Средняя величина в статистике, ее сущность и условия применения

Средняя величина является обобщающей характеристикой изучаемой совокупности, показывающей типичный уровень варьирующего признака в расчете на единицу совокупности.

Сущность средней величины заключается в том, что в ней взаимопогашаются отклонения значений признака отдельных единиц совокупности, обусловленные действием случайных факторов и учитывающие изменения, вызванные действием основных факторов.

Общие принципы применения общих величин:

· при определении средней величины необходимо исходить из качественного содержания осредняемого признака.

· рассчитывать среднюю величину необходимо по однородной совокупности.

· общие средние величины подкрепляются групповыми средними.

· необходим обоснованный выбор единицы совокупности.

16 Виды (степенные: средняя арифметическая, средняя гармоническая, средняя геометрическая, средняя хронологическая, и структурные: мода, медиана) и формы (простая и взвешенная) средних.

Средние величины, используемые в статистике, относятся к двум классам: степенные и структурные средние.

Среди степенных средних в статистическом анализе наибольшее применение нашли:

1) Средняя арифметическая простая

где – средняя арифметическая; х_i – отдельные варианты признака; n – количество групп.

Средняя арифметическая простая используется в том случае, если у всех группировочных признаков равны между собой частоты признака.

2) Средняя арифметическая взвешенная – используется, если частоты признака не равны между собой

3) Средняя гармоническая взвешенная используется при отсутствии данных о частотах признака, (F = x·f) и вариантами признака (х)

4) Средняя гармоническая простая используется в том случае, если у всех вариантов признака равны между собой объемы признака (F=const)

5) Средняя квадратическая ()

простая

взвешенная

6) Средняя геометрическая ()

простая

взвешенная

К структурным средним, наиболее часто используемым статистикой, относят Моду и медиану.

Мода (Мо) – это значение признака, наиболее часто встречающегося в данном ряду.

В дискретном ряду распределения моду определяют по наибольшей частоте.

В интервальном ряду распределения мода определяются по формуле

где - нижняя граница модального интервала; - величина модального интервала; - частота модального интервала; - частота интервала, предшествующего модальному; - частота интервала, следующего за модальным.

Модальный интервал выбирается по максимальной частоте в исследуемом ряду распределения.

Медиана (Ме) – это значение признака, которое приходится на середину ранжированного ряда распределения.

Ранжированный ряд распределения представлен значениями всех признаков в порядке возрастания.

Порядковый номер признака в ранжированном ряду распределения определяется по сумме накопленных частот (кумулятивным частотам).

В дискретном ряду распределения медиана определяется исходя из условий:

Если в вариационном ряду случаев (нечетное число), то значение признака у случая будет медианным, т.е.

.

Если в вариационном ряду случаев (четное число), то медиана равна средней арифметической из двух серединных значений

В интервальному ряду распределения медиана определяется по формуле

где - начало медианного интервала; - величина медианного интервала; - сумма накопленных частот до медианного интервала; - частота медианного интервала.

Медианный интервал определяется по кумулятивным частотам, где впервые сумма частот превысит половину всех частот.

17 Понятие вариации

Вариация – такое количественное изменение величины исследуемого признака в пределах однородной совокупности, которое обуславливает перекрещивающимся влиянием действия различных факторов.

Таким образом,вариация, т.е. несовпадение уровней одного и того же показателя у разных объектов.

Показатели вариации: размах вариации, среднее линейное отклонение, дисперсия, среднее квадратичное отклонение, коэффициент вариации, коэффициент осцилляции, линейный коэффициент вариации и методика их расчета.

Средние величины, характеризуя вариационный ряд одним числом, не учитывают степень вариации признака.

Для ее измерения используют показатели вариации: размах вариации, среднее линейное отклонение, дисперсию, среднее квадратическое отклонение, коэффициент вариации.

Размах вариации (R)

.

Достоинства: прост в расчетах;

Недостаток: Зависит от величины только крайних значений признаков.

Среднее линейное отклонение (Д) представляет собой среднюю арифметическую из абсолютных значений отклонений вариантов от средней.

Рассчитывают:

простое ,

взвешенное .

Дисперсия () наиболее часто используемый показатель вариации, показывает среднюю площадь отклонений вариантов признака от средней величины.

простая ,

взвешенная .

Преобразовав указанные формулы определения дисперсии, можно получить упрощенный вариант формулы (дисперсия методом моментов)

.

Среднее квадратическое отклонение () определяется как квадратный корень из дисперсии.

.

Достоинство среднего квадратического отклонения по сравнению со средним линейным отклонением в том, что при его вычислении никакого условного допущения о необходимости суммирования отклонений вариантов от средней без учета их знаков не делается.

Для сравнения степени вариации признака в разных совокупностях используется коэффициент вариации (ν):

.

Коэффициент вариации может также использоваться для характеристики степени однородности исследуемой совокупности. Вариация признака определяется не только для количественных, но и для качественных признаков, представленных альтернативным признаком:

Для характеристики меры колеблемости изучаемого признака рассчитываются показатели колеблемости в относительных величинах.

Коэффициент осцилляции

К_о = R / * 100%

Он отражает относительную колеблемость признака вокруг среднего.

Относительное линейное отклонение, которое характеризует долю усредненного значения абсолютных отклонений от средней величины.

K_j = r / * 100%

Коэффициент вариации

n = s / * 100%

Данный коэффициент наиболее распространенный показатель колеблемости, который используется для оценки типичности средних величин.

Если n > 40%, то наблюдается большая колеблемость признака в совокупности, совокупность считается однородной только в том случае, если n не превышает 40%.

Линейный коэффицинт вариации - это отношение среднего линейного отклонение к средней арифместической: , где Л – среднее линейное отклонение

С помощью линейного коэффицинта вариации можно сравнивать вариацию разных совокупностей, потому что в отличие от среднего линейного отклонения его значение не зависит от единиц измерения X.