Инструмент анализа данных "Описательная статистика"

Чем больше характеристик распределения случайной величины нам известно, тем точнее мы можем судить об описываемых ею процессов. Инструмент "Описательная статистика" автоматически вычисляет наиболее широко используемые в практическом анализе характеристики распределений. При этом значения могут быть определены сразу для нескольких исследуемых переменных.

Определим параметры описательной статистики для перемен­ных V, Q, P, NCF, NPV. Для этого необходимо выполнить следующие шаги.

1. Выберите в главном меню тему "Сервис" пункт "Анализ данных". Результатом выполнения этих действий будет появление диалогового окна "Анализ дан­ных", содержащего список инструментов анализа.

2. Выберите из списка "Инструменты анализа" пункт "Описательная статистика" и нажмите кнопку "ОК". Результатом будет появление окна диалога инстру­мента "Описательная статистика".

3. Заполните поля диалогового окна, как показано на рис. 6.19 и нажмите кнопку "ОК".

Результатом выполнения указанных действий будет формирование отдельного листа, содер­жащего вычисленные характеристики описательной статистики для исследуемых перемен­ных. Выполнив операции форматирования, можно привести полученную ЭТ к более нагляд­ному виду (рис.20).

Рис. 19. Заполнение полей диалогового окна "Описательная статистика"

Рис. 20. Описательная статистика для исследуемых переменных

Многие из приведенных в данной ЭТ характеристик вам уже хорошо знакомы, а их значения уже определены с помощью соответствующих функций на листе "Результаты анализа". По­этому рассмотрим лишь те из них, которые не упоминались ранее.

Вторая строка ЭТ содержит значения стандартных ошибок  для средних величин распре­делений. Другими словами среднее или ожидаемое значение случайной величины М(Е) оп­ределено с погрешностью   .

Медиана – это значение случайной величины, которое делит площадь, ограниченную кри­вой распределения, пополам (т.е. середина численного ряда или интервала). Как и математи­че­ское ожидание, медиана является одной из характеристик центра распределения случай­ной величины. В симметричных рас­пределениях значение медианы должно быть равным или доста­точно близким к математическому ожиданию.

Как следует из полученных результатов, данное условие соблю­дается для исходных пере­менных V, Q, P (значения медиан ле­жат в диапазоне М(Е)   , т.е. – практически совпа­дают со средними). Однако для результатных переменных NCF, NPV зна­чения медиан ле­жат ниже средних, что наводит на мысль о пра­восторонней асимметричности их распре­делений.

Мода – наиболее вероятное значение случайной величины (наиболее часто встречающееся значение в интервале данных). Для симметричных распределений мода равна математиче­скому ожиданию. Иногда мода может отсутствовать. В данном случае ППП EXCEL вернул сообщение об ошибке. Таким образом, вычисление моды не представляется возможным.

Эксцесс характеризует остроконечность (положительное значение) или пологость (отрица­тельное значение) распределения по сравнению с нормальной кривой. Теоретически, эксцесс нормального распределения должен быть равен 0. Однако на практике для генеральных со­вокупностей больших объемов его малыми значениями можно пренебречь.

В рассматриваемом примере примерно одинаковый положительный эксцесс наблюдается у распределений переменных Q, NCF, NPV. Таким образом графики этих распределений будут чуть остроконечнее, по сравнению с нормальной кривой. Соответственно графики распре­делений для переменных V и Р будут чуть более пологими, по отношению к нормальному.

Асимметричность (коэффициент асимметрии или скоса – s) характеризует смещение рас­пределения относительно математического ожидания. При положительном значении коэф­фици­ента распределение скошено вправо, т.е. его более длинная часть лежит правее центра (математического ожидания) и обратно. Для нормального распределения коэффициент асимметрии равен 0. На практике, его малыми значениями можно пре­небречь.

В частности асимметрию распределений переменных V, Q, P в данном случае можно счи­тать несущественной, чего нельзя однако сказать о распределении величины NPV.

Осуществим оценку значимости коэффициента асимметрии для распределения NPV. Наибо­лее простым способом получения такой оценки является определение стандартной (средней квадратической) ошибки асимметрии, рассчитываемой по формуле:

(6)

где n – число значений случайной величины (в данном случае – 500).

Если отношение коэффициента асимметрии s к величине ошибки  _as меньше трех (т.е.: s / _as < 3), то асимметрия считается несущественной, а ее наличие объясняется воздействием случайных факторов. В противном случае асимметрия статистически значима и факт ее на­личия требует дополнительной интерпретации. Осуществим оценку значимости коэффици­ента асимметрии для рассматриваемого примера.

Введите в любую ячейку ЭТ формулу:

= 0,763 / КОРЕНЬ(6*499 / 501*503) (Результат: 7,06).

Поскольку отношение s / _as > 3, асимметрию следует считать существенной. Таким образом наше первоначальное предположение о правосторонней скошенности распределения NPV под­твердилась.

Для рассматриваемого примера наличие правосторонней асимметрии может считаться положительным моментом, так как это означает, что большая часть распределения ле­жит выше математического ожидания, т.е. большие значения NPV являются более веро­ятными.

Аналогичным способом можно осуществить проверку значимости величины эксцесса – е. Формула для расчета стандартной ошибки эксцесса имеет следующий вид:

(7)

где n – число значений случайной величины.

Если отношение e / _ex < 3, эксцесс считается незначительным и его величиной можно пре­небречь.

Вы можете включить проверку значимости показателей асимметрии и эксцесса в разрабо­танный шаблон, задав соответствующие формулы в листе "Результаты анализа". Для удобст­ва предварительно следует определить собственное имя для ячейки В10 листа "Имитация", например – "Кол_знач". Тогда формула проверки значимости коэффициента асимметрии для распределения NPV может быть задана следующим образом:

=СКОС(ЧСС)/КОРЕНЬ(6*(Кол_знач -1))/((Кол_знач+1)*(Кол_знач+ 3)).

Для вычисления коэффициента асимметрии в этой формуле использована статистическая функция СКОС(). Формула для про­верки значимости показателя эксцесса задается анало­гичным образом. Числителем этой формулы будет функция ЭКСЦЕСС(), а знаменателем соотношение (6.7), реализованное в средствами ППП EXCEL.

Оставшиеся показатели описательной статистики (рис. 20) представляют меньший интерес. Величина "Интервал" опреде­ляется как разность между максимальным и минимальным зна­чением случайной величины (численного ряда). Параметры "Счет" и "Сумма" пред­ставляют собой число значений в заданном интервале и их сумму соответственно.

Последняя характеристика "Уровень надежности" показывает величину доверительного интервала для математического ожидания согласно заданному уровню надежности или до­верия. По умолчанию уровень надежности принят равным 95%.

Для рассматриваемого примера это означает, что с вероятно­стью 0,95 (95%) величина математического ожидания NPV попадет в интервал 3412,14 - 224,88.

Вы можете указать другой уровень надежности, например – 98%, путем ввода соответст­вующего значения в поле "Уровень надежности" диалогового окна "Описательная статисти­ка". Следует отметить, что чем выше принятый уровень надежности, тем больше будет величина доверительного интер­вала для среднего.

Расчет доверительного интервала для среднего значения можно также осуществить с помо­щью специальной статистической функции ДОВЕРИТ() .

Дополнение "Анализ данных" содержит целый ряд других полезных инструментов, позво­ляющих быстро и эффективно осуществить требуемый вид обработки данных. Вместе с тем, большинство из них требует осмысленного применения и соответствующей подготовки пользователя в области математи­ческой статистики.

В заключении отметим, что имитационное моделирование позволяет учесть максимально возможное число факторов внешней среды для поддержки принятия управленческих реше­ний и является наиболее мощным средством анализа инвестиционных рисков. Необходи­мость его применения в отечественной финансовой практике обусловлена особенностями российского рынка, характеризующегося субъективизмом, зависимостью от внеэкономиче­ских факторов и высокой степенью неопределенности.

Результаты имитации могут быть дополнены вероятностным и статистическим анализом и в целом обеспечивают наиболее полной информацией о степени влияния ключевых факторов на ожидаемые результаты и возможных сценариях развития событий.