Реферат: Показатели вариации в статистических исследованиях

Показатели вариации.

1. Понятие вариации и роль ее изучения в статистических исследованиях.

2. Измерители вариации.

3. Прямой способ расчета показателей вариации.

4. Свойства дисперсии и среднего квадратического отклонения.

5. Упрощенный способ расчета дисперсии и средне квадратического отклонения.

6. Относительные показатели вариации.

7. Стандартизация данных.

8. Моменты распределения.

9. Показатели асимметрии и эксцесса.

10. Средняя арифметическая и дисперсия альтернативного признака.

1. Понятие вариации и роль ее изучения в статистических исследованиях.

Вариация – это колеблемость значений признака у отдельных единиц совокупности.

Наличию вариации обязана своим появлением статистика. Большинство статистических закономерностей проявляется через вариацию. 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.

2. Измерители вариации.

Простейшим показателем вариации является размах колебаний : .

Достоинство этого показателя простота расчета, возможность использования для оценки вариации однородных совокупностей. Недостаток – неприемлемость для неоднородных совокупностей с редкими выбросами крайних значений признака.

Частично недостатки этого показателя устраняет межквартельный размах : . Однако, он характеризует вариацию только половины совокупности.

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;

- для сгруппированных данных.

Аналогичным по смыслу среднему линейному отклонению является показатель дисперсии и рассчитываемый на его основе показатель средне квадратического отклонения.

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.

Несмотря на логическое сходство, дисперсия является более чувствительной к вариации и, следовательно, чаще применяемый показатель.

3. Прямой способ расчета показателей вариации.

Расчет показателей вариации заработной платы работников завода.

Заработная плата каждого из работников в среднем отклоняется от средне заработной платы на 1066,12 руб.

Средне квадратическое отклонение заметно больше, чем аналогичный ему по смыслу среднее линейное отклонение.

4. Свойства дисперсии и среднего квадратического отклонения.

Так же как и средняя дисперсия обладает рядом свойств, имеющих важное значение для понимания сущности этого показателя, методологии его расчета и практического использования для разработки более совершенных статистических методов.

Свойства дисперсии и средне квадратическое отклонение:

1) Если все варианты ряда уменьшить или увеличить на постоянное число, то величина дисперсии и средне квадратического отклонения не изменится. ;

2) Если все варианты ряда умножить или разделить на постоянное число, дисперсия соответственно увеличится или уменьшится в квадрат этого числа раз, а средне квадратическое отклонение в это число раз. ;

3) Если частоты ряда уменьшить или увеличить в постоянное число раз, то дисперсия и средне квадратическое отклонение от этого не изменится;

4) Дисперсия равна среднему квадрату вариантов ряда минус квадрат средней арифметической. ;

5) Общая дисперсия равна средней арифметической из частных дисперсий (внутригрупповых дисперсий) плюс дисперсии частных средних (межгрупповые дисперсии). Это свойство называется правилом сложения дисперсий , которое широко применяется в выборочном методе, методе измерений взаимосвязей явлений, а так же дисперсионном анализе.

- общая дисперсия;

- частная дисперсия;

- средняя из частных дисперсий, - численность соответствующей группы;

- межгрупповая дисперсия;

5. Упрощенный способ расчета дисперсии и средне квадратического отклонения.

Свойства дисперсии используются для упрощения методики ее расчета. В условиях развитой вычислительной техники данный способ имеет, прежде всего, иллюстративный характер и помогает понять сущность этого показателя.

Упрощенный способ расчета дисперсии и средне квадратического отклонения (метод расчета от условного нуля).

А=2250; k=1500; с=15

6. Относительные показатели вариации.

Абсолютные измерители вариации (дисперсия, средне квадратическое отклонение) ограниченно пригодны для сравнительного анализа вариаций различных совокупностей.

Для цели сравнительного анализа применяют относительные показатели, коэффициенты вариации . Наиболее распространенной формой коэффициентов вариации является , он показывает, какой процент от средней арифметической составляет среднее квадратическое отклонение.

Вместо средне квадратического в числителе коэффициента вариации иногда используют среднее линейное отклонение .

Если среднее линейное отклонение определялось относительно медианы или моды, то соответствующие показатели вариации будут выглядеть , .

Коэффициенты вариации определенные по различным основаниям не одинаковы, поэтому, сопоставляя вариации разных совокупностей, нужно использовать коэффициенты вариации, рассчитанные по одной и той же величине.

Коэффициент вариации является так же количественной мерой однородности совокупности. Принято считать, что если , то совокупность количественно однородна. Чем меньше, тем лучше.

7. Стандартизация данных.

Коэффициенты вариации являются сводными оценками вариаций различных совокупностей. Однако они не позволяют сопоставить между собой значения признака у отдельных или групп единиц разных совокупностей.

Для подобных сравнений прибегают к стандартизации вариантов разных совокупностей по формулам:

, где , - это стандартизированные значения вариантов ряда x и y соответственно. В процессе стандартизации мы переходим от измерения вариантов в натуральных или стоимостных единицах к их измерению величинами соответствующих средне квадратических отклонений.

Пример : Стандартизация данных о доходах на одного члена семьи и среднедушевом потреблении мяса.

При стандартизации сгруппированных данных наряду с масштабированием вариантов ряда величинами соответствующих средне квадратических отклонений частоты этих рядов пересчитываются в частости.

Стандартизацию данных проводят, когда варианты сравниваемых рядов отличаются единицами измерения и порядком.

Стандартизация является важнейшим статистическим промежуточным этапом.

Стандартизация используется так же хорошо в теории выборочного метода.

8. Моменты распределения.

Моменты распределения составляют алгоритмическую основу многих статистических методов. Различают:

- Произвольные (общий случай);

- Начальные;

- Центральные;

- Стандартные (частный случай).

Выделяют:

- Взвешенные;

- Невзвешенные.

Произвольным моментом k -го порядка называется среднее значение k-ой степени отклонения всех вариантов ряда от произвольного постоянного числа.

- для несгруппированных данных;

- для сгруппированных данных.

При этом k принимает целочисленное значение от 1 до 4.

Если А=0 , то произвольный момент преобразуется в начальный момент .

- для несгруппированных данных;

при k=1 M₁ =

при k=2 M₂ =

- для сгруппированных данных.

Если А=, произвольный момент преобразуется в центральный момент распределения .

- для несгруппированных данных;

- для сгруппированных данных.

При k=1 M₁ =0

При k=2 M₂ =

Стандартные моменты это начальные моменты из стандартных отклонений.

- для несгруппированных данных;

- для сгруппированных данных.

Стандартный момент k-го порядка это отношение центрального момента того же порядка к средне квадратическому отклонению в k-ой степени.

Так же как средняя арифметическая величина и дисперсия, центральные и стандартные моменты обладают рядом свойств, которые по сути ближе всего к свойствам дисперсии.

9. Показатели асимметрии и эксцесса.

При анализе распределений помимо графического изображения характер распределения можно выяснить, рассчитывая такие показатели, как асимметрия и эксцесс.

В качестве показателя асимметрии используют стандартный момент 3-го порядка. Если распределение симметрично относительно средней то показатель асимметрии равен нулю.

Если показатель асимметрии больше 0, то есть преобладают положительные отклонения от среднего, то наблюдается правосторонняя асимметрия , то есть преобладание в совокупности вариантов ряда превышающих среднюю.

Если же показатель асимметрии меньше 0, налицо левосторонняя асимметрия , то есть превышение численности вариантов ряда меньше чем средняя.

Показатель эксцесса характеризует степень колеблемости исходных данных, чем сильнее вариация, тем более пологой является кривая распределения и наоборот, чем однороднее совокупность, тем в большей степени варианты ряда сконцентрированы около средней и тем более островершинней будет кривая распределения.

В качестве эталона высоты распределения в статистике принимается кривая нормального распределения. Доказано, что стандартный момент 4-го порядка у этой кривой равен 3.

10. Средняя арифметическая и дисперсия альтернативного признака.

Альтернативный признак – тот которым обладает или не обладает единица совокупности.

Наличие альтернативного признака обозначают 1, а отсутствие – 0. Если численность совокупности – N, а M – число единиц, обладающих изучаемым признаком, то - доля единиц, обладающих изучаемым признаком. Соответственно - доля единиц таким признаком не обладающих.

Предположим

p+q=1

Средняя арифметическая альтернативного признака равна p.

Дисперсия альтернативного признака .

Пример : N=10, M=4

N-M=6

Максимальное значение дисперсии для неоднородных совокупностей .