Методы сглаживания и выравнивания динамических рядов

Основные способы организации выборки

Достоверность статистических выводов и содержательная интерпретация результатов зависит от репрезентативностивыборки, т.е. полноты и адекватности представления свойств генеральной совокупности, по отношению к которой эту выборку можно считать представительной. Изучение статистических свойств совокупности можно организовать двумя способами: с помощью сплошного и несплошногонаблюдения. Сплошное наблюдениепредусматривает обследование всех единиц изучаемой совокупности, а несплошное (выборочное) наблюдение — только его части.

Существуют пять основных способов организации выборочного наблюдения:

1. простой случайный отбор, при котором объектов случайно извлекаются из генеральной совокупности объектов (например с помощью таблицы или датчика случайных чисел), причем каждая из возможных выборок имеют равную вероятность. Такие выборки называются собственно-случайными;

2. простой отбор с помощью регулярной процедуры осуществляется с помощью механической составляющей (например, даты, дня недели, номера квартиры, буквы алфавита и др.) и полученные таким способом выборки называются механическими;

3. стратифицированный отбор заключается в том, что генеральная совокупность объема подразделяется на подсовокупности или слои (страты) объема так что . Страты представляют собой однородные объекты с точки зрения статистических характеристик (например, население делится на страты по возрастным группам или социальной принадлежности; предприятия — по отраслям). В этом случае выборки называютсястратифицированными (иначе, расслоенными, типическими, районированными);

4. методы серийного отбора используются для формирования серийных или гнездовых выборок. Они удобны в том случае, если необходимо обследовать сразу "блок" или серию объектов (например, партию товара, продукцию определенной серии или население при территориально-административном делении страны). Отбор серий можно осуществить собственно-случайным или механическим способом. При этом проводится сплошное обследование определенной партии товара, или целой территориальной единицы (жилого дома или квартала);

5. комбинированный (ступенчатый ) отбор может сочетать в себе сразу несколько способов отбора (например, стратифицированный и случайный или случайный и механический); такая выборка называется комбинированной.

Виды отбора

По виду различаются индивидуальный, групповой и комбинированный отбор. При индивидуальном отборе в выборочную совокупность отбираются отдельные единицы генеральной совокупности, при групповом отборе — качественно однородные группы (серии) единиц, а комбинированный отбор предполагает сочетание первого и второго видов.

По методуотбора различают повторную и бесповторную выборку.

Бесповторнымназывается отбор, при котором попавшая в выборку единица не возвращается в исходную совокупность и в дальнейшем выборе не участвует; при этом численность единиц генеральной совокупности N сокращается в процессе отбора. При повторном отборе попавшая в выборку единица после регистрации возвращается в генеральную совокупность и таким образом сохраняет равную возможность наряду с другими единицами быть использованной в дальнейшей процедуре отбора; при этом численность единиц генеральной совокупности N остается неизменной (метод в социально-экономических исследованиях применяется редко). Однако, при большом N (N → ∞)формулы для бесповторного отбора приближаются к аналогичным для повторного отбора и практически чаще используются последние (N = const).

Выборки бывают детерминированные и вероятностные.

Детерминированная выборка состоит из элементов, включенных в нее без учета вероятности их появления, Т.е. респонденты по собственной инициативе участвуют в опросах. Типичным примером является нерепрезентативные выборки. Например, многие компании проводят опросы, предоставляя посетителям их Web-страниц возможность заполнить анкету и переслать ее через Интернет. Такие анкеты позволяют собрать большое количество информации за короткий промежуток времени, однако выборки состоят от ответов пользователей Интернет, которые принимают участие в опросе по собственной инициативе. Во многих случаях единственным видом доступных выборок являются не вполне случайные выборки. В этом случае крайне важным для получения осмысленных результатов становится мнение эксперта в предметной области опроса. Групповые выборки и порции данных представляют собой еще один пример детерминированных выборок.

Вероятностная выборка– состоит из элементов, вероятность появления которых известна заранее. Существует четыре вида вероятностных выборок: простая случайная, систематическая, стратифицированная и кластер.

Простая случайная выборка. В рамках простого случайного выбора символом n обычно обозначают объем выборки, а символом N – объем основы (генеральной совокупности). Каждый элемент основы нумеруется числами от 1 до N. Вероятность выбрать любой конкретный элемент основы при первом извлечении равны 1/ N.

Случайная выборка должна быть представительной, т.е. репрезентативна. Репрезентативная выборка – это такая выборка, в которой все основные признаки генеральной совокупности, из которой извлечена данная выборка, представлены приблизительно в той же пропорции или с той же частотой, с которой данный признак выступает в этой генеральной совокупности. Существует два основных способа извлечения выборок: с возвращением и без него. Выбор с возвращением означает, что выбранный элемент возвращается в основу, причем вероятность его повторного извлечения остается постоянной.

Выбор без возвращения означает, что после извлечения элемент не возвращается в основу и, следовательно, не может быть выбран вновь.

При формировании систематической выборки N элементов, образующих основу, разбиваются на к групп, имеющих объем n. Иначе говоря, k=N/n.

Число k-округляется до ближайшего целого числа. Чтобы получить систематическую выборку, ее первый элемент нужно случайным образом выбрать из первых k элементов первой группы, взятой из основы. Остальные элементы образуются путем выбора каждого k-го элемента всей основы.

Для образования кластерной выборки основа, состоящая из N элементов, разбивается на несколько кластеров так, чтобы каждый кластер отражал свойства всей генеральной совокупности. Затем осуществляется простой случайный выбор кластеров, в которых изучаются все элементы.

4)) Методы группировки данных

Группировка – разбиение совокупности на группы, однородные по какому-либо признаку или объединение отдельных единиц совокупности в группы, однородные по каким-либо признакам. Устойчивое разграничение объектов называется классификацией или стандартом, в котором каждая атрибутивная запись может быть отнесена лишь к одной группе или подгруппе. Метод группировки основывается на двух категориях – группировочном признаке и интервале.

Группировочный признак – признак, по которому происходит объединение отдельных единиц совокупности в однородные группы. Он может носить как количественный, так и качественный характер. В ряде случаев группировка, которая представляется чисто качественной, в конечном итоге оказывается основанной на количественном признаке. Такова, например, классификация промышленных предприятий по отраслям. Поскольку одно и то же предприятие выпускает продукцию разных видов, статистика решает этот вопрос по количественному преобладанию того или иного вида.

Интервал очерчивает количественные границы групп и представляет собой промежуток между максимальным и минимальным значениями признака в группе. Интервалы бывают равные, неравные, закрытые (когда имеется верхняя и нижняя граница) и открытые (когда одна из границ отсутствует).

Статистические группировки и классификации преследуют цели выделения качественно однородных совокупностей, изучения структуры совокупности, исследования взаимосвязи факторных и результативных признаков. Каждой из этих целей соответствует особый вид группировки: типологическая, структурная и аналитическая.

В зависимости от числа положенных в основание группировки признаков различают простые и многомерные группировки.

Простая группировка выполняется по одному признаку. Среди простых группировок особо выделяются ряды распределения. Ряд распределения – группировка, в которой для характеристики групп, упорядоченно расположенных по значению признака применяется один показатель – численность группы.

Возьмем условный пример дискретного ряда распределения студентов заочного отделения по росту:

№ п/п

Рост, см

Данный ряд является ранжированным, так как значения роста упорядочены по возрастанию.

Построим интервальный ряд распределения студентов по росту, для чего необходимо выбрать оптимальное число групп (интервалов признака) и установить длину (размах) интервала. Поскольку при дальнейшем анализе ряда распределения сравнивают частоты в разных интервалах, необходимо, чтобы длина интервалов была постоянной (иначе для сопоставимости придется частоты делить на единицу интервала - полученное значение называется плотностью).

Оптимальное число групп выбирается так, чтобы в достаточной мере отразилось разнообразие значений признака в совокупности и в то же время закономерность распределении, его форма не искажалась случайными колебаниями частот. Если групп будет слишком мало, то не проявится закономерность вариации; если групп будет чрезмерно много, то случайные скачки частот исказят форму распределения.

Пример. Проанализировать уровень еженедельной зарплаты (тенге) рабочих фирмы на основании выборки из 30 рабочих

6500 4580 5670 7460 7650 8760 6960 6540 7490 3760 5430 6540 6750 4390 7830 6200 5700 6430 7950 2300 6490 5630 7890 5680 6430 5890 7900 5370 5890 3500

Данные, в таком первоначальном виде, трудно анализировать. Чтобы они имели содержательный характер представляем их в виде таблицы частот. Для этого, чтобы определить общий диапазон таблицы частот, находим наибольшее и наименьшее значения. В примере наибольшее значение – 8760 тенге, а наименьшее значение - 2300 тенге. В Excel для этих целей можно применить функции МАКС и МИН.

Далее необходимо разбить указанный диапазон на группы или интервалы группировки. Во многих случаях целесообразно проводить разбивку на большее или меньшее число групп. При группировке данных возникает вопрос о том, на сколько групп будет разбита изучаемая совокупность. На этот вопрос нет стандартного ответа. Если распределение признака в границах его вариации достаточно равномерно или близко к нормальному, диапазон колебаний признака разбивают на равные интервалы, длину которых определяют по формуле:

h=

где x_max, x_min –максимальное и минимальное значение признака в совокупности; k - число групп. Число групп можно определит по формуле Стерджесса k=1+3,322lgN, где N- число единиц в совокупности. Обычно группы имеют одинаковую интервальную протяженность. В нашем примере интервалы данных могут быть определены по формуле:

k=1+3,322lgN=1+3,322хlg30=1+3,322х1,477=5,9

h= =

Полученное значение следует корректировать для облегчения расчетов, в нашем примере по 1000. Таким образом представим в виде таблицы 1.

Таблица 1- Частота группировки

№	Недельное жалование	Количество рабочих
	От 2000 до 2990
	От 3000 до 3990
	От 4000 до 4990
	От 5000 до 5990
	От 6000 до 6990
	От 7000 до 7990
	От 8000 до 8990

По этой таблице видно, что основная часть, из 30 рабочих 24 зарабатывают в пределах 5000-8000 тенге. При приеме рабочих на работу можно им сказать что, в среднем многие рабочие зарабатывают от 5000 до 8000 тенге. Исходные данные могут быть сведены в таблицу с открытыми границами, как это показано ниже:

Таблица 2- Группировка по удельному весу

Недельное жалование	2000-	3000-	4000-	5000-	6000-
Количество рабочих
Процент

По этой таблице 2 видно, что на фирме из 30 рабочих 80% рабочих получают от 5000 до 8000 тенге.

Закрытыми называются интервалы, у которых указаны обе границы, открытыми – интервалы с одной границей. Интервалы 2000- охватывает жалование от 2000 и выше, но ниже первой цифры интервала следующей группы, т.е. ниже 3000 тенге.

При использовании равных интервалов для образования групп, излишне увеличивается их количество, при этом многие группы будут малочисленными. В этих условиях совокупность разбивают на группы с неравными интервалами.

Распределение частот

При увеличении объема выборки ни упорядоченный массив, ни диаграмма «ствол и листья» уже не позволяют легко представлять, анализировать и интерпретировать результаты. Для больших наборов данных следует создавать сводные таблицы, распределяя данные по группам (или категориям). Такой способ представления данных называется распределением частот.

Распределение частот представляет собой сводную таблицу, в которой данные распределены по группам или категориям.

Если данные сгруппированы в виде распределения частот, процесс их анализа и интерпретации становится более управляемым и осмысленным. При распределении частот следует внимательно выбирать интервал группирования, или размах групп, а также вычислять границы каждой группы, не допуская их перекрытия.

Количество групп, выбранных для группировки данных, непосредственно зависит от объема исходной выборки. Чем больше элементов содержит выборки, тем больше групп можно создать. Однако, как правило, рапределение частот должно содержать не менее 5 и не более 15 групп.

Каждая группа, образующая распределение частот, должна иметь одинаковый размах. Для вычисление распределения частот необходимо так определить границы групп, чтобы они не пересекались. Перекрытие групп не допускается. В таблице 2 приведена группировка данных. Главным преимуществом этой таблицы является возможность легко вычислять основные характеристики данных. Например, приближенный диапазон недельное жалования ограничен числами 2000 и 9000, причем показатели в основном группируются в диапазоне от 5000 до 8000.

Для более углубленного анализа распределения частот можно построить либо распределение относительных частот, либо процентное распределение. Распределение относительных частот вычисляется путем деления количества элементов каждой группы, образующей распределение частот, на общее количества наблюдений.

5)) Методы группировки данных с помощью функции ЧАСТОТА

В Excel для построения выборочных функций распределения используется функция «ЧАСТОТА». Данная функция вычисляет частоты появления случайной величины в заданных интервалах значений и выводит их как массив частот. Функция «ЧАСТОТА» находится в категории «Статистические» Аргумент «Массив данных» - это множество данных, для которых вычисляются частоты. Аргумент «Массив интервалов» - это множество интервалов, в которые группируются значения аргумента «массив данных» (Рисунок 6)

Количество элементов (частот) в возвращаемом массиве числа элементов в массиве интервале. Массив интервалов значений должен быть построен до вызова функции ЧАСТОТА

Следуя принципу «лучше один раз увидеть, чем сто раз услышать», для анализа статистических данных часто используют графические изображения, а не таблицы.

Дли повышения наглядности эмпирических распределений, используется их графическое представление. Наиболее распространенными способами графического представления являются гистограмма, полигон частот и полигон накопленных частот (кумулята).2.3.1. Гистограмма

Гистограмма используется для графического представления распределений непрерывно варьирующих признаков и состоит из примыкающих друг к другу прямоугольников, как показано на рис. 2.1. Основание каждого прямоугольника равно ширине интервала группировки, а высота его такова, что площадьпрямоугольника пропорциональна частоте (или частости) попадания в данный интервал. Если ряд безинтервальный, то ширина всех столбцов выбирается произвольной, но одинаковые. Таким образом, высоты прямоугольников должны быть пропорциональны величинам

, (2.6)

где n_i — частота i-го интервала группировки; h_i — ширина i-го интервала группировки.

На графике гистограммы основание прямоугольников откладывается по оси абсцисс (x), а высота — по оси ординат (у) прямоугольной системы координат.

Однако в тех случаях, когда ширина всех интервалов группировки одинакова, вид гистограммы не изменится, если по оси ординат откладывать не величины р_i, а частоты интервалов n_i.

Полигон частот

Другим распространенным способом графического представления является полигон частот.

Полигон частот образуется ломаной линией, соединяющей точки, соответствующие срединным значениям интервалов группировки и частотам этих интервалов, срединные значения откладываются по оси х, а частоты – по оси у.

Из сравнения двух рассмотренных способов графического представления эмпирических распределений следует, что для получения полигона частот из построенной гистограммы нужно середины вершин прямоугольников, образующих гистограмму, соединить отрезками прямых. Пример полигона частот представлен

Полигон частот используется для представления распределений как непрерывных, так и дискретных признаков. В случае непрерывного распределения полигон частот является более предпочтительным способом графического представления, чем гистограмма, если график эмпирического распределения описывается плавной зависимостью.

6)) Понятие о временных рядах и их виды. Компоненты временного ряда

Понятие о временных рядах и их виды.Статистическое описание развития экономических процессов во времени осуществляется с помощью временных рядов.

Временным рядом называется ряд наблюдений за значениями некоторого показателя (признака), упорядоченный в хронологической последовательности, т.е. в порядке возрастания переменной t- временного параметра. Отдельные наблюдения временного ряда называются уровнями этого ряда.

Временные ряды делятся на моментные и интервальные. В моментных временных рядах уровни характеризуют значения показателя по состоянию на определенные моменты времени. Например, моментными являются временные ряды цен на определенные виды товаров, временные ряды курсов акций, уровни которых фиксируются для конкретных чисел. Примерами моментных временных рядов могут служить также ряды численности населения или стоимости основных фондов, т.к.значения уровней этих рядов определяются ежегодно на одно и то же число.

В интервальных рядах уровни характеризуют значение показателя за определенные интервалы (периоды) времени. Примерами рядов этого типа могут служить временные ряды производства продукции в натуральном или стоимостном выражении за месяц, квартал, год и т.д.

Иногда уровни ряда представляют собой не непосредственно наблюдаемые значения, а производные величины: средние или относительные. Такие ряды называются производными. Уровни таких временных рядов получаются с помощью некоторых вычислений на основе непосредственно наблюдаемых показателей. Примерами таких рядов могут служить ряды среднесуточного производства основных видов промышленной продукции или ряды индексов цен.

Уровни ряда могут принимать детерминированные или случайные значения. Примером ряда с детерминированными значениями уровней служит ряд последовательных данных о количестве дней в месяцах. Естественно, анализу, а в дальнейшем и прогнозированию, подвергаются ряды со случайными значениями уровней. В таких рядах каждый уровень может рассматриваться как реализация случайной величины - дискретной или непрерывной.

Компоненты временного ряда. В практике прогнозирования принято считать, что значения уровней временных рядов экономических показателей состоят из следующих компонент: тренда, сезонной, циклической и случайной составляющих.

Под трендом понимают изменение, определяющее общее направление развития, основную тенденцию временного ряда. Это систематическая составляющая долговременного действия. Наряду с долговременными тенденциями во временных рядах экономических процессов часто имеют место более или менее регулярные колебания -

периодические составляющие рядов динамики. Если период колебаний не превышает 1 года, то их называют сезонными. Чаще всего причиной их возникновения считаются природно-климатические условия. Иногда причины сезонных колебаний имеют социальный характер, например, увеличение закупок в предпраздничный период, увеличение платежей в конце квартала и т.д. При большем периоде колебания, считают, что во временных рядах имеет место циклическая составляющая. Примерами могут служить демографические, инвестиционные и другие циклы. Если из временного ряда удалить тренд и периодические составляющие, то останется нерегулярная компонента.

Экономисты разделяют факторы, под действием которых формируется нерегулярная компонента, на 2 вида: _ факторы резкого, внезапного действия; _ текущие факторы.

Первый тип факторов (например, стихийные бедствия, эпидемии и др.), как правило, вызывает более значительные отклонения по сравнению со случайными колебаниями- иногда такие отклонения называют катастрофическими колебаниями. Факторы второго типа вызывают случайные колебания, являющиеся результатом действия большого числа побочных причин. Влияние каждого из текущих факторов незначительно, но ощущается их суммарное воздействие.Если временной ряд представляется в виде суммы соответствующих компонент, то полученная модель носит название аддитивной (1.1), если в виде произведения - мультипликативной (1.2) или смешанного типа (1.3):

Yt = ut + st + vt + et (1.1) Yt = ut _ st _ vt _ et (1.2) Yt = ut _ st _ vt + et (1.3),

где yt- уровни временного ряда;

ut -трендовая составляющая;st- сезонная компонента;vt - циклическая компонента;et- случайная компонента.

7)) Показатели изменения уровней ряда динамики

Показатели изменения уровней ряда динамики. Анализ скорости развития явления во времени характеризуется с помощью статистических показателей, которые получаются в результате сравнения уровней между собой. К ним относятся: абсолютный прирост, темп роста и прироста, абсолютное значение одного процента прироста

Абсолютный прирост ( ) рассчитывается как разность между двумя уровнями ряда. В зависимости от базы сравнения могут быть цепными или как базисными. если к=1, то уровень у_i-1 предыдущим для данного ряда, а абсолютные приросты изменения уровня будут цепными.

Темп роста - относительный показатель, рассчитывается как отношение двух уровней ряда. Интенсивность уровней оценивается отношением отчетного уровня к базисному, и выражается коэффициентом роста и темпом роста. Коэффициент роста показывает во сколько раз данный уровень ряда больше базисного уровня. В качестве базисного уровня в зависимости от цели исследования может приниматься какой-то постоянный для всех уровень, либо для каждого последующего предшествующий ему.

базисный темп рост или цепные темпы роста

Темп прироста– относительный показатель, показывающий, на сколько процентов данный уровень больше другого, принимаемого за базу сравнения. Можно рассчитать двояко.

или

Исчисление средних показателей в рядах динамики.Обобщенной характеристикой динамического ряда может служить прежде всего средний уровень ряда У. Она называется средней хронологической. Для разных видов рядов динамики средний уровень рассчитывается неодинаково.

В интервальном ряду абсолютных величин с равными периодами средний уровень рассчитывается как средняя арифметическая простая из уровней ряда. На примере

Аналогично определяется средний уровень и в рядах средних величин. Так неправильно. Несколько по другому рассчитывается средний уровень для моментных рядов. Для моментного ряда, содержащего п уровней с равными промежутками между моментами, средний уровень определяется по формуле

Эта средняя известна в статистике как средняя хронологическая для моментных рядов.

В случае неравных промежутков между датами среднюю хронологическую для моментного ряда можно рассчитать как среднюю арифметическую из средних значений уровней не каждую пару моментов, взвешенных по величине расстояний между датами.

Например. Пусть имеются следующие данные о наличии товарных остатков на складе за 2005г.

Дата учета	01.01.2005	01.03.2005	01.06.2005	01.11.2005	01.01.2006
Остатки товаров у.

Тогда средний месячный остаток товаров за 2005г. составит.

Средний абсолютный прирост уровней рассчитывается как средняя арифметическая простая из отдельных цепных приростов

У₀-как базисный для расчета приростов с 2002 года, поэтому периодов 5.

Особое значение в анализе рядов динамики придается расчету средних темпов роста. Наиболее часто средний темп роста рассчитывается как средняя геометрическая из цепных темпов роста, рассчитанных в каждый период по отношению к предыдущему.

Или (1)

Вместе с тем при расчете среднего коэффициента роста порой более важно ориентироваться на достижение обшей суммы уровней, а не только конечного уровня. Например, когда идет речь о динамике таких показателей, как вложение инвестиций, ввод в действие жилой площади, строительство автомобильных дорог, то здесь важно определить средний темп роста, при котором достигается суммарное значение показателя за анализируемый период, а не только конечный уровень. Тогда средний уровень вычисляется по формуле и называется средней параболической

(2)

Полученное значение правой части определяется по таблице, ориентированной на получение суммы уровней за период.

Например, определить средний коэффициент роста ввода в действие жилой площади за 2000-2005 гг

Год
Введено млн.кв.м	62,6	66,2	72,8	72,3	70,4	61,7

Сначала рассчитаем средний темп роста по формуле (1)

т.е. ежегодно ввод в действие жилой площади снижается на 0,3%. Здесь расчет среднего годового темпа роста надо выполнять, ориентируясь на общую сумму ввода в действие жилья за весь период, тогда используется формула

при п=5 ищем значение, близкое к полученному нами отношению, это 5,468 и оно соответствует к=1,03 или Т=103%, что означает увеличение ввода в действие жилой площади в указанный период ежегодно в среднем на 3%. Аналогично решается при снижении уровней

Средние темпы прироста рассчитывается на основе средних темпов роста путем вычитания из последних 100%.

Т_пр=Т_р-100%. В предыдущем примере средний темп рост составляет 103% тогда средний темп прироста = 103%-100%=3%.

Показатели изменения уровней ряда могут быть использованы при выборе аналитической кривой для выравнивания ряда. Например, выравнивание по прямой линии эффективно для рядов уровней, которых первые разности (абсолютные приросты) уровней более или менее постоянны. Парабола 2-го порядка отражает развитие с ускоренным или замедленным изменением уровней ряда., т.е. при этом абсолютные цепные приросты сами по себе обнаруживают некоторую тенденцию развития, но абсолютные цепные приросты абсолютных цепных приростов (разности второго порядка) постоянны.

Если при последовательном расположении t значения уровней меняются в геометрической прогрессии, то такое развитие можно отразить показательной функцией.

8)) Обобщающие характеристики ряда динамики (средние уровней ряда; средние показатели уровней ряда)

Рядами динамики называются ряды расположенных в хронологическом порядке показателей, характеризующих изменение какой-либо величины во времени. Ряды динамики включают два основных элемента: показатели времени - t и соответствующие им показатели величины - Y.

Средние показатели динамики

1. Средний уровень

Характеризует типичную величину показателей

В интервальном динамическом ряду рассчитывается как простое арифметическое среднее

Y_{avg} = \frac{\sum Y_i}{n}

В моментном динамическом ряду с равными промежутками времени между отсчетами как хронологическое среднее

Y_{avg} =\frac {\frac{1}{2}Y_1 + Y_2 + ... + Y_{n-1} + \frac{1}{2}Y_n}{n-1}

2. Средний абсолютный прирост

Обобщающий показатель скорости абсолютного изменения значений динамического ряда

\Delta_{avg}Y = \frac{\Delta Y_b_i}{n-1}

3. Средний темп роста

Обобщающий характеристика темпов роста ряда динамики

T_{avg} = {T_b_i}^{\frac{1}{i-1}} (корень степени i - 1)

4. Средний темп прироста

Отношение тоже что и между темпом роста и темпом прироста

T_{avg}\Delta = T_{avg}-1

Для обобщающей характеристики динамики используются:

1средние уровни ряда;

2средние показатели изменения уровней ряда:

Средний абсолютный прирост;

Средний коэффициент роста;

Средний темп прироста.

Средний уровень ряда даёт обобщённую характеристику показателя за весь период, охватываемый рядом динамики.

Средний уровень в интервальном и моментальном рядах динамики определяется по разному. В интервальном ряду с равными периодами (интервалами) средний уровень рассчитывается по формуле простой средней арифметической. Например, средний уровень добычи нефти, выплавки чугуна и так далее ежегодно (за месяц) за рассматриваемый период. Таким образом, чтобы исчислить среднюю из интервального ряда, нужно сложить члены ряда и разделить полученную сумму на их число. Эта средняя известна в статистике как Средняя характеристическая для моментального ряда. Таким образом, средняя хронологическая из моментального ряда динамики равняется сумме показателей этого ряда (при этом начальный и конечный уровни должны быть взяты в половинном размере), делённой на число показателей без одного.

В случае неравных интервалов времени между фактами (моментами, датами) средний уровень ряда определяется в следующей последовательности: 1) определяется средние за интервалы, ограниченные двумя датами; 2) расчёт из них общей средней; при этом средние за более длительные интервалы должны быть взяты с весами, кратные их длине.

Темпы роста(темпы динамики ТР) – это относительный статистический показатель, определяемый как отношение одного уровня к другому одного и того же и показывающий во сколько раз один уровень больше(меньше) другого.

В зависимости от выбора базы сравнения темпы роста рассчитываются как цепные, когда каждый уровень сопоставляется с уровнем предыдущего периода и как базисные, когда все уровни ряда сопоставляются с уровнем одного какого-то периода, принятого за базу сравнения (как правило, это бывает начальный уровень ряда, но может быть и уровень любого другого периода) Соответственно цепные темпы роста (Трцi) характеризуют интенсивность развития явления в каждом отдельном периоде, а базисное – интенсивности развития за любой отрезок времени (отделяющий данный уровень от базисного). В том и другом случае темпы роста могут быть выражены в виде коэффициентов, если основание отношения принимается за единицу, и в виде процентов, если основание принимается за 100.

Темп прироста (Тп) показывает на сколько процентов изменился сравниваемый уровень с уровнем, за базу сравнения. Этот показатель можно рассчитать: 1) путём вычисления 100% и соответствующего темпа роста или 2) как процентное отношение абсолютного прироста к тому базисному уровню, по сравнению с которым абсолютный прирост рассчитан. Отсюда вывод, что между показателями темпа прироста и темпа роста имеется взаимосвязь и Если уровни ряда динамики уменьшаются (сокращаются), то соответственно показатели темпа прироста со знаком “-” и со знаком “+”, если уровни увеличиваются. Таким образом темп прироста характеризует относительное увеличение или уменьшение уровня явления.
Показатель абсолютного значения 1% прироста (А%) определяется как частное от деления абсолютного прироста на темп прироста (за соответствующий период) А%=?y : Тn(%).

Абсолютное значение 1% прироста равняется одной сотой предыдущего уровня. Нетрудно видеть отсюда, что расчёт абсолютного значения 1% прироста имеет смысл только для цепных приростов и темпов прироста.
Для базисного прироста накопленные приросты с одним и тем же первоначальным уровнем и, следовательно, для всех приростов будет сокращаться одно и то же значение 1% прироста.

9)) Методы сглаживания динамических рядов

Существует несколько методов обработки рядов динамики, а именно: метод укрупнения интервалов, метод скользящей средней и аналитическое выравнивание. Во всех методах вместо фактических уровней при обработке ряда рассчитываются иные уровни, в которых тем или иным способом взаимопогашается действие случайных факторов и тем самым уменьшается колеблемость уровней. Последние в результате становятся как бы «выравненными», «сглаженными» по отношению к исходным фактическим данным. Такие методы обработки называются сглаживанием или выравниванием рядов динамики.