Проведение корреляционного анализа влияния минеральных удобрений на урожайность сельскохозяйственных культур

Автор работы: Пользователь скрыл имя, 11 Мая 2013 в 11:21, курсовая работа

Описание работы

Задачи исследования:
По данным из бланков статистической отчетности (формы № 9-б-сх и № 29-сх-з) установить:
1. Имеется ли связь между объемом применяемых удобрений в расчете на 1 га и урожайностью.
2. Определить соответствующие коэффициенты корреляции.
3. Сделать выводы

Содержание работы

Введение……………………………………………………………………………...4
РАЗДЕЛ 1: ТЕОРЕТИЧЕСКИЕ МЕТОДЫ СТАТИСТИКИ…………………7
1.1. Предмет и метод статистики. 7
1.2. Статистическое наблюдение. 9
1.3. Сводка и группировка. 12
1.5. Абсолютные и относительные величины. 13
1.5 Средние величины. 15
1.6. Ряды динамики. 19
1.7. Статистические индексы. 21
1.8. Выборочный метод. 27
1.9. Корреляционный анализ. 29
РАЗДЕЛ II. ПРОВЕДЕНИЕ КОРРЕЛЯЦИОННОГО АНАЛИЗА…………..34
2.1 Исходные данные 34
2.2. Сводные и расчетные таблицы 39
2.3. Нахождение коэффициента корреляции 45
АНАЛИЗ РЕЗУЛЬТАТОВ………………………………………………………..64
СПИСОК ЛИТЕРАТУРЫ……………………………………………..…………65

Файлы: 1 файл

Курсовая работа по статистике ..doc

— 1.24 Мб (Скачать файл)

В случае если коэффициент  корреляции равен 0, обе переменные полностью независимы друг от друга.

В гуманитарных науках корреляция считается сильной, если ее коэффициент  выше 0,60; если же он превышает 0,90, то корреляция считается очень сильной. Однако для того, чтобы можно было делать выводы о связях между переменными, большое значение имеет объем выборки: чем выборка больше, тем достовернее величина полученного коэффициента корреляции. Существуют таблицы с критическими значениями коэффициента корреляции Браве-Пирсона и Спирмена для разного числа степеней свободы (оно равно числу пар за вычетом 2, т. е. n-2). Лишь в том случае, если коэффициенты корреляции больше этих критических значений, они могут считаться достоверными. Так, для того чтобы коэффициент корреляции 0,70 был достоверным, в анализ должно быть взято не меньше 8 пар данных (h=n-2=6) при вычислении r (см. табл. 4 в Приложении) и 7 пар данных (h=n-2=5) при вычислении rs (табл. 5 в Приложении).

Хотелось бы еще раз  подчеркнуть, что сущность этих двух коэффициентов несколько различна. Отрицательный коэффициент r указывает на то, что эффективность чаще всего тем выше, чем время реакции меньше, тогда как при вычислении коэффициента rs требовалось проверить, всегда ли более быстрые испытуемые реагируют более точно, а более медленные — менее точно.

Коэффициент корреляции Браве-Пирсона (r) — этопараметрический показатель, для вычисления которого сравнивают средние и стандартные отклонения результатов двух измерений. При этом используют формулу (у разных авторов она может выглядеть по-разному)

где ΣXY — сумма произведений данных из каждой пары;  
n-число пар;  X —средняя для данных переменной X;  Y— средняя для данных переменной Y;Sx — стандартное отклонение для распределения х;

Sy — стандартное отклонение для распределения у.

Коэффициент корреляции рангов Спирмена (rs) — это непараметрический показатель, с помощью которого пытаются выявить связь между рангами соответственных величин в двух рядах измерений.

Этот коэффициент рассчитывать проще, однако результаты получаются менее  точными, чем при использовании r. Это связано с тем, что при  вычислении коэффициента Спирмена используют порядок следования данных, а не их количественные характеристики и интервалы между классами.

Дело в том, что при  использовании коэффициента корреляции рангов Спирмена (rs) проверяют только, будет ли ранжирование данных для  какой-либо выборки таким же, как  и в ряду других данных для этой выборки, попарно связанных с первыми (например, будут ли одинаково «ранжироваться» студенты при прохождении ими как психологии, так и математики, или даже при двух разных преподавателях психологии?). Если коэффициент близок к +1, то это означает, что оба ряда практически совпадают, а если этот коэффициент близок к -1, можно говорить о полной обратной зависимости.

Коэффициент rвычисляют по формуле:    

где d — разность между рангами сопряженных значений признаков (независимо от ее знака), а — число пар.

Обычно этот непараметрический  тест используется в тех случаях, когда нужно сделать какие-то выводы не столько об интервалах между данными, сколько об их рангах, а также тогда, когда кривые распределения слишком асимметричны и не позволяют использовать такие параметрические критерии, как коэффициент r (в этих случаях бывает необходимо превратить количественные данные в порядковые).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Раздел II. Проведение корреляционного анализа

2.1 Исходные данные

Таблица 2.1.1  Валовой сбор культур, ц (данные из бланков статистической отчетности форма № 29-сх-з)

№ п/п

Пшеница озимая

Пшеница яровая

Ячмень

Кукуруза на зерно

Гречиха

Горох

Бахчевые

Овощи

1

35465

14374

15472

7844,8

2244

3837,9

20366,5

16850

2

31853

12430,7

11489

8122,8

2894,9

5531,4

35043,2

14522

3

46185

8185,4

12581

8913,7

2112,5

6117,2

26825,3

13160

4

36563

6771,8

10217

8471

2367,1

6835,8

22114,5

14792

5

29859

8863,3

12795

9634,9

2298,5

6499,1

22280,7

15770

6

26611

8815,9

11388

9177,6

2369,5

7675,6

18304,2

15367

7

27132

11084,1

12735

9839,2

2215,3

6024,5

19950,1

18294

8

26227

6621,2

12480

7988,8

1555,4

5747,4

20840

11189

9

31203

7893,8

11871

8711,6

1778,4

8210,4

16292

12219

10

27406

8923

12817

9764,4

1683,8

7478,5

19477,8

14396

11

28885

9594,2

12040

9953,7

1614,2

6025,4

19807

13498

12

30072

8100,9

12352

7134,4

2540,1

7045,4

21807,1

16586

13

35262

9895,8

14275

8962

2112,1

7324

18757,1

13247

14

25693

104,86,0

12692

7960,8

1787,2

7185

25887,6

20878

15

38340

7868,7

15039

8071,2

2162,5

7784,9

22663,9

20433

16

20885

7970

11447

7383,4

2225,4

6357

15299,5

18529

17

32693

9764,1

10792

7444,3

1760,8

4937,7

22473,5

17851

18

36665

8510,6

11868

9084,6

1732,1

7444,6

16911,9

14988

19

22808

8001

11093

6194,3

1833,6

6335,5

22665,1

14555

20

32034

7720,5

13199

9815,3

245,1

6059,8

19067,5

17555

21

28544

7206,5

14329

9114,5

1962,2

6343,3

25108,5

14852

22

32780

11064,3

10790

8408,8

2172

5570,8

21399,1

16177

23

28614

7979,6

14189

8671,9

2042

6410,7

16437,2

11795


 

 

 

 

 

 

 

 

Таблица 2.1.2 Площади под культурами, га (данные из бланков статистической отчетности форма № 29-сх-з)

№ п/п

Пшеница озимая

Пшеница яровая

Ячмень

Кукуруза на зерно

Гречиха

Горох

Бахчевые

Овощи

1

1372,6

431,3

651,4

191,6

262,5

325,6

123,5

97,9

2

1158,8

452,8

531,5

218,8

183,8

321,7

147

94,2

3

1325

435,3

562,3

226,4

172,2

342,4

152,2

106,1

4

1224

438,1

583,9

242,4

184,3

323,5

133,1

92,3

5

1069

444,2

607,6

249

196,6

345

132,5

85,4

6

1124,3

490,9

550,2

220,8

191,1

397

131,4

91,2

7

1194,7

508,1

611,4

258,8

180,2

387,8

142,1

93,4

8

1011

411,6

514

204,6

147,1

311,9

145,2

86

9

1029,2

363,8

508,2

201,3

186,2

369,4

124,6

74,4

10

1219,7

459,7

621,9

209

162,3

319,8

113,7

81,3

11

1217,6

438,4

679,3

220

176,3

332

141,5

78,6

12

1102,3

501,9

554

214,2

196,8

377,6

145,8

104,2

13

1195

472,9

572,7

233

192,4

408,3

117,1

101,8

14

1201,9

515,1

585,7

259,5

182,2

378,4

153,2

106,8

15

951,5

454,4

647

251,1

203,1

405,3

134,7

103,2

16

1038,9

379,9

550,4

196,4

172,5

350,2

116,2

100,3

17

1141,7

423

511,4

208,8

153,9

314,9

123,7

100,2

18

1040,1

424,3

592,2

231,2

174,9

326,7

114,9

86,2

19

1073,9

412,2

515,9

201,6

166,4

354,2

140,3

89,4

20

1106,9

423,4

597

220,9

181,1

365,2

137,1

93,2

21

1155,3

424,1

569,8

214,3

186,8

364,7

143,5

88,2

22

1039,6

481,2

584,4

236,5

193

364,7

147,3

77,5

23

1103,9

442,7

568,3

191,7

154,9

330,5

136,8

77,2


 

 

 

 

 

 

 

 

 

Таблица 2.1.3 Использование азотных удобрений, ц (данные из бланков статистической отчетности форма № 9-б-сх)

№ п/п

Пшеница озимая

Пшеница яровая

Ячмень

Кукуруза на зерно

Гречиха

Горох

Бахчевые

Овощи

1

361,6

276,8

244,3

47,1

40,2

7,7

43,4

92,4

2

215,5

147,4

266,7

44,3

56,4

11,1

55,5

39,4

3

438,3

184,7

<span class="dash041e_0431_044b_0447_043d_044b_0439__Char" style=" font-si



Информация о работе Проведение корреляционного анализа влияния минеральных удобрений на урожайность сельскохозяйственных культур