Страница 3, всего страниц: 4 1 2 3 4
Причина частого обращения именно к закону нормального распределения заключается в том, что в этом типе распределения отражается закономерность, возникающая при взаимодействии множества случайных факторов, ни один из которых не является преобладающим. Проверим гипотезу о нормальном законе распределения. Для этого воспользуемся критерием согласия Пирсона (хи-квадрат). Идея Пирсона заключается в расчете и последующей оценке размера отклонений фактических значений частоты появления признака по интервалам от их теоретических значений, т.е. значений, которые бы имели место в случае нормального распределения. Чем больше размер этих отклонений, тем меньше оснований считать распределение близким к нормальному. Результаты проверки гипотезы представлены в Приложении В. Т.к. значение Хи-квадрат расчетное (28,09) больше значения Хи-квадрат табличное (9,488), то гипотеза о нормальном характере распределения отклоняется. Этот результат не явился неожиданным, т.к. в социально-экономической статистике нормальное распределение практически вообще не встречается; однако сравнение с нормальным распределением важно для выяснения степени и характера отклонений от него фактического распределения. Проанализируем характер отклонений в параметрах распределения от нормального. Построим график распределения. Диаграмма 3.1 - График распределения Анализируя график и используя данные вариационного анализа, делаем вывод о том, что распределение островершинное, имеет место умеренная правосторонняя асимметрия. 4. Корреляционный анализ Следующим пунктом статистического исследования является проведение корреляционного анализа , задачей которого является оценка тесноты связи между признаками. Прежде всего, выделим признаки, наличие связи с которыми мы будем проверять: ШЧисленность учащихся государственных дневных общеобразовательных учреждений (на начало учебного года 2001/02), тысяч человек; ШСтроительство жилых домов в 1 полугодии 2002г., тыс. кв. м общей площади. (Значения этих показателей по регионам представлены в Приложении Г). Корреляционный анализ будем проводить в 4 этапа: 1) Построим корреляционную решетку (аналитическую группировку единиц совокупности по двум признакам, между которыми оценивается связь). 2) Построим поле корреляции (Графическое изображение связи между переменными, множество точек, координатами которых являются пары значений признаков по всем единицам совокупности) 3) Рассчитаем показатели корреляции : коэффициент Фехнера (очень приближенный показатель (не учитывает величину отклонений индивидуальных значений признака от его средней величины), но по его значению можно сделать первые выводы о наличии или отсутствии связи) и эмпирическое корреляционное отношение (оценивает тесноту связи с высокой точностью и подходит для любых зависимостей). 4) Произведем анализ и оценку наличия, направления и тесноты корреляционной связи. Численность населения в возрасте моложе трудоспособного на 1.01.2002 г., чел. (X) и численность учащихся государственных дневных общеобразовательных учреждений (на начало учебного года 2001/02), тыс. чел. (Y). 1) Исключим из совокупности г. Москву и Московскую обл. как регионы, характеризующиеся аномальными значениями признака Y.
| Y X | Менее 100 | 100-200 | 200-300 | 300-400 | 400-500 | 500-600 | 600- 700 | Менее 180000 | 15 | 8 | - | - | - | - | - | 180000-360000 | - | 26 | 5 | - | - | - | - | 360000-540000 | - | | 1 | 8 | - | - | - | 540000-720000 | - | - | - | 2 | 7 | 1 | - | 720000-900000 | - | - | - | - | - | 3 | 1 | 900000-1080000 | - | - | - | - | - | - | 1 |
2) 3) Коэффициент Фехнера = 1,0 (Расчеты представлены в Приложении Д). Эмпирическое корреляционное отношение = 0,97 (Расчеты представлены в Приложении Е). 4) По расположению и концентрации единиц на поле корреляционной решетки можно с уверенностью предположить наличие прямой тесной связи между двумя данными признаками. Анализируя график, оцениваем, что характер распределения точек на координатном поле подтверждает предположения о наличии прямой тесной связи между данными признаками. Т.к. полученные значения коэффициентов корреляции превышают пороговые значения (0,5 для коэффициента Фехнера и 0,7 для ЭКО), то можно сделать окончательный вывод о том, что данные показатели связаны тесно (связь линейная). Следовательно, можно построить уравнение регрессии и иметь возможность прогнозировать значения признака-результата. Численность населения в возрасте моложе трудоспособного на 1.01.2002 г., чел. (X) и строительство жилых домов в 1 полугодии 2002г., тыс. кв. м общей площади (Y). 1) Исключим из совокупности г. Москву и Московскую обл. как регионы, характеризующиеся аномальными значениями признака Y.
Y X | Менее 60 | 60-120 | 120-180 | 180-240 | 240-300 | 300-360 | Более 360 | Менее 180000 | 21 | 1 | - | - | - | - | - | 180000-360000 | 17 | 9 | 2 | 2 | - | - | - | 360000-540000 | - | 4 | 2 | 1 | 2 | - | - | 540000-720000 | 1 | 3 | 3 | 1 | 1 | 1 | - | 720000-900000 | - | - | 1 | 1 | - | 1 | 1 | 900000-1080000 | - | - | - | - | - | - | 1 |
2) 3) Коэффициент Фехнера = 0,71 (Расчеты представлены в Приложении Ж). Эмпирическое корреляционное отношение = 0,63 (Расчеты представлены в Приложении З). 4) По расположению и концентрации единиц на поле корреляционной решетки сделать предположение о наличии слабой связи между двумя данными признаками. Это предположение подтверждает и анализ графика.
Страница 3, всего страниц: 4 1 2 3 4
Статистическая обработка и статистический анализ данных. Реферат: [База экономических рефератов], 19.03.2006.
|