19. Виды и способы отбора единиц наблюдения.

1. Собственно-случайная выборка (заключается в отборе единиц из генеральной совокупности в целом, без разделения ее на группы, подгруппы или серии отдельных единиц. При этом единицы отбираются в случайном порядке, не зависящем ни от последовательности расположения единиц в совокупности, ни от значений их признаков).

2. Механическая выборка (может быть применена в тех случаях, когда генеральная совокупность каким-либо образом упорядочена, т.е. имеется определенная последовательность в расположении единиц).

3. Серийная выборка (удобен в тех случаях, когда единицы генеральной совокупности изначально объединены в небольшие более или менее равновеликие группы или серии. В качестве таких серий могут выступать упаковки с определенным количеством готовой продукции, партии товара, студенческие группы, бригады и другие подобные объединения).

4. Типическая выборка (целесообразно использовать в тех случаях, когда все единицы генеральной совокупности объединены в несколько крупных типических групп. Такие группы также называют стратами или слоями, в связи с чем типический отбор также называют стратифицированным или расслоенным. При обследованиях населения в качестве типических групп могут быть выбраны области, районы, социальные, возрастные или образовательные группы, при обследовании предприятий – отрасли или подотрасли, формы собственности и т.п.).

5. Комбинированная выборка (комплексное использование нескольких видов выборки).

6. Малая выборка (выборочное наблюдение, численность единиц которого не превышает 30).

20. Виды ошибок выборки.

Ошибка выборки – абсолютная величина разности между величиной параметра в выборочной и генеральной совокупности:

- для средней:

- для доли:

Средняя ошибка выборки представляет собой среднеквадратическое отклонение возможных значений генеральной средней (доли) и зависит от численности выборки, вариации признака в генеральной совокупности (генеральной дисперсии) и способа отбора µ

Формулы расчета µ:

Способ отбора	Для средней	Для доли
Собственно случайный повторный
Случайный и механический бесповторный
Типический бесповторный
Серийный бесповторный равновеликими сериями

21. Определение предельной ошибки выборки. Определение необходимой численности выборки.

Предельная ошибка выборки: , где t – коэффициент доверия.

Повторная: ,

Бесповторная: ,

Определение необходимого объема случайной выборки:

Заданы значения:

Повторная:

Бесповторная:

22. Задачи, решаемые с помощью корреляционно-регрессионного анализа.

Методы корреляционного анализа позволяют решать следующие задачи.

1. С помощью парного коэффициента корреляции (или просто коэффициента корреляции) – определять силу или тесноту линейной связи между факторами x_i и x_k. В краткой форме коэффициент корреляции обозначается r_xy (подразумевается, что вместо х и у могут указываться любые факторы).

2. Для многофакторной зависимости с помощью множественного коэффициента корреляции - определять силу линейной связи между результативной переменной у и всеми факторными переменными х₁,…,х_m одновременно. С помощью частного коэффициента корреляции охарактеризовать тесноту «чистой» связи между у и одной любой факторной переменной, исключив влияние на связь всех остальных факторов. При наличии только двух факторов x₁ и x₂ частный коэффициент корреляции, например между у и x₁, обозначается .

3. Построить уравнение регрессии, то есть определить его a_i коэффициент и с помощью множественного коэффициента корреляции оценить качество построенного уравнения (найденной регрессии).

4. В ряде случаев – найти аналитическое выражение для нелинейной функции уравнения регрессии и оценить его качество с помощью корреляционного отношения.

5. Методами непараметрического корреляционного анализа – установить степень связи (взаимозависимости) значений показателей, среди которых имеются качественные, и в том числе альтернативные признаки.

Все это позволяет определить факторы, в наибольшей степени влияющие на исследуемую зависимую переменную, исключить из рассмотрения малозначащие факторы, использовать уравнение регрессии для прогнозирования.

23. Определение параметров уравнения регрессии.

Уравнение регрессии: .

,

24. Показатели тесноты связи между количественными признаками (линейный коэффициент корреляции, коэффициент корреляции знаков Фехнера, коэффициент корреляции рангов Спирмена, теоретическое корреляционное отношение).

Линейный коэффициент корреляции: ,

Коэффициент корреляции знаков Фехнера: ,

Коэффициент корреляции рангов Спирмена:

Теоретическое корреляционное отношение: ,

25. Анализ зависимости между двумя альтернативными признаками.

В случае, когда мы имеем 2 варианта значений факторного признака и 2 варианта значений результативного признака, оценка тесноты связи проводится с помощью:

1. Коэффициента контингенции Пирсона:

2. Коэффициента ассоциации Юма:

26. Виды рядов динамики. Уметь приводить примеры.

Ряд динамики характеризует изменение значения статистического показателя во времени. В зависимости от качественных особенностей изучаемого показателя ряды динамики подразделяют на ряды абсолютных, относительных и средних величин. По признаку времени различают моментные и интервальные ряды динамики.

В моментном ряду динамики представлены значения статистического показателя по состоянию на определенные последовательные моменты времени (например, на начало каждого года, квартала, месяца). Интервальный ряд динамики – значения статистического показателя, относящиеся к последовательным периодам времени (к ряду лет, кварталов, месяцев).

Моментный ряд:

Дата	1.01	1.02	1.03
Численность персонала	348	380	421

Интервальный ряд:

Год	2001	2002	2003
Нефть, т	348	380	421