Статистика, часть 6. Условные обозначения

Содержание

Слайд 2

Условные обозначения

2*2=4

Быть или не быть?

Это самое важное, надо знать на 100%!!!

Это надо

Условные обозначения 2*2=4 Быть или не быть? Это самое важное, надо знать
решить и записать!!!

Слайд 3

Временные ряды


Временные ряды

Слайд 4

Временной ряд = ряд динамики

Это история в цифрах
Это ряд значений определенного показателя,

Временной ряд = ряд динамики Это история в цифрах Это ряд значений
расположенных в хронологическом порядке. Ряд динамики всегда состоит из 2-х элементов:
у – уровень динамического ряда = измерение = отсчёт - значение показателя в конкретный момент или период времени. Уровень ряда принято обозначать у;
t - момент или период времени, в котором зафиксировано значение показателя. Правильнее задавать номер периода

Слайд 5

Требования к показателям

Достоверны
Исчислены за одинаковые периоды времени или на одинаковые

Требования к показателям Достоверны Исчислены за одинаковые периоды времени или на одинаковые
даты;
Сопоставимы по содержанию = исчислены по единой методологии;
Приведены в одних и тех же единицах измерения.

Слайд 6

Виды рядов динамики Примеры = ?

Первоначальные
Интервальные (показатели за период)
Моментные (показатели на

Виды рядов динамики Примеры = ? Первоначальные Интервальные (показатели за период) Моментные
момент времени)
С равными промежутками времени
С неравными промежутками времени
Производные
Средние значения
Относительные базисные величины
Относительные цепные величины

Относительная величина = сравниваемая величина / базис [коэффициент, процент, промилле]

Слайд 7

Данные за год. Какой тип?

1. Численность населения (на конец года), млн. человек
2.

Данные за год. Какой тип? 1. Численность населения (на конец года), млн.
Среднегодовая численность занятых в экономике, тыс. человек
3. Среднедушевые денежные доходы населения в месяц, руб.
4. Валовой внутренний продукт, млрд. руб.
5. Основные фонды в экономике (по полной учетной стоимости; на конец года), млрд. руб.
6. Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам экономической деятельности, млрд. руб.:
6.1. добыча полезных ископаемых
6.2. обрабатывающие производства
6.3. производство и распределение электроэнергии, газа и воды
6.4. продукция сельского хозяйства млрд. руб.
7. Индекс потребительских цен (декабрь к декабрю предыдущего года), процентов

Слайд 8

Сопоставимость уровней ряда

по методике расчета показателей (если с течением времени методика расчета показателей

Сопоставимость уровней ряда по методике расчета показателей (если с течением времени методика
менялась, то анализировать их как единый временной ряд нельзя);
по территории, по которой рассчитывается показатель (к несопоставимости могут приводить изменения границ регионов, стран, организаций: объединение, дробление и т.п.);
по охвату единиц (при оценке масштабов деятельности малого бизнеса показатель может быть рассчитан только по малым предприятиям, а может включать и микропредприятия);

Слайд 9

Сопоставимость уровней ряда

по единицам измерения (все уровни ряда должны быть измерены в

Сопоставимость уровней ряда по единицам измерения (все уровни ряда должны быть измерены
одних единицах измерения);
по периоду времени (ряды должны быть полными)
Полный ряд = ряд с одинаковыми интервалами
между моментами измерения
по моменту времени (например, все значения на конец года).

Слайд 10

Что изучается?

Показатели изменения уровней временных рядов.
Средние характеристики рядов динамики.
Основная тенденция изменения уровней

Что изучается? Показатели изменения уровней временных рядов. Средние характеристики рядов динамики. Основная
ряда, трендовая модель.
Автокорреляция уровней + авторегрессионная модель.
Цикличность, например, сезонность
Взаимосвязь между временными рядами, корреляция рядов динамики.
Прогнозирование на основе моделей временных рядов.

Слайд 11

Показатели изменения уровней ряда


Показатели изменения уровней ряда

Слайд 12

Цепные и базисные показатели

Цепные и базисные показатели

Слайд 13

Абсолютный прирост

цепной: Δц= yt-yt-1 ;
базисный: Δб= yt-y0 .
где
yt - значение уровня

Абсолютный прирост цепной: Δц= yt-yt-1 ; базисный: Δб= yt-y0 . где yt
ряда в момент (за период) t;
yt-1 - значение уровня ряда в предшествующий момент (период) времени;
y0 - значение уровня, выбранного за базу сравнения.
Показывает, отличие данного уровня ряда от предшествующего (базисного) уровня.
Измеряется в тех же единицах, что и исходные данные.

Слайд 14

Коэффициенты роста

цепной
базисный
Смысл?

 

 

Коэффициенты роста цепной базисный Смысл?

Слайд 15

Темп роста (!!!)

 

 

Темп роста (!!!)

Слайд 16

Темп прироста

Тпр = Тр - 100%
или
Тпр= (yt-yt-1)/yt-1 * 100%

Темп прироста Тпр = Тр - 100% или Тпр= (yt-yt-1)/yt-1 * 100%

Слайд 17

Пример

y0=1000
y1=1000
Темп роста = ?
Темп прироста = ?

Пример y0=1000 y1=1000 Темп роста = ? Темп прироста = ?

Слайд 18

Средние характеристики рядов


Средние характеристики рядов

Слайд 19

Средние значения рядов

Интервальные ряды
Среднее арифметическое
Моментные ряды
Среднее хронологическое

Средние значения рядов Интервальные ряды Среднее арифметическое Моментные ряды Среднее хронологическое

Слайд 20

Ряд средних значений

Производный ряд

Ряд средних значений Производный ряд

Слайд 21

Средний абсолютный прирост

Средний абсолютный прирост

Слайд 22

Средний темп роста

Средний темп роста

Слайд 23

Интерпретация

Обязательно должно быть указание на период времени!
Примеры:
за последние семь лет ежегодный прирост

Интерпретация Обязательно должно быть указание на период времени! Примеры: за последние семь
объема продаж в среднем составлял 10%;
в текущем году ежемесячно уровень безработицы снижался в среднем на 0,5% .

Слайд 24

Средний темп роста, пример

оплата 0.0.24 = ?

Средний темп роста, пример оплата 0.0.24 = ?

Слайд 25

Компоненты временного ряда

Уровни временных рядов

Стабильные факторы формируют тренд = основную тенденцию =

Компоненты временного ряда Уровни временных рядов Стабильные факторы формируют тренд = основную
основное направление изменения и его характер
Циклические факторы влияют на уровни периодически

Циклы Китчина, 2…3 года

Волны Кондратьева, 50…60 лет

Ритмы Кузнецова, 15…20 лет

Циклы Жюгляра, 6…13 лет

Сезонные колебания

Случайные колебания – не поддаются изучению в рамках статистики

Слайд 26

Компоненты временного ряда


Уровень ряда может быть представлен как функция четырех компонент:
y=f

Компоненты временного ряда Уровень ряда может быть представлен как функция четырех компонент:
(T,S,C,E)
где T – трендовая компонента;
S – сезонная компонента;
C – циклическая компонента;
E – случайная компонента.

Слайд 27

Примеры графического отображения рядов с разной структурой


Примеры графического отображения рядов с разной структурой

Слайд 31

Выравнивание рядов

Цель — устранить влияние случайных факторов и выявить тенденцию = тренд

Выравнивание рядов Цель — устранить влияние случайных факторов и выявить тенденцию = тренд

Слайд 32

Выравнивание методом скользящих средних

Исходный ряд;
Среднее по 3 точкам;
Среднее по 7 точкам
Сколько точек

Выравнивание методом скользящих средних Исходный ряд; Среднее по 3 точкам; Среднее по
у сглаженного ряда?

Слайд 33

Аналитическое выравнивание

Это описание формы тренда = уравнение (модель) тренда.
Уравнение тренда –

Аналитическое выравнивание Это описание формы тренда = уравнение (модель) тренда. Уравнение тренда
это уравнение парной регрессии, фактор - время t.
Переменная t задается простой последовательностью чисел от 1 до n.
Линейный тренд:
y=a0+a1×t
где y –среднее значение уровней временного ряда; a0 и a1 – параметры уравнения тренда; t – время (независимая переменная, фактор)

Слайд 34

Применимость аналитического выравнивания


Применимость аналитического выравнивания

Слайд 35

Стационарность

Модель можно строить только для стационарного ряда!
Стохастический процесс называется стационарным, если его основные

Стационарность Модель можно строить только для стационарного ряда! Стохастический процесс называется стационарным,
свойства остаются неизменными во времени:
среднее = ?
дисперсия = ?
автокорреляция = ?

Слайд 36

Периодизация временных рядов

Периодизация – это деление ряда на периоды, различающиеся направленностью тенденций

Периодизация временных рядов Периодизация – это деление ряда на периоды, различающиеся направленностью
или интенсивностью изменения уровней ряда.
Обосновать необходимость периодизации временного ряда можно на основе оценки существенности различия дисперсий и средних значений уровней по выделяемым отрезкам ряда.
(См. Трамп)

Слайд 37

Периодизация = ?

Периодизация = ?

Слайд 38

Оценка существенности различия средних по двум отрезкам

Оценка существенности различия средних по двум отрезкам

Слайд 39

Оценка существенности различия средних по двум отрезкам

Если есть тренд, то должно иметься

Оценка существенности различия средних по двум отрезкам Если есть тренд, то должно
существенное различие между средними величинами и дисперсиями двух отрезков временного ряда.
Оценка существенности различий средних значений осуществляется на основе t-статистики: Как это сделать?

Слайд 40

Автокорреляция


Автокорреляция — статистическая взаимосвязь между последовательностями величин одного динамического ряда, взятыми со

Автокорреляция Автокорреляция — статистическая взаимосвязь между последовательностями величин одного динамического ряда, взятыми со сдвигом по времени.
сдвигом по времени.

Слайд 41

Автокорреляция график со сдвигом на 12 периодов

Автокорреляция график со сдвигом на 12 периодов

Слайд 42

Автокорреляционная функция

Автокорреляционная функция  —
зависимость взаимосвязи между функцией (сигналом) и ее

Автокорреляционная функция Автокорреляционная функция — зависимость взаимосвязи между функцией (сигналом) и ее
сдвинутой копией от величины временного сдвига (лага).

«Феноменальная сезонность»(?)

Слайд 43

Оценка наличия тренда

Для оценки наличия тренда может быть использован анализ автокорреляционной

Оценка наличия тренда Для оценки наличия тренда может быть использован анализ автокорреляционной
функции.
Если коэффициент автокорреляции первого порядка (лаг =1) статистически значим и автокорреляционная функция медленно убывает, то это говорит о присутствии тренда.

r – коэффициент автокорреляции, лаг = 1.
σr – стандартная ошибка коэффициента автокорреляции
n – число измерений ряда

Слайд 44

Оценка наличия тренда

Разгон автомобиля, измерения каждые 1/10 секунды
Автокорреляция с лагом 1 =

Оценка наличия тренда Разгон автомобиля, измерения каждые 1/10 секунды Автокорреляция с лагом 1 = ?
?

Слайд 45

Автокорреляционная функция

Авто-корре-ляция

Белый шум?

Corr. p

Автокорреляционная функция Авто-корре-ляция Белый шум? Corr. p

Слайд 46

Выбор вида уравнения тренда


Выбор вида уравнения тренда

Слайд 47

Примеры уравнений тренда

Полином к-й степени:
Показательная
функция:
Гипербола:
Логистические кривые (Перла-Рида, Гомперца, другие S-образные кривые)

Примеры уравнений тренда Полином к-й степени: Показательная функция: Гипербола: Логистические кривые (Перла-Рида, Гомперца, другие S-образные кривые)

Слайд 48

Примеры уравнений тренда

Примеры уравнений тренда

Слайд 49

Способы выбора

Графическое представление ряда (видно на глаз)
Метод последовательных разниц (Абсолютные приросты примерно

Способы выбора Графическое представление ряда (видно на глаз) Метод последовательных разниц (Абсолютные
одинаковы => линейный тренд).
Формализованный подход (рассчитываем несколько вариантов, смотрим, который «лучше»)

Слайд 50

Графическое представление

Графическое представление

Слайд 51

Основной формальный критерий

Минимизация суммы квадратов отклонений фактических значений уровней от значений, полученных

Основной формальный критерий Минимизация суммы квадратов отклонений фактических значений уровней от значений,
по уравнению тренда:

где – фактический уровень ряда периода t;
– теоретический уровень ряда периода t , полученный на основе уравнения тренда.
См. выше – как построили кривые?

Слайд 52

Другие критерии

Максимальное значение критерия Фишера:
Максимальное значение коэффициента детерминации:
Минимальное значение остаточной

Другие критерии Максимальное значение критерия Фишера: Максимальное значение коэффициента детерминации: Минимальное значение остаточной дисперсии.
дисперсии.

Слайд 53

Другие критерии

Минимальное значение среднеквадратической ошибки уравнения тренда:
Минимальное значение средней ошибки аппроксимации:

Другие критерии Минимальное значение среднеквадратической ошибки уравнения тренда: Минимальное значение средней ошибки аппроксимации:

Слайд 54

Оценка результатов


Оценка результатов

Слайд 55

Оценка качества уравнения тренда

Компьютеру задаются:
исходные данные – значения ряда
вид уравнения
Компьютер рассчитывает:
параметры

Оценка качества уравнения тренда Компьютеру задаются: исходные данные – значения ряда вид
уравнения тренда
статистическую значимость параметров уравнения тренда (t-статистика)
статистическую значимость уравнения в целом (F-критерий)
Если значимость отсутствует, уравнение непригодно
И что тогда делать?

Слайд 56

Оценка автокорреляции в остатках

Остатки – разность между фактическими значениями уровней ряда

Оценка автокорреляции в остатках Остатки – разность между фактическими значениями уровней ряда
и значениями, полученными по уравнению регрессии.
Автокорреляция остатков – это зависимость остатков периода t от остатков предшествующего периода (t-i).
Если автокорреляция в остатках значима, то не все закономерности учтены моделью
Должен остаться белый шум

Прогноз похож на правду?

Слайд 57

Прогнозирование методом экстраполяции


Прогнозирование методом экстраполяции

Слайд 58

Роль прогнозирования

Роль прогнозирования

Слайд 59

Экстраполяция = прогнозирование

Экстраполяция - это продление в будущее тенденции, сложившейся в

Экстраполяция = прогнозирование Экстраполяция - это продление в будущее тенденции, сложившейся в прошлом.
прошлом.

Слайд 60

Экстраполяция

Нью-Йорк 1887

Экстраполяция Нью-Йорк 1887

Слайд 61

Прогноз будущего в начале XXI века

Прогноз будущего в начале XXI века

Слайд 62

Прогноз будущего в начале XX века

Прогноз будущего в начале XX века

Слайд 63

Прогноз будущего в начале XX века

Прогноз будущего в начале XX века

Слайд 64

Условия экстраполяции

Отсутствует значимая автокорреляция в остатках;
Параметры уравнения тренда статистически значимы;

Условия экстраполяции Отсутствует значимая автокорреляция в остатках; Параметры уравнения тренда статистически значимы;
Уравнение тренда статистически значимо;
Действие факторов, сформировавших тенденцию (закономерность) развития, в будущем сохранится неизменным.

Слайд 65

Динамика коммерческого грузооборота в России (поквартально, млрд. т.-км.)

Динамика коммерческого грузооборота в России (поквартально, млрд. т.-км.)

Слайд 66

Уравнение тренда динамики коммерческого грузооборота

Уравнение тренда динамики коммерческого грузооборота

Слайд 67

Прогнозирование по выбранному уравнению регрессии


1. Делается точечный прогноз путем подстановки

Прогнозирование по выбранному уравнению регрессии 1. Делается точечный прогноз путем подстановки значения
значения порядкового номера периода, на который делается прогноз, в уравнение тренда.
2. Рассчитывается доверительный интервал прогноза с учетом ошибки оценивания.

Слайд 68

Точечный прогноз коммерческого грузооборота

=1202,83(млрд.тонно-км.)
Что еще требуется?

Точечный прогноз коммерческого грузооборота =1202,83(млрд.тонно-км.) Что еще требуется?

Слайд 69

Доверительный интервал прогноза

1202,83 - 2*22,051158,73достоверность 95%
(факт оказался =1167 млрд.тонно-км.)
Прогноз на

Доверительный интервал прогноза 1202,83 - 2*22,05 1158,73 достоверность 95% (факт оказался =1167
небольшой срок (1/10 длины ряда)

Слайд 70

Другие методы прогноза


Другие методы прогноза

Слайд 71

Методы погнозирования

Экстраполяция
Моделирование
Сценарии
Историческая аналогия
Экспертные оценки
«Адвокат дьявола»

Методы погнозирования Экстраполяция Моделирование Сценарии Историческая аналогия Экспертные оценки «Адвокат дьявола»

Слайд 72

Динамическая модель

Дифференциальные уравнения: величина зависит от скорости изменения другой величины или наоборот
(скорость

Динамическая модель Дифференциальные уравнения: величина зависит от скорости изменения другой величины или
убывания пищевых ресурсов зависит от численности населения)
В чем главный минус?

Слайд 73

Глобальное потепление

Глобальное потепление

Слайд 74

Метод сценариев

Метод сценариев

Слайд 75

Сценарии будущего

Сценарии будущего

Слайд 76

Сценарии будущего

Сценарии будущего

Слайд 77

Исторические аналогии

Выявляется сходство с другим объектом.
Допущение: основные события прошлых лет повторятся в

Исторические аналогии Выявляется сходство с другим объектом. Допущение: основные события прошлых лет
будущем, если факторы, их порождающие, сохранят свое значение.
Трудности
отличить истинную причину от мнимой
обеспечить репрезентативность наблюдений для отражения возможных ситуаций в будущем
Самолет «Илья Муромец» – 1913. Ремни безопасности в самолетах – 1930. Разница 17 лет.
Серийный ВАЗ – 1970. Ремни – 1975. Разница 5 лет.
Сапсан – 2009. Ремни = ?
Разницы: 17 лет, 5 лет, среднее: 11 лет. Это и есть прогноз разницы.
Ремень в Сапсане будет в 2020 году.

Слайд 78

Экспертные оценки

Форсайт – фактически, это мозговой штурм
Есть много приемов, например, Уолта Диснея
Метод

Экспертные оценки Форсайт – фактически, это мозговой штурм Есть много приемов, например,
Дельфи – достижение консенсуса (см Internet)

Слайд 79

Адвокат дьявола

Метод суда.
Делается прогноз.
Назначается адвокат, прокурор, судья, присяжные.
Идет процесс.
Рассматриваются все «за» и

Адвокат дьявола Метод суда. Делается прогноз. Назначается адвокат, прокурор, судья, присяжные. Идет
«против».
Откуда пошло название?

Слайд 80

Номинальный ВВП РФ

В текущих ценах

Номинальный ВВП РФ В текущих ценах

Слайд 81

Номинальный ВВП в USD на человека

Номинальный ВВП в USD на человека

Слайд 82

Реальный ВВП РФ

Реальный ВВП = Номинальный ВВП / Общий уровень цен

Реальный ВВП РФ Реальный ВВП = Номинальный ВВП / Общий уровень цен
Имя файла: Статистика,-часть-6.-Условные-обозначения.pptx
Количество просмотров: 46
Количество скачиваний: 0