Анализ статистических данных

Автор работы: Пользователь скрыл имя, 07 Ноября 2011 в 16:24, курсовая работа

Краткое описание

С переходом на рыночные условия хозяйствования изменились требования качеству подготовки экономистов, менеджеров и руководителей предприятий. Они в совершенстве должны владеть современным статистическим инструментарием анализа экономической информации, поскольку от этого в значительной степени зависит эффективность управления предприятием.
Статистические методы являются важной частью процесса управления.

Содержание работы

ВВЕДЕНИЕ
Построение ряда распределения
Расчёт выборочных параметров ряда распределения
Построение диаграммы накопленных частот и гистограммы выборки
Проверка основной гипотезы распределения
Построение функции распределения
Построение и анализ корреляционной функции ряда распределения
Линейная диаграмма исходного временного ряда
Статические показатели временного ряда
Проверка гипотезы о стационарности временного ряда
Сглаживание временного ряда методом скользящей средней
Аналитическое выравнивание временного ряда с помощью линейной функции
Экспоненциальное сглаживание временного ряда
Количественная оценка риска
Количественная оценка риска
ПРИЛОЖЕНИЕ
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАЫИЧЕСКИЙ СПИСОК

Содержимое работы - 1 файл

Курсовая (Автосохраненный).docx

— 703.83 Кб (Скачать файл)
0 0.000
1 0.001
2 0.003
3 0.009
4 0.019
5 0.039
6 0.071
7 0.121
8 0.191
9 0.282
10 0.389
11 0.506
12 0.622
13 0.728
14 0.817
15 0.885
16 0.932
16 0.963
17 0.981
18 0.991
19 0.996
20 0.998
21 0.999
22 0.999
23 0.999
24 0.999
25 0.999
26 0.999
27 0.999
28 0.999
28 0.999
29 0.999
30 0.999
31 0.999
32 0.999
33 0.999
34 0.999
35 0.999
 
 
 
 
 
 
 
 
 
 

      Примечание. В дальнейших расчётах, если не будет других указаний, необходимо пользоваться полученными в результате выравнивания уточнёнными выборочными значениями средней, среднеквадратического отклонения и дисперсии.  
 

7. Построение и анализ  корреляционной функции 
ряда распределения
 

Величина урожайности  для каждого года является случайной величиной. Значения , рассматриваемые в течение нескольких лет, образуют последовательность случайных величин (случайную функцию, или случайный процесс) . Между любыми двумя случайными величинами из этой последовательности может существовать связь. Для характеристики такой связи служит корреляционная функция .

      Предположим, что урожайность является стационарным и эргодическим случайным процессом. В этом случае, любая реализация урожайности достаточно большой  продолжительности может служить  опытным материалом для получения  её статистических характеристик.

Корреляционная  функция урожайности как стационарного  случайного процесса не зависит от положения первого из рассматриваемых  двух периодов времени. Она является функцией промежутка между ними, т.е. .

Среднее значение корреляционной функции  для каждого может быть получено с помощью формулы 

,                                     (7.1) 

где – оценка (среднее значение) корреляционной функции ;

     и   – центрированные случайные величины соответственно для периодов времени и , ;

        – длина рассматриваемого  интервала времени;

     год – величина шага;

     – число шагов ( );

     – выборочное среднее случайной  величины  ;

        – объём выборки. 

      В формуле (7.1) средняя величина корреляционной функции рассчитывается для каждого  значения в промежутке времени , так как функции и известны вместе только в этом интервале.

      Своё  максимальное значение корреляционная функция (7.1) принимает при   

 

          

,       (7.2) 

где – дисперсия случайной величины .

      Разделив  на своё максимальное значение , получим нормированную корреляционную функцию (коэффициент корреляции)  

.                                                  (7.3) 

      Формулой (7.1) рекомендуется пользоваться при  (где – интервал наблюдения случайной величины ).

      При более высоких значениях  расчётные величины получаются осреднением сравнительно небольшого числа данных. Поэтому их нельзя считать надёжными – погрешность оценки корреляционной функции по формуле (7.1) существенно возрастает.

   При некоторых  значения корреляционной функции могут оказаться отрицательными. Это указывает на то, что в структуре случайной функции наблюдается элемент периодичности.

   В данном случае для выравнивания эмпирических данных может быть выбрана теоретическая корреляционная функция вида 

,                                (7.4) 

где и – параметры, подлежащие подбору.  

         Определить величину и можно методом наименьших квадратов. Для этого задаются диапазоном изменения параметров. Затем для каждого значения одного из них, например , находят сумму квадратов отклонений  расчётных значений от значений, определённых по теоретической зависимости (7.4) 

.                             (7.5) 

   Величина  при заданном является функцией параметра . Для каждой совокупности значений рассчитывают . Искомыми будет та пара значений и , для которой выполняется условие 

min.                                                (7.6)       

   В курсовой работе выравнивание эмпирических значений нормированной корреляционной функции  выполняется с помощью компьютерной программы «Stat 2» (предоставляется преподавателем).

   Рекомендуется следующий порядок расчёта и  построения теоретической нормированной  корреляционной функции  .

   1. Определить отсутствующие данные об урожайности за какие-либо годы рассматриваемого периода, например методом линейной интерполяции. Метод предполагает, что отсутствующие значения урожайности лежат на прямой, соединяющей предыдущее и последующее известные значения урожайности.

   2. Произвести расчёт эмпирической корреляционной функции по формуле (7.1).

   Так, при   

                            =  

   При  

=    -4,47 

   При  

= 0,65

 

и т.д., пока не достигнет величин .  

  Результаты  расчёта занесите в табл. 7.1. 

  1. Определить  значения нормированной  эмпирической корреляционной функции согласно выражению (7.3) и также занесите в табл. 7.1.
  2. На рисунке  изобразить точки (не соединяя их между собой), соответствующие расчётным значениям нормированной эмпирической корреляционной функции (рис. 7.1).
  3. Провести выравнивание экспериментальных данных нормированной эмпирической корреляционной функции с помощью теоретической функции (7.4). Для этого необходимо воспользоваться компьютерной программой «Stat 2». В качестве исходных данных в программу введите то количество расчётных значений эмпирической корреляционной функции , которое удовлетворяет условию . Полученные в результате расчёта параметры и , а также значения аргумента и теоретической нормированной корреляционной функции занесите в табл. 7.2.
  4. На рисунке, где изображены точки эмпирической корреляционной функции , построить кривую корреляционной функции . Для этого изобразите рассчитанные с помощью вычислительной программы значения функции и соедините их плавной линией (см. рис. 7.1).
 

   Указание. Исследуйте поведение теоретической нормированной корреляционной функции . 
 
 

 
 

Таблица 7.1

 
Расчёт  эмпирической

корреляционной  функции

 
10,71 -4,47 0,65 -0,5
1 -0,42 0,06 -0,05
 
    Таблица 7.2
Расчёт  теоретической нормированной  корреляционной функции
-0.452 0.881 0.0 1.000
    0.1 1.042
    0.2 1.078
    0.3 1.105
    0.4 1.125
    0.5 1.134
    0.6 1.133
    0.7 1.119
    0.8 1.094
    0.9 1.054
    1.0 1.000
    1.1 0.931
    1.2 0.845
    1.3 0.743
    1.4 0.623
    1.5 0.486
    1.6 0.331
    1.7 0.157
    1.8 -0.034
    1.9 -0.243
    2.0 -0.469
    2.1 -0.712
    2.2 -0.971
    2.3 -1.244
    2.4 -1.530
    2.5 -1.828
    2.6 -2.135
    2.7 -2.449
    2.8 -2.768
    2.9 -3.089
    3.0 -3.408
    3.1 -3.723
    3.2 -4.029
    3.3 -4.323
    3.4 -4.600
    3.5 -4.856
    3.6 -5.087
    3.7 -5.288
    3.8 -5.453
    3.9 -5.578
    4.0 -5.658
    4.1 -5.687
    4.2 -5.661
    4.3 -5.574
    4.4 -5.421
    4.5 -5.199
    4.6 -4.902
    4.7 -4.527
    4.8 -4.071
    4.9 -3.529
    5.0 -2.900
    5.1 -2.181
    5.2 -1.372
    5.3 -0.473
    5.4 0.517
    5.5 1.594
    5.6 2.758
    5.7 4.003
    5.8 5.325
    5.9 6.717
    6.0 8.172
    6.1 9.681
    6.2 11.234
    6.3 12.818
    6.4 14.421
    6.5 16.028
    6.6 17.622
    6.7 19.186
    6.8 20.702
    6.9 22.149
    7.0 23.506
    7.1 24.750
    7.2 25.857
    7.3 26.805
    7.4 27.568
    7.5 28.119
    7.6 28.435
    7.7 28.489
    7.8 28.257
    7.9 27.712
    8.0 26.832
    8.1 25.593
    8.2 23.975
    8.3 21.958
    8.4 19.525
    8.5 16.661
    8.6 13.356
    8.7 9.601
    8.8 5.393
    8.9 0.731
    9.0 -4.380
    9.1 -9.929
    9.2 -15.902
    9.3 -22.276
    9.4 -29.025
    9.5 -36.116
    9.6 -43.506
    9.7 -51.150
    9.8 -58.993
    9.9 -66.973
    10.0 -75.021
         

Информация о работе Анализ статистических данных