Совокупность неоднородная. Статистическая совокупность. Однородность совокупности Определить однородна ли совокупность

Оценка однородности совокупности

априорный анализ статистический совокупность распределение

Для оценки однородности совокупности используют различные методы, такие как: группировка, расчет показателей вариации (дисперсия, коэффициент вариации), анализ аномальных наблюдений на основе - и q-статистик.

На основе группировки и ее графического изображения (рис.1.1 - рис.1.9) можно предположить, что ряды распределения по трем признакам не являются однородными. Но вместе с тем, следует иметь виду, что при незначительном объеме выборки (n < 50) слишком углубленный анализ гистограммы может привести к неверным выводам, поскольку слабо выраженные «горбики и ямы» частот могут быть обусловлены не основными факторами, определяющими распределение единиц по группам, а просто случайными отклонениями вариантов от.

После анализа аномальных наблюдений на основе - статистики, выявляется аномальность значений, соответствующих 13 предприятию, а также аномальность показателей выручки и расходов 9 предприятия.

В данной работе последующий анализ будет проводится с учетом аномальности, вызванной объективно существующими причинами.

Причины появления в совокупности аномальных наблюдений могут быть:

1) внешние, возникающие в результате технических ошибок;

2) внутренние, объективно существующие.

Для дальнейшего анализа формы распределения используют показатели вариации. Показатели вариации делятся на абсолютные и относительные. К абсолютным относятся размах колебаний, среднее линейное отклонение, дисперсия, среднее квадратическое отклонение и квартильное отклонение. Коэффициент осцилляции, относительное линейное отклонение, коэффициент вариации и относительный показатель квартильной вариации - относительные показатели.

В данной курсовой работе для характеристики однородности совокупности рассчитывались такие показатели, как дисперсия, среднее квадратическое отклонение и коэффициент вариации.

Дисперсия - это средний квадрат отклонений индивидуальных значений признака от средней величины. Дисперсия не только является основной мерой колеблемости признака, но также используется для построения показателей тесноты корреляционной связи, при оценке результатов выборочных наблюдений и т.д.

Для сгруппированных данных она вычисляется по формуле (1.3):

где x i - i-ый вариант осредняемого признака;

Выборочная средняя величина или средняя агрегатная;

n i - частота, то есть число, показывающее сколько раз встречаются варианты из данного интервала, или вес i-го варианта;

n - число объектов совокупности.

Для оценки влияния различных факторов, обуславливающих вариацию признака, рассчитывается дисперсия по каждому из показателей. Для этого строятся расчетные таблицы:

Таблица 1.5

Расчетная таблица для вычисления дисперсии по величине выручки от продажи товаров, продукции, работ, услуг

Группы предприятий по выручке от продажи, тыс. руб.	Число предприятий n i	Середина интервала x i

Средняя выборочная вычисляется по формуле (1.4):

Отсюда = 177166,1.

По таблице 1.5 видно, что значения признака отклоняются от средней выборочной в основном в отрицательную сторону.

С помощью формулы (1.3) находится дисперсия, у 2 = 3422825485.

Таблица 1.6

Расчетная таблица для вычисления дисперсии по величине себестоимости проданных товаров, продукции, работ, услуг

Группы предприятий по себестоимости проданных товаров, продукции, работ, услуг, тыс. руб.	Число предприятий n i	Середина интервала x i

у 2 = 2096102493

Значения себестоимости в основном не превышают среднюю выборочную.

Таблица 1.7

Расчетная таблица для вычисления дисперсии по величине коммерческих и управленческих расходов

Группы предприятий по величине коммерческих и управленческих расходов, тыс. руб.	Число предприятий n i	Середина интервала x i

у 2 = 183131024,9

По таблице видно, что значения признака отклоняются от средней выборочной также в основном в отрицательную сторону.

Наиболее часто применяемый показатель относительной колеблемости - коэффициент вариации (формула (1.5)):

Среднее квадратическое отклонение у = 58504,92, то есть величина выручки в среднем отклоняется на 58504,92 тыс. руб.

Исходя из этого, коэффициент вариации равен:

V в = (58504, 92 / 177166,1) * 100% = 33 %

Величина V в оценивает интенсивность колебаний вариантов относительно их средней величины. Принята следующая оценочная шкала колеблемости признака:

0% < V в?40% - колеблемость незначительная;

40% < V в? 60% - колеблемость средняя (умеренная);

V в > 60% - колеблемость значительная.

Для нормальных и близких к нормальному распределений показатель V в служит индикатором однородности совокупности: принято считать, что при выполнимости неравенства

совокупность является количественно однородной по данному признаку. Так как коэффициент вариации не превышает 33%, то можно считать совокупность предприятий по выручке достаточно однородной.

Коэффициент вариации для остальных признаков равен:

1) Для группы предприятий по себестоимости проданных товаров, продукции, работ, услуг V в = 33,4%. Колеблемость незначительная.

2) Для группы предприятий по величине коммерческих и управленческих расходов V в = 32,7%. Колеблемость незначительная. Совокупность можно считать однородной.

Так как коэффициент вариации группировки предприятий по себестоимости незначительно превышает 33%, то можно сказать, что совокупность достаточно однородна, а превышение можно объяснить небольшим объемом выборки, аномальностью некоторых значений и влиянием внешних и внутренних факторов.

Объектами статистических исследований являются статистические совокупности, состоящие из отдельных единиц, характеризуемых различными признаками. В результате исследований выявляются статистические закономерности, на основе использования моделей социально-экономических явлений и методов обработки и анализа экономико-статистической информации.

Статистическая совокупность - множество объектов, явлений, объединенных какими-либо общими свойствами (признаками) и подвергающихся статистическому исследованию. Например, совокупность промышленных предприятий страны. Отдельные объекты явления, составляющие статистическую совокупность и называемые единицами совокупности, обладая некоторыми общими признаками, могут различаться между собой по другим признакам. Поэтому совокупности могут быть однородными (качественно однородными) и неоднородными (качественно неоднородными).

В однородной совокупности объекты (единицы совокупности) сходны между собой по существенным для данного исследования признакам и относятся к одному и тому же типу явления. Однородная совокупность, будучи однородной по одним признакам, может быть разнородной по другим.

Элементы (единицы) неоднородной совокупности относятся к различным типам изучаемых явлений. Для неоднородной совокупности исчисление обобщающих характеристик, в особенности в виде средней величины, неправомерно. С помощью метода группировок и метода таксономии в неоднородной совокупности могут быть образованы однородные группы.

Вся совокупность реально существующих объектов, характеризующих какое-либо явление, называется генеральной. Для статистического исследования из генеральной совокупности по определенным правилам может быть отобрана совокупность единиц, которые образуют выборочную совокупностью.

Каждая единица совокупности характеризуется различными признаками - отличительными чертами, свойствами, качеством.

Варьирующий признак - признак, принимающий в пределах статистической совокупности разные значения у единиц статистической совокупности. Это, однако, не исключает повторений отдельных значений (вариантов) признака, у нескольких единиц совокупности значения признака могут быть одинаковыми. Примером варьирующего признака может служить размер месячной заработной платы рабочих предприятия.

Качественный признак (атрибутивный) - признак, отдельные значения которого выражаются в виде понятий, наименований. Например, профессия рабочего (слесарь, сборщик), уровень образования (начальное, среднее, высшее).

Количественный признак - признак, отдельные значения которого имеют количественное выражение (например, себестоимость продукции по различным предприятиям одной отрасли).

Результативный признак - зависимый признак, то есть изменяющий свое значение под влиянием другого, связанного с ним факторного признака.

Факторный признак (фактор) - признак, оказывающий влияние на другой, связанный с ним результативный признак, и обусловливающий его изменение (вариацию). Роль этих признаков в различных задачах может меняться, в одной задача он выступает как факторный, в другой - как результативный. Например, производительность труда выступает фактором изменения (снижения) себестоимости единицы продукции, и в то же время, производительность труда в связи с квалификацией рабочего является результативным признаком.

В результате статистического исследования устанавливается статистическая закономерность, которая рассматривается как количественная закономерность изменения в пространстве и во времени массовых явлений и процессов общественной жизни, состоящих из множества элементов (единиц совокупности). Она свойственна не отдельным единицам совокупности, а всей совокупности в целом. В силу этого закономерность, присущая данному явлению (процессу), проявляется только при достаточно большом числе наблюдений и только в среднем. Таким образом, это средняя закономерность массовых явлений и процессов. В большом числе наблюдений происходит взаимопогашение индивидуальных отклонений от средней в ту и другую стороны, вызванных случайными причинами, и проявляется закономерность. Это связывает статистическую закономерность с законом больших чисел, По мере увеличения пространственно-временных интервалов развития явления его закономерность становится все более устойчивой.

Таким образом, зная статистическую закономерность конкретного массового явления, можно с определенной вероятностью предвидеть его дальнейшее развитие, определить величину изучаемого признака (показателя). Однако необходимо учитывать, что значительные изменения условий существования этого явления могут привести к существенным изменениям силы этой зависимости.

В социально-экономической статистике закон больших чисел представляет собой общий принцип, в силу которого количественные закономерности, присущие массовым общественным явлениям, отчетливо проявляются лишь в достаточно большом числе наблюдений. Закон больших чисел порожден особыми свойствами массовых социальных явлений. Последние в силу своей индивидуальности, с одной стороны, отличаются друг от друга, а с другой - имеют нечто общее, обусловленное их принадлежностью к определенному виду, классу, к определенным группам. Единичные явления в большей степени подвержены воздействию случайных и несущественных факторов, чем масса в целом. В большом числе наблюдений взаимно погашаются случайные отклонения в противоположные стороны от закономерностей. В результате взаимопогашения случайных отклонений средние, вычисленные для величин одного и того же вида, становятся типичными, отражающими действие постоянных и существенных факторов в данных условиях места и времени. Тенденции и закономерности, вскрытые с помощью закона больших чисел - это массовые статистические тенденции.

Статистическое исследование социально-экономических явлений осуществляется различными методами с использованием моделей этих явлений.

Моделью называется отображение, аналог явления или процесса в основных, существенных для целей исследования чертах. Процесс создания модели называется моделированием. Модель должна учитывать все важные взаимосвязи, закономерности и условия развития таким образом, чтобы на ее основе можно было выполнить эксперименты, цель которых - определение “поведения” объекта моделирования в различных возможных (часто ненаблюдаемых в действительности) условиях. Экономические явления и процессы моделируются с помощью экономико-математических моделей.

Экономико-математическая модель - описание экономического явления или процесса с помощью одного или нескольких математических выражений (уравнений, функций, неравенств, тождеств). Математические выражения характеризуют важнейшие взаимосвязи явлений и процессов, условия и закономерности их развития, ограничения, требования и т.д. Экономико-математическая модель представляет собой обобщение существенной качественной и количественной информации об объекте анализа и служит базой для проведения расчетных экспериментов, которые позволяют получить различные характеристики и параметры изучаемого объекта для заданных условий его развития. Разработка и применение экономико-математических моделей существенно расширяют возможности экономического анализа. Основные преимущества использования экономико-математических моделей заключаются в следующем:

Одновременный учет в модели большого числа требований, условий и предположений, а также достаточная свобода в пересмотре этих условий в ходе работы с моделью;

Непротиворечивость (совместность) получаемых по модели системы показателей;

Возможность получения вариантов поведения изучаемого явления для широкого диапазона и сочетания исходных условий и предположений (например, вариантов прогноза экономического развития).

Экономико-математические модели по назначению делятся на теоретико-экономические и прикладные модели. Многие прикладные модели являются экономико-статистическими моделями или включают последние в качестве составных частей.

Теоретико-экономические - это экономико-математические модели, предназначенные для качественного анализа экономических систем, процессов и явлений, Значения параметров и даже функциональный вид входящих в теоретико-экономическую модель соотношений обычно не конкретизируется. Выводы, которые получаются с помощью этих моделей, как правило, носят общий характер. Типичным примером является вывод об устойчивости (неустойчивости) изучаемой экономической системы, если ее параметры удовлетворяют определенным требованиям, о существовании (отсутствии) сбалансированных или оптимальных решений. Теоретико-экономические модели широко используются в теоретических экономических исследованиях. В настоящее время построение и исследование теоретико-экономических моделей является предметом математической экономики. Для их исследования применяется развитый математический аппарат (теория дифференциальных уравнений, теория матриц, оптимизационные и теоретико-игровые методы и т.д.).

Экономико-статистическая модель - это система математических соотношений, описывающая некоторый экономический объект, процесс или явление, параметры которой определяются (оцениваются) на основе фактических данных с помощью статистических данных (в отличие от теоретико-экономической модели). Структура и конкретный вид экономико-статистической модели определяются спецификой моделируемого объекта, теоретическими представлениями исследователя, целями исследования, доступностью информации, используемыми методами обработки данных. Процесс построения модели распадается на два взаимосвязанных этапа: определение общего вида соотношений модели и входящих в них переменных и статистическое оценивание значений параметров на основе данных наблюдений. К наиболее часто используемым экономико-статистическим моделям относятся тренды, модели временных рядов, изолированные уравнения регрессии, эконометрические модели. Экономико-статистические модели широко применяются при планировании и анализе экономических систем, исследовании их реакции на изменение внешних и внутренних условий функционирования, а также при прогнозировании и определении различных вариантов будущего развития.

Для оценивания параметров эконометрической модели необходимы специальные методы одновременного оценивания (доказано, что обычный метод наименьших квадратов, примененный к каждому уравнению эконометрической модели изолированно, приводит к несостоятельным оценкам). Наиболее употребительными методами одновременного оценивания эконометрической модели являются двухшаговый и трехшаговый метод наименьших квадратов.

Статистика – это общественная наука, изучающая количественную сторону массовых общественных явлений в неразрывной связи с их качественной стороной.

Статистика изучает количественно определенные качества массовых социально-экономических явлений . Существует несколько точек зрения на статистику как на науку:

(1) Статистика – это универсальная наука, изучающая массовые явления природы и общества.

(2) Статистика – это методологическая наука, разрабатывающая методы исследования для других наук.

(3) Статистика – это общественная наука.

Явления общественной жизни – это сложное сочетание различных элементов.

– Общественные явления обладают вполне конкретными размерами.

– Общественным явлениям присущи определенные количественные соотношения, и существуют они независимо от того, изучает ли их статистика или нет.

1. Статистическая совокупность – это множество единиц изучаемого явления, объединенных единой качественной основой, общей связью, но отличающихся друг от друга отдельными признаками. Таковы, например, совокупность домохозяйств, совокупность семей, совокупность предприятий, фирм, объединений и т.п.

Совокупность называется однородной, если один или несколько изучаемых существенных признаков ее объектов являются общими для всех единиц.

2. Признак – это качественная особенность единицы совокупности.

По характеру выражения различают атрибутивные и

количественные признаки:

Атрибутивные (описательные) – выражаются словесно, например, пол, национальность, образование и др. По ним можно получить итоговые сведения о количестве статистических единиц, обладающих данным значением признака;

количественные – выражаются числовой мерой (возраст, стаж работы, объем продаж, размер дохода и т.д.) По ним можно получить итоговые данные о количестве единиц, обладающих конкретным значением признака, и суммарное или среднее значение признака по совокупности.

По характеру вариации признаки делятся на:

альтернативные - могут принимать только одно из двух возможных значений признака. Это признаки обладания или не обладания чем-либо. Например, пол, семейное положение, в маркетинговых или политологических исследованиях - ответ на вопрос в форме «да или нет»;

дискретные – количественные признаки принимающие только отдельные значения, без промежуточных между ними - как правило целочисленные, например, разряд рабочего, число детей в семье и т.д.);

непрерывные – количественные признаки, принимающие любые значения. На практике они, как правило, округляются в соответствии с принятой точностью (например: бухгалтерская прибыль по балансу в рублях, налоговая по налоговым регистрам – в тыс. руб.

По отношению ко времени различают:

моментные признаки, характеризующие единицы совокупности на критический момент времени например, стоимость основных производственных фондов (ОПФ) определяется на 01.01. и 31.12 соответствующего года как стоимость ОПФ на начало и конец отчётного года;

интервальные признаки, характеризующие явление за определённый временной период ((год, квартал, месяц и т.д.), например, сменная выработка, дневная выручка, годовой объём продаж и т.д.

По характеру взаимосвязи признаки делятся на:

факторные , вызывающие изменения других признаков, либо создающие возможности для изменений значений других признаков. Факторные признаки подразделяются соответственно на признаки причины и признаки условия;

результативные (признаки следствия), зависящие от вариации других признаков. Например, стоимостной объём выпуска продукции является результативным признаком, величина которого зависит от факторных признаков - численности работников и производительности труда.

3. Статистический показатель – это количественная оценка свойства изучаемого явления. Статистические показатели можно подразделить на два основных вида: учетно-оценочные показатели (размеры, объемы, уровни изучаемого явления) и аналитические показатели (относительные и средние величины, показатели вариации и т.д.).

Массовый характер общественных законов и своеобразие их действий предопределяет необходимость исследования совокупных данных.

Закон больших чисел порожден особыми свойствами массовых явлений. Последние в силу своей индивидуальности, с одной стороны, отличаются друг от друга, а с другой – имеют нечто общее, обусловленное их принадлежностью к определенному классу, виду. Причем единичные явления в большей степени подвержены воздействию случайных факторов, нежели их совокупность.

Закон больших чисел в наиболее простой форме гласит, что количественные закономерности массовых явлений отчетливо проявляются лишь в достаточно большом их числе.

Таким образом, сущность его заключается в том, что в числах, получающихся в результате массового наблюдения, выступают определенные правильности, которые не могут быть обнаружены в небольшом числе фактов.

Закон больших чисел выражает диалектику случайного и необходимого. В результате взаимопогашения случайных отклонений средние величины, исчисленные для величины одного и того же вида, становятся типичными, отражающими действия постоянных и существенных фактов в данных условиях места и времени.

Тенденции и закономерности, вскрытые с помощью закона больших чисел, имеют силу лишь как массовые тенденции, но не как законы для каждого отдельного случая.

Статистические закономерности изучают распределение единиц статистического множества по отдельным признакам под воздействием всей совокупности факторов.

Статистическая закономерность выступает как объективная закономерность сложного массового процесса и является формой причинной связи. Она обнаруживается в итоге массового статистического наблюдения. Этим обуславливается ее связь с законом больших чисел.

Статистическая закономерность с определенной вероятностью гарантирует устойчивость средних величин при сохранении постоянного комплекса условий, порождающих данное явление.

Статистическая совокупность -

Совокупность называется однородной,

разнородной.

Вопрос 2. Признаки и их классификация

Признак - это качественная особенность единицы совокупности. По характеру отображения свойств единиц изучаемой совокупности признаки делятся на две основные группы;

признаки, имеющие непосредственное количественное выражение, например возраст, стаж работы, средний заработок и т. д. Они могут быть дискретными и непрерывными;

признаки, не имеющие непосредственного количественного выражения. В этом случае отдельные единицы совокупности различаются своим содержанием (например, отрасли - древесина, минеральные продукты, продтовары и т. д.). Такие признаки обычно называют атрибутивными (в философии «атрибут» - неотъемлемое свойство предмета).

Особенностью статистического исследования является то, что в нем изучаются только варьирующие признаки, т. е. признаки, принимающие различные значения (для атрибутивных признаков) или имеющие различные количественные уровни у отдельных единиц совокупности.

Вариация - это изменение величины либо значения признака при переходе от одного объекта (или группы объектов) к другому; точнее говоря - от одной единицы совокупности к другой. Обычно под вариацией мы понимаем обусловленное перекрещивающимся влиянием различных факторов на данное явление изменение величин только в пределах однородной совокупности.

Если же изменения изучаемого явления происходят в разные периоды времени, причем носят характер закономерности, то говорят уже не о вариации признака, а о его динамике.

Вопрос 3. Статистический показатель, система статистических показателей

Статистический показатель - это понятие (категория), отображающее количественные характеристики (размеры) соотношения признаков общественных явлений. Статистические показатели могут быть объемными (численность населения, объем продаж, товарооборот) и расчетными (средние величины). Они могут быть плановыми, отчетными и прогностическими (т.е. выступать в качестве прогнозных оценок). Статистические показатели следует отличать от статистических данных. Статистические данные - это конкретные численные значения статистических показателей. Они всегда определены не только качественно, но и количественно и зависят от конкретных условий места и времени.

Задачами статистики в этом направлении являются:

а) правильное определение содержания статистического показателя (валового национального продукта, национального дохода, экспорта, импорта и т. п.);

б) разработка методологии расчета статистического показателя.

Атрибуты статистического показателя:

1. Качественная сторона: объект, его свойство, категория.

2. Количественная сторона: число и единицы измерения.

3. Территориальные, отраслевые и иные границы объекта.

4. Интервал или момент времени.

Система статистических показателей - это совокупность статистических показателей, отражающая взаимосвязи, которые объективно существуют между явлениями. Для каждой общественно-экономической формации характерна определенная система взаимосвязи общественных явлений. Поэтому образуют систему и статистические показатели.

Система статистических показателей охватывает все стороны жизни общества на различных уровнях: страны, региона - макроуровень; предприятий, фирм, объединений и т. д. - микроуровень.

Системы статистических показателей имеют следующие особенности:

1) они носят исторический характер - меняются условия жизни населения, общества, меняются и системы статистических показателей;

2) методология расчета статистических показателей непрерывно совершенствуется.

Вопрос 4. Статистическая закономерность. Закон больших чисел

Статистическая закономерность – причинно-следственные связи, проявляющиеся в последовательности, повторяемости, регулярности массовых явлений и процессов общественной жизни, относящихся к определенному пространству и времени.
Закономерности, в которых необходимость неразрывно связана в каждом отдельном явлении со случайностью и лишь во множестве явлений проявляет себя как закон, называются статистическими.
Статистические закономерности обладают свойством устойчивости, т.е. стабильности и повторяемости при повторных наблюдениях.

Свойство статистических закономерностей - проявляться лишь в массе явлений при обобщении данных по достаточно большому числу единиц, получило название закон больших чисел.

Закон больших чисел в наиболее простой форме гласит , что количественные закономерности массовых явлений отчетливо проявляются лишь в достаточно большом их числе.

Сущность - в числах, получающихся в результате массового наблюдения, выступают определенные правильности, которые не могут быть обнаружены в небольшом числе фактов.

Он характеризует лишь одну из форм проявления закономерностей в массовых количественных отношения х.

Так, цены на отдельные товары могут понижаться, на другие - повышаться, но совокупное изменение цен на все потребительские товары и услуги свидетельствует о неуклонном росте цен. Статистические совокупности часто называют массовыми явлениями.

Вопрос 7. Классификация стат.сводки и группировки.

Классификация сводки

от глубины обработки первичной информации , полученной в результате статистического наблюдения:

· простую;

· сложную.

Простая сводка предусматривает подсчет общих итогов по всей совокупности единиц статистического наблюдения. При этом определяется общий объем изучаемого явления.

Сложная сводка представляет собой комплекс процедур, которые включают группировку единиц совокупности, подсчет итогов характеристик единиц совокупности по каждой группе и по совокупности в целом, а также представление полученных результатов в виде статистических таблиц.

По признаку формы обработки информации :

· централизованную;

· децентрализованную.

Централизованная сводка предусматривает концентрацию всей исходной статистической информации в одном органе(Росстате, ФТС..), в котором он полностью обрабатывается При децентрализованной сводке обобщение исходных данных проводится последовательными этапами снизу доверху по иерархической системе (статистическая отчетность).

В зависимости от техники исполнения :

· автоматизированной

· ручной.

Классификация группировки

В зависимости от числа положенных в их основание признаков:

· простые

· многомерные (сложные)

Группировка, выполненная по одному признаку, называется простой.

Многомерная (сложная) группировка производится по двум и более признакам. Частным случаем многомерной группировки является комбинационная группировка, базирующаяся на двух и более признаках, взятых во взаимосвязи, в комбинации.

По отношениям между признаками:

· иерархические

· неиерархические

Иерархические группировки выполняются по двум и более признакам, при этом значения второго признака определяются областью значений первого (например, классификация отраслей промышленности по подотраслям, товарных групп - по товарным позициям и т.д.).

Неиерархические (например, группировка по товарным группам в разрезе таможен или стран и т.д.).

По очередности обработки информации:

· п ервичные (составленные на основе первичных данных)

· и вторичные, являющиеся результатом перегруппировки ранее уже сгруппированных данных.

Статистические группировки и классификации делятпо преследуемым целям:

· типологическая, выделения качественно однородных совокупностей

· структурная, изучения структуры совокупности

· аналитическая (факторная) исследования существующих зависимостей

Вопрос 9. Ряды распределения. Атрибутивные и вариационные ряды распределения

Результаты сводки или группировки стат.наблюдения представляют собой статистические ряды распределения .

При этом ряды распределения образованные по качественному признаку называют атрибутив.(например, распределение экспорта или импорта по товарным группам, по таможням, характеру сделки, категориям участников ВЭД).

Если в качестве группировки выступает количественный признак, то получается вариационный ряд распределения.

Атрибутивные ряды распределения

Изучение структуры в разрезе атрибутивных признаков целесообразно проводить по объемным показателям, таким как экспорт, импорт. Так, экспорт (импорт) можно подразделять по всем тем признакам, которые отражены в ГТД (товарные группы, страны, отрасли промышленности, таможенные режимы и т.д.).

Элементом структуры атрибутивного ряда являются группы значений, объединенных по качественному признаку (структура отраслей промышленности, страна, товарная позиция). Для более наглядного описания структуры ряда распределения используют относительные величины (доли, %). Еще более наглядным является графическое изображение.

Предмет изучения вариационных рядов - подсчет частоты встречаемости значений исследуемого показателя и анализ частоты характеристик

Любой вариационный ряд состоит из элементов: вариантов и частот.

Вариантами (х) называются отдельные значения признака, которые он принимает в вариационном ряду, т.е. значения варьирующего признака.

Частоты (/) - это численность отдельных вариантов или каждой группы вариационного ряда, т.е. это числа, показывающие, как часто встречаются те или иные варианты в ряду распределения. Сумма всех частот определяет численность совокупности , ее объем. Например, при исследовании средней цены товара, частотой будет количество килограммов товара, цена которого попадает в определенный интервал.

Частость, или относительная частота (м)-это отношение частоты к объему всей совокупности, т.е. частота, выраженная в процентах к итогу.

При проведении вариационного анализа исходные данные группируются в виде ряда распределения, рассчитываются статистические характеристики, описывающие форму распределения, строится его график. Затем делается вывод о соотношении закономерности и случайности.

~В статистике вариационные ряды делятся на дискретные, в которых значения признака выражены в виде изолированных величин (чаще всего целых), и интервальные (непрерывные), где значения признака заданы определенным интервалом. Например, участники ВЭД по товарообороту разделены на группы: 1000-10000 долл., 10000-20000 долл.

Статистическое распределение дискретного вариационного ряда - это перечень вариантов в возрастающем порядке и соответствующих им частот (относительных частот).

Статистическое распределение непрерывного вариационного ряда - это последовательность интервалов в возрастающем порядке и соответствующих им частот (в качестве частоты, соответствующей интервалу, принимают сумму вариантов, попавших в этот интервал)

Простые таблицы

Простые таблицы имеют в подлежащем перечень единиц совокупности, времени или территорий.

Групповые таблицы

Групповыми называются таблицы, имеющие в подлежащем группировку единиц совокупности по одному признаку.

Комбинационные таблицы

Комбинационные таблицы имеют в подлежащем группировку единиц совокупности по двум или более признакам.

По характеру разработки показателей сказуемого различают:

§ таблицы с простой разработкой показателей сказуемого, в которых имеет место параллельное расположение показателей сказуемого.

§ таблицы со сложной разработкой показателей сказуемого, в которых имеет место комбинирование показателей сказуемого: внутри групп, образованных по одному признаку, выделяют подгруппы по другому признаку.

Для достижения наибольшей выразительности статистической таблицы необходимо при ее оформлении придерживаться определенных правил

1 Форма статистической таблицы должна быть согласована с ранее существующими таблицами для обеспечения возможности сравнения данных за ряд отрезков времени

2 Название таблицы (общий заголовок) должна кратко и точно характеризовать основное ее содержание Это требование в равной степени касается и названий подлежащего и сказуемого таблицы Если общий заголовок недостаточно подробно сформулирован, то можно сделать примечания к нему.

3 В таблице должно быть указано, какой территории или какого периода или момента времени к приведенные данные, а также характер этих данных (фактич,норматив.,расчетные и т д.).

4 Показатели таблицы должны иметь единицы измерения

5 Все числовые значения данного показателя отмечаются с одинаковой точностью и др.

Относительные величины

Относительные величины представляют собой частное от деления двух величин и характеризуют количественное соотношение между ними.

При расчете относительных величин следует иметь в виду, что в числител е всегда находится показатель, отражающий то явление, которое изучается, а в знаменателе - показатель, с которым производится сравнение, принимаемый за основание или базу сравнения.

В завис-ти от базы сравнения- результат отношения может быть выражен в форме коэффициента или % .

Если значение основания или базы сравнения принимается за единицу (приравнивается к единице), то относительная величина (результат сравнения) является коэффициентом и показывает, во сколько раз изучаемая величина больше основания. (только если сравниваемая величина существенно больше той, с которой она сравнивается.) Если значение основания или базу сравнения принять за 100%, результат вычисления относительной величины будет выражаться также в %.

По своему значению они подразделяются на относительные величины структуры, сравнения, динамики, интенсивности, координации.

Относительные величины структуры характеризуют состав изучаемых совокупностей, исчисляются как отношение абсолютной величины каждого из элементов группировки к общему объему, т.е. как отношение части к целому. Сравнивая относительные величины структуры за разные периоды можно проследить структурные изменения. (Удел.вес (долю) экспорта и импорта в объеме внешнеторгового оборота…. а на долю экспорта – 3:4*100=75%).

Относительные величины сравнения отражают количественное соотношение одноименных показателей, т.е. показывают во сколько раз (или на сколько %) один показатель больше (меньше) другого. (коэффициент покрытия импорта экспортом. - экспорт превышает импорт в.=3 раза.)

Относительные величины динамики характеризуют изменение изучаемого явления во времени, т.е. показывают во сколько раз или на сколько %, уровень отчетного периода больше или меньше уровня базисного периода. (базис или цепной)

интенсивности - сколько единиц одной совокупности приходится на единицу другой. Рассчитываются делением абсолютной величины одной совокупности изучаемого явления на величину, характеризующую объем среды.(На 1 сотрудника в год пришлось – 500 деклараций).

координации - соотношение между отдельными частями стат. совокупности, и показывает во сколько раз сравниваемая часть больше или меньше части, которая принимается за базу сравнения. Относительная величина координации рассчитывается следующим образом.650: 6500= 10%, т.е. на 10 человек с высшим образованием приходится 1 чел. со средним техническим.

Средние величины

сглаживание различий в величине признака, которые возникают по тем или иным причинам. Средняя величина - один из распространенных способов обобщений количественных показателей.

Рассмотрим признак x (осредняемый признак) , по которому необходимо найти среднее значение . Значения осредняемого признака представлены рядом индивидуальных значений или вариант (х 1 , х 2 , х 3 ….х n) (например, вариационным рядом) с частотами индивидуальных значений (f 1 ,f 2 ,f 3 ,…f n) .

Сред. величина измер-ся в той же размер-ти, что и признак.

Каждая средняя величина характеризует изучаемую совокупность по какому-либо одному признаку.

суммарные

* средняя арифметическая;

* средняя геометрическая;

* средняя гармоническая;

Средняя арифметическая используется для характеристики абсолютных величин.

1. Если каждое значение признака в ряду встречается по одному разу, расчет производится по формуле простой (сумма всех значений, деленная на число этих значений
, где x 1 ,x 2 – знач-я признака (цена)

n - количество значений.

2. Если одно и то же значение признака встречается несколько раз, используют формулу средней арифметической взвешенной. ,

f i - частота повторения этого признака (вес товара).

Среднее арифметическое рассчитывается по разному в дискретных и интервальных вариационных рядах.

В дискретных рядах варианты признака умножаются на частоты, эти произведения суммируются и полученная сумма произведений делится на сумму частот.

В интервальных рядах значение признака задано в виде интервалов, поэтому нужно перейти к дискретному. В качестве вариантов X i используется середина соответствующих интервалов. - как полусумма нижней и верхней границ.

Средней гармонической величинойназывают величину, рассчитанную из обратных значений варьирующего признака. Она применяется и как обобщающая характеристика относительных величин.

Средняя гармоническая простая:

Средняя гармоническая взвешенная:

Средней геометрической принято именовать величину, исчисляемую как корень n –ной степени из произведения n отдельных вариантов признака.

Она также обычно используется для характеристики относительных величин и рассчитывается по формуле:

В случаях, когда некоторые либо все варианты (коэффициенты темпов роста, например) относятся к периодам, не одинаковым по продолжительности:

, (10.6)

где х - варианты; f i - веса; - сумма весов.

Определить длину интервала

(Хmаx - Хmin)/к

где Хmаx, Хmin - максимальное и минимальное значения показателя, соответственно;

к - число интервалов.

Вопрос 1. Статистическая совокупность. Однородность совокупности

Статистическая совокупность - это совокупность социально-экономических объектов или явлений общественной жизни, объединенных некоей качественной основой, общей связью, но отличающихся друг от друга отдельными признаками. Таковы, например, совокупность домохозяйств, совокупность семей, совокупность предприятий, фирм, объединений и т. п.. Совокупности могут быть однородными и разнородными.

Совокупность называется однородной, если один или несколько изучаемых существенных признаков ее объектов являются общими для всех единиц. Совокупность оказывается однородной именно с точки зрения этих признаков.

Совокупность, в которую входят явления разного типа, считается разнородной. Совокупность может быть однородна в одном отношении и разнородна в другом. В каждом отдельном случае однородность совокупности устанавливается путем проведения качественного анализа, выяснения содержания изучаемого общественного явления. Статистическая совокупность состоит из отдельных единиц (в статистике внешней торговли - отдельных партий товаров), имеющих свои свойства, особенности.

Единица совокупности- это первичный элемент статистической совокупности, являющийся носителем признаков, подлежащих регистрации, и основой ведущегося при обследовании счета.

3.1. Группировка статистической информации

3.2. Ряд распределения

3.3. Вторичные группировки

3.4. Графическое представление ряда распределения

3.1. В результате проведения статистического наблюдения формируется совокупность данных об изучаемом социально-экономическом явлении. Статистическая совокупность − это множество элементов изучаемого явления, объединенных в соответствии с целью исследования единой качественной основой, существование которых ограничено во времени и пространстве. Совокупность может быть стабильной, т.е. относительно постоянной во времени, и нестабильной или динамичной. Элементы статистической совокупности называются единицами статистической совокупности . Они являются носителями основных свойств статистической совокупности. Статистическая совокупность является однородной , если существенные свойства характерны для большинства единиц совокупности, и неоднородной , если в совокупность объединяются разные типы явлений.

Для изучения статистической совокупности, проведения аналитических расчетов и выявления закономерностей необходимо обобщить и систематизировать статистические данные. Этот этап статистического исследования называется сводкой и группировкой статистической информации.

Сводка − это процесс объединения отдельных единиц статистической совокупности для выявления типичных черт и закономерностей, присущих изучаемому явлению в целом.

Группировкой называется процесс объединение отдельных единиц статистической совокупности в группы элементов, однородных по какому-либо признаку. В результате группировки получается упорядоченная статистическая информация, позволяющая осуществлять статистический анализ.

В зависимости от цели и задач статистического исследования различают следующие виды группировок: типологическая; структурная; аналитическая.

Типологическая группировка − это разделение качественно неоднородной совокупности на однородные группы, характеризующие особенности и различия между явлениями. За основания такой группировки выбираются наиболее важные признаки, определяющие сущность изучаемых явлений.

Структурная группировка позволяет разделить однородную совокупность на группы, характеризующие ее структуру по какому-либо варьирующему признаку. Примерами могут служить группировки предприятий по проценту выполнения плана, численности рабочих, стоимости основных средств и т.д.

Аналитическая группировка применяется для исследования взаимосвязи между явлениями. Для этого в аналитической группировке выделяются факторные и результативные признаки. Взаимосвязь между явлениями существует в том случае, если с изменением значения факторного признака среднее значение результативного признака возрастает или убывает.

В зависимости от количества признаков, используемых для объединения единиц статистической совокупности, различают простые и комбинированные группировки. Простыми называются группировки, которые построены по одному признаку. Комбинированные группировки построены по двум и более признакам. Для этого сначала образуются группы по одному признаку, а затем по каждой группе выделяются подгруппы по другому признаку и т.д.

3.2. Одним из способов группировки статистической информации является построение ряда распределения.

Ряд распределения − это группировка, в которой каждому значению признака или выделенной группе соответствует единственный количественный показатель (удельный вес).

В зависимости от способа представления группировочного признака различают качественные (атрибутивные ) и количественные (вариационные ) ряды распределения.

Любой ряд распределения, как правило, состоит из трех элементов:

- варианты (атрибута) − числовое (качественное) значение изучаемого признака;

- частоты − количество того или иного значения признака, встречающегося в изучаемой совокупности;

- частости − количество того или иного значения признака, встречающегося в изучаемой совокупности, представленное в долях или процентах к общему числу элементов в совокупности.

Вариационные ряды распределения бывают дискретными и интервальными. В дискретных рядах группировочный признак представлен конкретным числом, а в интервальных − интервалом.

Для построения интервального ряда распределения необходимо определить число выделяемых групп, а затем рассчитать длину интервала по формуле:

где - соответственно максимальное и минимальное значения группировочного признака;

Число выделяемых групп.

В том случае, если вопрос о числе групп приходится решать самостоятельно, можно использовать формулу Стерджесса для определения оптимального количества групп:

где N - число единиц в совокупности.

Пример 3.1. Имеются данные о работе 24 предприятий отрасли промышленности. Необходимо по среднегодовой стоимости основных средств сформировать 5 групп в совокупности, рассчитать длину интервала и построить ряд распределения с равными интервалами, а также дискретный ряд распределения.