2.5 Аппроксимация экспериментальной гистограммы распределения вероятности посредством типового закона распределения

Промышленное производство

Фактическое распределение Промышленного производства при визуальном предварительном сравнении не сильно отличается от нормального закона распределения. Это подтверждается еще и тем, что у фактического ряда разница между математическим ожиданием (100) и медианой (103) не существенна.

Добыча полезных ископаемых

Фактическое распределение Добычи полезных ископаемых при визуальном предварительном сравнении не сильно отличается от нормального закона распределения. Это подтверждается еще и тем, что у фактического ряда разница между математическим ожиданием (100,7) и медианой (101,25) не существенна.

Производство пищевых продуктов

Фактическое распределение Производства пищевых продуктов при визуальном предварительном сравнении не сильно отличается от нормального закона распределения. Это подтверждается еще и тем, что у фактического ряда разница между математическим ожиданием (100,34) и медианой (103,55) не существенна.

Текстильное и швейное производство

Фактическое распределение Текстильного и швейного производства при визуальном предварительном сравнении не сильно отличается от нормального закона распределения. Это подтверждается еще и тем, что у фактического ряда разница между математическим ожиданием (95,4) и медианой (100) не существенна.

Обработка древесины

Фактическое распределение Обработки древесины при визуальном предварительном сравнении не сильно отличается от нормального закона распределения. Это подтверждается еще и тем, что у фактического ряда разница между математическим ожиданием (98,31) и медианой (101,75) не существенна.

Химическое производство

Фактическое распределение Химического производства при визуальном предварительном сравнении не сильно отличается от нормального закона распределения. Это подтверждается еще и тем, что у фактического ряда разница между математическим ожиданием (101,02) и медианой (104,1) не существенна.

Проведя сравнение фактического распределения рядов всех параметров с нормальным распределением, можно сделать вывод о том, что все параметры пригодны для дальнейшего анализа.

3. Определение статистической взаимосвязи экономических параметров

В данном разделе будет проведен корреляционный и регрессионный анализ экономических параметров.

3.1 Корреляционный анализ

Чтобы определить статистическую взаимосвязь параметров нужно построить корреляционную матрицу и исследовать полученные взаимосвязи.

Чтобы правильно провести анализ корреляционной матрицы нужно знать свойства корреляционного момента:

1. Все коэффициенты безразмерны, это позволяет оценить степень статистической взаимосвязи между параметрами;

2. Для независимых случайных величин

3. Если , то из этого свойства не следует независимость случайных величин;

4. ;

5. Если , то это положительная связь, то есть с увеличением одной величины увеличивается другая;

6. Если , то это отрицательная связь, то есть с увеличением одной величины другая уменьшается.

	Промышленное производство	Добыча полезных ископаемых	Производство пищевых продуктов	Текстильное и швейное производство	Обработка древесины	Химическое производство
Промышленное производство	1
Добыча полезных ископаемых	0,902217465	1
Производство пищевых продуктов	0,917658052	0,893531811	1
Текстильное и швейное производство	0,890481733	0,777082603	0,885340677	1
Обработка древесины	0,943852646	0,80858628	0,830712775	0,866658222	1
Химическое производство	0,87630821	0,768142552	0,779795803	0,783365737	0,847652377	1

Проанализировав полученные данные можно говорить о том, что все связи между параметрами положительные, так как ни перед одним полученным коэффициентом корреляции нет знака минуса. Так же все связи сильные, так как .

Самая высокая взаимосвязь между параметрами «Промышленное производство» и «Обработка древесины», так как значение коэффициента корреляции самое большое .

Самая слабая связь между параметрами «Химическое производство» и «Добыча полезных ископаемых», так как коэффициент корреляции самый маленький Не смотря на это, эта связь является высокой, так как

Проанализировав коэффициенты корреляции, можно заметить мультиколлениарность всех параметров, что свидетельствует о невысоком качестве регрессионной модели, представленной в следующем разделе.