Федеральное агентство по образованию

ГОУ ВПО

                                           «Уральский государственный

горный университет» 

Кафедра экономики и менеджмента 

                                                       КУРСОВАЯ РАБОТА

По дисциплине «Статистика»

на тему: 

                                          «Обработка статистических данных» 
 
 

Проверил: ст. пр. Юркова Е. И

                                                                                  Выполнила:Можаровская К.О

Группа: ЭУП-09-2 
 

                                 

Екатеринбур

2011 
 

Содержание 

Введение 3

1. Теоретическая часть 4

1.1. Метод корреляционно – регрессионного анализа. 4

1.2 Аналитическая группировка. Структурные средние 6

1.3 Ряды динамики 8

1.4 Показатели вариации. 11

2. Практическая часть 15

2.1 Аналитическая группировка. Структурные средние. 16

2.2 Динамика основных показателей 20

2.3 Рассчитать показатели вариации 23

2.4 Распределение затрат на постоянные и переменные, методом корреляционно-регрессионного анализа 25

Заключение 28

Список использованной литературы 29 
 
 
 
 
 

                                                 
 

Введение 

Статистика — это точная наука, изучающая методы сбора, анализа и обработки данных, которые описывают массовые действия, явления и процессы. Данные, изучаемые в статистике, затрагивают не отдельные объекты, а их совокупности. Главным методом сбора данных для статистики является полное обследование объектов, имеющих отношение к изучаемой проблеме.   Обработка статистических данных  уже давно  применяется в  самых разнообразных видах человеческой деятельности. Вообще говоря, трудно назвать ту сферу, в которой она бы не использовалась. Но, пожалуй, ни в одной области знаний и практической деятельности обработка статистических данных  не играет такой исключительно большой роли, как в экономике, имеющей дело с обработкой и анализом огромных массивов информации о социально-экономических явлениях и процессах. Всесторонний и глубокий анализ этой информации, так называемых статистических данных, предполагает использование различных специальных методов, важное место среди которых занимает корреляционный и регрессионный анализы обработки статистических данных.

Цель курсовой работы – освоить инструменты статистики для дальнейшего применения в решении управленческих задач. Можно выделить следующие задачи данного курсового проекта: - приобрести навыки работы с большими массивами данных и навыки представления данных статистического наблюдения в виде, удобном для восприятия, анализа и принятия решений; - освоить методы выполнения оценок параметров больших множеств по данным выборочного наблюдения; - развить аналитические навыки в ходе применения вариационного и корреляционного методов и интерпретации полученных результатов.

Теоретическая часть

1.1. Метод корреляционно – регрессионного анализа.

    Корреляционный  анализ является одним из методов  статистического анализа взаимосвязи  нескольких признаков.

    Он  определяется как метод, применяемый  тогда, когда данные наблюдения можно  считать случайными и выбранными из генеральной совокупности, распределенной по многомерному нормальному закону. Основная задача корреляционного анализа (являющаяся основной и в регрессионном  анализе) состоит в оценке уравнения  регрессии.

      Корреляция – это статистическая  зависимость между случайными  величинами, не имеющими строго  функционального характера, при  которой изменение одной из  случайных величин приводит к  изменению математического ожидания  другой.

    Корреляционный  анализ - метод установления связи и измерения ее тесноты между наблюдениями. Корреляционная связь проявляется в среднем для массовых наблюдений, когда заданным значениям зависимой переменной соответствует некоторый ряд вероятных значений независимой переменной.

    В статистике теснота связи может  определяться с помощью различных  коэффициентов (Фехнера, Пирсона, коэффициентные ассоциации и т. д.).

    При линейной зависимости коэффициент  корреляции между факторами х и у определяется следующим образом:

     r = 

    X – значение факторного признака;

    Y – значение результативного признака;

    N – количество ед. совокупности.

    Значения  коэффициента корреляции изменяются в  интервале [- 1; + 1].

    Значение r = - 1 свидетельствует о наличии жестко детерминированной обратно пропорциональной связи между факторами; r = + 1 - соответствует жестко детерминированной связи с прямо пропорциональной зависимостью факторов. Если линейной связи между факторами не наблюдается, r — 0.

    Другие  значения коэффициента корреляции свидетельствуют  о наличии стохастической связи, причем чем ближе г к единице, тем связь теснее.

    При r < 0,3 - связь можно считать слабой; при 0,3 < r  < 0,7 - связь средней тесноты; r > 0,7 - тесная.

    Регрессионный анализ - это метод установления аналитического выражения стохастической зависимости между исследуемыми признаками.

    Уравнение регрессии показывает, как в среднем  изменяется у при изменении любого из х, и имеет вид:

    у=f(х1,х2,…,хn),

    где у - зависимая переменная;

    xi— независимые переменные.

    В ходе регрессионного анализа решаются две основные задачи:

• построение уравнения регрессии, т. е. нахождение вида зависимости между результативным показателем и независимыми факторами.
• оценка значимости полученного уравнения, т. е. определение того, насколько выбранные факторные признаки объясняют вариацию признака у.

    Регрессионный анализ - один из наиболее разработанных  методов математической статистики.

    При линейной зависимости уравнение  регрессии имеет вид:

    y = a + bx

    где а, Ь- параметры уравнения, из которых Ь- коэффициент регрессии.

    По  методу способом наименьших квадратов  для нахождения параметров линейной регрессии систему нормальных уравнений:

;

;

a - характеризует значение неучтенных факторов, влияющих на формирование результативного признака;

b - показывает изменение факторного признака на единицу собственного изменения.

                     1.2 Аналитическая группировка. Структурные средние

 

    Аналитическая группировка - статистическая группировка, предназначенная для изучения взаимосвязей между признаками. Аналитическую  группировку строят по одному из взаимосвязанных  признаков, например факторному, а далее  вычисляют по каждой выделенной группе средние (или относительные) значения другого признака. Параллельно сопоставляя  значения обоих признаков по характеру  их совместных изменений, делают заключение о наличии и направлении связи.

     Важная  проблема аналитических группировок  – правильный выбор числа групп  и определение их границ, что в  последующем обеспечивает объективность  характеристик связи.

     В процессе аналитических группировок  следует соблюдать общие правила  группировки, т. е. единицы в образованных группах должны быть существенно  различны, количество единиц в группах  должно быть достаточным для расчета  надежных статистических характеристик. Кроме того, групповые средние  должны подчиняться определенной закономерности: последовательно увеличиваться  или уменьшаться.

     Мода - это наиболее часто встречающийся  вариант ряда. Мода применяется, например, при определении размера одежды, обуви, пользующейся наибольшим спросом  у покупателей. Модой для дискретного  ряда является варианта, обладающая наибольшей частотой. При вычислении моды для  интервального вариационного ряда необходимо сначала определить модальный  интервал (по максимальной частоте), а  затем - значение модальной величины признака по формуле:

,

где:

    - нижняя граница модального  интервала;

    -  величина интервала;

    - частота модального интервала;

      - частота интервала, предшествующего  модальному;

    - частота интервала, следующего  за модальным.

     Медиана - это значение признака, которое  лежит в основе ранжированного ряда и делит этот ряд на две равные по численности части.

Для определения  медианы в дискретном ряду при  наличии частот сначала вычисляют  полусумму частот , а затем определяют, какое значение варианта приходится на нее. (Если отсортированный ряд содержит нечетное число признаков, то номер медианы вычисляют по формуле:

Ме = (n(число  признаков в совокупности) + 1)/2,

в случае четного числа признаков медиана  будет равна средней из двух признаков  находящихся в середине ряда).

     При вычислении медианы для интервального  вариационного ряда сначала определяют медианный интервал, в пределах которого находится медиана, а затем —  значение медианы по формуле:

,

 где:

- нижняя граница интервала,  который содержит медиану;

- величина интервала;

- сумма накопленных частот  интервалов, предшествующих медианному; - частота медианного интервала;

- сумма частот или число  членов ряда;

1.3 Ряды динамики

     Ряды  динамики - это значения статистических показателей, которые представлены в определенной хронологической  последовательности. Каждый динамический ряд содержит две составляющие:

• показатели периодов времени (годы, кварталы, месяцы, дни или даты);
• показатели, характеризующие исследуемый объект за временные периоды или на соответствующие даты, которые называют уровнями ряда.

    Классификация рядов динамики производится по следующим  признакам:

• В зависимости от способа выражения уровней ряды динамики подразделяются на ряды абсолютных, относительных и средних величин.
• В зависимости от того, как выражаются уровни ряда на определенные моменты времени (на начало месяца, квартала, года и т.п.) или его величина на определенные интервалы времени (например, за сутки, месяц, год и т.п.), различают соответственно моментные и интервальные ряды динамики.