Сдам Сам

ПОЛЕЗНОЕ


КАТЕГОРИИ







Распространение результатов вы-борочного наблюдения на генеральную совокупность.





Распространение выборочных результа-тов не генеральную совокупность состоит в определении характеристик генераль-ной совокупности на основе характерис-тик выборочной. Применяют два способа распространения выборочных данных:

1. способ прямого пересчёта

2. способ поправочных коэффициентов.

Способ прямого пересчёта заключается в том, что выборочная средняя или доля умножается на объём генеральной сово-купности, в результате чего получаем суммарное значение признака в этой совокупности: xN = åxi.

Например, если средняя выборочная урожайность зерновых составляет 25ц/га, а предельная ошибка выборки ±2ц/га, при известной посевной площади в 50000 га можно определить ожидаемые границы валового сбора зерновых: от 25*50000 = 115 тыс. т. до 27*50000 = 135 тыс. т. с вероятностью, принятой при расчёте предельной ошибки. Второй способ применяется, как правило, для проверки и уточнения данных сплошного наблюдения. При этом используется следующая формула:

Yl = Yoyl / yo, где

Yl – численность совокупности с поправкой на недоучёт;

Yo – численность совокупности без поправки;

yo – численность совокупности в кон-трольных точках по первоначальным дан-ным;

yl – численность совокупности в тех же точках по данным контрольных меропри-ятий.

Например, сплошное обследование ма-лых предприятий города показывает, что их количество составляет 2000 предприя-тий. В том районе города, который потом был охвачен контрольным обходом, сплошное обследование зафиксировало 500 предприятий. Контрольный обход дал уточненную цифру: не 500, а 510 предприятий. Отсюда скорректированное количество малых предприятий в городе составляет: Yl = Yoyl / yo=2000(510/500) = 2040 предприятий.

Статистические графики. Класси-фикация графиков.

Современную науку невозможно пред-ставить без применения графиков.

Статистический график – это чертёж, на котором статистические совокупности, характеризуемые определёнными показа-телями, описываются с помощью услов-ных геометрических образов и знаков. Представление данных таблицы в виде графика производит более сильное впечатление, чем цифры, позволяет лучше осмыслить результаты статистиче-ского наблюдения, правильно их истол-ковать, значительно облегчает понимание статистического материала, делает его более наглядным и доступным.

При построение графического изобра-жения следует соблюдать ряд требова-ний. Прежде всего график должен быть достаточно наглядным. Кроме того, график д/б выразительным, доходчивым и понятным. Для выполнения выше-перечисленных требований каждый гра-фик должен включать ряд основных эле-ментов: графический образ; поле графика; пространственные ориентиры; масштабные ориентиры; экспликацию графика.

Графический образ – это геометричес-кие знаки, т. е. совокупность точек, ли-ний, фигур, с помощью которых изобра-жаются статистические показатели. Графическими явл-тся лишь те образы, в которых свойства геометрических знаков – фигура, размер линий, расположение частей – имеют существенное значение для выражения содержания изображае-мых статистических величин, причём каждому изменению выражаемого содер-жания соответствует изменение графиче-ского образа.

Поле графика – это часть плоскости, где расположены графические образы. Поле графика имеет определённые размеры, которые зависят от его назначения.

Пространственные ориентиры графика задаются в виде системы координатных сеток. Система координат необходима для размещения геометрических знаков в поле графика. Наиболее распространён-ной явл-ся прямоугольная система коор-динат.

Масштабные ориентиры статистического графика определяются масштабом и системой масштабных шкал. Масштаб статистического графика – это мера пере-вода числовой величины в графическую.

Масштабной шкалой называется линия, отдельные точки которой могут быть прочитаны как определённые числа. Шкала имеет большое значение в графи-ке и включает три элемента: линию (или носитель шкалы), определённое число помеченных чёрточками точек, которые расположены на носителе шкалы в определённом порядке, цифровое обозна-чение чисел, соответствующих отдель-ным помеченным точкам. Носитель шкалы может представлять собой как прямую, так и кривую линию. Поэтому различают шкалы прямолинейные и криволинейные – дуговые и круговые. Графические и числовые интервалы бы-вают равными и неравными. Если на всём протяжении шкалы равным графическим интервалам соответствуют равные чис-ловые, такая шкала называется равноме-рной. Когда же равным числовым интервалам соответствуют неравные графические интервалы и наоборот, шкала называется неравномерной.

Масштабом равномерной шкалы назы-вается длина отрезка, принятого за еди-ницу и измеренного в каких-либо мерах.

Последний элемент графика – экс-пликация. Каждый график должен иметь словесное описание содержания. Оно включается в себя название графика, которое в краткой форме передаёт его содержание; подписи вдоль масштабных шкал и пояснения к отдельным частям графика.

Классификация видов графиков.

Классификация основана на ряде признаков: а) способ построения графи-ческого образа; б) геометрические знаки, изображающие статистические показа-тели; в) задачи, решаемые с помощью графического изображения.

Статистические графики по форме гра-фического образа делятся на: линейные (статистические кривые), плоскостные (столбиковые, полосовые, квадратные, круговые, секторные, фигурные, точеч-ные и фоновые) и объёмные (поверхност-ные распределения).

По способу построения статистические графики делятся на диаграммы и статистические карты.

Диаграммы – наиболее распространён-ный способ графических изображений. Это графики количественных отношений. Диаграммы применяются для наглядного сопоставления в различных аспектах не-зависимых друг от друга величин: предприятий, населения и т. д. Статистические карты – это графики количественного распределения по поверхности. По своей основной цели они близко примыкают к диаграммам и специфичны лишь в том отношении, что представляют собой условные изображения статистических данных на контурной географической карте. В зависимости от круга решаемых задач выделяют диаграммы сравнения, струк-турные диаграммы и диаграммы дина-мики.

Основные понятия и предпосылки применения корреляционно-регрессион-ного анализа.

Корреляция – это статистическая зависи-мость между случайными величинами, не имеющими строго функционального ха-рактера, при которой изменение одной из случайных величин приводит к изме-нению матем-ского ожидания другой.

Корреляционный анализ – имеет своей за-дачей количественное определение тес-ноты связи между двумя признаками и между результативными и множеством факторных признаков. Теснота связи ко-личественно выражается величиной коэффициентов корреляции.

Корреляционно-регрессионный анализ как общее понятие включает в себя измере-ние тесноты, направления связи и уста-новление аналитического выражения (фо-рмы) связи (регрессионный анализ).

Регрессионный анализ заключается в определении аналитического выражения связи, в котором изменение одной вели-чины (называемой зависимой или резуль-тативным признаком) обусловлено влия-нием одной или нескольких независимых величин (факторов), а множество всех прочих факторов, также оказывающих влияние на зависимую величину, прини-мается за постоянные и средние значе-ния. Регрессия может быть однофактор-ной (парной) и многофакторной (множес-твенной).

Целью регрессионного анализа являет-ся оценка функциональной зависимости условного среднего значения результа-тивного признака (У) от факторных (х1, х2, …хк) признаками.

Основной предпосылкой регрессионно-го анализа является то, что только резу-льтативный признак (У) подчиняется нормальному закону распределения, а факторные признаки х1, х2,…,хк могут иметь произвольный закон распределе-ния. В анализе динамических рядов в качестве факторного признака выступает время t. При этом в регрессионном анализе заранее подразумевается наличие причинно-следственных связей между результативным (У) факторными (х1, х2,…,хк) признаками. Уравнение регрессии, или статистическая модель связи социально-экономических явлений, выражаемая функцией Ух=f(х1, х2,…,хк), является достаточно адекватным реаль-ному моделируемому явлению или процессу в случае соблюдения следую-щих требований их построения.

1. Совокупность исследуемых исходных данных д/б однородной и математически описываеться непрерывными функциями.

2. Возможность описания моделируемого явления одним или несколькими уравне-ниями причинно-следственных связей.

3. Все факторные признаки должны иметь количественное (цифровое) выра-жение.

4. Наличие достаточно большого объёма исследуемой выборочной совокупности.

5. Причинно-следственные связи между явлениями и процессами следует описы-вать линейной или приводимой к линей-ной формами зависимости.

6. Отсутствие количественных ограниче-ний на параметры модели связи.

7. Постоянство территориальной и вре-менной структуры изучаемой совокуп-ности.

Теоретическая обоснованность моде-лей взаимосвязи, построенных на основе корреляционно-регрессионного анализа, обеспечивается соблюдением следующих основных условий.

1. Все признаки и их совместные распределения должны подчиняться нор-мальному закону распределения;

2. Дисперсия моделируемого признака (У) должна всё время оставаться постоян-ной при изменении величины (У) и зна-чений факторных признаков.

3. Отдельные наблюдения д/б независи-мыми, т. е. результаты, полученные в i - ом наблюдении, не должны быть связа-ны с предыдущими и содержать инфор-мацию о последующих наблюдениях, а также влиять на них.







Что делать, если нет взаимности? А теперь спустимся с небес на землю. Приземлились? Продолжаем разговор...

ЧТО ТАКОЕ УВЕРЕННОЕ ПОВЕДЕНИЕ В МЕЖЛИЧНОСТНЫХ ОТНОШЕНИЯХ? Исторически существует три основных модели различий, существующих между...

Живите по правилу: МАЛО ЛИ ЧТО НА СВЕТЕ СУЩЕСТВУЕТ? Я неслучайно подчеркиваю, что место в голове ограничено, а информации вокруг много, и что ваше право...

Система охраняемых территорий в США Изучение особо охраняемых природных территорий(ООПТ) США представляет особый интерес по многим причинам...





Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте:


©2015- 2024 zdamsam.ru Размещенные материалы защищены законодательством РФ.