Автор работы: Пользователь скрыл имя, 07 Апреля 2013 в 18:42, курсовая работа
Целью написания работы является изучение статистики внешнеэкономических связей.
Исходя из целей работы, вытекает и решение следующих задач:
- охарактеризовать систему показателей, характеризующих внешнеэкономические связи;
- рассмотреть таможенную статистику;
- изучить индексы статистики внешней торговли.
Введение 3
Глава 1.Система показателей статистики внешнеэкономических связей 5
Глава 2.Таможенная статистика 13
Глава 3.Индексный метод в статистике 29
Глава 4. Практическая часть 32
Заключение 57
Список литературы: 58
Вычисляем для каждого вариационного ряда:
1) дисперсия;
Извлечем корень из дисперсии и найдем среднее квадратичное отклонение:
2) медиана:
,
где – соответственно нижняя граница и величина медианного интервала;
– частота медианного интервала;
– кумулятивная частота предмедианного интервала.
50% экспорта технологий
и услуг технологического
3) мода:
– соответственно нижняя граница и величина модального интервала;
– частоты (частости) модальноо,
предмодального и послемодального интервалов.
В большинстве регионов России экспорт технологий и услуг технологического характера составляет 1544,3 млр.дол.
4) коэффициент вариации:
Вывод: величина рассчитываемого нами коэффициента вариации свидетельствует о том, что колеблемость индивидуальных значений экспорта технологий и услуг технического характера высокая, т.е. V ≥ 33%. Поэтому совокупность считается неоднородной.
Рис.1. Полигон и гистограмма распределения по экспорту технологий и услуг технического характера
Рис.2. Кумулята распределения по экспорту тех-й и услуг тех-ого хар-ра
Признак № 2.
Таблица 2.2
Распределение ВРП по субъектам РФ
Группы по ВРП по субъектам РФ |
Количество регионов,fi |
Середины интервалов, xi |
Накопленная частота, S |
xifi |
xi - x |
(xi - x)2 |
(xi - x)2 *fi | |
1 |
21635,8 – 675885,2 |
70 |
348760,5 |
70 |
24413235 |
-137311,6 |
1885447510 |
1319813212 |
2 |
675885,2 – 1330134,6 |
8 |
1003009,9 |
78 |
8024079,2 |
516937,8 |
2672246811 |
2137797410 |
3 |
1330134,6 – 1984384 |
1 |
1657259,3 |
79 |
1657259,3 |
1171187,2 |
1371679412 |
1371679412 |
4 |
1984384 – 2638633,5 |
1 |
2311508,8 |
80 |
2311508,8 |
1825436,7 |
3332219112 |
3332219112 |
5 |
2638633,5 – 3292882,9 |
1 |
2965758,2 |
81 |
2965758,2 |
2479686,1 |
6148843112 |
6148843112 |
Итого: |
39371840,5 |
14310352258 |
1) дисперсия;
Извлечем корень из дисперсии и найдем среднее квадратичное отклонение:
2) медиана;
,
где – соответственно нижняя граница и величина медианного интервала;
– частота медианного интервала;
– кумулятивная частота предмедианного интервала.
50% ВРП, приходящегося
на экспорт технологий и услуг
технического характера, не
3) мода:
– соответственно нижняя граница и величина модального интервала;
– частоты (частости) модальноо,
предмодального и послемодального интервалов.
В большинстве регионов России ВРП составляет 348760,5 млн.руб.
4) коэффициент вариации:
Вывод: величина рассчитываемого нами коэффициента вариации свидетельствует о том, что колеблемость индивидуальных знакчений валового регионального продукта низкая, т.е. V ≤ 33%. Поэтому совокупность считается однородной.
Рис.3. Гистограмма и полигон распределения ВРП
Рис.4. Кумулята распределения ВРП
Задание №3
Таблица 3.1
Расчетная таблица для определения параметров уравнения регрессии
Хt |
Yt |
Х*Y |
Xt^2 |
Yt^2 |
Y~ | |
1 |
397 069,9 |
1245,5 |
494 550 560,5 |
1,57665E+11 |
1551270,25 |
-1374,787 |
2 |
144 264,0 |
40,4 |
5 828 265,6 |
20812101696 |
1632,16 |
284295,88 |
3 |
218 712,3 |
352 |
76 986 729,6 |
47835070171 |
123904 |
200169,301 |
4 |
328 770,8 |
452,4 |
148 735 909,9 |
1,0809E+11 |
204665,76 |
75803,196 |
5 |
98 209,0 |
52,4 |
5 146 151,6 |
9645007681 |
2745,76 |
336338,03 |
6 |
184 580,5 |
118,1 |
21 798 957,1 |
34069960980 |
13947,61 |
238738,235 |
7 |
92 291,4 |
97,5 |
8 998 411,5 |
8517702514 |
9506,25 |
343024,918 |
8 |
192 442,2 |
259,8 |
49 996 483,6 |
37034000341 |
67496,04 |
229854,514 |
9 |
254 738,1 |
2745,2 |
699 307 032,1 |
64891499592 |
7536123,04 |
159460,147 |
10 |
1 796 535,6 |
1533,7 |
2 755 346 649,7 |
3,22754E+12 |
2352235,69 |
-1582771 |
11 |
102 450,1 |
143,3 |
14 681 099,3 |
10496022990 |
20534,89 |
331545,587 |
12 |
173 526,0 |
112,9 |
19 591 085,4 |
30111272676 |
12746,41 |
251229,82 |
13 |
149 091,4 |
312,4 |
46 576 153,4 |
22228245554 |
97593,76 |
278840,918 |
14 |
139 017,4 |
25,1 |
3 489 336,7 |
19325837503 |
630,01 |
290224,538 |
15 |
218 643,6 |
155,7 |
34 042 808,5 |
47805023821 |
24242,49 |
200246,932 |
16 |
237 208,1 |
1805,9 |
428 374 107,8 |
56267682706 |
3261274,81 |
179269,047 |
17 |
234 246,3 |
199,6 |
46 755 561,5 |
54871329064 |
39840,16 |
182615,881 |
18 |
127 733,8 |
968,8 |
123 748 505,4 |
16315923662 |
938573,44 |
302975,006 |
19 |
352 334,5 |
651,3 |
229 475 459,9 |
1,2414E+11 |
424191,69 |
49176,215 |
20 |
355 884,2 |
3997,2 |
1 422 540 324,2 |
1,26654E+11 |
15977607,84 |
45165,054 |
21 |
145 750,1 |
73,4 |
10 698 057,3 |
21243091650 |
5387,56 |
282616,587 |
22 |
252 063,2 |
2112 |
532 357 478,4 |
63535856794 |
4460544 |
162482,784 |
23 |
195 063,2 |
494,5 |
96 458 752,4 |
38049651994 |
244530,25 |
226892,784 |
24 |
502 126,1 |
6918,6 |
3 474 009 635,5 |
2,52131E+11 |
47867025,96 |
-120088,29 |
25 |
234 649,1 |
1596,9 |
374 711 147,8 |
55060200131 |
2550089,61 |
182160,717 |
26 |
127 270,8 |
651,6 |
82 929 653,3 |
16197856533 |
424582,56 |
303498,196 |
27 |
84 344,7 |
37,5 |
3 162 926,3 |
7114028418 |
1406,25 |
352004,689 |
28 |
46 149,0 |
4,2 |
193 825,8 |
2129730201 |
17,64 |
395165,83 |
29 |
24 343,5 |
1,5 |
36 515,3 |
592605992,3 |
2,25 |
419806,045 |
30 |
1 008 152,5 |
2778,3 |
2 800 950 090,8 |
1,01637E+12 |
7718950,89 |
-691898,13 |
31 |
145 430,0 |
325,6 |
47 352 008,0 |
21149884900 |
106015,36 |
282978,3 |
32 |
437 414,2 |
1576,9 |
689 758 452,0 |
1,91331E+11 |
2486613,61 |
-46963,846 |
33 |
632 196,9 |
1981,7 |
1 252 824 596,7 |
3,99673E+11 |
3927134,89 |
-267068,3 |
34 |
46 149,0 |
33,4 |
1 541 376,6 |
2129730201 |
1115,56 |
395165,83 |
35 |
24 343,5 |
5,3 |
129 020,6 |
592605992,3 |
28,09 |
419806,045 |
36 |
1 008 152,5 |
2,8 |
2 822 827,0 |
1,01637E+12 |
7,84 |
-691898,13 |
37 |
145 430,0 |
2,9 |
421 747,0 |
21149884900 |
8,41 |
282978,3 |
38 |
437 414,2 |
80,7 |
35 299 325,9 |
1,91331E+11 |
6512,49 |
-46963,846 |
39 |
632 196,9 |
0,1 |
63 219,7 |
3,99673E+11 |
0,01 |
-267068,3 |
40 |
316 888,9 |
686,7 |
217 607 607,6 |
1,00419E+11 |
471556,89 |
89229,743 |
41 |
757 569,6 |
3968,3 |
3 006 263 443,7 |
5,73912E+11 |
15747404,89 |
-408739,45 |
42 |
82 425,9 |
223,2 |
18 397 460,9 |
6794028991 |
49818,24 |
354172,933 |
43 |
104 327,3 |
62,3 |
6 499 590,8 |
10884185525 |
3881,29 |
329424,351 |
44 |
1 004 690,0 |
10007,2 |
10 054 133 768,0 |
1,0094E+12 |
100144051,8 |
-687985,5 |
45 |
264 464,1 |
128,5 |
33 983 636,9 |
69941260189 |
16512,25 |
148469,767 |
46 |
152 489,6 |
133 |
20 281 116,8 |
23253078108 |
17689 |
275000,952 |
47 |
630 755,5 |
2575,5 |
1 624 510 790,3 |
3,97853E+11 |
6633200,25 |
-265439,52 |
48 |
166 218,6 |
578,3 |
96 124 216,4 |
27628622986 |
334430,89 |
259487,182 |
49 |
646 676,5 |
1433,5 |
927 010 762,8 |
4,1819E+11 |
2054922,25 |
-283430,25 |
50 |
454 993,1 |
1891,7 |
860 710 447,3 |
2,07019E+11 |
3578528,89 |
-66828,003 |
51 |
158 213,8 |
46,5 |
7 356 941,7 |
25031606510 |
2162,25 |
268532,606 |
52 |
692 927,6 |
4344,7 |
3 010 562 543,7 |
4,80149E+11 |
18876418,09 |
-335693,99 |
53 |
369 630,4 |
1001,8 |
370 295 734,7 |
1,36627E+11 |
1003603,24 |
29631,848 |
54 |
174 747,9 |
137,1 |
23 957 937,1 |
30536828554 |
18796,41 |
249849,073 |
55 |
115 222,8 |
38,6 |
4 447 600,1 |
13276293640 |
1489,96 |
317112,436 |
56 |
1 033 747,7 |
6432,2 |
6 649 271 955,9 |
1,06863E+12 |
41373196,84 |
-720820,7 |
57 |
3 292 882,9 |
3152,6 |
10 381 142 630,5 |
1,08431E+13 |
9938886,76 |
-3273643,5 |
58 |
1 996 223,5 |
12353,9 |
24 661 145 496,7 |
3,98491E+12 |
152618845,2 |
-1808418,4 |
59 |
771 769,0 |
197,8 |
152 655 908,2 |
5,95627E+11 |
39124,84 |
-424784,77 |
60 |
645 932,0 |
3833,9 |
2 476 438 694,8 |
4,17228E+11 |
14698789,21 |
-282588,96 |
61 |
21 635,8 |
24,5 |
530 077,1 |
468107841,6 |
600,25 |
422865,746 |
62 |
136 374,0 |
447,9 |
61 081 914,6 |
18597867876 |
200614,41 |
293211,58 |
63 |
30 601,0 |
6,9 |
211 146,9 |
936421201 |
47,61 |
412735,07 |
64 |
93 709,0 |
1456,8 |
136 515 271,2 |
8781376681 |
2122266,24 |
341423,03 |
65 |
299 715,3 |
347,8 |
104 240 981,3 |
89829261054 |
120964,84 |
108635,911 |
66 |
162 100,2 |
246 |
39 876 649,2 |
26276474840 |
60516 |
264140,974 |
67 |
1 050 158,5 |
7540,5 |
7 918 720 169,3 |
1,10283E+12 |
56859140,25 |
-739364,91 |
68 |
539 245,6 |
3871,9 |
2 087 905 038,6 |
2,90786E+11 |
14991609,61 |
-162033,33 |
69 |
622 513,0 |
7583,9 |
4 721 076 340,7 |
3,87522E+11 |
57515539,21 |
-256125,49 |
70 |
482 026,5 |
621,7 |
299 675 875,1 |
2,3235E+11 |
386510,89 |
-97375,745 |
71 |
371 218,1 |
196,2 |
72 832 991,2 |
1,37803E+11 |
38494,44 |
27837,747 |
72 |
284 292,0 |
548,3 |
155 877 303,6 |
80821941264 |
300632,89 |
126064,24 |
73 |
384 725,9 |
1461,4 |
562 238 430,3 |
1,48014E+11 |
2135689,96 |
12573,933 |
74 |
98 120,7 |
537,5 |
52 739 876,3 |
9627671768 |
288906,25 |
336437,809 |
75 |
464 325,2 |
1063,1 |
493 624 120,1 |
2,15598E+11 |
1130181,61 |
-77373,276 |
76 |
351 261,3 |
971,7 |
341 320 605,2 |
1,23385E+11 |
944200,89 |
50388,931 |
77 |
179 508,7 |
169,7 |
30 462 626,4 |
32223373376 |
28798,09 |
244469,369 |
78 |
58 174,3 |
90,2 |
5 247 321,9 |
3384249180 |
8136,04 |
381577,241 |
79 |
492 730,3 |
7607,8 |
3 748 593 576,3 |
2,42783E+11 |
57878620,84 |
-109471,04 |
80 |
32 537,5 |
12,9 |
419 733,8 |
1058688906 |
166,41 |
410546,825 |
81 |
41 974,2 |
36,2 |
1 519 466,0 |
1761833466 |
1310,44 |
399883,354 |
Итого |
31 956 132,4 |
122 020,3 |
101 479 198 049,2 |
31 535 373 092 977,5 |
665 096 992,0 |
122 020,6 |
Среднее |
394 520,2 |
1 506,4 |
1 252 829 605,5 |
389 325 593 740,5 |
8 211 074,0 |
1 506,4 |
С помощью корреляционного анализа изучим связь между признаками:
D(x) = = 2,33679E+11
D(y) = = 5941873,929
σ (х) = = 483404,929
σ (х) = = 2437,595
Найдём коэффициент детерминации, эмпирическое корреляционное отношение и коэффициент корреляции.
Для того чтобы найти коэффициент детерминации необходимо определить межгрупповую и общую дисперсию.
Таблица 3.2
Межгрупповая дисперсия
№ |
Группы по экспорту технологий |
Число регионов (fi) |
В ср. на один субъект РФ(тыс.руб)(Y) |
YI – Y |
(YI – Y)2 |
(YI – Y)2* fI |
1 |
0,1-3088,55 |
68 |
278963,3 |
-115556,9 |
13353386295 |
9,0803Е+11 |
2 |
3088,55-6177 |
6 |
1047406,9 |
652886,7 |
4,26261Е+11 |
2,55757Е+12 |
3 |
6177-9265,45 |
5 |
7402551,1 |
7008030,9 |
4,91125Е+13 |
2,45562Е+14 |
4 |
9265,45-12353,9 |
2 |
1500456,75 |
1105936,6 |
1,2231Е+12 |
2,44619Е+12 |
81 |
2,51474Е+14 |
dS
Для нахождения общей дисперсии построим таблицу
Таблица 3.3
Общая дисперсия
Регионы России |
Yi |
Yi - Y |
(Yi - Y)2 | |
1 |
Белгородская область |
397 069,9 |
2 549,7 |
6501209,323 |
2 |
Брянская область |
144 264,0 |
-250 256,2 |
62628142158 |
3 |
Владимирская область |
218 712,3 |
-175 807,9 |
30908401207 |
4 |
Воронежская область |
328 770,8 |
-65 749,4 |
4322977431 |
5 |
Ивановская область |
98 209,0 |
-296 311,2 |
87800299443 |
6 |
Калужская область |
184 580,5 |
-209 939,7 |
44074657938 |
7 |
Костромская область |
92 291,4 |
-302 228,8 |
91342219192 |
8 |
Курская область |
192 442,2 |
-202 078,0 |
40835499124 |
9 |
Липецкая область |
254 738,1 |
-139 782,1 |
19539022365 |
10 |
Московская область |
1 796 535,6 |
1 402 015,4 |
1,96565E+12 |
11 |
Орловская область |
102 450,1 |
-292 070,1 |
85304915910 |
12 |
Рязанская область |
173 526,0 |
-220 994,2 |
48838415698 |
13 |
Смоленская область |
149 091,4 |
-245 428,8 |
60235272842 |
14 |
Тамбовская область |
139 017,4 |
-255 502,8 |
65281656835 |
15 |
Тверская область |
218 643,6 |
-175 876,6 |
30932561926 |
16 |
Тульская область |
237 208,1 |
-157 312,1 |
24747082046 |
17 |
Ярославская область |
234 246,3 |
-160 273,9 |
25687707983 |
18 |
Республика Карелия |
127 733,8 |
-266 786,4 |
71174958193 |
19 |
Республика Коми |
352 334,5 |
-42 185,7 |
1779629326 |
20 |
Архангельская область |
355 884,2 |
-38 636,0 |
1492736871 |
21 |
в т.ч. Ненецкий автономный округ |
145 750,1 |
-248 770,1 |
61886539313 |
22 |
Вологодская область |
252 063,2 |
-142 457,0 |
20293983483 |
23 |
Калининградская область |
195 063,2 |
-199 457,0 |
39783076135 |
24 |
Ленинградская область |
502 126,1 |
107 605,9 |
11579039811 |
25 |
Мурманская область |
234 649,1 |
-159 871,1 |
25558753615 |
26 |
Новгородская область |
127 270,8 |
-267 249,4 |
71422216725 |
27 |
Псковская область |
84 344,7 |
-310 175,5 |
96208811697 |
28 |
Республика Адыгея |
46 149,0 |
-348 371,2 |
1,21362E+11 |
29 |
Республика Калмыкия |
24 343,5 |
-370 176,7 |
1,37031E+11 |
30 |
Краснодарский край |
1 008 152,5 |
613 632,3 |
3,76545E+11 |
31 |
Астраханская область |
145 430,0 |
-249 090,2 |
62045904365 |
32 |
Волгоградская область |
437 414,2 |
42 894,0 |
1839899261 |
33 |
Ростовская область |
632 196,9 |
237 676,7 |
56490236023 |
34 |
Республика Дагестан |
46 149,0 |
-348 371,2 |
1,21362E+11 |
35 |
Республика Ингушетия |
24 343,5 |
-370 176,7 |
1,37031E+11 |
36 |
Кабардино-Балкарская Республика |
1 008 152,5 |
613 632,3 |
3,76545E+11 |
37 |
Карачаево-Черкесская Республика |
145 430,0 |
-249 090,2 |
62045904365 |
38 |
Республика Северная Осетия-Алания |
437 414,2 |
42 894,0 |
1839899261 |
39 |
Чеченская Республика |
632 196,9 |
237 676,7 |
56490236023 |
40 |
Ставропольский край |
316 888,9 |
-77 631,3 |
6026611456 |
41 |
Республика Башкортостан |
757 569,6 |
363 049,4 |
1,31805E+11 |
42 |
Республика Марий Эл |
82 425,9 |
-312 094,3 |
97402822810 |
43 |
Республика Мордовия |
104 327,3 |
-290 192,9 |
84211891982 |
44 |
Республика Татарстан |
1 004 690,0 |
610 169,8 |
3,72307E+11 |
45 |
Удмуртская Республика |
264 464,1 |
-130 056,1 |
16914576944 |
46 |
Чувашская Республика |
152 489,6 |
-242 030,6 |
58578788627 |
47 |
Пермский край |
630 755,5 |
236 235,3 |
55807139131 |
48 |
Кировская область |
166 218,6 |
-228 301,6 |
52121599142 |
49 |
Нижегородская область |
646 676,5 |
252 156,3 |
63582823289 |
50 |
Оренбургская область |
454 993,1 |
60 472,9 |
3656977308 |
51 |
Пензенская область |
158 213,8 |
-236 306,4 |
55840692509 |
52 |
Самарская область |
692 927,6 |
298 407,4 |
89047004373 |
53 |
Саратовская область |
369 630,4 |
-24 889,8 |
619499808,7 |
54 |
Ульяновская область |
174 747,9 |
-219 772,3 |
48299843227 |
55 |
Курганская область |
115 222,8 |
-279 297,4 |
78007011441 |
56 |
Свердловская область |
1 033 747,7 |
639 227,5 |
4,08612E+11 |
57 |
Тюменская область |
3 292 882,9 |
2 898 362,7 |
8,40051E+12 |
58 |
в т.ч. Ханты-Мансийский автономный округ-Югра |
1 996 223,5 |
1 601 703,3 |
2,56545E+12 |
59 |
Ямало-Ненецкий автономный округ |
771 769,0 |
377 248,8 |
1,42317E+11 |
60 |
Челябинская область |
645 932,0 |
251 411,8 |
63207916768 |
61 |
Республика Алтай |
21 635,8 |
-372 884,4 |
1,39043E+11 |
62 |
Республика Бурятия |
136 374,0 |
-258 146,2 |
66639436353 |
63 |
Республика Тыва |
30 601,0 |
-363 919,2 |
1,32437E+11 |
64 |
Республика Хакасия |
93 709,0 |
-300 811,2 |
90487349821 |
65 |
Алтайский край |
299 715,3 |
-94 804,9 |
8987960169 |
66 |
Забайкальский край |
162 100,2 |
-232 420,0 |
54019034593 |
67 |
Красноярский край |
1 050 158,5 |
655 638,3 |
4,29862E+11 |
68 |
Иркутская область |
539 245,6 |
144 725,4 |
20945454984 |
69 |
Кемеровская область |
622 513,0 |
227 992,8 |
51980738244 |
70 |
Новосибирская область |
482 026,5 |
87 506,3 |
7657360750 |
71 |
Омская область |
371 218,1 |
-23 302,1 |
542985678 |
72 |
Томская область |
284 292,0 |
-110 228,2 |
12150245733 |
73 |
Республика Саха (Якутия) |
384 725,9 |
-9 794,3 |
95927393,52 |
74 |
Камчатский край |
98 120,7 |
-296 399,5 |
87852635790 |
75 |
Приморский край |
464 325,2 |
69 805,0 |
4872744575 |
76 |
Хабаровский край |
351 261,3 |
-43 258,9 |
1871328370 |
77 |
Амурская область |
179 508,7 |
-215 011,5 |
46229924958 |
78 |
Магаданская область |
58 174,3 |
-336 345,9 |
1,13129E+11 |
79 |
Сахалинская область |
492 730,3 |
98 210,1 |
9645232957 |
80 |
Еврейская автономная область |
32 537,5 |
-361 982,7 |
1,31031E+11 |
81 |
Чукотский автономный округ |
41 974,2 |
-352 546,0 |
1,24289E+11 |
Итого |
31 956 132,4 |
1,8928E+13 |
SS
Зная межгрупповую и общую дисперсию, найдём коэффициент детерминации:
= = 0,0752
тогда эмпирическое корреляционное отношение будет равно:
= = = 0,274
6) аналитическая связь между ними описывается уравнением прямой:
– показывает усреднённое влияние на результативный признак неучтённых факторов
– показывает на сколько изменится в среднем значение признака результата при изменение факторного на единицу.
Для нахождения параметров линейной парной регрессии используется система нормальных уравнений:
Уравнение регрессии:
Рис.5. График эмпирической линии регрессии
Задание №4
Таблица 4.1
Вид продукции |
2009 год |
2010 год | |||||
Цена (pº), руб |
Продано (qº), литров |
pºqº |
Цена (p¹), руб |
Продано (q¹), литров |
p¹q¹ |
q¹pº | |
Водка |
230,22 |
122 |
28086,84 |
256,21 |
113 |
28951,73 |
26014,86 |
Коньяк |
817,02 |
9932 |
8114642,64 |
868,02 |
12646 |
10976980,92 |
10332034,9 |
Вино |
183,93 |
50,3 |
9251,679 |
201,74 |
50,1 |
10107,174 |
9214,893 |
Итого |
10104,3 |
8151981,16 |
12809,1 |
11016039,82 |
10367264,7 |
Общий индекс свободных цен:
Вывод: по данной товарной группе цены в 2010 году по сравнению с 2011 годом в среднем выросли на 6%.