Автор работы: Пользователь скрыл имя, 03 Апреля 2013 в 09:39, курсовая работа
Статистика разрабатывает специальную методологию исследования и обработки материалов: массовые статистические наблюдения, метод группировок, средних величин, индексов, балансовый метод, метод графических изображений и другие методы анализа статистических данных. Статистика как наука включает разделы: теоретическая статистика (общая теория статистики), прикладная статистика, математическая статистика, экономическая статистика (эконометрика), правовая статистика, демография, медицинская статистика, технометрика, хемометрика, биометрика, наукометрика, иные отраслевые статистики и др.
Введение……………………………………………………………………….3
Исходные данные……………………………………………………………..5
Глава 1 Теоретические основы статистики………………………………...6
Сводка и группировка данных статистического наблюдения…………...6
Ряды динамики и их виды…………………………………………………10
Показатели вариации……………………………………………………....16
Основные показатели корреляционного и регрессионного анализа……19
Глава 2 Практическое применение статистических данных………………..23
2.1 Аналитическая группировка данных……………………………………..23
2.2 Оценка динамики изменения показателей……………………………….26
2.3 Анализ показателей вариации…………………………………………….30
2.4 Корреляционно-регрессионный анализ………………………………….31
Заключение…………………………………………………………………….34
Список литературы……………………………………………………………35
2. Относительное линейное отключение характеризует долю усредненного значения признака абсолютных отклонений от средней величины
3. Коэффициент вариации:
Является наиболее распространенным показателем колеблемости, используемым для оценки типичности средних величин.
В статистике совокупности, имеющие коэффициент вариации больше 30–35 %, принято считать неоднородными.
1.4 Основные понятия корреляционного и регрессионного анализа
Формы проявления
взаимосвязей весьма разнообразны. В
качестве двух самых общих их видов
выделяют функциональную (полную) и
корреляционную (неполную) связи. В
первом случае величине факторного признака
строго соответствует одно или несколько
значений функции. Достаточно часто
функциональная связь проявляется
в физике, химии. В экономике примером
может служить прямо
Корреляционная связь (которую также называют неполной, или статистической) проявляется в среднем, для массовых наблюдений, когда заданным значениям зависимой переменной соответствует некоторый ряд вероятных значений независимой переменной. Объяснение тому – сложность взаимосвязей между анализируемыми факторами, на взаимодействие которых влияют неучтенные случайные величины. Поэтому связь между признаками проявляется лишь в среднем, в массе случаев. При корреляционной связи каждому значению аргумента соответствуют случайно распределенные в некотором интервале значения функции.
Например, некоторое увеличение аргумента повлечет за собой лишь среднее увеличение или уменьшение (в зависимости от направленности) функции, тогда как конкретные значения у отдельных единиц наблюдения будут отличаться от среднего. Такие зависимости встречаются повсеместно. Например, в сельском хозяйстве это может быть связь между урожайностью и количеством внесенных удобрений. Очевидно, что последние участвуют в формировании урожая. Но для каждого конкретного поля, участка одно и то же количество внесенных удобрений вызовет разный прирост урожайности, так как во взаимодействии находится еще целый ряд факторов (погода, состояние почвы и др.), которые и формируют конечный результат. Однако в среднем такая связь наблюдается – увеличение массы внесенных удобрений ведет к росту урожайности.
По направлению
связи бывают прямыми, когда зависимая
переменная растет с увеличением
факторного признака, и обратными, при
которых рост последнего сопровождается
уменьшением функции. Такие связи
также можно назвать
Относительно
своей аналитической формы
Существует еще одна достаточно важная характеристика связей с точки зрения взаимодействующих факторов. Если характеризуется связь двух признаков, то ее принято называть парной. Если изучаются более чем две переменные – множественной.
Указанные
выше классификационные признаки наиболее
часто встречаются в
По силе различаются слабые и сильные связи. Эта формальная характеристика выражается конкретными величинами и интерпретируется в соответствии с общепринятыми критериями силы связи для конкретных показателей.
В наиболее общем виде задача статистики в области изучения взаимосвязей состоит в количественной оценке их наличия и направления, а также характеристике силы и формы влияния одних факторов на другие. Для ее решения применяются две группы методов, одна из которых включает в себя методы корреляционного анализа, а другая – регрессионный анализ. В то же время ряд исследователей объединяет эти методы в корреляционно-регрессионный анализ, что имеет под собой некоторые основания: наличие целого ряда общих вычислительных процедур, взаимодополнения при интерпретации результатов и др.
Поэтому
в данном контексте можно говорить
о корреляционном анализе в широком
смысле – когда всесторонне
Задачи
собственно корреляционного анализа
сводятся к измерению тесноты
связи между варьирующими признаками,
определению неизвестных
Задачи регрессионного анализа лежат в сфере установления формы зависимости, определения функции регрессии, использования уравнения для оценки неизвестных значении зависимой переменной.
Решение названных задач опирается на соответствующие приемы, алгоритмы, показатели, применение которых дает основание говорить о статистическом изучении взаимосвязей.
Следует
заметить, что традиционные методы
корреляции и регрессии широко представлены
вразного рода статистических пакетах
программ для ЭВМ. Исследователю
остается только правильно подготовить
информацию, выбрать удовлетворяющий
требованиям анализа пакет
Методы оценки тесноты связи подразделяются на корреляционные (параметрические) и непараметрические. Параметрические методы основаны на использовании, как правило, оценок нормального распределения и применяются в случаях, когда изучаемая совокупность состоит из величин, которые подчиняются закону нормального распределения. На практике это положение чаще всего принимается априори. Собственно, эти методы – параметрические – и принято называть корреляционными.
Непараметрические методы не накладывают ограничений на закон распределения изучаемых величин. Их преимуществом является и простота вычислений.
Глава
2 Аналитическая группировка
За факторный
признак принимается объём
1. Определяется величина | |||||||||||||||||||||||||||||||||||||||||||||||
R= Xmax–Xmin |
|||||||||||||||||||||||||||||||||||||||||||||||
R= 15542-7737 | |||||||||||||||||||||||||||||||||||||||||||||||
R=7805 |
|||||||||||||||||||||||||||||||||||||||||||||||
n= 1+3,32LgN |
|||||||||||||||||||||||||||||||||||||||||||||||
n=1+3,32 *1,2 |
|||||||||||||||||||||||||||||||||||||||||||||||
n = 4,984 |
|||||||||||||||||||||||||||||||||||||||||||||||
h=R/n |
|||||||||||||||||||||||||||||||||||||||||||||||
h=1566 |
|||||||||||||||||||||||||||||||||||||||||||||||
2. Построение интервалов | |||||||||||||||||||||||||||||||||||||||||||||||
1. (7737 - 9303) 1-1 | |||||||||||||||||||||||||||||||||||||||||||||||
2. (9303 - 10869) 8,11 - 2 | |||||||||||||||||||||||||||||||||||||||||||||||
3. (10869 - 12435) 7, 9, 12,15 - 4 | |||||||||||||||||||||||||||||||||||||||||||||||
4. (12435 – 14001) 2, 3, 4, 13, 14 – 5 | |||||||||||||||||||||||||||||||||||||||||||||||
5. (14001 - 15567) 5, 6, 10 - 3 | |||||||||||||||||||||||||||||||||||||||||||||||
|
Наибольшее количество предприятий попадает в группу объёмы производства от (12435 - 14001). В данную группу входит 5 предприятий, что составляет 33,4 % от общего их количества при затратах на производство 416301,2 руб.
№ предприятия |
2 |
3 |
4 |
13 |
14 |
Производство |
13035 |
12605 |
13501 |
13021 |
12900 |
Затраты на производство |
435579 |
442579 |
363241 |
425072 |
415035 |
4 предприятие наиболее оптимально по эффективности своей деятельности (объём производства высокий, а затраты на производство низкие). 3 предприятие считается менее эффективным, учитывая результаты деятельности(низкий объём производства и высокие затраты на производство).
Группы месяцев по объёму пр-ва |
Количество месяцев |
Накопительная частота |
(7737 - 9303) |
1 |
1 |
(9303 - 10869) |
2 |
3 |
(10869 - 12435) |
4 |
7 |
(12435 - 14001) |
5 |
12 |
(14001 - 15567) |
3 |
15 |
Мода – наиболее часто встречающееся значение признака у единиц данной совокупности.
Модальный интервал - (12435 - 14001)
Mо=X0+h*(fМо-fМо-1)/((fМо-fМо-
М0 = 12435 + 1566 * (5-4)/((5-4) + (5-3)) = 12957
Медиана – значение признака, которое делит единицы ранжированного ряда на две части.
Медианный ряд - (10869 - 12435)
Mе=X0+ h*((0,5i-SMe-1)/fMe), гдеX0 - нижняя граница медианного интервала; h - величина медианного интервала; 0,5i – половина накопительной частоты; SMe-1 – накопительная частота, интервала предшествующего медианному; fMe - частота медианного интервала.
Ме = 12435+1566 * ((7,5-3)/4) = 14196,75
Месяц |
Производства, т. |
абсолютный прирост |
темп роста, % |
темп прироста, % | |||
базисный |
цепной |
базисный |
цепной |
базисный |
цепной | ||
Январь |
7737 |
- |
- |
- |
- |
- |
- |
Февраль |
13035 |
5298 |
5298 |
168,5 |
168,5 |
68,5 |
68,5 |
Март |
12605 |
4868 |
-430 |
162,9 |
96,7 |
62,9 |
-3,3 |
Апрель |
13501 |
5764 |
896 |
174,5 |
107,1 |
74,5 |
7,1 |
Май |
14198 |
6461 |
697 |
183,5 |
105,2 |
83,5 |
5,2 |
Июнь |
15217 |
7480 |
1019 |
196,7 |
107,2 |
96,7 |
7,2 |
Июль |
12027 |
4290 |
-3190 |
155,4 |
79,0 |
55,4 |
-21,0 |
Август |
10675 |
2938 |
-1352 |
138,0 |
88,8 |
38,0 |
-11,2 |
Сентябрь |
11002 |
3265 |
327 |
142,2 |
103,1 |
42,2 |
3,1 |
Октябрь |
15542 |
7805 |
4540 |
200,9 |
141,3 |
100,9 |
41,3 |
Ноябрь |
10557 |
2820 |
-4985 |
136,4 |
67,9 |
36,4 |
-32,1 |
Декабрь |
12081 |
4344 |
1524 |
156,1 |
114,4 |
56,1 |
14,4 |
Январь |
13021 |
5284 |
940 |
168,3 |
107,8 |
68,3 |
7,8 |
февраль |
12900 |
5163 |
-121 |
166,7 |
99,1 |
66,7 |
-0,9 |
Март |
12100 |
4363 |
-800 |
156,4 |
93,8 |
56,4 |
-6,2 |
Информация о работе Обработка статистических данных предприятия