Формулы средней ошибки выборки.
В связи с тем, что признаки в изучаемой совокупности варьируют, то состав единиц, попавших в выборку, может не совпадать с составом единиц всей совокупности. Это означает, что Р и не совпадают с W и . Возможное расхождение между этими характеристиками определяется ошибкой выборки, которая определяется по формуле:
где - генеральная дисперсия.
где - выборочная дисперсия.
Отсюда видно, где генеральная дисперсия отличается от выборочной дисперсии в раз.
Существует повторный и бесповторный отбор. Сущность повторного отбора состоит в том, что каждая, попавшая в выборку единица, после наблюдения возвращается в генеральную совокупность и может быть исследована повторно. При повторном отборе средняя ошибка выборки рассчитывается:
Для показателя доли альтернативного признака дисперсия выборки определяется по формуле:
На практике повторный отбор применяется редко. При бесповторном отборе, численность генеральной совокупности N в ходе выборки сокращается, формула средней ошибки выборки для количественного признака имеет вид:
, тогда
Одно из возможных значений, в которых может находиться доля изучаемого признака равно:
где - ошибка выборки альтернативного признака.
Лишь с определенной вероятностью можно утверждать, что генеральная доля от выборочной доли и генеральная средняя от выборочной средней, отклоняются в t раз.
В статистике эти отклонения называются предельнымиошибкамивыборки и обозначаются .
Вероятность суждений можно повысить или понизить в t раз. При вероятности 0,683 , при 0,954 , при 0,987 , тогда показатели генеральной совокупности по показателям выборки определяются:
А среднее значение генеральной совокупности находится в пределах :
13. Аналитическая форма связи, уравнение связи, нахождение параметров уравнения (КРА)
Задача корреляционного анализа – измерение тесноты связи между варьируемыми признаками и оценка факторов, оказывающих наибольшее влияние.
Задача регрессионного анализа – выбор типа модели (формы связи), устанавливающих степени влияния независимых переменных.
Корреляционный анализ
Различают:
- парную корреляцию – это зависимость между результативным и факторным признаком;
- частную корреляцию – это зависимость между результативным и одним факторным признаком при фиксированном значении других факторных признаков;
- множественную – многофакторное влияние в статической модели .
К простейшим показателям тесноты связи относятся:
- линейный коэффициент корреляции Пирсона;
- коэффициент детерминации;
коэффициенты корреляции знаков – для оценки тесноты связи качественных признаков (непараметрические методы), Г. Фехнера, К. Спирмэна, М. Кэндэла.
Коэффициент Фехнера (коэффициент корреляции знаков).
, Как и любой показатель тесноты связи коэффициент Фехнера может принимать значения от –1 до +1 ( ). Если ΣН=0, знаки всех отклонений совпадают и Кф = 1. Если ΣС=0, знаки всех отклонений не совпадают и Кф = 0.
Линейный коэффициент корреляциипредставляет собой среднюю величину из произведений нормированных отклонений для х и у: , где a1 – коэффициент регрессии в уравнении связи. Линейный коэффициент корреляции может принимать
значения от –1 до +1 ( ) Оценка линейного коэффициента корреляции
Значение r | Характер связи | Интерпретация связи |
r = 0 | Отсутствует | Изменение x не влияет на изменения y |
0 < r < 1 | Прямая | С увеличением x увеличивается y |
–1 > r > 0 | Обратная | С увеличением x уменьшается y и наоборот |
r = 1 | Функциональная | Каждому значению факторного признака строго соответствует одно значение результативного |
Определяется расчетное значение t-критерия Стьюдента:
,
Регрессионный анализ
Парная регрессия
линейная . полулогарифмическая ;
показательная ; степенная ;
параболическая ; гиперболическая .
Для оценки параметров уравнений регрессии наиболее часто применяют метод наименьших квадратов (МНК)суть которого (для линейной зависимости):
Отсюда можно выразить коэффициенты регрессии:
; .
Коэффициент регрессии а0 иногда называют константой уравнения связи.
Коэффициент эластичности Э
.
Для линейной регрессии .
Более точно коэффициент эластичности определяют ,
где – первая производная уравнения регрессии у по х. Для линейной зависимости , .