В этом же документе приводятся правила определения коэффициента вариации. Разработано несколько методик выявления НМЦК: нормативная, тарифная, проектно-сметная, затратная. Самым приоритетным считается метод сопоставимых рыночных цен. Именно его рекомендуется использовать при определении стартовой цены. Он предполагает сравнение коммерческих предложений, предоставляемых потенциальными поставщиками по запросу заказчика. Для проведения такого анализа и применяется коэффициент вариации. Он выражается в процентах. Под коэффициентом вариации понимается мера относительного разброса предлагаемых цен. Он показывает, какую долю занимает средний разброс цен от среднего значения цены. Этот показатель может принимать следующие значения:
- Меньше 10%. В таком случае разница в ценах признается незначительной.
- От 10% до 20%. Разброс считается средним.
- От 20% до 33%.
Коэффициент вариации
Для проверки соответствия исследуемых значений закону нормального распределения применяют отношение показателя асимметрии к его ошибке и отношение показателя эксцесса к его ошибке. Показатель асимметрии Показатель асимметрии (A) и его ошибка (ma) рассчитывается по следующим формулам: , где А — показатель асимметрии, — среднеквадратическое отклонение,a — среднее арифметическое,n — число измерений параметра,ai — измеренное значение на i-м шаге.
Показатель эксцесса Показатель эксцесса (E) и его ошибка (me) рассчитывается по следующим формулам: , где Е — показатель эксцесса, — среднеквадратическое отклонение,a — среднее арифметическое,n — число измерений параметра,ai — измеренное значение на i-м шаге. Если А < 0, то больше данных с меньшими значениями, чем среднеарифметическое.
Если Е < 0, то данные сконцентрированы около среднеарифметического значения.
Инфо
X – отдельные значения, X̅– среднее арифметическое по выборке. Примечание. Для расчета дисперсии в Excel предусмотрена специальная функция.
Стоит отметить, что у такого расчета дисперсии есть недостаток – она получается смещенной, т.е. ее математическое ожидание не равно истинному значению дисперсии. Подробней об этом здесь. В то же время не все так плохо.
При увеличении объема выборки она все-таки приближается к своему теоретическому аналогу, т.е. является асимптотически не смещенной. Поэтому при работе с большими размерами выборок можно использовать формулу выше.
Язык знаков полезно перевести на язык слов. Получится, что дисперсия — это средний квадрат отклонений. То есть вначале рассчитывается среднее значение, затем берется разница между каждым исходным и средним значением, возводится в квадрат, складывается и затем делится на количество значений в данной совокупности.
Что характеризует коэффициент вариации
Для определения дисперсии нормального закона распределения ошибок в этом случае пользуются формулой: , где 2 — дисперсия,a — среднее арифметическое,n — число измерений параметра,ai — измеренное значение на i-м шаге. Среднеквадратическое отклонение Среднеквадратическое отклонение показывает абсолютное отклонение измеренных значений от среднеарифметического.
В соответствии с формулой для меры точности линейной комбинации средняя квадратическая ошибка среднего арифметического определяется по формуле: , где — среднеквадратическое отклонение,a — среднее арифметическое,n — число измерений параметра,ai — измеренное значение на i-м шаге. Коэффициент вариации Коэффициент вариации характеризует относительную меру отклонения измеренных значений от среднеарифметического: , где V — коэффициент вариации, — среднеквадратическое отклонение,a — среднее арифметическое.
Вариация (статистика)
Для полноты описания нужно понять, какой является разница между средним ростом каждого студента и средним значением. На первом этапе вычислим параметр дисперсии. Дисперсия в статистике (обозначается σ2 (сигма в квадрате)) – это отношение суммы квадратов разности среднего арифметического (μ) и значения члена ряда (Х) к числу всех членов совокупности (N).
В виде формулы это рассчитывается понятнее: Значения, которые мы получим в результате вычислений по этой формуле, мы будем представлять в виде квадрата величины (в нашем случае – квадратные сантиметры). Характеризовать рост в сантиметрах квадратными сантиметрами, согласитесь, нелепо. Поэтому мы можем исправить, точнее, упростить это выражение и получим среднеквадратичное отклонение формулу и расчёт, пример: Таким образом, мы получили величину стандартного отклонения (или среднего квадратичного отклонения) – квадратный корень из дисперсии.
Коэффициент вариации в статистике: примеры расчета
Разница между отдельным значением и средней отражает меру отклонения. В квадрат возводится для того, чтобы все отклонения стали исключительно положительными числами и чтобы избежать взаимоуничтожения положительных и отрицательных отклонений при их суммировании. Затем, имея квадраты отклонений, мы просто рассчитываем среднюю арифметическую. Средний – квадрат – отклонений. Отклонения возводятся в квадрат, и считается средняя.
Внимание
Разгадка заключается всего в трех словах. Однако в чистом виде, как, например, средняя арифметическая, или индекс, дисперсия не используется. Это скорее вспомогательный и промежуточный показатель, который необходим для других видов статистического анализа.
У нее даже единицы измерения нормальной нет. Судя по формуле, это квадрат единицы измерения исходных данных. Без бутылки, как говорится, не разберешься.
Статистические параметры
Было получено четыре коммерческих предложения цен: 2500 рублей, 2800 рублей, 2450 рублей и 2600 рублей. В первую очередь необходимо рассчитать среднеарифметическое значение цены Следующим шагом становится расчет среднеквадратичного отклонения Осталось только рассчитать коэффициент вариации Полученное значение коэффициента меньше 33%, следовательно, все собранные данные подходят для расчета стартовой цены контракта. Расчет НМЦК и коэффициента вариации оформляются в форме отчета, который становится обязательной частью закупочной документации. Коэффициент вариации – важный инструмент, позволяющий оценить правильность ценовых предложений, полученных от поставщиков. Поэтому при составлении документации заказчикам необходимо учитывать правила расчета этого показателя и особенности его применения.
Для чего нужен коэффициент вариации
Как доказать, что закономерность, полученная при изучении экспериментальных данных, не является результатом совпадения или ошибки экспериментатора, что она достоверна? С таким вопросом сталкиваются начинающие исследователи.Описательная статистика предоставляет инструменты для решения этих задач. Она имеет два больших раздела – описание данных и их сопоставление в группах или в ряду между собой. Оглавление:
- Показатели описательной статистики
- Среднее арифметическое
- Стандартное отклонение
- Коэффициент вариации
- Расчёты в Microsoft Ecxel 2016
РАСЧЕТ ПОКАЗАТЕЛЕЙ ВАРИАЦИИ
ПРАКТИЧЕСКАЯ РАБОТА 3
Цель работы : получение практических навыков в расчете различных показателей (меры) вариации в зависимости от поставленных исследованием задач.
Порядок выполнения работы :
1. Определить вид и форму (простая или взвешенная) показателей вариации.
3. Сформулировать выводы.
1. Определение вида и формы показателей вариации.
Показатели вариации делятся на две группы: абсолютные и относительные. К абсолютным относятся: размах вариации, квартильное отклонение, среднее линейное отклонение, дисперсия и среднее квадратическое отклонение. Относительными показателями являются коэффициенты осцилляции, вариации, относительное линейное отклонение, относительный показатель квартильной вариации и т. д.
Размах вариации (R) является наиболее простым измерителем вариации признака и определяется по следующей формуле:
где – наибольшее значение варьирующего признака;
– наименьшее значение варьирующего признака.
Квартильное отклонение (Q) – применяется для характеристики вариации признака в совокупности. Может использоваться вместо размаха вариации во избежание недостатков, связанных с использованием крайних значений.
где и – соответственно первая и третья квартили распределения.
Квартили – это значения признака в ранжированном ряду распределения, выбранные таким образом, что 25% единиц совокупности будут меньше по величине ; 25% единиц будут заключены между и ; 25% единиц будут заключены между и , и остальные 25% превосходят .
Квартили 1 и 3 определяются по формулам:
,
Где – нижняя граница интервала, в котором находится первая квартиль;
– сумма накопленных частот интервалов, предшествующих интервалу, в котором находится первая квартиль;
– частота интервала, в котором находится первая квартиль.
где Ме – медиана ряда;
,
условные обозначения те же, что и для величин .
В симметричных или умеренно асимметричных распределениях Q»2/3s. Так как на квартильное отклонение не влияют отклонения всех значений признака, то его использование следует ограничить случаями, когда определение среднего квадратического отклонения затруднительно или невозможно.
Среднее линейное отклонение () представляет собой среднюю величину из абсолютных отклонений вариантов признака от их средней. Его можно рассчитать по формуле средней арифметической, как невзвешенной, так и взвешенной, в зависимости от отсутствия или наличия частот в ряду распределения.
Невзвешенное среднее линейное отклонение,
- взвешенное среднее линейное отклонение.
Дисперсия () – средний квадрат отклонений индивидуальных значений признака от их средней величины. Дисперсия вычисляется по формулам простой невзвешенной и взвешенной.
- невзвешенная,
- взвешенная.
Среднее квадратическое отклонение (s) – наиболее распространенный показатель вариации, представляет собой квадратный корень из значения дисперсии.
Размах вариации, квартильное отклонение, среднее линейное и квадратическое отклонения – величины именованные, имеют размерность осредняемого признака. Дисперсия единицы измерения не имеет.
Для целей сравнения колеблемости различных признаков в одной и той же совокупности или же при сравнении колеблемости одного и того же признака в нескольких совокупностях вычисляются относительные показатели вариации. Базой для сравнения служит средняя арифметическая. Чаще всего относительные показатели выражаются в процентах и характеризуют не только сравнительную оценку вариации, но и дают характеристику однородности совокупности.
Коэффициент осцилляции (относительный размах вариации) рассчитывается по формуле:
,
Линейный коэффициент вариации (относительное линейное отклонение):
Относительный показатель квартильной вариации :
или 
Коэффициент вариации :
,
Наиболее часто применяемый в статистике показатель относительной колеблемости – коэффициент вариации. Его используют не только для сравнительной оценки вариации, но и как характеристику однородности совокупности. Чем больше величина коэффициента вариации, тем больше разброс значений признака вокруг средней, тем больше неоднородность совокупности. Существует шкала определения степени однородности совокупности в зависимости от значений коэффициента вариации (17; С.61).
Для получения приблизительного представления о форме распределения строят графики распределения (полигон и гистограмму).
В практике статистического исследования приходится встречаться с самыми различными распределениями. При изучении однородных совокупностей имеем дело, как правило, с одновершинными распределениями. Многовершинность свидетельствует о неоднородности изучаемой совокупности, появление двух и более вершин говорит о необходимости перегруппировки данных с целью выделения более однородных групп. Выяснение общего характера распределения предполагает оценку степени его однородности, а также вычисление показателей асимметрии и эксцесса. Симметричным является распределение, в котором частоты любых двух вариантов, равноотстоящих в обе стороны от центра распределения, равны между собой. Для симметричных распределений средняя арифметическая, мода и медиана равны между собой. В связи с этим простейший показатель асимметрии основан на соотношении показателей центра распределения: чем больше разница между средними , тем больше асимметрия ряда.
Для характеристики асимметричности в центральной части распределения, то есть основной массы единиц или для сравнительного анализа степени асимметрии нескольких распределений рассчитывают относительный показатель асимметрии К.Пирсона:
Величина показателя As может быть положительной и отрицательной. Положительная величина показателя указывает на наличие правосторонней асимметрии (правая ветвь относительно максимальной ординаты вытянута больше, чем левая). При правосторонней асимметрии между показателями центра распределения существует соотношение: . Отрицательный знак показателя асимметрии свидетельствует о наличии левосторонней асимметрии (рис. 1). Между показателями центра распределения в этом случае имеется соотношение: .
 |
Рис. 1. Распределение:
1 – с левосторонней асимметрией; 2 – с правосторонней асимметрией.
Другой показатель, предложенный шведским математиком Линдбергом, рассчитывают по формуле:
где П – процент тех значений признака, которые превосходят по величине среднюю арифметическую.
Наиболее точным и распространенным является показатель, основанный на определении центрального момента третьего порядка (в симметричном распределении его величина равна нулю):
где - центральный момент третьего порядка:
σ – среднеквадратическое отклонение.
Применение этого показателя дает возможность не только определить величину асимметрии, но и ответить на вопрос о наличии или отсутствии асимметрии в распределении признака в генеральной совокупности. Оценка степени существенности этого показателя дается с помощью средней квадратической ошибки, которая зависит от объема наблюдений n и рассчитывается по формуле:
.
Если отношение , асимметрия существенна, и распределение признака в генеральной совокупности не является симметричным. Если отношение , асимметрия несущественна, ее наличие может быть объяснено влиянием различных случайных обстоятельств.
Для симметричных распределений рассчитывается показатель эксцесса (островершинности). Линдбергом предложен следующий показатель для оценки эксцесса:
,
где П – доля (%) количества вариантов, лежащих в интервале, равном половине среднего квадратического отклонения в ту или другую сторону от средней арифметической.
Наиболее точным является показатель, использующий центральный момент четвертого порядка:
где - центральный момент четвертого момента;
- для несгруппированных данных;
- для сгруппированных данных.
На рисунке 2 представлены два распределения: одно – островершинное (величина эксцесса положительная), второе – плосковершинное (величина эксцесса отрицательная). Эксцесс представляет собой выпад вершины эмпирического распределения вверх или вниз от вершины кривой нормального распределения. В нормальном распределении отношение .
 |
Рис. 2. Распределение:
1,4 – нормальное; 2 – островершинное; 3 – плосковершинное
Средняя квадратическая ошибка эксцесса рассчитывается по формуле:
,
где n – число наблюдений.
Если , то эксцесс существенен, если , то несущественен.
Оценка существенности показателей асимметрии и эксцесса позволяет сделать вывод о том, можно ли отнести данное эмпирическое исследование к типу кривых нормального распределения.
2. Рассмотрим методику исчисления показателей вариации.
Относительные показатели вариации - раздел Экономика, Данные о деятельности банков одного из регионов РФ 1. Коэффициент Вариации (Vσ) – Относительный Пока...
Совокупность считается качественно однородной, если коэффициент вариации не превышает 0,33 (или 33%).
Таблица 5.1.3.
Шкала оценки однородности совокупности
При этом средняя величина исследуемого признака может считаться типичной, надёжной характеристикой статистической совокупности.
Если же коэффициент вариации больше 0,33 (или 33%) то, следовательно, вариация исследуемого признака велика , и найденная средняя плохо представляет всю статистическую совокупность, не является её типичной, надёжной характеристикой , а сама совокупность является неоднородной по рассматриваемому признаку.
Аналогично коэффициенту вариации рассчитывают другие относительные показатели вариации , которые в практике статистики применяются реже:
2. Показатель осцилляции: ; (5.1.12.)
3. Линейный коэффициент вариации: . (5.1.13)
Рассчитаем показатели вариации для сквозной задачи:
Таблица 5.1.4.
Расчетная таблица для нахождения характеристик ряда распределения
| Группы банков по объему кредитных вложений, млн. руб. X | Середина интервала | Число банков, | Произведение вариантов на частоты | |||
| гр.4= гр.2*гр.3 | гр.6= гр.5*гр.5 | гр.7= гр.6*гр.3 | ||||
| 375,00 - 459,00 | =417 | 417*4= | 417-585= -168 | = | 28224*4= | |
| 459,00 - 543,00 | ? | ? | ? | ? | ||
| 543,00 - 627,00 | ? | ? | ? | ? | ||
| 627,00 - 711,00 | ? | ? | ? | ? | ||
| 711,00 - 795,00 | ? | ? | ? | ? | ||
| Итого | ? | Х | х | ? |
Расчет средней арифметической взвешенной:
Расчет дисперсии:
σ2 =
Расчет среднего квадратического отклонения:
Расчет коэффициента вариации:
Вывод. Анализ полученных значений показателей и σ говорит о том, что средний объем кредитных вложений банков составляет _______?млн. руб., отклонение от среднего объема в ту или иную сторону составляет в среднем _________?млн. руб. (или ______?%), наиболее характерные значения объема кредитных вложений находятся в пределах от ______________?млн. руб. до _______________?млн. руб. (диапазон ).(см. табл. 3.2.5 -_____? банков или ______?% входят в этот интервал).
Значение V σ = ______?% _____? превышает 33%, следовательно, вариация кредитных вложений в исследуемой совокупности банков незначительна и совокупность по данному признаку качественно однородна. Расхождение между значениями , Мо и Ме незначительно (=585 млн. руб., Мо=593,40 млн. руб., Ме=588,818 млн. руб.), что подтверждает вывод об однородности совокупности банков. Таким образом, найденное среднее значение объема кредитных вложений банков (585 млн. руб.) ______? является типичной, надежной характеристикой исследуемой совокупности банков.
Конец работы -
Эта тема принадлежит разделу:
Данные о деятельности банков одного из регионов РФ
Данные сквозной задачи.. таблица.. данные о деятельности банков одного из регионов РФ номер банка кредитные вложения млн руб прибыль..
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:
Что будем делать с полученным материалом:
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
| Твитнуть |
Все темы данного раздела:
Предмет, метод и задачи статистики
1.1. Предмет, методы, задачи статистики
Термин «статистика» происходит от латинского «status»,которое вошло в употребление в Германии в середине 18 века. Впервые статистику стал преподават
Отдельные объекты или явления, образующие статистическую совокупность, называются единицами совокупности
Например, при проведении переписи торгового оборудования единицей наблюдения является торговое предприятие, а единицей совокупности - их оборудование (прилавки, холодильные агрегаты и т.д.).
Признак - это характерное свойство изучаемого явления, отличающее его от других явлений
В разных отраслях статистики изучаются разные признаки. Так, например, объектом изучения является предприятие, а его признаками - вид продукции, объем выпуска, численность работающих и т.д. Или объ
Понятие стат. наблюдения. Требования к собираемой информации
Статистическое наблюдение - это начальная стадия экономико-статистического наблюдения. Она представляет собой научно организационную работу по собиранию мас
Основные виды, формы и способы наблюдения
Специально организованное статистическое наблюдение представляет собой сбор сведений посредством переписей, единовременных учётов и обследований. Примером специально организованного статистического
Точность наблюдения и контроль данных наблюдения
Всякое статистическое наблюдение ставит задачу получения таких данных, которые точнее бы отражали действительность. Отклонения, или разности между исчисленными показателями и действительными (истин
Абсолютные и относительные величины
Для характеристики массовых явлений статистика использует статистические величины (показатели). Они подразделяются на абсолютные, относительные и
Каждая выделенная группа характеризуется СРЕДНЕЙ величиной (величинами) результативного признака
Таблица 3.2.3.
Аналитическая группировка зависимости кредитных вложений и прибыли банков
Номер
группы
Группы банков по величине кредитных вло
По объему кредитных вложений
Для построения интервального вариационного ряда, характеризующего распределение банков по объему кредитных вложений, необходимо вычислить величину и границы интервалов ряда.
Статистическим рядом распределения называют упорядоченное распределение единиц совокупности на группы по изучаемому признаку
В зависимости от вида признака, рассматриваемого как группировочный ряды могут быть вариационными (количественными) и атрибутивными (качественными).
Табличное и графическое представление статистических данных
Статистические таблицы – своего рода статистическое предложение, которое состоит из статистического подлежащего и статистического сказуемого.
Статистические таблицы - э
Или 15 16 17
4.отсутствие данных может быть обусловлено различными причинами и это по-разному должно отражаться в таблицах:
а) если данный признак вообще не подлежит заполнению, то ста
Графическое представление статистических данных
Применение графиков в статистике насчитывает более чем двухсотлетнюю историю. Основоположником графического метода в статистике коммерческой деятельности считают английского экономиста У. Плейфейра
Полигон распределения частот
На основе данных табл. 3.4.3. построим полигон частот
Таблица 3.4.3.
Распределение размеров обуви у мужчин-респондентов опроса
№ размера
Число
Гистограммы
Для изображения интервального ряда распределения используется гистограмма. При ее построении на оси абсцисс откладываются величины интервалов (
Кумулята
Для изображения рядов распределения используется кумулятивная кривая (кривая сумм). При построении кумуляты интервального вариационного ряда по оси абсцисс откладываются варианты ряда (
Сущность средних величин. Две формы средних величин
Средняя величина – показатель, который дает обобщающую характеристику варьирующего признака однородной совокупности.
Свойства средней величины:
1. Средняя характеризует всю совок
Средняя гармоническая
Гармоника – подобие, созвучие, средняя гармоническая близка к средней арифметической величине
Средняя гармоническая используется в случаях, когда статистическая информация
Понятие вариации. Основные показатели вариации
Вариация – это различия в индивидуальных значениях признака у единиц изучаемой совокупности.
Необходимость изучения вариации связана с тем, что
Прочих, неучтенных факторов
Этот показатель вычисляется по формуле, (5.2.1.)
где yi
Объема кредитных вложений (наш факторный признак - х)
Показатель вычисляется по формуле
Прочих, неучтенных факторов
(5.2.9.)
Средняя из внутригрупповых дисперсий (
Кривая имеет форму колокола
2. Так как функция нормального распределения – чётная, то есть f(-t)=f(t), то кривая нормального распределения симметрична относительно максимальной ординаты, равной
Следовательно ассиметрия левосторонняя
Наиболее точный коэффициент асимметрии – коэффициент, рассчитанный с использованием центрального момента распределения третьего порядка.
Понятие о выборочном наблюдении и ошибках выборки
Выборочным называется такое несплошное наблюдение, при котором признаки регистрируются у отдельных единиц изучаемой статистической совокупности, отобранных с использ
Средняя и предельная ошибки выборки
Применение выборочного метода наблюдения всегда связано с установлением степени достоверности оценок показателей генеральной совокупности, полученных на основе значений пока
Определение ошибки выборки для среднего объема кредитных вложений банков и границ, в которых будет находиться генеральная средняя
По условию сквозной задачи выборочная совокупность насчитывает 30 банков, выборка 20% механическая, следовательно, генеральная совокупность включает (______?)=________? банков.
Доля единиц выборочной совокупности, обладающих тем или иным заданным свойством, выражается формулой
, (6.3.4.)
где m – число единиц совокупности, обладающих з
Определение необходимого объема выборки с заданным значением допустимой предельной ошибки выборки, равной 10 млн. руб
Для собственно-случайной и механической выборки с бесповторным способом отбора необходимый объем выборки для средней количественного признака вычисляется по формуле:
Понятие о корреляционной связи. Виды и формы корреляционных связей
Среди многих форм связей, имеющих количественный характер и изучаемых количественными методами, особое место занимают факторные связи, для исследований которых применяются методы кор
Функциональные связи
Связь результативного признака Y с факторным признаком X называется функциональной, если каждому возможному значению xi признака X
Если в модели учитывается зависимость признака Y от ряда факторов, то модель имеет вид
(7.1.5.)
Характерной особенностью стохастических связей является
Визуально можно предположить существование корреляционной связи
3. Корреляционная таблица представляет собой комбинацию двух рядов распределения. Строки таблицы соответствуют группировке единиц совокупности по факторному признаку
Метод аналитической группировки
При использовании метода аналитической группировки строится интервальный ряд распределения единиц совокупности по факторному признаку Х и для каждой j-ой группы ряда определяется среднегруп
Регрессионный метод анализа взаимосвязи
Линию, сглаживающую эмпирическую ломаную линию связи, называют теоретической линией регрессии Y на X или просто линией регрессии. Эта линия от
Способ выражения уровней ряда
Таблица 8.1.2
Число квартир, построенных предприятиями и организациями всех форм собственности и их средний размер в РФ
Показатели
Средние показатели в рядах динамики
В табл. 8.2.1. представлены данные, характеризующие динамику изменения уровней ряда за отдельные периоды времени. Для обобщающей оценки изменений уровней ряда за весь рассматриваемый период времени
Прогнозирование объемов реализации продукции с использованием среднего темпа роста
Прогнозирование уровня ряда динамики с использованием среднего темпа (коэффициента) роста осуществляется по следующей формуле:
Методы выявления сезонных колебаний
В ряде случаев закономерно повторяются различия в уровнях ряда в зависимости от времени года. Задача заключается в том, чтобы измерить такие различия, чтобы они были не случ
Методы анализа основной тенденции в рядах динамики
Тренд – основная достаточно устойчивая тенденция развития явления в ряду динамики, иначе говоря, плавное и устойчивое изменение уровней (у) во времени.
На т
Производство зерна в РФ, млн.тонн
Годы
t
производство, млн. тн
y
Сред-няя за 3 года
Сколь-зящая сумма за 5 лет,
Сколь-зящая средняя за 5 лет,
расче
Индивидуальные и общие индексы. Проблемы соизмерения индексируемых величин в агрегатных индексах
Индивидуальный индекс – характеризует динамику уровня изучаемого явления во времени за два сравниваемых периода или выражает соотношение отдельных элементов совокупности.
Формуле Пааше отдается предпочтение, когда индекс цен рассматривается в системе с индексом товарооборота и индексом физического объема
Пример 9.2.2.
Таблица 9.2.3.
Данные о реализации продукции в магазине «Звездочка»
Продукт
Ед. изм.
Базисный период
О
Индексы средние из индивидуальных
Средний индекс – это индекс, исчисленный как средняя величина из индивидуальных индексов.
Эти индексы применяются в тех случаях, когда в исходной информации нет данных
Индекс товарооборота есть произведение индекса цен (по Пааше) и физического объема
, проверим это:
Индексы постоянного и переменного состава. Индексы фиксированной структуры
При изучении качественных показателей часто приходится рассматривать изменение во времени (или пространстве) СРЕДНЕЙ величины индексиру
Индекс структурных сдвигов
Все рассмотренные выше индексы рассчитывались по нескольким товарам, реализуемым в одном месте. Рассмотрим теперь случай, когда ОДИН товар реализуется в нескольких местах.
Пример 9.5.1.
Практическое занятие
Задача 01
Рассчитать аналитические и средние показателигодовых изменений уровней ряда, сделать соответствующие выводы.
Таблица 1.
Объем реализации по изд
Средний темп прироста -
Годы (t)
Объем реализации, тыс. тонн.
Абсолютный прирост, тыс. тонн
Темп роста, %
Темп прироста, %
Абсолютное значе-н
Вариация - это несовпадение значений одной и той же статистической величины у разных объектов в силу особенностей их собственного развития, а также различия условий, в которых они находятся. Вариация имеет объективный характер и помогает познать сущность изучаемого явления. Если средняя величина сглаживает индивидуальные различия, то вариация, наоборот, их подчеркивает, устанавливая типичность или не типичность найденной средней величины для конкретной статистической совокупности. Тем самым можно делать вывод о качественности подобранных статистических данных.
Вариация измеряется с помощью относительных величин, называемых коэффициентами вариации и определяемых в виде отношения среднего отклонения к средней величине. Поскольку среднее отклонение может определяться линейным и квадратическим способами, то соответствующими могут быть и коэффициенты вариации. Следовательно, коэффициенты вариации надо определять по формулам
– линейный; (1.28)
– квадратический. (1.29) Значения коэффициента вариации изменяются от 0 до 1 и чем ближе он к нулю, тем типичнее найденная средняя величина для изучаемой статистической совокупности, а значит и качественнее подобраны статистические данные. При этом критериальным значением коэффициента вариации служит 1/3.
То есть средняя величина считается типичной для данной совокупности при λ 0,333 или при ν 0,333. В ином случае средняя величина не типична и требуется пересмотреть статистическую совокупность с целью включения в нее более объективных статистических величин.
Обычно квадратический коэффициент вариации несколько (примерно на 25%) больше линейного, рассчитанные по одним и тем же данным. А значит возможен случай, когда λ 0,333 и ν 0,333, тогда необходимо взять среднюю из этих коэффициентов и по ее значению сделать окончательный вывод о не/типичности найденной средней величины.
С помощью линейного коэффициента вариации принципиальный вывод о типичности или не типичности средней величины можно получить проще и быстрее, чем с помощью квадратического. Однако квадратический коэффициент применяется чаще, так как существует несколько способов для вычисления дисперсии.
У такого способа оценки вариации есть и существенный недостаток. Действительно, пусть, например, исходная совокупность рабочих, имеющих средний стаж 15 лет, со стандартным отклонением σ = 10 лет, «состарилась» еще на 15 лет. Теперь= 30 лет, а стандартное отклонение по-прежнему равно 10. Совокупность, ранее бывшая неоднородной (10/15*100 = 66,7%), со временем оказывается, таким образом, вполне однородной (10/30*100 = 33,3 %).
Поэтому возможен дополнительный анализ статистической совокупности с помощью коэффициента осцилляции , определяемого по формуле
где R - размах вариации в виде разности наибольшего и наименьшего значений в совокупности статистических величин. То есть
R = Хмах –Хmin, (1.31)
где Xмax и Xmin - максимальное и минимальное значения в совокупности.
При упорядочении статистических величин в совокупности образуются группировочные интервалы. Тогда под обозначением ∆Х понимается размах интервала, а среднее интервальное значение обозначается ХИ . В случае ориентировки только на квадратический коэффициент вариации могут применяться разные методы определения дисперсии.
представляет собой отношение среднего квадратического отклонения к среднему ожидаемому значению и показывает степень отклонения получаемых результатов.
V = -* 100%, Х
гдеV - коэффициент вариации, %;
G- среднее квадратическое отклонение;
X - среднее ожидаемое значение.
Так как коэффициент вариации - величина относительная, то на его размер не оказывают влияние абсолютные значения изучаемого показателя. С помощью коэффициента вариации можно сравнивать даже колебле-
мость признаков, выраженных в разных единицах измерения. Коэффициент вариации изменяется в пределах от 0 до 100%, при этом, значение коэффициента прямо пропорционально силе колеблемости. Установлена следующая качественная оценка различных коэффициентов вариации:
до 10% - слабая колеблемость;
10-25% - умеренная колеблемость;
свыше 25% - высокая колеблемость.
В качестве варианта может быть использован несколько упрощенный метод определения степени риска. Так как количественно риск характеризуется оценкой вероятной величины максимального и минимального результатов, то «чем больше диапазон между этими величинами при равной их вероятности, тем выше степень риска»1 . Тогда для расчета дисперсии можно использовать следующую формулу:
&2 = PMAX * (max - XУ + Pmin * (X - Xmin У,
2
гдеа2 - дисперсия;
Pmax - вероятность получения максимального результата;
Xmax - максимальная величина результата;
X - средняя ожидаемая величина результата;
Pmjn - вероятность получения минимального результата;
Xmjn - минимальная величина результата.
Полученные показатели следует учитывать в комплексе, так как использование отдельного критерия оценки риска не может служить основой принятия решения в пользу какой-либо стратегии.
В практике встречаются ситуации, когда отсутствует информация о вероятностях состояний среды, т.е. необходима оценка риска в условиях полной неопределенности - (2). В таких случаях для определения наилучших решений используются следующие критерии: максимакса, Вальда, Сэвиджа, Гурвица. Применение каждого из перечисленных критериев рассмотрим на примере матрицы выигрышей А (1) и матрицы рисков R (2).
Еще по теме Коэффициент вариации:
- ВАРИАЦИИ В СТРУКТУРЕ И СТРУКТУРНО-ОБУСЛОВЛЕННЫЕ ВАРИАЦИИ
- 1.2.10. Определение. Если существует производная функциив точке, то она называется первой вариацией функционала в точке при данной вариации аргумента, и обозначается:
