Решение типовых задач. Задача 1.Методом случайной повторной выборки было взято для проверки на вес 200 штЗадача 1. Методом случайной повторной выборки было взято для проверки на вес 200 шт. деталей. В результате был установлен средний вес детали - 30 г при среднеквадратическом отклонении равном 4 г. С вероятностью 0,954 требуется определить предел, в котором находится средний вес детали в генеральной совокупности. Решение. Предельная ошибка средней при собственно-случайном отборе (повторная выборка) определится по формуле . Нам известно, что t =2 (т.к. P =0.954); ; n =200, тогда . Следовательно, с вероятностью 0,954 можно утверждать, что средний вес детали в генеральной совокупности будет находиться в пределах . Задача 2. Был проведен учет городского населения города А методом случайного бесповторного отбора. Из общей численности населения 500 тыс. человек было отобрано 500 тыс. и установлено, что 15% имеют возраст старше 60 лет. С вероятностью 0,683 определить предел, в котором находится доля жителей города А в возрасте старше 60 лет. Решение. Предельная ошибка доли при собственно-случайном бесповторном отборе определится как . Здесь =0.15; 1- = ; n =50; N =500; t =1 (P =0.683), тогда подставляя эти данные в формулу получим:
Следовательно, с вероятностью 0,683 можно утверждать, что доля жителей старше 60 лет находится в пределах: 0,15-0,048< P <0,15+0,048; или 10,2%< P <19,8%. Задача 3. Проведена 10%-ная типическая выборка пропорциональна численности отобранных групп (табл. 6.3). Таблица 6.3 Группировка рабочих разных профессий по степени выполнения норм выработки
Требуется с вероятностью 0,954 определить пределы, в которых находится средний процент выполнения норм рабочими завода в целом. Выборка бесповторная. Решение: Вычислим общий средний процент выполнения норм выработки: . Далее определим среднюю из групповых дисперсий . Рассчитаем предельную ошибку выработки для типического отбора . (N =1500, т.к. выборка 10%-ная). Таким образом, с вероятностью 0,954 можно утверждать, что средний процент выполнения норм рабочими завода в целом находится в пределах или т.е. он не меньше 103,82% и не больше 104,18%. Задача 4. Для определения средней урожайности сахарной свеклы в области проведена 20%-ная серийная бесповторная выборка, в которую вошло 5 районов из 25. Средняя урожайность по каждому отобранному району составила: 250, 260, 275, 280, 300 ц/га. Определить с вероятностью 0,954 пределы, в которых будет находиться средняя урожайность сахарной свеклы по области. Решение. Найдем общую среднюю ц/га. Определим межсерийную дисперсию по формуле ц/га. Рассчитаем предельную ошибку выборки при серийном бесповторном отборе ц/га. Следовательно, с вероятностью 0,954 можно утверждать, что средняя урожайность сахарной свеклы в области будет находиться в пределах от 272,66 до 287,34 ц/га. Задача 5. Предполагается, что партия деталей содержит 8 % брака. Определить необходимый объем выборки, чтобы с вероятностью 0,954 можно было установить долю брака с погрешностью не более 2%. Исследуемая партия содержит 5000 деталей. Решение. По условию задачи t =2, доля бракованных деталей =0,08, 1- =0,92. Предельная ошибка доли по условию равна =0,02, а N =5000. Подставляем эти данные в формулу и получим . Чтобы с вероятностью 0,954 можно было утверждать, что предельная ошибка доли брака не превысит 2%, необходимо из 5000 деталей отобрать 642. Задача 6. Что произойдет с предельной ошибкой выборки, если: а) дисперсия уменьшится в 4 раза; б) численность выборки увеличить в 9 раз; в) вероятность исчисления изменится с 0,683 до 0,997. Решение. Из формулы для расчета предельной ошибки выборки видно, что она: а) прямо пропорциональна корню квадратному из дисперсии. Следовательно, если дисперсия уменьшится в 4 раза, то предельная ошибка уменьшится в 2 раза; б) обратно пропорциональна корню квадратному из численности выборки. Следовательно, если объем выборки увеличится в 9 раз, то предельная ошибка уменьшится в 3 раза; в) прямо пропорциональна вероятности исчисления, т.е. при увеличении Р с 0,683 (t =1) до 0,997 (t =3) ошибка увеличится в 3 раза.
РАЗДЕЛ 7.СТАТИСТИЧЕСКОЕ ИЗУЧЕНИЕ СВЯЗИ
7.1. Виды и формы взаимосвязи между явлениями Одной из важнейших задач статистики является изучение, измерение и количественное выражение взаимосвязи между явлениями общественной жизни, установленной на основе качественного анализа. Различают два вида связей: функциональную и корреляционную, обусловленные двумя типами закономерностей: динамическими и статистическими. Для явлений, в которых проявляются динамические закономерности, характерна жесткая, механическая причинность, которая может быть выражена в виде уравнения, четкой зависимости и т.д. Такая зависимость называется функциональной. При функциональной связи каждому значению одной величины (аргумента) соответствует одно или несколько вполне определенных значений другой величины (функции). В общественных процессах, в которых проявляются статистические закономерности, нет строгой зависимости между причиной и результатом и обычно не представляется возможным выявить строгую зависимость. Связь, при которой каждому значению аргумента соответствует не одно, а несколько значений функции и между аргументом и функциями нельзя установить строгой зависимости называется корреляционной. Корреляционная зависимость проявляется только в средних величинах и выражает числовое соотношение между ними в виде тенденции к возрастанию или убыванию одной переменной величины при возрастании или убывании другой. По направлению различают прямую и обратную связи. По аналитическому выражению корреляционная связь может быть прямолинейной и криволинейной.
7.2. Основные приемы изучения взаимосвязей а) Метод параллельных рядов. Чтобы установить связь между явлениями достаточно расположить полученные в результате сводки и обработки материалы в виде параллельных рядов и сопоставить их между собой. б) Балансовый метод. Для характеристики взаимосвязи между явлениями в статистике широко применяется балансовый метод. Сущность его заключается в том, что данные взаимосвязанных показателей изображаются в виде таблицы и располагаются таким образом, чтобы итоги между отдельными частями были равны, т.е. чтобы был баланс. Балансовый метод используется для характеристики взаимосвязи между производством и распределением продуктов, денежными доходами и расходами населения и т.д. в) Метод аналитических группировок. При наличии массовых статистических данных для изучения и измерения взаимосвязей социально-экономических явлений широко пользуются методом аналитических группировок. Аналитические группировки позволяют установить наличие связи между двумя и более признаками и ее направление. Метод группировок сочетается с методом средних и относительных величин. г) Дисперсионный анализ. Аналитические группировки при всей своей значимости не дают количественного выражения тесноты связи между признаками. Эта задача решается при помощи дисперсионного и корреляционного анализов. Дисперсионный анализ дает, прежде всего, возможность определить роль систематической и случайной вариаций в общей вариации и, следовательно, установить роль изучаемого фактора в изменении результативного признака. Для этого пользуются правилом сложения дисперсий.
7.3. Корреляционный анализ Определение формы связи Изучение взаимосвязей между признаками статистической совокупности заключается в определении формы и количественной характеристики связи, а также степени тесноты связи. Корреляционный анализ и решает эти двеосновныезадачи . Первая задача заключается в определении формы связи, т.е. в установлении математической формы, в которой выражается данная связь. Предварительный этап при установлении формы связи заключается в теоретическом анализе изучаемого явления, а также в представлении искомой связи графически. График, построенный по исходным данным, позволяет приблизительно определить: есть ли какая-то связь между явлениями; ее направление (прямая или обратная); примерную тесноту связи (естественно, что при графическом анализе используются только две переменные). Применение методов корреляционного анализа дает возможность выражать связь между признаками аналитически - в виде уравнения - и придавать ей количественное выражение. Другими словами необходимо найти зависимость вида y=f(x),причем в качестве функции f(x) могут быть полином 1-го порядка - полином 2-го порядка - степенная функция - гиперболическая функция - (могут быть использованы и другие виды функций). Неизвестные параметры функций (аналитических уравнений связи) находятся методом наименьших квадратов, сущность которого в следующем: сумма квадратов отклонений фактических данных от выровненных должна быть наименьшей (см. рисунок): или
Измерение тесноты связи При изучении корреляционной связи важно выяснить не только форму, но и тесноту связи между факторным и результативным признаком. Для этого (при прямолинейной связи) рассчитывается показатель, называемый парным линейным коэффициентом корреляции , вычисляемый по формуле . Коэффициент корреляции принимает значение от -1 до +1, причем если >0, то корреляция прямая, если <0, то корреляция обратная, а если =0, то корреляция отсутствует полностью. В зависимости от того, насколько приближается к единице, различают связь слабую, умеренную, заметную, высокую, тесную и весьма тесную. Коэффициент корреляции может быть исчислен и по следующей формуле , где - среднее квадратическое отклонение результативного признака; - среднее квадратическое отклонение факторного признака. Зная линейный коэффициент корреляции, можно определить и параметры уравнения регрессии вида потому что: . Коэффициент корреляции применяется только в тех случаях, когда между явлениями существует прямолинейная связь. Если же связь криволинейная, то пользуются коэффициентом корреляции, вычисляемым по формуле , где y - исходные значения результативного показателя; -теоретические значения; -среднее значение y. Имея среднее значение дисперсий, коэффициент корреляции можно вычислить как , где - факторная (межгрупповая) дисперсия или дисперсия воспроизводимости; - случайная (средняя из внутригрупповых) дисперсия или остаточная дисперсия; - общая дисперсия. Коэффициент корреляции по своему абсолютному значению находится в пределах от 0 до 1. Если коэффициент корреляции возвести в квадрат и выразить в процентах, получим показатель, называемый коэффициентом детерминации D = R 2∙100%. Он показывает, на сколько процентов изменение результативного фактора зависит от изменения факторного признака. Коэффициент детерминации является наиболее конкретным показателем, так как он отвечает на вопрос о том, какая доля в общем результате зависит от фактора, положенного в основании группировки. 7.4. Множественная корреляция Определение формы и тесноты связи между тремя и более параметрами называется множественной корреляцией. При множественной корреляции определение формы связи аналогично определению формы связи при парной корреляции, а само уравнение регрессии ищется в виде (как правило) . При определении тесноты связи есть свои особенности. Теснота связи измеряется множественным коэффициентом корреляции, вид которого аналогичен коэффициенту корреляции при парной связи . Если изучается взаимодействие только трех факторов y=f(x,z), то коэффициент множественной корреляции можно определить по формуле , где - парные коэффициенты корреляции. Множественный коэффициент корреляции находится в пределах от 0 до 1. Множественный коэффициент детерминации, равный квадрату R, выраженному в процентах, характеризует долю вариации результативного признака Y под воздействием всех изучаемых факторных признаков. Поскольку факторные признаки действуют не изолировано, а по взаимосвязи, то может возникнуть задача определения тесноты связи между результативным признаком и одним из факторных при постоянных значениях прочих факторов. Она решается при помощи частных коэффициентов корреляции. Например, при линейной связи y=f(x,z) частный коэффициент корреляции между x и y при постоянном z вычисляется по следующей формуле . Частный коэффициент корреляции при изучении зависимости Y от Z при постоянном Х определяется по формуле . Парные коэффициенты корреляции, как правило, выше частных. Это объясняется тем, что факторы взаимно коррелируют между собой. При значительном количестве факторов частный коэффициент корреляции можно получить по формуле , где - коэффициент множественной корреляции; - коэффициент множественной корреляции результативного фактора (y) со всеми за исключением исследуемого.
7.5. Простейшие методы измерения тесноты связи Измерение тесноты связи между факторами с помощью корреляционно-регрессионного и дисперсионного анализов сопряжено с большими вычислительными трудностями. Для ориентировочной оценки степени тесноты связи существуют приближённые методы, не требующие трудоемких расчетов. К ним относятся: коэффициент корреляции знаков Фехнера, коэффициент корреляции рангов, коэффициент ассоциации и коэффициент взаимной сопряженности. 10. Коэффициент корреляции знаков. Основан на сопоставлении знаков отклонений от средней и подсчете числа случаев совпадения и несовпадения знаков. Коэффициент корреляции знаков определяется по формуле , где U - число пар с одинаковыми знаками отклонений x и y от и ; V - число пар с разными знаками отклонений x и y от и . Коэффициент корреляции знаков колеблется от -1 до +1. Этот показатель исчисляется очень просто, но именно в силу этого он не очень точен. 11. Коэффициент корреляции рангов. Этот показатель вычисляется не по первичным данным, а по рангам (порядковым номерам), которые присваиваются всем значениям изучаемых признаков, расположенным в порядке их возрастания. Если значения признака совпадают, то определяется средний ранг путем деления суммы рангов на число совпадающих значений. Коэффициент корреляции рангов определяется по формуле , где - квадрат разности рангов для каждой единицы d=x-y. Коэффициент корреляции рангов также колеблется в пределах от -1 до +1. 12. Коэффициент ассоциации. Коэффициент ассоциации применяется для установления меры связи между двумя качественными альтернативными признаками. Для его вычисления строится комбинационная 4-клеточная таблица:
которая выражает связь между двумя альтернативными явлениями. Коэффициент ассоциации рассчитывается по формуле . Коэффициент ассоциации тоже колеблется в пределах от -1 до +1. 13. Коэффициент взаимной сопряженности В тех случаях, когда требуется установить связь между качественными признаками, каждый из которых состоит из трех и более групп, применяется коэффициент взаимной сопряженности. Для определения степени тесноты связи вычисляется специальный показатель, который называется коэффициентом взаимной сопряженности. Он определяется по формуле: , где n - число единиц совокупности; m 1 и m 2- число групп по первому и второму признаку; - показатель абсолютной квадратичной сопряженности Пирсона. Методика применения всех четырех коэффициентов показана при решении типовых задач.
|