения между эмпирическим и теоретическим распределениями. При Р > 0,5 считается, что эмпирическое и теоретическое распределения близки. При РÎ(0,2; 0,5) совпадение между ними удовлетворительное, в остальных случаях недостаточное.
Критерий Романовского(С), также используемый для проверки близости эмпирического и теоретического распределений, определяется следующим образом:
,
где χ2 – критерий Пирсона:
γ – число степеней свободы.
При С < 3 различие несущественно, что позволяет считать эмпирическое распределение близким к нормальному.
Критерий Ястремского(L) может быть найден на основе следующего соотношения:
,
где N – объем совокупности:
pq – дисперсия альтернативного признака;
k – число вариантов или групп;
Q – принимает значение 0,6, при числе вариантов или групп от 8 до 20.
Если L < 3, то эмпирическое распределение соответствует теоретическому.
Критерий Колмогорова(λ) вычисляется по формуле
,
где D – максимальное значение разности между накопленными эмпирическими и теоретическими частотами;
Σf – сумма эмпирических частот.
Необходимым условием использования этого критерия является достаточно большее число наблюдений (не меньше ста).
Пример.Рассчитаем критерии Колмогорова и Пирсона по данным табл. 7.8.
Таблица 7.8
Расчет критерия Колмогорова по данным об урожайности зерновых
в 500 фермерских хозяйствах
Урожайность, ц/га
xi
| Частоты ряда распределения
| Накопленные частоты
| |fЭ – fT|
| эмпирические
fЭ
| теоретические
fT
| эмпирические
fЭ
| теоретические
fT
| До 38,25
|
|
|
|
|
| 38,25-38,75
|
|
|
|
|
| 38,75-39,25
|
|
|
|
|
| 39,25-39,75
|
|
|
|
|
| 39,75-40,25
|
|
|
|
|
| 40,25-40,75
|
|
|
|
|
| 40,75-41,25
|
|
|
|
|
| 41,25-41,75
|
|
|
|
|
| 41,75-42,25
|
|
|
|
|
| 42,25-42,75
|
|
|
|
|
| 42,75-43,25
|
|
|
|
|
| 43,25-43,75
|
|
|
|
|
| Свыше 43,75
|
|
|
|
|
| Итого
|
|
| -
| -
| –
|
Как видно из табл. 7.8, максимальное значение разности между эмпирическими и теоретическими частотами составляет 7, т.е. D=7.
Следовательно, в нашем примере величина критерия Колмогорова
.
По таблицам вероятностей Р (λ) определяем, что λ = 0,31 соответствует Р(х), близкая к 1,00. Это означает, что с вероятностью, близкой к 1, можно утверждать, что отклонения фактических частот от теоретических в нашем примере являются случайными. Следовательно, можно считать, что в основе фактического распределения фермерских хозяйств по урожайности лежит нормальное распределение.
Этот же вывод подтверждается расчетом χ2-критерия Пирсона (табл. 7.9).
Таблица 7.9
Расчет критерия Пирсона по данным об урожайности зерновых
в 500 фермерских хозяйствах
Урожайность, ц/ га
хi
| Частоты распределения ряда
| fЭ – fТ
|
| эмпирические
fЭ
| теоретические
fТ
| До 38,25
| 2
| 1
|
|
|
|
|
|
|
| 38,25-38,75
|
|
|
|
| 38,75-39,25
|
|
|
| 1,70
| 39,25-39,75
|
|
|
| 0,03
| 39,75-40,25
|
|
|
| 2,00
| 40,25-40,75
|
|
|
| 0,05
| 40,75-41,25
|
|
|
| 0,16
| 41,25-41,75
|
|
|
| 0,01
| 41,75-42,25
|
|
|
| 0,02
| 42,25-42,75
|
|
|
| 0,78
| 42,75-43,25
|
|
|
| 0,10
| 43,25-43,75
| 3
| 4
|
| 0,20
|
|
|
|
|
| Свыше 43,75
|
|
|
|
| Итого
|
|
| -
| 5,05
|
Из данных табл. 7.9 видно, что χ2 = 5,05. По таблицам вероятностей Р(χ2) = 0,9834. Таким образом, эмпирическое и теоретическое распределения близки.
Критерий Романовского . Следовательно, теоретическое распределение эмпирического ряда удовлетворительное.
Для характеристики структуры вариационных рядов применяются показатели особого рода, которые можно назвать структурными средними.
Не нашли, что искали? Воспользуйтесь поиском по сайту:
©2015 - 2025 stydopedia.ru Все материалы защищены законодательством РФ.
|