Ряды распределения. Атрибутные и вариационные ряды распределения. Ранжирования ряда. Характеристики варианта, частота, непрерывность, дискретность. Интервал
Поможем написать любую работу на аналогичную тему
Важнейшей частью статистического анализа является построение рядов распределения (структурной группировки) с целью выделения характерных свойств и закономерностей изучаемой совокупности. В зависимости от того, какой признак (количественный или качественный) взят за основу группировки данных, различают соответственно типы рядов распределения.
Если за основу группировки взят качественный признак, то такой ряд распределения называют атрибутивным (распределение по видам труда, по полу, по профессии, по религиозному признаку, национальной принадлежности и т.д.).
Выделяют три формы вариационного ряда: ранжированный ряд, дискретный ряд и интервальный ряд.
Если признак имеет непрерывное изменение (размер дохода, стаж работы, стоимость основных фондов предприятия и т.д., которые в определенных границах могут принимать любые значения), то для этого признака нужно строить интервальный вариационный ряд.
Очень часто таблица дополняется графой, в которой подсчитываются накопленные частоты S, которые показывают, какое количество единиц совокупности имеет значение признака не большее, чем данное значение.
Частоты ряда f могут заменяться частостями w, выраженными в относительных числах (долях или процентах). Они представляют собой отношения частот каждого интервала к их общей сумме, т.е.:
При построении вариационного ряда с интервальными значениями прежде всего необходимо установить величину интервала i, которая определяется как отношение размаха вариации R к числу групп m:
Для определения структуры совокупности используют особые средние показатели, к которым относятся медиана и мода, или так называемые структурные средние. Если средняя арифметическая рассчитывается на основе использования всех вариантов значений признака, то медиана и мода характеризуют величину того варианта, который занимает определенное среднее положение в ранжированном вариационном ряду.
Для ранжированного ряда с нечетным числом индивидуальных величин (например, 1, 2, 3, 3, 6, 7, 9, 9, 10) медианой будет величина, которая расположена в центре ряда, т.е. пятая величина.
Для ранжированного ряда с четным числом индивидуальных величин (например, 1, 5, 7, 10, 11, 14) медианой будет средняя арифметическая величина, которая рассчитывается из двух смежных величин.
То есть для нахождения медианы сначала необходимо определить ее порядковый номер (ее положение в ранжированном ряду) по формуле
Численное значение медианы определяют по накопленным частотам в дискретном вариационном ряду. Для этого сначала следует указать интервал нахождения медианы в интервальном ряду распределения. Медианным называют первый интервал, где сумма накопленных частот превышает половину наблюдений от общего числа всех наблюдений.
Численное значение медианы
Модой (Мо) называют значение признака, которое встречается наиболее часто у единиц совокупности. Для дискретного ряда модой будет являться вариант с наибольшей частотой. Для определения моды интервального ряда сначала определяют модальный интервал (интервал, имеющий наибольшую частоту). Затем в пределах этого интервала находят то значение признака, которое может являться модой.
Чтобы найти конкретное значение моды, необходимо использовать формулу
Мода имеет широкое распространение в маркетинговой деятельности при изучении покупательского спроса, особенно при определении пользующихся наибольшим спросом размеров одежды и обуви, при регулировании ценовой политики.
Основной целью анализа вариационных рядов является выявление закономерности распределения, исключая при этом влияние случайных для данного распределения факторов. Этого можно достичь, если увеличивать объем исследуемой совокупности и одновременно уменьшать интервал ряда. При попытке изображения этих данных графически мы получим некоторую плавную кривую линию, которая для полигона частот будет являться некоторым пределом. Эту линию называют кривой распределения.
Иными словами, кривая распределения есть графическое изображение в виде непрерывной линии изменения частот в вариационном ряду, которое функционально связано с изменением вариант. Кривая распределения отражает закономерность изменения частот при отсутствии случайных факторов. Графическое изображение облегчает анализ рядов распределения.
Известно достаточно много форм кривых распределения, по которым может выравниваться вариационный ряд, но в практике статистических исследований наиболее часто используются такие формы, как нормальное распределение и распределение Пуассона.
Нормальное распределение зависит от двух параметров: средней арифметической и среднего квадратического отклонения . Его кривая выражается уравнением
Если нужно получить теоретические частоты f’ при выравнивании вариационного ряда по кривой нормального распределения, то можно воспользоваться формулой
При помощи этой формулы мы получаем теоретическое (вероятностное) распределение, заменяя им эмпирическое (фактическое) распределение, по характеру они не должны отличаться друг от друга.
Тем не менее в ряде случаев, если вариационный ряд представляет собой распределение по дискретному признаку, где при увеличении значений признака х частоты начинают резко уменьшаться, а средняя арифметическая, в свою очередь, равна или близка по значению к дисперсии (), такой ряд выравнивается по кривой Пуассона.
Кривую Пуассона можно выразить отношением
При выравнивании эмпирических данных теоретические частоты можно определить по формуле
Сравнивая полученные величины теоретических частот f’ c эмпирическими (фактическими) частотами f, убеждаемся, что их расхождения могут быть весьма невелики.
Объективная характеристика соответствия теоретических и эмпирических частот может быть получена при помощи специальных статистических показателей, которые называют критериями согласия.
Для оценки близости эмпирических и теоретических частот применяются критерий согласия Пирсона, критерий согласия Романовского, критерий согласия Колмогорова.
Наиболее распространенным является критерий согласия К. Пирсона, который можно представить как сумму отношений квадратов расхождений между f’ и f к теоретическим частотам:
Если , то расхождения между эмпирическими и теоретическими частотами распределения могут быть случайными и предположение о близости эмпирического распределения к нормальному не может быть отвергнуто.
Если вышеуказанное отношение 3, то расхождения могут быть достаточно существенными и гипотезу о нормальном распределении следует отвергнуть.
Критерий согласия А.Н. Колмогороваиспользуется при определении максимального расхождения между частотами эмпирического и теоретического распределения, вычисляется по формуле
По таблицам значений вероятностей -критерия можно найти величину , соответствующую вероятности Р. Если величина вероятности Р значительна по отношению к найденной величине , то можно предположить, что расхождения между теоретическим и эмпирическим распределениями несущественны.
Необходимым условием при использовании критерия согласия Колмогорова является достаточно большое число наблюдений (не меньше ста).
Реферат: работа по статистике на тему: «14. Виды рядов распределения. 24. Мода и медиана.»
Название: работа по статистике на тему: «14. Виды рядов распределения. 24. Мода и медиана.» Раздел: Остальные рефераты Тип: реферат Добавлен 21:58:45 25 сентября 2011 Похожие работы Просмотров: 981 Комментариев: 12 Оценило: 1 человек Средний балл: 2 Оценка: неизвестно Скачать
Курсовая работа по статистике
«14.Виды рядов распределения.
Выполнил студент группы ИБ-03-05:
Чувиков Александр Владимирович
Демченко Наталья Леонидовна
Содержание
Введение…………………………………………………………………3
Глава 1. Теоретическая часть.
14. Виды рядов распределения.
14.1. Виды рядов распределения……………………………………..5
14.4. Интервальный вариационный ряд……………………………7
24.3 Соотношение между средней величиной, медианой и модой……………………………………………………………………12
Глава 2. Расчётная часть.
Список использованой литературы………………………………..27
Введение.
Статистика – это самостоятельная общественная наука, которая изучает
количественную сторону массовых явлений и процессов, исследует
закономерности общественного развития в конкретных условиях, места и
времени. Статистика изучает статистические закономерности, которые в
отличие от динамических проявляются только в массовых процессах.
Данная курсовая работа состоит из двух глав: теоретической и расчётной.
В теоретической главе я рассмотрел два вопроса, которые кажутся мне наиболее важными и интересными. В них мы подробно разберем важнейшую часть статистического анализа (а именно построение радов распределения), а также моду и медиану.
Статистические ряды распределения являются одним из наиболее важных элементов статистики. Они представляют собой составную часть метода статистических сводок и группировок, но, по сути, ни одно из статистических исследований невозможно произвести, не представив первоначально полученную в результате статистического наблюдения информацию в виде статистических рядов распределения.
Актуальность данной темы обусловлена тем, что статистические ряды распределения являются базисным методом для любого статистического анализа. Понимание данного метода и навыки его использования необходимы для проведения статистических исследований.
В статистике применяют два вида средних величин, которые определяются только структурой распределения. Такими величинами являются мода и медиана. Их используют как среднюю характеристику в тех совокупностях, где расчёт средне степенной невозможен или нецелесообразен. Мода – наиболее часто встречающееся значение признака у единиц данной совокупности. Мода применяется при изучении качества продукции, покупательского спроса, конструировании одежды, обуви и т. д.
Медиана – варианта, делящая ранжированный ряд на две равные части.
Вторая глава – расчетная. Она состоит из задач, которые включают в себя большой спектр заданий (расчёта среднего показателя, нахождение моды и медианы, метод постоянной средней и многое другое).
Глава 1.Теоретическая часть.
14.Виды рядов распределения.
14.1. Виды рядов распределения
Важнейшей частью статистического анализа является построение рядов распределения (структурной группировки) с целью выделения характерных свойств и закономерностей изучаемой совокупности. В зависимости от того, какой признак (количественный или качественный) взят за основу группировки данных, различают соответственно типы рядов распределения.
Если за основу группировки взят качественный признак, то такой ряд распределения называют атрибутивным (распределение по видам труда, по полу, по профессии, по религиозному признаку, национальной принадлежности и т.д.).
Выделяют три формы вариационного ряда: ранжированный ряд, дискретный ряд и интервальный ряд.
14.2. Ранжированный ряд
14.3. Дискретный ряд
Кол-во детей в семье
14.4. Интервальный вариационный ряд
Если признак имеет непрерывное изменение (размер дохода, стаж работы, стоимость основных фондов предприятия и т.д., которые в определенных границах могут принимать любые значения), то для этого признака нужно строить интервальный вариационный ряд.
Размер собственного капитала (тыс.руб.)
При построении интервального вариационного ряда необходимо выбрать
оптимальное количество групп, самый распространенный способ по формуле
k 1 + 3,32 lg n= 1 + 1,44 ln n,
где k — число групп;
n — численность совокупности.
14.5. Частота повторения
Очень часто таблица дополняется графой, в которой подсчитываются накопленные частоты S, которые показывают, какое количество единиц совокупности имеет значение признака не большее, чем данное значение.
Частоты ряда f могут заменяться частностями w, выраженными в относительных числах (долях или процентах). Они представляют собой отношения частот каждого интервала к их общей сумме, т.е.:
При построении вариационного ряда с интервальными значениями прежде всего необходимо установить величину интервала i, которая определяется как отношение размаха вариации R к числу групп m:
Бесспорно, важное значение имеет такая величина признака, которая встречается в изучаемом ряду, в совокупности чаще всего. Такую величину принято называть модой и обозначать Мо. В дискретном ряду мода определяется без вычисления как значение признака с наибольшей частотой. Обычно встречаются ряды с одним модальным значением признака. Если два или несколько равных (и даже несколько различных, но больших, чем соседние) значений признака имеются в вариационном ряду, он считается соответственно бимодальным либо мультимодальным. Это говорит о неоднородности совокупности, возможно, представляющей собой агрегат нескольких совокупностей с разными модами.
Так и в толпе туристов, приехавших из разных стран, вместо одной, преобладающей среди местных жителей модной одежды можно встретить смесь «мод», принятых у разных народов мира.
В интервальном вариационном ряду, тем более при непрерывной вариации признака, строго говоря, каждое значение признака встречается только один раз. Модальным интервалом является интервал с наибольшей частотой. Внутри этого интервала находят условное значение признака, вблизи которого плотность распределения, Т.е. число единиц совокупности, приходящееся на единицу измерения варьирующего признака, достигает максимума. Это условное значение и считается точечной модой. Логично предположить, что такая точечная мода располагается ближе к той из границ интервала, за которой частота в соседнем интервале больше частоты в интервале за другой границей модального интервала. Отсюда имеем обычно применяемую формулу :
Вычисление моды в интервальном ряду весьма условно.
В равно интервальном ряду при расчете моды следует использовать плотность распределения.
К изучению структуры вариационного ряда средняя арифметическая величина тоже имеет отношение, хотя основное значение этого обобщающего показателя другое.
В интервальном вариационном ряду для нахождения медианы применяется формула
Например, если имеется 100 наблюдений, то медианными,
и 51-я единицы. В нашем примере имеется нечетное число значений: 143_+1 = 72, Т.е. в середине ряда находится 72-е от
При нечетном числе единиц совокупности номер медианы, как видим, равен не ‘Lfj: 2, а (‘Lfj + 1) : 2, но это различие несущественно и обычно игнорируется на практике.
В дискретном вариационном ряду медианой следует считать значение признака в той группе, в которой накопленная частота превышает половину численности совокупности. Например, для данных табл. 5.1 медианой числа забитых за игру мячей будет два.
24.3. Соотношение между средней величиной, медианой и модой.
Различие между средней арифметической величиной, медианой и модой в данном распределении невелико. Если распределение по форме близко к нормальному закону, то медиана находится между модой и средней величиной, причем ближе к средней, чем к моде.
При правосторонней асимметрии х > Ме > Мо; при левосторонней асимметрии х n -1 √X1 *X2 *…*Xn
X = 4 √(24/3)(60/24)(120/60)(156/120) = 4 √52
206 => средний коэффициент роста не равен 2,68.
2.6 Задача №6
Определить Моду и Медиану для распределения рабочих сдельщиков по нормам выработки.
В отличие от вариации различия значений признака у одного и того же объекта, у одной и той же единицы совокупности в разные моменты или периоды времени следует называть изменениями во времени и колебаниями. Методы их измерения и изучения отличаются принципиально от методов измерения вариации ( см. гл. 9).
Причиной вариации являются разные условия существования разных единиц совокупности. Даже однояйцовые близнецы в процессе своего развития приобретают различия в росте, весе, не говоря уже о таких признаках, как специальность, образование, заработная плата (доход), число детей и т.д. Еще больше причин влияют на различия промышленных предприятий, магазинов и т. д.
В то же время известно, что нельзя получить потомство от организмов со слишком разными свойствами — разных видов, родов и семейств, например от кошки и собаки. Чрезмерная вариация генотипов препятствует развитию. И в промышленном производстве, особенно массовом, вариация размеров, свойств деталей, из которых собирается станок, автомашина, телевизор, должна быть введена в жесткие рамки «допусков», т. е. пренебрежимо малых величин, чтобы сборка была возможной и не страдало качество собранного агрегата.
Итак, в жизни общества, как и в природе, каждой массовой совокупности, массовому процессу присуща некоторая специфическая мера вариации ее элементов, при которой данный процесс протекает оптимально.
Чтобы руководитель предприятия, менеджер, научный работник могли управлять вариацией и изучать ее, статистикой разработаны специальные методы исследования вариации, система показателей, с помощью которой вариация измеряется, характеризуются ее свойства.
5.6. Построение вариационного ряда.
Виды рядов. Ранжирование данных
Первым этапом статистического изучения вариации являются построение вариационного ряда— упорядоченного распределения единиц совокупности по возрастающим (чаще) или по убывающим (реже) значениям признака и подсчет числа единиц с тем или иным значением признака.
Существуют три формы вариационного ряда: ранжированный ряд, дискретный ряд, интервальный ряд. Вариационный ряд часто назы-вают рядом распределения. Этот термин используется при изучении вариации как количественных, так и неколичественных признаков. Ряд распределения представляет собой структурную группировку (см. гл. 6).
Ранжированный ряд — это перечень отдельных единиц совокупности в порядке возрастания (убывания) изучаемого признака.
Примером ранжированного ряда может служить табл. 5.5.
Крупные банки Санкт-Петербурга, ранжированные по размерам
собственного капитала на 01.07.96
Собственный капитал, млрд руб.
Банк Санкт-Петербург 201
Если численность единиц совокупности достаточно велика, ранжированный ряд становится громоздким, а его построение, даже с помощью ЭВМ, занимает длительное время. В таких случаях вариационный ряд строится с помощью группировки единиц совокупности по значениям изучаемого признака.
3.3. Ряды распределения: виды, правила построения, графическое изображение
Ряды распределения делятся на атрибутивные и вариационные, в зависимости от признака, положенного в основу группировки. Если признак качественный, то ряд распределения называется атрибутивным. Примером атрибутивного ряда является распределение предприятий и организаций по формам собственности (см. табл. 3.1).
Если признак, по которому строится ряд распределения, количественный, то ряд называется вариационным.
Вариационные ряды бывают дискретными и интервальными. У дискретных рядов (табл. 3.7) варианты выражены конкретными числами, чаще всего целыми.
Таблица 3.8. Распределение работников по времени работы в страховой компании
Время работы в компании, полных лет (варианты)
Число работающих
Человек (частоты)
в % к итогу (частости)
до года
15
11,6
1
17
13,2
2
19
14,7
3
26
20,2
4
10
7,8
5
18
13,9
6
24
18,6
Итого
129
100,0
Если признак принимает ограниченное число значений, обычно не больше 10, строят дискретные ряды распределения. Если вариант больше, то дискретный ряд теряет свою наглядность; в этом случае целесообразно использовать интервальную форму вариационного ряда. При непрерывной вариации признака, когда его значения в определенных пределах отличаются друг от друга на сколь угодно малую величину, также строят интервальный ряд распределения.
3.3.1. Построение дискретных вариационных рядов
Рассмотрим методику построения дискретных вариационных рядов на примере.
Пример 3.2. Имеются следующие данные о количественном составе 60 семей:
Таблица 3.9.
2 3 3 1 4 2 3 3 1 5 2 4 3 2 2 1 2 3 4 5
2 2 1 3 4 3 3 3 6 6 3 3 6 1 3 4 3 4 4 5
3 3 2 2 1 3 2 5 5 2 4 3 6 1 2 2 3 1 3 4
Для того чтобы получить представление о распределении семей по числу их членов, следует построить вариационный ряд. Поскольку признак принимает ограниченное число целых значений строим дискретный вариационный ряд. Для этого сначала рекомендуется выписать все значения признака (число членов в семье) в порядке возрастания (т.е. провести ранжирование статистических данных):
Таблица 3.10.
1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2
2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 6 6 6
Таблица 3.11.
Число членов семьи (х)
Число семей (y)
1
8
2
14
3
20
4
9
5
5
6
4
Итого
60
3.3.2. Построение интервальных вариационных рядов
Покажем методику построения интервальных вариационных рядов распределения на следующем примере.
Пример 3.3. В результате статистического наблюдения получены следующие данные о средней величине процентной ставки 50 коммерческих банков (%):
Таблица 3.12.
14,7
19,0
24,5
20,8
12,3
24,6
17,0
14,2
19,7
18,8
18,1
20,5
21,0
20,7
20,4
14,7
25,1
22,7
19,0
19,6
19,0
18,9
17,4
20,0
13,8
25,6
13,0
19,0
18,7
21,1
13,3
20,7
15,2
19,9
21,9
16,0
16,9
15,3
21,4
20,4
12,8
20,8
14,3
18,0
15,1
23,8
18,5
14,4
14,4
21,0
Как видим, просматривать такой массив данных крайне неудобно, кроме того, не видно закономерностей изменения показателя. Построим интервальный ряд распределения.
Число интервалов на практике часто задается самим исследователем исходя из задач каждого конкретного наблюдения. Вместе с тем его можно вычислить и математически по формуле Стерджесса
Для нашего примера получим: n = 1 + 3,322lgN = 1 + 3,322lg50 = 6,6 » 7.
Для нашего примера
Интервалы вариационного ряда наглядны, если их границы имеют «круглые» значения, поэтому округлим величину интервала 1,9 до 2, а минимальное значение признака 12,3 до 12,0.
Интервалы, как правило, записывают таким образом, чтобы верхняя граница одного интервала являлась одновременно нижней границей следующего интервала. Так, для нашего примера получим: 12,0-14,0; 14,0-16,0; 16,0-18,0; 18,0-20,0; 20,0-22,0; 22,0-24,0; 24,0-26,0.
Подобная запись означает, что признак непрерывный. Если же варианты признака принимают строго определенные значения, например, только целые, но их количество слишком велико для построения дискретного ряда, то можно создать интервальный ряд, где нижняя граница интервала не будет совпадать с верхней границей следующего интервала (это будет означать, что признак дискретный). Например, в распределении работников предприятия по возрасту можно создать следующие интервальные группы лет: 18-25, 26-33, 34-41, 42-49, 50-57, 58-65, 66 и более.
Кроме того, в нашем примере мы могли бы сделать первый и последний интервалы открытыми, т.д. записать: до 14,0; 24,0 и выше.
Таблица 3.13. Ранжированный ряд величин процентной ставки коммерческих банков
Ставка банка % (варианты)
12,3
17,0
19,9
23,8
12,8
17,4
20,0
24,5
13,0
18,0
20,0
24,6
13,3
18,1
20,4
25,1
13,8
18,5
20,4
25,6
14,2
18,7
20,5
14,3
18,8
20,7
14,4
18,9
20,7
14,7
19,0
20,8
14,7
19,0
21,0
15,1
19,0
21,0
15,2
19,0
21,1
15,3
19,0
21,4
16,0
19,6
21,9
16,9
19,7
22,7
При подсчете частот может возникнуть ситуация, когда значение признака попадет на границу какого-либо интервала. В таком случае можно руководствоваться правилом: данная единица приписывается к тому интервалу, для которого ее значение является верхней границей. Так, значение 16,0 в нашем примере будет относиться ко второму интервалу.
Результаты группировки, полученные в нашем примере, оформим в таблице.
Таблица 3.14. Распределение коммерческих банков по величине кредитной ставки
Краткая ставка, %
Количество банков, ед. (частоты)
Накопленные частоты
12,0-14,0
5
5
14,0-16,0
9
14
16,0-18,0
4
18
18,0-20,0
15
33
20,0-22,0
11
44
22,0-24,0
2
46
24,0-26,0
4
50
Итого
50
—
В процессе группировки данных при построении вариационных рядов иногда используются неравные интервалы. Это относится к тем случаям, когда значения признака подчиняются правилу арифметической или геометрической прогрессии или когда применение формулы Стерджесса приводит к появлению «пустых» интервальных групп, не содержащих ни одной единицы наблюдения. Тогда границы интервалов задаются произвольно самим исследователем исходя из здравого смысла и целей обследования либо по формулам. Так, для данных, изменяющихся в арифметической прогрессии, величина интервалов вычисляется следующим образом:
Порядок расчетов границ неравных интервалов для данных, изменяющихся приблизительно в арифметической прогрессии, показан в табл. 3.15.
Для показателей, приблизительно изменяющихся в геометрической прогрессии, величину интервалов можно вычислить по формуле
Для графического изображения интервального ряда используют гистограмму, имеющую вид многоступенчатой фигуры, состоящей из прямоугольников. По оси абсцисс откладывают значения границ интервалов. Сами интервалы будут являться основаниями прямоугольников. Высота прямоугольников соответствует частоте или частости интервалов, которые откладываются по оси ординат.
По данным таблицы, приведенной в примере 3.3, построим гистограмму (рис. 3.2).
При неравных интервалах у гистограммы распределения высотами прямоугольников будут являться показатели плотности распределения, рассчитываемые как частное от деления частоты интервала на его величину.
Зависимость между значениями признака и накопленными частотами показывают особые графики, называемые кумулятой и огивой распределения.
В случае интервального ряда при построении кумуляты по оси абсцисс отмечают границы интервальных групп, накопленные частоты по оси ординат относят к верхним границам интервалов.
По данным таблицы, приведенной в примере 3.3, построим кумуляту распределения для интервального ряда (рис. 3.2).
Если у кумулятивной кривой поменять местами ось абсцисс с осью ординат, получим график, называемый огивой распределения (рис. 3.4).
и среднего квадратического отклонения 
. Его кривая выражается уравнением
), такой ряд выравнивается по кривой Пуассона.
, который можно представить как сумму отношений квадратов расхождений между f’ и f к теоретическим частотам:
, то расхождения между эмпирическими и теоретическими частотами распределения могут быть случайными и предположение о близости эмпирического распределения к нормальному не может быть отвергнуто.
используется при определении максимального расхождения между частотами эмпирического и теоретического распределения, вычисляется по формуле
-критерия можно найти величину 
, соответствующую вероятности Р. Если величина вероятности Р значительна по отношению к найденной величине 
, то можно предположить, что расхождения между теоретическим и эмпирическим распределениями несущественны.
