Степенные средние.

В иды степенных средних величин:

1. Простые.

2 . Взвешенные.

Среднее гармоническое (K= -1)

1 .Простое:

2 . Взвешенное:

Применяется для оценки средних затрат труда, времени, материалов на единицу продукции.

Среднее геометрическое (K= 0)

1. П ростое:

2. В звешенное:

Применяется для интегрального сравнения объектов, оценки роста инфляции…

Среднее квадратическое (К=2)

1. Простое:

2. В звешенное:

Используется для исчисления среднего квадратического отклонения.

С реднее кубическое (К=3)

1. Простое:

2. В звешенное:

18. Правило мажорантности средних.

Для вычисления средней:

• Необходима качественная однородность совокупности, по которой исчислена средняя;

• Требуется исключение влияния на исчисление средней случайных, сугубо индивидуальных причин и факторов;

• Нужно установить определяющий показатель (свойство), на который она должна быть ориентирована: суммы значений осредняемого признака, суммы его обратных значений, произведения его значений и т.п.

19. Содержание

    • Что такое статистика. Предмет. Цели. Составные части.
    • Классификация признаков.
    • Абсолютные и относительные показатели.
    • Способы формирования выборок.
    • План статистического наблюдения.
    • Виды статистического наблюдения:
    • Степенные средние.
    • 5 Базовых показателей вариационного ряда.
    • Мода и медиана.
    • Квартили и квинтили.
    • Децили и перцентили.
    • Основные показатели изменчивости.
    • Простое и взвешенное стандартное отклонение (для выборки и гс).
    • Дисперсия.
    • Относительные показатели изменчивости
    • Основные параметры нормального распределения.
    • Асимметрия.
    • Эксцесс.
    • Классификация гипотез.
    • Понятие и классификация критериев проверки гипотез.
    • Критерий Розенбаума.
    • Правила ранжирования
    • Алгоритм 4 Подсчет критерия u Манна-Уитни.
    • Критерий χ2 Пирсона.
    • Корреляция: цели, виды.
    • Надежность коэффициента корреляции.
    • Регрессия: цели, виды
    • Регрессия: ошибка выбранной математической модели.
    • Множественная регрессия.
    • Факторный анализ: цели, этапы
    • 1 Этап: Построение матрицы попарных корреляций
    • Кластерный анализ: цели, Евклидово расстояние.
    • Кластерный анализ: методы объединения объектов.
    • Кластерный анализ: стандартизация.
    • Основные характеристики кластеров.
    • Дисперсионный анализ: цели, классификация.
    • Однофакторый дисперсионный анализ: основные формулы, область применения.