![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
Контрольная работа содержит 8 задач по темам:
Задача 1 – по теме «Группировка статистических данных».
Задача 2 – по теме «Статистические величины».
Задача 3 – по теме «Изучение взаимосвязей».
Задача 4 – по теме «Ряды динамики».
Задача 5 – по теме «Индексы».
Задача 6 – по теме «Статистика основных фондов».
Задача 7 – по теме «Статистика населения».
Задача 8 – по теме «Статистика уровня жизни».
Тема 1: «Группировка статистических данных»
Пример 1.1. Построить группировку по следующим данным о возрасте 50 домашних животных: 0, 1, 5, 1, 2, 0, 6, 2, 3, 0, 2, 4, 1, 4, 2, 3, 4, 0, 1, 2, 0, 10, 1, 2, 4, 6, 7, 6, 2, 4, 8, 5, 4, 6, 1, 0, 1, 10, 1, 4, 5, 1, 3, 4, 7, 5, 6, 8, 1, 9. Построить полигон распределения. Определить тип признака, вид группировки.
Решение. Признак х – возраст домашних животных (полных лет) – дискретный количественный признак. При группировании подсчитывается частота (f) каждого значения признака, группировка оформляется в таблицу (табл. 1). Вид группировки – структурная.
Таблица 1
Группировка домашних животных по возрасту (х, лет)
х | |||||||||||
f |
Полигон распределения признака строится на плоскости в системе координат (х, f), х – ось абсцисс, f – ось ординат (рис.1).
Рис. 1. Полигон распределения.
Пример 1.2. Стаж работы (в годах) 40 рабочих бригады характеризуется следующими данными: 2, 15, 4, 5, 5, 6, 6, 5, 17, 17, 6, 6, 7, 14, 16, 7, 8, 8, 9, 10, 11, 4, 3, 3, 17, 4, 11, 11, 4, 5, 8, 12, 5, 6, 4, 4, 5, 7, 15, 18. Построить ранжированный ряд, интервальный ряд (образовать 4-е группы с равными интервалами), гистограмму. Определить тип признака, вид группировки.
Решение. Ранжированный ряд записывается в виде:
2, 3, 3, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 7, 7, 7, 8, 8, 8, 9, 10, 11, 11, 11, 12, 14, 15, 15, 16, 17, 17, 17, 18 (т. е. исходные данные упорядочиваются).
Признак х – стаж работы (лет). Вид группировки – структурная. Так как требуется построить интервальный ряд и гистограмму, то признак х считается непрерывным количественным признаком.
Для того чтобы построить группировку с 4-мя равными интервалами, необходимо определить шаг интервала (h) по формуле:
,
где х max, x min – максимальное и минимальное значения признака х; n – число групп. В нашем случае n = 4, х max = 18, x min = 2. Тогда
.
Результат группировки см. в табл. 2, на рис. 2 приведена гистограмма распределения признака х (горизонтальная ось – х, вертикальная ось – частота группировки f).
Таблица 2
x | fy |
![]() | |
![]() | |
![]() | |
![]() |
Рис. 2. Гистограмма распределения.
Тема 2: «Статистические величины»
Пример 2.1. По данным о распределении сотрудников коммерческой фирмы по уровню заработанной платы (табл.3) определить моду, медиану, среднюю заработную плату. Найти среднее линейное отклонение и среднее квадратическое отклонение от средней заработной платы, соотношение между ними. Найти дисперсию, коэффициент вариации. Сделать выводы.
Таблица 3
Размер з./платы, тыс. руб. в мес. | Количество сотрудников, чел. |
До 3 | |
3-5 | |
5-7 | |
7-9 | |
9-11 | |
11-13 | |
13 и более | |
Итого: |
Решение. Признак х – размер заработной платы, f – количество работников (частота группировки). Найдем средний размер заработнойплаты по формуле средней арифметической взвешенной (так как данные сгруппированы):
(тыс. руб.)
Так как исходные данные представлены в виде интервального вариационного ряда, то для нахождения моды (модального значения признака х) сначала нужно определить модальный интервал. В данной задаче , т. к. этому интервалу соответствует наибольшая частота f = 49. Более точное значение моды внутри интервала находим по формуле:
, где h – ширина интервала;
(тыс. руб.).
Аналогично, для нахождения медианы сначала определим медианный интервал: , т. к. в него попадает порядковый номер медианного значения признака, равный
(определяемый с помощью накопленных частот S i). Затем находим медиану:
;
(тыс. руб.)
Среднее линейное отклонение признака х найдем по формуле:
;
(тыс. руб.).
Дисперсия: ;
(тыс. руб.).
Среднее квадратическое отклонение:
;
(тыс. руб.).
Соотношение между средним линейным и средним квадратическим отклонениями:
.
Полученное число близко к числу 1.2, что говорит о близости к нормальному закону распределения.
Коэффициент вариации:
;
.
Так как v > 30 %, то данная статистическая совокупность сотрудников фирмы считается неоднородной по признаку х.
Тема 3: «Изучение взаимосвязей»
Пример 3.1. В таблице 4 приведены данные по 12 автотранспортным предприятиям.
Таблица 4
№ пр-я | Грузооборот, млн. ткм | Общие затраты, т. руб. | № пр-я | Грузооборот, млн. ткм | Общие затраты, т. руб. |
1 | 12,0 | 7 | 11,2 | ||
2 | 7,2 | 8 | 20,0 | ||
3 | 7,6 | 9 | 7,2 | ||
4 | 8,8 | 10 | 16,8 | ||
5 | 11,2 | 11 | 14,0 | ||
6 | 6,8 | 12 | 7,2 |
По приведенным данным определить тесноту и форму связи между признаками х (грузооборот) и у (себестоимость перевозок), построить уравнение регрессии. Оценить полученное уравнение с помощью показателей: коэффициент детерминации, коэффициент корреляции, критерий Фишера (критическое значение Fa(1; 8) = 11,26 при a = 0,01).
Решение. –- уравнение регрессии
Для нахождения a и b необходимо решить следующую систему уравнений:
или
либо воспользоваться следующими формулами:
,
.
Решая эту систему, найдем: ,
, откуда
.
Найдем коэффициенты детерминации и корреляции r и детерминации r 2
:
;
связь прямая и сильная..
изменение себестоимости перевозки (у)объясняется изменением грузооборота (х) на 90,8 %.
;
;
.
уравнение статистически значимо.
Все расчеты приведены в таблице 5.
Таблица 5
№ | х | у | х2 | ху | ![]() | ![]() | ![]() | ![]() | ![]() |
1,17 | -0,66 | -0,7722 | 1,3689 | 0,4356 | |||||
7,2 | 51,84 | 2649,6 | -3,63 | -172,66 | 626,7558 | 13,1769 | 29811,48 | ||
7,6 | 57,76 | -3,23 | -80,66 | 260,5318 | 10,4329 | 6506,036 | |||
8,8 | 77,44 | 4188,8 | -2,03 | -64,66 | 131,2598 | 4,1209 | 4180,916 | ||
11,2 | 125,44 | 6092,8 | 0,37 | 3,34 | 1,2358 | 0,1369 | 11,1556 | ||
6,8 | 46,24 | 2692,8 | -4,03 | -144,66 | 582,9798 | 16,2409 | 20926,52 | ||
11,2 | 125,44 | 5555,2 | 0,37 | -44,66 | -16,5242 | 0,1369 | 1994,516 | ||
9,17 | 299,34 | 2744,9478 | 84,0889 | 89604,44 | |||||
7,2 | 51,84 | 2419,2 | -3,63 | -204,66 | 742,9158 | 13,1769 | 41885,72 | ||
16,8 | 282,24 | 14380,8 | 5,97 | 315,34 | 1882,5798 | 35,6409 | 99439,32 | ||
3,17 | 215,34 | 682,6278 | 10,0489 | 46371,32 | |||||
7,2 | 51,84 | -3,63 | -120,66 | 437,9958 | 13,1769 | 14558,84 | |||
S | 1610,08 | 78363,2 | 8076,5336 | 201,7468 | 355290,7 |
Пример 3.2. По 10 однородным магазинам имеются следующие данные (табл. 6). Определить уравнение регрессии между товарооборотом (признак х) и товарными запасами (признак у). Связь гиперболическая.
Таблица 6
Товарооборот, тыс. руб. | ||||||||||
Товарные запасы, дни |
Решение. Так как связь между товарооборотом и товарными запасами гиперболическая, то уравнение регрессии имеет вид:
.
Сделаем следующую замену переменных: . Тогда
,
.
Таблица 7
Расчетная таблица
№ | х | у | t | ![]() | ![]() | ![]() | ![]() |
0,2 | 0,13 | 8,9 | 1,157 | 0,0169 | |||
0,333333 | 0,263333 | 2,9 | 0,763667 | 0,069344444 | |||
0,041667 | -0,02833 | -1,1 | 0,031167 | 0,000802778 | |||
0,028571 | -0,04143 | -1,1 | 0,045571 | 0,001716327 | |||
0,022727 | -0,04727 | -1,1 | 0,052 | 0,002234711 | |||
0,018182 | -0,05182 | -1,1 | 0,057 | 0,002685124 | |||
0,015873 | -0,05413 | -2,1 | 0,113667 | 0,00292973 | |||
0,013514 | -0,05649 | -3,1 | 0,175108 | 0,003190723 | |||
0,012195 | -0,0578 | -1,1 | 0,063585 | 0,003341404 | |||
0,010526 | -0,05947 | -1,1 | 0,065421 | 0,003537119 | |||
S | 0,696588 | 2,524186 | 0,10668236 |
По данным таблицы 7 находим:
,
.
Таким образом, искомое уравнение связи имеет вид:
.
Пример 3.3. Имеются данные по 10 работникам предприятия (табл.8). Построить множественную линейную модель зависимости размера заработной платы от разряда и производственного стажа работника, оценить степень влияния факторов на результативный признак (с помощью коэффициентов эластичности), найти коэффициенты детерминации и корреляции, проверить значимость модели по критерию Фишера (). Дать прогноз заработной платы работника с 6 разрядом и производственным стажем 20 лет.
Таблица 8
№ | Разряд, (признак х1) | Стаж работы, лет (признак х2) | З/плата, руб. (признак y) |
Решение. Необходимо построить уравнение регрессии вида . Для нахождения неизвестных коэффициентов a, b1 и b2 на основе исходных данных применяется МНК (метод наименьших квадратов), согласно которому необходимо составить и решить следующую систему нормальных уравнений:
или
.
Решая эту систему, найдем: a = 6840.236, b1 = 182.242, b2 = 99.496.
Тогда уравнение принимает вид:
.
Найдем коэффициенты эластичности:
;
;
.
Значения коэффициентов показывают, что большее влияние на результативный признак у оказывает фактор х1.
Найдем коэффициенты детерминации (R2) и корреляции (R).
.
Чтобы воспользоваться данной формулой, необходимо найти теоретические значения :
,
,
…
.
Тогда
,
т. е. изменение заработной платы объясняется изменением разряда и стажа на 90,8 %.
Коэффициент корреляции:
;
связь прямая и сильная.
Проверка значимости уравнения регрессии по критерию Фишера:
;
;
;
.
Так как , то полученное уравнение статистически значимо и им можно пользоваться для прогнозирования и моделирования.
Чтобы определить, сколько будет получать работник с 6 разрядом и стажем 20 лет, необходимо подставить эти данные в полученное уравнение регрессии:
(руб.).
Тема 4: «Ряды динамики»
Пример 4.1. Имеется ряд динамики (табл. 9). Определить тип тенденции (по графику), вычислить уравнение тренда. Сделать прогноз на следующий период. Построить графики.
Таблица 9
t | |||||||||||||
yt | 54,1 | 35,4 | 56,6 | 46,6 | 46,7 | 52,1 | 56,6 | 44,8 | 68,3 | 36,3 | 57,2 |
Решение. На рис. 3 видно, что имеющаяся в данных тенденция может быть описана линейной функцией вида (уравнение тренда). Для определения коэффициентов тренда a и b также используется МНК (см. пример 3.1). Упрощая систему нормальных уравнений с помощью замены переменных
, получаем:
.
Вспомогательные расчеты поместим в таблицу (табл. 10). Получаем:
;
.
Таблица 10
t | t0 | у | t0 y | t02 | t | t0 | у | t0 y | t02 | |
-6 | 54,1 | -324,6 | 44,8 | 44,8 | ||||||
-5 | 35,4 | -177 | 68,3 | 136,6 | ||||||
-4 | 56,6 | -226,4 | 36,3 | 108,9 | ||||||
-3 | 46,6 | -139,8 | ||||||||
-2 | 46,7 | -93,4 | 57,2 | |||||||
-1 | 52,1 | -52,1 | ||||||||
56,6 | Сумма | 698,7 |
Прогноз на следующий период t = 14 (t0 = 7):
.
На рис. 3 изображены исходные данные yt (ломаная линия) и выравненные данные (прямая линия тренда).
Рис. 3. Линейное выравнивание ряда динамики.
Тема 5: «Индексы»
Пример 5.1. По данным о продаже товаров, приведенным в табл. 11, определить:
1) индивидуальные индексы объемов продаж, цен и товарооборота;
2) агрегатный индекс физического объема;
3) агрегатные индексы цен по формулам Пааше и Ласпейреса;
4) общий индекс товарооборота;
5) абсолютные приросты товарооборота за счет изменения объемов продаж, за счет изменения цен и за счет совместного действия обоих факторов.
Таблица 11
Товары | Ед. измер. | Количество, ед. | Цена, руб. | ||
Базисный период | Отчетный период | Базисный период | Отчетный период | ||
А | кг | ||||
Б | л |
Показать взаимосвязь между общими индексами и между абсолютными изменениями товарооборота.
Дата публикования: 2014-11-03; Прочитано: 799 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!