Что характеризует коэффициент вариации. Коэффициенты вариации

Любая статистическая совокупность состоит из единиц, значения признака которых варьируют. Для того, чтобы судить об однородности совокупности и типичности средней величины изучаемого признака, анализ следует дополнять исчислением показателей вариации.

Вариация - это колеблемость, многообразие, изменяемость величины признака у отдельных единиц совокупности.

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

Размах вариации - характеристика границ вариации изучаемого признака. Показывает, сколь велико различие между единицами совокупности, имеющими самое маленькое и самое большое значение признака, основан на крайних значениях варьирующего признака и не отражает отклонений всех вариант в ряду. Определяется по формуле:

R=Xmax-Xmin, (5.4)

где Xmax - максимальное значение вариационного ряда;

Xmin - минимальное.

Среднее линейное отклонение показывает, на какую величину отклоняется признак в изучаемой совокупности от средней величины признака. Находится по формуле:

где - индивидуальные значения варьирующего признака (варианты); - частоты, веса; - среднее значение варьирующего признака;

Дисперсия - средний квадрат отклонения индивидуальных значений признака от их средней величины. Вычисляется по следующим формулам.

Первый способ определения дисперсии:

Второй способ определения дисперсии (по средней арифметической):

где - средняя из квадратов индивидуальных значений; - квадрат средней величины признака.

Среднее квадратическое отклонение - это обобщающая характеристика размеров вариации признака в совокупности. Показывает, на какую величину в среднем значение признака отличается от стандартного значения, определяется по формуле:

Чем меньше значение дисперсии и среднего квадратического отклонения, тем однороднее (количественно) совокупность и тем более типичной будет средняя величина.

Рассчитаем показатели вариации для группировки транспортных организаций по грузообороту автомобильного транспорта (таблица 5.1).

Найдем размах вариации (по формуле 5.4):

Разброс значений грузооборота транспорта общественного пользования достаточно высок.

Вычислим среднее линейное отклонение (по формуле 5.5):

Значения грузооборота автомобильного транспорта отличались от среднего значения на 508,8 млн. т. км.

Рассчитаем дисперсию двумя способами (по формулам 5.6 - 5.7). Первый способ:

Вычислим среднее квадратическое отклонение (по формуле 5.8):

Это значит, что грузооборот транспорта общественного пользования в среднем отличается от стандартного значения на 23,68 млн. т. км.

Найдем показатели вариации для группировки площадей жилых помещений (таблица 5.3), используя формулы 5.4 - 5.8

Вычислим размах вариации:

Размах вариации в 3,1 м2 показывает нам, что разброс значений площадей жилых помещений не очень высок.

Рассчитаем среднее линейное отклонение:

Таким образом, значения площадей жилых помещений в изучаемой совокупности отклоняются от средней величины на 1,19 м2.

Рассчитаем дисперсию двумя способами.

Первый способ:

Второй способ (по средней арифметической):

Вычислим среднее квадратическое отклонение:

Оно показывает, что значения площадей жилых помещений в среднем отличается от стандартного значения на 1,3 м2 .

Коэффициенты вариации

Вариация измеряется с помощью относительных величин, называемых коэффициентами вариации и определяемых в виде отношения среднего отклонения к средней величине. Коэффициент вариации используют не только для сравнительной оценки вариации единиц совокупности, но и как характеристику однородности совокупности. Значения коэффициента вариации изменяются от 0 до 100% и чем ближе он к нулю, тем типичнее найденная средняя величина для изучаемой статистической совокупности, а значит и качественнее подобраны статистические данные. Совокупность считается количественно однородной, если коэффициент вариации не превышает 33% (для распределений, близких к нормальному). Различают следующие относительные показатели вариации:

Коэффициент вариации:

где - среднее квадратическое отклонение, - средняя арифметическая.

Линейный коэффициент вариации:

где - среднее линейное отклонение.

Коэффициент осцилляции:

где - размах вариации.

Вычислим коэффициенты вариации для группы организаций по грузообороту автомобильного транспорта (таблица 5.1) по формулам 5.9, 5.10, 5.11

Коэффициент вариации будет равен: , что превышает 33%, следовательно, совокупность неоднородна.

Вычислим линейный коэффициент вариации: . Следовательно, доля усредненного значения абсолютных отклонений организаций от средней величины равна 30,7%

Найдем коэффициент осцилляции: . Из этого следует, что разница между максимальным и минимальным значениями организаций превышает среднее значение почти в 1,078 раз.

Определим коэффициенты вариации для группировки площадей жилых помещений (в среднем на одного жителя) (таблица 5.3).

Вычислим коэффициент вариации по формуле (5.9):

Это значит что коэффициент вариации не превышает 33%, следовательно, совокупность однородна.

Рассчитаем линейный коэффициент вариации по формуле (5.10):

Это значит, что доля усредненного значения абсолютных отклонений площадей жилых помещений от средней величины равна 5,56%.

Найдем коэффициент осцилляции по формуле (5.11):

Разница между максимальным и минимальным значениями площадей жилых помещений не превышает среднее значение.

Как доказать, что закономерность, полученная при изучении экспериментальных данных, не является результатом совпадения или ошибки экспериментатора, что она достоверна? С таким вопросом сталкиваются начинающие исследователи.Описательная статистика предоставляет инструменты для решения этих задач. Она имеет два больших раздела – описание данных и их сопоставление в группах или в ряду между собой.

Показатели описательной статистики

Существует несколько показателей, которые использует описательная статистика.

Итак, представим, что перед нами стоит задача описать рост всех студентов в группе из десяти человек. Вооружившись линейкой и проведя измерения, мы получаем маленький ряд из десяти чисел (рост в сантиметрах):

168, 171, 175, 177, 179, 187, 174, 176, 179, 169.

Если внимательно посмотреть на этот линейный ряд, то можно обнаружить несколько закономерностей:

• Ширина интервала, куда попадает рост всех студентов, – 18 см.
• В распределении рост наиболее близок к середине этого интервала.
• Встречаются и исключения, которые наиболее близко расположены к верхней или нижней границе интервала.

Совершенно очевидно, что для выполнения задачи по описанию роста студентов в группе нет необходимости приводить все значения, которые будут измеряться. Для этой цели достаточно привести всего два, которые в статистике называются параметрами распределения. Это среднеарифметическое и стандартное отклонение от среднего арифметического. Если обратиться к росту студентов, то формула будет выглядеть следующим образом:

Среднеарифметическое значение роста студентов = (Сумма всех значений роста студентов) / (Число студентов, участвовавших в измерении)

Если свести все к строгим математическим терминам, то определение среднего арифметического (обозначается греческой буквой – μ («мю»)) будет звучать так:

Среднее арифметическое – это отношение суммы всех значений одного признака для всех членов совокупности (X) к числу всех членов совокупности (N).

Если применить эту формулу к нашим измерениям, то получаем, что μ для роста студентов в группе 175,5 см.

Если присмотреться к росту студентов, который мы измерили в предыдущем примере, то понятно, что рост каждого на сколько-то отличается от вычисленного среднего (175,5 см). Для полноты описания нужно понять, какой является разница между средним ростом каждого студента и средним значением.

На первом этапе вычислим параметр дисперсии. Дисперсия в статистике (обозначается σ 2 (сигма в квадрате)) – это отношение суммы квадратов разности среднего арифметического (μ) и значения члена ряда (Х) к числу всех членов совокупности (N). В виде формулы это рассчитывается понятнее:

Значения, которые мы получим в результате вычислений по этой формуле, мы будем представлять в виде квадрата величины (в нашем случае – квадратные сантиметры). Характеризовать рост в сантиметрах квадратными сантиметрами, согласитесь, нелепо. Поэтому мы можем исправить, точнее, упростить это выражение и получим среднеквадратичное отклонение формулу и расчёт, пример:

Таким образом, мы получили величину стандартного отклонения (или среднего квадратичного отклонения) – квадратный корень из дисперсии. С единицами измерения тоже теперь все в порядке, можем посчитать стандартное отклонение для группы:

Получается, что наша группа студентов исчисляется по росту таким образом: 175,50±5,25 см.

Среднее квадратичное отклонение хорошо работает с рядами, в которых разброс значений не очень велик (это хорошо прослеживалось на примере роста, где интервал был всего 18 см). Если бы ряд наших измерений был значительнее, а варьирование роста было сильнее, то стандартное отклонение стало непоказательным и нам потребовался бы критерий, который может отразить разброс в относительных единицах (т. е. в процентах, относительно средней величины).

Для этих целей предусмотрены абсолютные и относительные показатели вариации в статистике, характеризующие вариационные масштабы:

• Размах вариации.

Квадратический коэффициент вариации (обозначается как Vσ) – это отношение среднеквадратичного отклонения к среднеарифметическому значению, выраженное в процентах.

Для нашего примера со студентами, определить Vσ несложно - он будет равен 3,18%. Основная закономерность – чем больше будет изменяться значение коэффициента, тем больше разброс вокруг среднего значения и тем менее однородна выборка.

Преимущество коэффициента вариации в том, что он показывает однородность значений (асимметрия) в ряду наших измерений, кроме того, на него не оказывают влияния масштаб и единицы измерения. Эти факторы делают коэффициент вариации особенно популярным в биомедицинских исследованиях. Будет считаться , что эксцесс значения Vσ =33% отделяет однородные выборки от неоднородных.

Если найти в ряду значений роста (первый пример) максимальное и минимальное значения, то получим размах вариации (обозначается как R, иногда ещё называется колеблемостью). В нашем примере – это значение будет равно 18 см. Эта характеристика используется для расчёта коэффициента осцилляции:

Коэффициент осцилляции – показывает как размах вариации будет относиться к среднему арифметическому ряда в процентном отношении.

Расчёты в Microsoft Ecxel 2016

* — в таблице указан диапазон A1:A10 для примера, при расчётах нужно указать требуемый диапазон.

Итак, обобщим информацию :

1. Среднее арифметическое – это значение, позволяющее найти среднее значение показателя в ряду данных.
2. Дисперсия – это среднее значение отклонений возведенное в квадрат.
3. Стандартное отклонение (среднеквадратичное отклонение) – это корень квадратный из дисперсии, для приведения единиц измерения к одинаковым со среднеарифметическим.
4. Коэффициент вариации – значение отклонений от среднего, выраженное в относительных величинах (%).

Отдельно следует отметить, что все приведённые в статье показатели, как правило, не имеют собственного смысла и используются для того, чтобы составлять более сложную схему анализа данных. Исключение из этого правила — коэффициент вариации, который является мерой однородности данных.

Показатели вариации. При изучении варьирующего признака у единиц совокупности нельзя ограничиваться лишь расчетом средней величины из отдельных вариантов, так как одна и та же средняя может относиться далеко не к одинаковым по составу совокупностям.

Вариацией признака называется различие индивидуальных значений признака внутри изучаемой совокупности.

Термин «вариация» произошел от латинского variatio – изменение, колеблемость, различие. Однако не всякие различия принято называть вариацией.

Под вариацией в статистике понимают такие количественные изменения величины исследуемого признака в пределах однородной совокупности, которые обусловлены перекрещивающимся влиянием действия различных факторов. Колеблемость отдельных значений характеризуют показатели вариации. Чем больше вариация, тем дальше в среднем отдельные значения лежат друг от друга.

Различают вариацию признака в абсолютных и относительных величинах.

К абсолютным показателям относятся: размах вариации, среднее линейное отклонение, среднее квадратическое отклонение, дисперсия. Все абсолютные показатели имеют ту же размерность, что и изучаемые величины.

К относительным показателям относятся коэффициенты осцилляции, линейного отклонения и вариации.

Показатели абсолютные. Рассчитаем абсолютные показатели, характеризующие вариацию признака.

Размах вариации, представляет собой разность между максимальным и минимальным значением признака.

R = Xmax – Xmin.

Показатель размаха вариации не всегда применим, так как он учитывает только крайние значения признака, которые могут сильно отличаться от всех других единиц.

Более точно можно определить вариацию в ряду при помощи показателей, учитывающих отклонения всех вариантов от средней арифметической.

Таких показателей в статистике два: среднее линейное и среднее квадратическое отклонение.

Среднее линейное отклонение (L) представляет собой среднее арифметическое из абсолютных значений отклонений отдельных вариантов от средней.

Практическое использование среднего линейного отклонения заключается в следующем, с помощью этого показателя анализируется состав работающих, ритмичность производства, равномерность поставок материалов.

Недостаток этого показателя заключается в том, что он усложняет расчеты вероятного типа, затрудняет применение методов математической статистики.

Среднее квадратическое отклонение () является наиболее распространенным и общепринятым показателем вариации. Оно несколько больше среднего линейного отклонения. Для умеренно асимметричных распределений установлено следующее соотношение между ними

Для его исчисления каждое отклонение от средней возводится в квадрат, все квадраты суммируются (с учетом весом), после чего сумма квадратов делится на число членов ряда и из частного извлекается корень квадратный.

Все эти действия выражает следующая формула

т.е. среднее квадратическое отклонение представляет собой корень квадратный из средней арифметической квадратов отклонений от средней.

Среднее квадратическое отклонение является мерилом надежности средней. Чем меньше σ, тем лучше среднее арифметическое отражает собой всю представляемую совокупность.

Средняя арифметическая из квадратов отклонений вариантов значений признака от средней величины носит название дисперсии (), которая рассчитывается по формулам

Отличительной особенностью данного показатели является то, что при возведении в квадрат () удельный вес малых отклонений уменьшается, а больших увеличивается в общей сумме отклонений.

Дисперсия обладает рядом свойств, некоторые из них позволяют упростить её вычисление:

1. Дисперсия постоянной величины равна 0.

Если , то и .

Тогда .

2. Если все варианты значений признака (x) уменьшить на одно и то же число, то дисперсия не уменьшится.

Пусть , но тогда в соответствии со свойствами средней арифметической и .

Дисперсия в новом ряду будет равна

Т.е. дисперсия в ряду равна дисперсии первоначального ряда .

3. Если все варианты значений признака уменьшить в одно и то же число раз (k раз), то дисперсия уменьшится в k2 раз.

Пусть , тогда и .

Дисперсия же нового ряда будет равна

4. Дисперсия, рассчитанная по отношению к средней арифметической, является минимальной. Средний квадрат отклонений, рассчитанный относительно произвольного числа , больше дисперсии, рассчитанной по отношению к средней арифметической, на квадрат разности между средней арифметической и числом , т.е. . Дисперсия от средней имеет свойство минимальности, т.е. она всегда меньше дисперсий, исчисленных от любых других величин. В этом случае, когда приравниваем к 0 и, следовательно, не вычисляем отклонения, формула принимает такой вид:

Выше был рассмотрен расчет показателей вариации для количественных признаков, но в экономических расчетах может ставиться задача оценки вариации качественных признаков. Например, при изучении качества изготовленной продукции, продукцию можно разделить на качественную и бракованную.

В таком случае речь идет об альтернативных признаках.

Альтернативными признаками называются такие, которыми одни единицы совокупности обладают, а другие нет. Например, наличие производственного стажа у абитуриентов, ученая степень у преподавателей ВУЗов и т.д. Наличие признака у единиц совокупности условно обозначаем через 1, а отсутствие – 0. Тогда, если долю единиц, обладающих признаком (в общей численности единиц совокупности), обозначить через р, а долю единиц, не обладающих признаком, через q, дисперсию альтернативного признака можно рассчитать по общему правилу. При этом p + q = 1 и, значит, q = 1– p.

Сначала рассчитываем среднее значение альтернативного признака:

Рассчитаем среднее значение альтернативного признака

,

т.е. среднее значение альтернативного признака равно доле единиц, обладающих данным признаком.

Дисперсия же альтернативного признака будет равна:

Таким образом, дисперсия альтернативного признака равняется произведению доли единиц, обладающих данным признаком, на долю единиц, не обладающих данным признаком.

А среднее квадратическое отклонение будет равно =.

Показатели относительные. 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 представляют интерес показатели вариации, выраженные в относительных величинах. Базой для сравнения служит средняя арифметическая. Эти показатели вычисляются как отношение размаха вариации, среднего линейного отклонения или среднего квадратического отклонения к средней арифметической или медиане.

Чаще всего они выражаются в процентах и определяют не только сравнительную оценку вариации, но и дают характеристику однородности совокупности. Совокупность считается однородной, если коэффициент вариации не превышает 33%. Различают следующие относительные показатели вариации:

1. Коэффициент осцилляции отражает относительную колеблемость крайних значений признака вокруг средней.

3. Коэффициент вариации оценивает типичность средних величин.

.

Чем меньше , тем однороднее совокупность по изучаемому признаку и типичнее средняя. Если ≤33%, то распределение близко к нормальному, а совокупность считается однородной. Из приведенного примера вторая совокупность однородна.

Виды дисперсий и правило сложения дисперсий. 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.

При этом можно определить три показателя колеблемости признака в совокупности:

1. Общую вариацию совокупности, которая является результатом действия всех причин. Эта вариация может быть измерена общей дисперсией (), характеризующей отклонения индивидуальных значений признака совокупности от общей средней

.

2. Вариацию групповых средних, выражающих отклонения групповых средних от общей средней и отражающих влияние того фактора, по которому произведена группировка. Эта вариация может быть измерена так называемой межгрупповой дисперсией (δ2)

,

где - групповые средние, а -общая средняя для всей совокупности, и - численность отдельных групп.

3. Остаточную (или внутригрупповую) вариацию, которая выражается в отклонении отдельных значений признака в каждой группе от их групповой средней и, следовательно, отражает влияние всех прочих факторов кроме положенного в основу группировки. Поскольку вариацию в каждой группе отражает групповая дисперсия

,

то для всей совокупности остаточную вариацию будет отражать средняя из групповых дисперсий. Эту дисперсию называют средней из внутригрупповых дисперсий () и рассчитывается она по формуле

Это равенство, имеющее строго математическое доказательство, известно, как правило сложения дисперсий.

Правило сложения дисперсий позволяет находить общую дисперсию по её компонентам, когда индивидуальные значения признака неизвестны, а в распоряжении имеются только групповые показатели.

Коэффициент детерминации. Правило сложения дисперсии позволяет выявить зависимость результатов от определенных факторов при помощи коэффициента детерминации.

Оно характеризует влияние признака, положенного в основание группировки, на вариацию результативного признака. Корреляционное отношение изменяется в пределах от 0 до 1. Если , то группировочный признак не оказывает влияния на результативный. Если , то результативный признак изменяется только в зависимости от признака, положенного в основание группировки, а влияние прочих факторных признаков равно нулю.

Показатели асимметрии и эксцесса. В области экономических явлений строго симметричные ряды встречаются крайне редко, чаще приходится иметь дело с асимметричными рядами.

В статистике для характеристики асимметрии пользуются несколькими показателями. Если учесть, что в симметричном ряду средняя арифметическая совпадает по значению с модой и медианой, то наиболее простым показателем асимметрии () будет разность между средней арифметической и модой, т.е.

Величину эксцесса рассчитывают по формуле

Если >0, то эксцесс считают положительным (распределение островершинно), если <0, то эксцесс считается отрицательным (распределение низковершинно).

Относительные показатели вариации - раздел Экономика, Данные о деятельности банков одного из регионов РФ 1. Коэффициент Вариации (Vσ) – Относительный Пока...

Совокупность считается качественно однородной, если коэффициент вариации не превышает 0,33 (или 33%).

Таблица 5.1.3.

Шкала оценки однородности совокупности

При этом средняя величина исследуемого признака может считаться типичной, надёжной характеристикой статистической совокупности.

Если же коэффициент вариации больше 0,33 (или 33%) то, следовательно, вариация исследуемого признака велика , и найденная средняя плохо представляет всю статистическую совокупность, не является её типичной, надёжной характеристикой , а сама совокупность является неоднородной по рассматриваемому признаку.

Аналогично коэффициенту вариации рассчитывают другие относительные показатели вариации , которые в практике статистики применяются реже:

2. Показатель осцилляции: ; (5.1.12.)

3. Линейный коэффициент вариации: . (5.1.13)

Рассчитаем показатели вариации для сквозной задачи:

Таблица 5.1.4.

Расчетная таблица для нахождения характеристик ряда распределения

Группы банков по объему кредитных вложений, млн. руб. X	Середина интервала	Число банков,	Произведение вариантов на частоты
			гр.4= гр.2*гр.3		гр.6= гр.5*гр.5	гр.7= гр.6*гр.3
375,00 - 459,00	=417		417*4=	417-585= -168	=	28224*4=
459,00 - 543,00			?	?	?	?
543,00 - 627,00			?	?	?	?
627,00 - 711,00			?	?	?	?
711,00 - 795,00			?	?	?	?
Итого			?	Х	х	?

Расчет средней арифметической взвешенной:

Расчет дисперсии:

σ2 =

Расчет среднего квадратического отклонения:

Расчет коэффициента вариации:

Вывод. Анализ полученных значений показателей и σ говорит о том, что средний объем кредитных вложений банков составляет _______?млн. руб., отклонение от среднего объема в ту или иную сторону составляет в среднем _________?млн. руб. (или ______?%), наиболее характерные значения объема кредитных вложений находятся в пределах от ______________?млн. руб. до _______________?млн. руб. (диапазон ).(см. табл. 3.2.5 -_____? банков или ______?% входят в этот интервал).

Значение V σ = ______?% _____? превышает 33%, следовательно, вариация кредитных вложений в исследуемой совокупности банков незначительна и совокупность по данному признаку качественно однородна. Расхождение между значениями , Мо и Ме незначительно (=585 млн. руб., Мо=593,40 млн. руб., Ме=588,818 млн. руб.), что подтверждает вывод об однородности совокупности банков. Таким образом, найденное среднее значение объема кредитных вложений банков (585 млн. руб.) ______? является типичной, надежной характеристикой исследуемой совокупности банков.

Конец работы -

Эта тема принадлежит разделу:

Данные о деятельности банков одного из регионов РФ

Данные сквозной задачи.. таблица.. данные о деятельности банков одного из регионов РФ номер банка кредитные вложения млн руб прибыль..

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Твитнуть

Все темы данного раздела:

Предмет, метод и задачи статистики
1.1. Предмет, методы, задачи статистики Термин «статистика» происходит от латинского «status»,которое вошло в употребление в Германии в середине 18 века. Впервые статистику стал преподават

Отдельные объекты или явления, образующие статистическую совокупность, называются единицами совокупности
Например, при проведении переписи торгового оборудования единицей наблюдения является торговое предприятие, а единицей совокупности - их оборудование (прилавки, холодильные агрегаты и т.д.).

Признак - это характерное свойство изучаемого явления, отличающее его от других явлений
В разных отраслях статистики изучаются разные признаки. Так, например, объектом изучения является предприятие, а его признаками - вид продукции, объем выпуска, численность работающих и т.д. Или объ

Понятие стат. наблюдения. Требования к собираемой информации
Статистическое наблюдение - это начальная стадия экономико-статистического наблюдения. Она представляет собой научно организационную работу по собиранию мас

Основные виды, формы и способы наблюдения
Специально организованное статистическое наблюдение представляет собой сбор сведений посредством переписей, единовременных учётов и обследований. Примером специально организованного статистического

Точность наблюдения и контроль данных наблюдения
Всякое статистическое наблюдение ставит задачу получения таких данных, которые точнее бы отражали действительность. Отклонения, или разности между исчисленными показателями и действительными (истин

Абсолютные и относительные величины
Для характеристики массовых явлений статистика использует статистические величины (показатели). Они подразделяются на абсолютные, относительные и

Каждая выделенная группа характеризуется СРЕДНЕЙ величиной (величинами) результативного признака
Таблица 3.2.3. Аналитическая группировка зависимости кредитных вложений и прибыли банков Номер группы Группы банков по величине кредитных вло

По объему кредитных вложений
Для построения интервального вариационного ряда, характеризующего распределение банков по объему кредитных вложений, необходимо вычислить величину и границы интервалов ряда.

Статистическим рядом распределения называют упорядоченное распределение единиц совокупности на группы по изучаемому признаку
В зависимости от вида признака, рассматриваемого как группировочный ряды могут быть вариационными (количественными) и атрибутивными (качественными).

Табличное и графическое представление статистических данных
Статистические таблицы – своего рода статистическое предложение, которое состоит из статистического подлежащего и статистического сказуемого. Статистические таблицы - э

Или 15 16 17
4.отсутствие данных может быть обусловлено различными причинами и это по-разному должно отражаться в таблицах: а) если данный признак вообще не подлежит заполнению, то ста

Графическое представление статистических данных
Применение графиков в статистике насчитывает более чем двухсотлетнюю историю. Основоположником графического метода в статистике коммерческой деятельности считают английского экономиста У. Плейфейра

Полигон распределения частот
На основе данных табл. 3.4.3. построим полигон частот Таблица 3.4.3. Распределение размеров обуви у мужчин-респондентов опроса № размера Число

Гистограммы
Для изображения интервального ряда распределения используется гистограмма. При ее построении на оси абсцисс откладываются величины интервалов (

Кумулята
Для изображения рядов распределения используется кумулятивная кривая (кривая сумм). При построении кумуляты интервального вариационного ряда по оси абсцисс откладываются варианты ряда (

Сущность средних величин. Две формы средних величин
Средняя величина – показатель, который дает обобщающую характеристику варьирующего признака однородной совокупности. Свойства средней величины: 1. Средняя характеризует всю совок

Средняя гармоническая
Гармоника – подобие, созвучие, средняя гармоническая близка к средней арифметической величине Средняя гармоническая используется в случаях, когда статистическая информация

Понятие вариации. Основные показатели вариации
Вариация – это различия в индивидуальных значениях признака у единиц изучаемой совокупности. Необходимость изучения вариации связана с тем, что

Прочих, неучтенных факторов
Этот показатель вычисляется по формуле, (5.2.1.) где yi

Объема кредитных вложений (наш факторный признак - х)
Показатель вычисляется по формуле

Прочих, неучтенных факторов
(5.2.9.) Средняя из внутригрупповых дисперсий (

Кривая имеет форму колокола
2. Так как функция нормального распределения – чётная, то есть f(-t)=f(t), то кривая нормального распределения симметрична относительно максимальной ординаты, равной

Следовательно ассиметрия левосторонняя
Наиболее точный коэффициент асимметрии – коэффициент, рассчитанный с использованием центрального момента распределения третьего порядка.

Понятие о выборочном наблюдении и ошибках выборки
Выборочным называется такое несплошное наблюдение, при котором признаки регистрируются у отдельных единиц изучаемой статистической совокупности, отобранных с использ

Средняя и предельная ошибки выборки
Применение выборочного метода наблюдения всегда связано с установлением степени достоверности оценок показателей генеральной совокупности, полученных на основе значений пока

Определение ошибки выборки для среднего объема кредитных вложений банков и границ, в которых будет находиться генеральная средняя
По условию сквозной задачи выборочная совокупность насчитывает 30 банков, выборка 20% механическая, следовательно, генеральная совокупность включает (______?)=________? банков.

Доля единиц выборочной совокупности, обладающих тем или иным заданным свойством, выражается формулой
, (6.3.4.) где m – число единиц совокупности, обладающих з

Определение необходимого объема выборки с заданным значением допустимой предельной ошибки выборки, равной 10 млн. руб
Для собственно-случайной и механической выборки с бесповторным способом отбора необходимый объем выборки для средней количественного признака вычисляется по формуле:

Понятие о корреляционной связи. Виды и формы корреляционных связей
Среди многих форм связей, имеющих количественный характер и изучаемых количественными методами, особое место занимают факторные связи, для исследований которых применяются методы кор

Функциональные связи
Связь результативного признака Y с факторным признаком X называется функциональной, если каждому возможному значению xi признака X

Если в модели учитывается зависимость признака Y от ряда факторов, то модель имеет вид
(7.1.5.) Характерной особенностью стохастических связей является

Визуально можно предположить существование корреляционной связи
3. Корреляционная таблица представляет собой комбинацию двух рядов распределения. Строки таблицы соответствуют группировке единиц совокупности по факторному признаку

Метод аналитической группировки
При использовании метода аналитической группировки строится интервальный ряд распределения единиц совокупности по факторному признаку Х и для каждой j-ой группы ряда определяется среднегруп

Регрессионный метод анализа взаимосвязи
Линию, сглаживающую эмпирическую ломаную линию связи, называют теоретической линией регрессии Y на X или просто линией регрессии. Эта линия от

Способ выражения уровней ряда
Таблица 8.1.2 Число квартир, построенных предприятиями и организациями всех форм собственности и их средний размер в РФ Показатели

Средние показатели в рядах динамики
В табл. 8.2.1. представлены данные, характеризующие динамику изменения уровней ряда за отдельные периоды времени. Для обобщающей оценки изменений уровней ряда за весь рассматриваемый период времени

Прогнозирование объемов реализации продукции с использованием среднего темпа роста
Прогнозирование уровня ряда динамики с использованием среднего темпа (коэффициента) роста осуществляется по следующей формуле:

Методы выявления сезонных колебаний
В ряде случаев закономерно повторяются различия в уровнях ряда в зависимости от времени года. Задача заключается в том, чтобы измерить такие различия, чтобы они были не случ

Методы анализа основной тенденции в рядах динамики
Тренд – основная достаточно устойчивая тенденция развития явления в ряду динамики, иначе говоря, плавное и устойчивое изменение уровней (у) во времени. На т

Производство зерна в РФ, млн.тонн
Годы t производство, млн. тн y Сред-няя за 3 года Сколь-зящая сумма за 5 лет, Сколь-зящая средняя за 5 лет, расче

Индивидуальные и общие индексы. Проблемы соизмерения индексируемых величин в агрегатных индексах
Индивидуальный индекс – характеризует динамику уровня изучаемого явления во времени за два сравниваемых периода или выражает соотношение отдельных элементов совокупности.

Формуле Пааше отдается предпочтение, когда индекс цен рассматривается в системе с индексом товарооборота и индексом физического объема
Пример 9.2.2. Таблица 9.2.3. Данные о реализации продукции в магазине «Звездочка» Продукт Ед. изм. Базисный период О

Индексы средние из индивидуальных
Средний индекс – это индекс, исчисленный как средняя величина из индивидуальных индексов. Эти индексы применяются в тех случаях, когда в исходной информации нет данных

Индекс товарооборота есть произведение индекса цен (по Пааше) и физического объема
, проверим это:

Индексы постоянного и переменного состава. Индексы фиксированной структуры
При изучении качественных показателей часто приходится рассматривать изменение во времени (или пространстве) СРЕДНЕЙ величины индексиру

Индекс структурных сдвигов
Все рассмотренные выше индексы рассчитывались по нескольким товарам, реализуемым в одном месте. Рассмотрим теперь случай, когда ОДИН товар реализуется в нескольких местах. Пример 9.5.1.

Практическое занятие
Задача 01 Рассчитать аналитические и средние показателигодовых изменений уровней ряда, сделать соответствующие выводы. Таблица 1. Объем реализации по изд

Средний темп прироста -
Годы (t) Объем реализации, тыс. тонн. Абсолютный прирост, тыс. тонн Темп роста, % Темп прироста, % Абсолютное значе-н

Одним из основных статистических показателей последовательности чисел является коэффициент вариации. Для его нахождения производятся довольно сложные расчеты. Инструменты Microsoft Excel позволяют значительно облегчить их для пользователя.

Этот показатель представляет собой отношение стандартного отклонения к среднему арифметическому. Полученный результат выражается в процентах.

В Экселе не существует отдельно функции для вычисления этого показателя, но имеются формулы для расчета стандартного отклонения и среднего арифметического ряда чисел, а именно они используются для нахождения коэффициента вариации.

Шаг 1: расчет стандартного отклонения

Стандартное отклонение, или, как его называют по-другому, среднеквадратичное отклонение, представляет собой квадратный корень из . Для расчета стандартного отклонения используется функция СТАНДОТКЛОН . Начиная с версии Excel 2010 она разделена, в зависимости от того, по генеральной совокупности происходит вычисление или по выборке, на два отдельных варианта: СТАНДОТКЛОН.Г и СТАНДОТКЛОН.В .

Синтаксис данных функций выглядит соответствующим образом:

СТАНДОТКЛОН(Число1;Число2;…)
= СТАНДОТКЛОН.Г(Число1;Число2;…)
= СТАНДОТКЛОН.В(Число1;Число2;…)

Шаг 2: расчет среднего арифметического

Среднее арифметическое является отношением общей суммы всех значений числового ряда к их количеству. Для расчета этого показателя тоже существует отдельная функция – СРЗНАЧ . Вычислим её значение на конкретном примере.

Шаг 3: нахождение коэффициента вариации

Теперь у нас имеются все необходимые данные для того, чтобы непосредственно рассчитать сам коэффициент вариации.

Таким образом мы произвели вычисление коэффициента вариации, ссылаясь на ячейки, в которых уже были рассчитаны стандартное отклонение и среднее арифметическое. Но можно поступить и несколько по-иному, не рассчитывая отдельно данные значения.

Существует условное разграничение. Считается, что если показатель коэффициента вариации менее 33%, то совокупность чисел однородная. В обратном случае её принято характеризовать, как неоднородную.

Как видим, программа Эксель позволяет значительно упростить расчет такого сложного статистического вычисления, как поиск коэффициента вариации. К сожалению, в приложении пока не существует функции, которая высчитывала бы этот показатель в одно действие, но при помощи операторов СТАНДОТКЛОН и СРЗНАЧ эта задача очень упрощается. Таким образом, в Excel её может выполнить даже человек, который не имеет высокого уровня знаний связанных со статистическими закономерностями.