Автор работы: Пользователь скрыл имя, 22 Декабря 2010 в 22:11, контрольная работа
Полученный в результате статистического исследования материал нередко изображается с помощью точек, геометрических линий и фигур или географических картосхем, т.е. графиков.
В статистике графиком называют наглядное изображение статистических величин и их соотношений при помощи геометрических точек, линий, фигур или географических картосхем. Графики придают изложению статистических данных большую наглядность, чем таблицы, выразительность, облегчают их восприятие и анализ. Статистический график позволяет зрительно оценить характер изучаемого явления, присущие ему закономерности, тенденции развития, взаимосвязи с другими показателями, географическое разрешение изучаемых явлений. Графики делают статистический материал более понятным, доступным и неспециалистам, привлекают внимание широкой аудитории к статистическим данным, популяризируют статистику и статистическую информацию.
Изучение действительности показывает, что вариация каждого изучаемого признака находится в тесной связи и взаимодействии с вариацией других признаков, характеризующих исследуемую совокупность единиц .
При изучении конкретных зависимостей одни признаки выступают в качестве факторов, обуславливающих изменение других признаков. Признаки этой первой группы называются- факторными признаками, а признаки, которые являются результатом влияния этих факторов- результативными.
Рассматривая зависимости между признаками, необходимо выделить прежде всего две категории зависимости:
Функциональные связи характеризуются полным соответствием между изменением факторного признака и изменением результативной величины, и каждому значению признака- фактора соответствуют вполне определенные значения результативного признака.
В корреляционных связях между изменениями факторного и результативного признака нет полного соответствия, воздействие отдельных факторов проявляется лишь в среднем при массовом наблюдении фактических данных. В простейшем случае применения корреляционной зависимости величина результативного признака рассматривается как следствие изменения только одного фактора (например, энерговооруженность труда рассматривается как причина роста производительности труда). Однако выделенный в данном примере в качестве основного признак- фактор не является единственной причинной изменения результативного признака, а наряду с ним на величину результативного признака влияет множество других признаков. На формирование уровня труда на предприятии более или менее существенное влияние оказывают факторы, характеризующие степень совершенства применяемой техники и технологий, уровень механизации и автоматизации труда и т.д.
Кроме того см признак- фактор может зависеть от изменения ряда обстоятельств. В сложном взаимодействии находится результативный признак – в более общем виде он выступает как фактор изменения других признаков. Отсюда результаты корреляционного анализа имеют значение в данной связи, а интерпретация этих результатов в более общем виде требует построения системы корреляционных связей.
Одновременное воздействие на изучаемый признак большого количества самых разнообразных факторов приводит к тому, что одному и тому же значению признака- фактора соответствует целое распределение значений результативного признака, поскольку в каждом конкретном случае прочие факторные признаки могут изменять силу и направленность своего воздействия.
При сравнении функциональных и корреляционных зависимостей следует иметь ввиду, что при наличии функциональной зависимости между признаками можно, зная факторного признака, точно определить величину результативного признака. При наличии же корреляционной зависимости устанавливается лишь тенденция изменения результативного признака при изменении величины факторного признака. В отличии от жесткости однозначно функциональной связи корреляционные связи характеризуются лишь их тенденции.
При исследовании корреляционных зависимостей между признаками решению подлежит широкий круг вопросов к которым следует отнести:
Для того чтобы результаты анализа нашли практическое применение и дали желаемый результат, должны выполняться определенные требования в отношении отбора объекта исследования и признаков- факторов. Одним из важнейших условий правильного применения методов корреляционного анализа является требование однородности тех единиц, которые подвергаются изучению методами корреляционного анализа.
При выполнении указанных общих требований далее необходима количественная оценка однородности исследуемой совокупности по комплексу признаков. Одним из возможных вариантов такой оценки является расчет относительных показателей вариации. Традиционное широкое распространение для этих целей получил коэффициент вариации. Несколько реже применяется отношение размаха вариации к среднеквадратическому отклонению. Вывод проверки неоднородности исследуемой совокупности по тому или иному признаку требует проверки гипотезы о принадлежности «выделяющихся» (аномальных) значений признака исследуемой генеральной совокупности.
Другим важным требованием, обеспечивающим надежность выводов корреляционного анализа, является требование достаточного числа наблюдений.
Определенные требования существуют и в отношении факторов, вводимых в исследование. Все множество факторов, оказывающих влияние на величину результативного показателя, в действительности не может быть введено в рассмотрение, да практически в этом нет необходимости, так как роль и значение в формировании величины результативного показателя могут иметь существенные различия. Поэтому при ограничении числа факторов, включаемых в изучение, наряду с качественным анализом целесообразно использовать и определенные количественные оценки, позволяющие конкретно охарактеризовать влияние факторов на результативный показатель (к оценкам можно отнести парные коэффициенты корреляции, ранговые коэффициенты при экспортной оценке влияния факторов и др.) Включаемые в исследование факторы должны быть независимыми друг от друга, так как наличие тесной связи между ними свидетельствуют о том, что они характеризуют одни и те же стороны изучаемого явления и в значительной мере дублируют друг друга.
Все
основные положения теории корреляции
разрабатывались применительно
к положению о нормальном характере
распределения исследуемых
При
построении корреляционных моделей
факторы должны иметь количественное
выражение, иначе составлять модель
корреляционной зависимости не представляется
возможным.
Задание 2.
Сгруппируйте предприятия по качеству почв. Выявите влияние этого фактора на урожайность озимой пшеницы.
Решение: Хmax = 94; Хmin = 45; R = Xmax – Xmin = 94-45 = 49
n = 1+3,322 * lg30 = 1+3,322 * 1,477121 = 1+4,91 = 6 групп
h = ( Xmax – Xmin) / n = R / n = 49/ 6 = 8 – шаг интервала
1) 45 – 53
2) 53 – 61
3) 61 – 69
4) 69 – 77
5) 77 – 85
6) 85 – 94
Качество
почв играет огромную роль в отношении
урожайности озимой пшеницы, так
как урожайность зависит прежде всего
от качества почвы на которой возделывается,
в нашем случае, озимая пшеница.
Задание 3.
По группе предприятий с 15 по 25 определите:
а) средний размер посевной площади; б) среднюю урожайность картофеля; в) среднее квадратическое отклонение и коэффициент вариации урожайности картофеля. Сделайте выводы.
а) средний размер посевной площади:
х = (х1+х2+…+хn) / n = x/n = (110+170+140+70+116+98+150+
= 1284 / 11 = 116,7 га.
б) среднюю урожайность картофеля:
x = (250+270+100+240+310+160+200+
в) среднее
квадратическое отклонение и коэффициент
вариации урожайности картофеля:
Показатели урожайности | Отклонение каждого среднего от средней арифметической | (Х-Х) |
250
270 100 240 310 160 200 210 210 220 130 Итого |
250 – 209,1 = 40,9
270 – 209,1 = 60,9 100 – 209,1 = -109,1 240 – 209,1 = 30,9 310 – 209,1 = 100,9 160 – 209,1 = -49,1 200 – 209,1 = -9,1 210 -209,1 = 0,9 210 -209,1 = 0,9 220 – 209,1 = 10,9 130 – 209,1 = -79,1 |
1672,81
3708,81 11902,81 954,81 10180,81 2410,81 82,81 0,81 0,81 118,81 6256,81 37290,91 |
Если среднее квадратическое отклонение меньше средней величины, то совокупность считается однородной.
V = (61,1 / 209,1)
* 100 = 0,29 = 29%. Совокупность однородная.
Чем коэффициент вариации ниже, тем совокупность
однороднее.
Задание 4.
Постройте график и найдите уравнение корреляционной зависимости между признаками. Рассчитайте и проанализируйте коэффициенты корреляции и детерминации зависимости между качеством почв и урожайностью озимой пшеницы.
№п/п | Исходные данные | Расчетные данные | ||||
Качество почв, балл (Х) | Урожайность оз. пшеницы ц с га (У) | Х |
У |
ХУ |
Ух | |
1
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Итого |
68
80 55 45 87 88 90 78 65 70 64 60 50 63 66 88 48 80 94 76 50 64 80 86 70 77 80 90 75 66 2153 |
21
29 20 15 36 35 38 25 21 21 18 29 15 19 20 42 25 38 46 32 18 18 28 35 22 26 42 38 33 20 825 |
4624
6400 3025 2025 7569 7744 8100 6084 4225 4900 4096 3600 2500 3969 4356 7744 2304 6400 8836 5776 2500 4096 6400 7396 4900 5929 6400 8100 5625 4356 159979 |
441
841 400 225 1296 1225 1444 625 441 441 324 841 225 361 400 1764 625 1444 2116 1024 324 324 784 1225 484 676 1764 1444 1089 400 25017 |
1428
2320 1100 675 3132 3080 3420 1950 1365 1470 1152 1740 750 1197 1320 3696 1200 3040 4324 2432 900 1152 2240 3010 1540 2002 3360 3420 2475 1320 62210 |
16,47
26,76 12,69 7,79 36,12 35,52 39,45 22,49 15,74 16,95 13,29 20,07 8,65 13,81 15,22 42,63 13,84 35,06 49,87 28,05 10,38 13,29 25,84 34,72 17,76 23,09 38,75 39,45 28,55 15,22 829,90 |
Уравнение для парной линейной регрессии имеет вид:
У = а0 + а1х
Для нахождения параметров а0 и а1 используем метод наименьших квадратов и составим систему уравнений для парной линейной регрессии:
∑ у = а0n + а1∑х 825 = а030 + а12153 / 30
∑ xу = а0∑x + а1∑х 62210 = а02153 + а1159975 / 2153
а0 + 71,77а1 = 27,5 а0 = 28,89 – 74,31а1
а0 + 74,31а1 = 28,89 28,89 – 74,31а1 + 71,77а1 = 27,5
-2,54а1 = 27,5 – 28,89
-2,54а1 = -1,39
а1 = 0,55
а0 = 28,89 – 74,31 * 0,55 = 28,89 – 40,87 = -11,98
При а0 = -11,98 и а1 = 0,55 уравнение регрессии имеет вид: у = 0,55х – 11,98.
Для расчета коэффициента корреляции используем формулу:
Rxy = xy – x * y / * , где
ху = ∑ху /n = 62210 / 30 = 2073,67
x = ∑x / n = 2153 / 30 = 71,77
y = ∑y / n = 825 / 30 = 27,5
= ∑x / n – (x) = 159979 / 30 – (71,77) = 5332,62 – 5150,93 = 181,7 =
= 13,48
= ∑y / n – (y) = 25017 / 30 – (27,5) = 833,9 – 756,25 = 77,65 = 8,81
Подставим значения:
Rxy = (2073б67 – 71,77 * 27,5) / 13,48 * 8,81 = (2073,67 – 1973,68) / 118,76 = 99,99 / 118,76 = 0,84 Связь между качеством почвы и урожайностью озимой пшеницы высокая, потому что коэффициент корреляции 0,84 находится в интервале от 0,7 до 0,9.