ค่าสัมประสิทธิ์การตัดสินใจเชิงประจักษ์แสดงให้เห็น อัตราส่วนสหสัมพันธ์เชิงประจักษ์คำนวณโดยใช้สูตร
สารละลาย. ในการคำนวณความแปรปรวนของกลุ่ม เราจะคำนวณค่าเฉลี่ยสำหรับแต่ละกลุ่ม:
พีซี.; พีซี
การคำนวณค่าความแปรปรวนระดับกลางตามกลุ่มแสดงไว้ในตาราง 1 3.2. แทนที่ค่าที่ได้รับเป็นสูตร (3.4) เราได้รับ:
ค่าเฉลี่ยของผลต่างกลุ่ม
จากนั้นเราคำนวณความแปรปรวนระหว่างกลุ่ม ในการดำเนินการนี้ ขั้นแรกเรากำหนดค่าเฉลี่ยโดยรวมเป็นค่าเฉลี่ยถ่วงน้ำหนักของค่าเฉลี่ยกลุ่ม:
ทีนี้ ลองหาความแปรปรวนระหว่างกลุ่มกัน
ดังนั้น ความแปรปรวนรวมตามกฎการเพิ่มความแปรปรวน:
ลองตรวจสอบผลลัพธ์ที่ได้รับโดยการคำนวณความแปรปรวนทั้งหมด ตามปกติ:
ตามกฎสำหรับการเพิ่มความแปรปรวน คุณสามารถกำหนดตัวบ่งชี้ความใกล้ชิดของความสัมพันธ์ระหว่างการจัดกลุ่ม (ปัจจัย) และลักษณะผลลัพธ์ได้ เรียกว่าอัตราส่วนสหสัมพันธ์เชิงประจักษ์ ซึ่งแสดง (“eta”) และคำนวณโดยสูตร
สำหรับตัวอย่างของเรา ความสัมพันธ์สหสัมพันธ์เชิงประจักษ์
.
ค่า 0.86 แสดงถึงความสัมพันธ์ที่สำคัญระหว่างการจัดกลุ่มและคุณลักษณะด้านประสิทธิภาพ
ค่านี้เรียกว่าสัมประสิทธิ์การกำหนด และแสดงส่วนแบ่งของความแปรปรวนระหว่างกลุ่มในความแปรปรวนทั้งหมด
นอกจากความแปรผันในลักษณะเชิงปริมาณแล้ว ยังสามารถสังเกตความแปรผันในลักษณะเชิงคุณภาพได้อีกด้วย การศึกษาความแปรผันนี้สามารถทำได้สำหรับสัดส่วนของคุณลักษณะเชิงปริมาณ โดยการคำนวณและวิเคราะห์ความแปรปรวนประเภทต่างๆ ต่อไปนี้
การกระจายส่วนแบ่งภายในกลุ่มถูกกำหนดโดยสูตร
. (3.17)
ค่าเฉลี่ยของความแปรปรวนภายในกลุ่มคำนวณได้ดังนี้
. (3.18)
สูตรสำหรับความแปรปรวนระหว่างกลุ่มมีดังนี้:
, (3.19)
ที่ไหน ฉัน– จำนวนหน่วยแยกกลุ่ม
– สัดส่วนของลักษณะที่ศึกษาในประชากรทั้งหมดซึ่งกำหนดโดยสูตร
ความแปรปรวนรวมมีรูปแบบ
. (3.21)
ความแปรปรวนทั้งสามประเภทมีความสัมพันธ์กันดังนี้:
. (3.22)
ตัวอย่างที่ 3.4
ให้เราพิจารณาความแปรปรวนกลุ่ม ค่าเฉลี่ยของกลุ่ม ระหว่างกลุ่ม และความแปรปรวนรวมตามข้อมูลในตาราง 3.3.
ตารางที่ 3.3
หมายเลขและ แรงดึงดูดเฉพาะหนึ่งในหมวดหมู่
ฟาร์มปศุสัตว์ของภูมิภาค
สารละลาย
ให้เราพิจารณาส่วนแบ่งของโคนมโดยรวมสำหรับฟาร์มสามแห่ง:
ความแปรปรวนรวมในส่วนแบ่งโคนม:
ความแปรปรวนภายในกลุ่ม:
; ;
.
ค่าเฉลี่ยของความแปรปรวนภายในกลุ่ม:
ความแปรปรวนระหว่างกลุ่ม:
เมื่อใช้กฎสำหรับการบวกผลต่าง เราจะได้: 0.1025+0.0031=0.1056 ตัวอย่างได้รับการแก้ไขอย่างถูกต้อง
ตัวอย่างที่ 3.5
ตามข้อมูลการสำรวจตัวอย่าง ค่าจ้างสำหรับบุคลากรภาครัฐ จะได้ตัวบ่งชี้ดังนี้ (ตาราง 3.4)
ตารางที่ 3.4
กำหนด:
1) ค่าจ้างเฉลี่ยในสองอุตสาหกรรม
2) การกระจายค่าจ้าง:
ก) ค่าเฉลี่ยของความแปรปรวนกลุ่ม (อุตสาหกรรม)
b) กลุ่มระหว่างกัน (ระหว่างภาค)
3) ค่าสัมประสิทธิ์การตัดสินใจ;
4) ความสัมพันธ์เชิงประจักษ์
สารละลาย
1. ค่าจ้างเฉลี่ยของคนงานในสองอุตสาหกรรมคำนวณโดยใช้สูตร (2.10):
ถู.
2. การกระจายค่าจ้าง:
ก) ค่าเฉลี่ยความแปรปรวนกลุ่มตาม (3.14)
b) ความแปรปรวนระหว่างกลุ่มตาม (3.12)
c) ความแปรปรวนรวมที่ได้รับตามกฎสำหรับการบวกความแปรปรวน (3.15):
3. ค่าสัมประสิทธิ์การตัดสินใจเท่ากับค่า
เหล่านั้น. หรือ 44.24%
โดยแสดงให้เห็นว่าค่าจ้างขึ้นอยู่กับความร่วมมือในอุตสาหกรรมของคนงาน 44.24% และ 55.76% ด้วยเหตุผลภายในอุตสาหกรรม
ตามสูตร (3.16) ความสัมพันธ์เชิงประจักษ์ ,
ซึ่งบ่งชี้ถึงอิทธิพลที่สำคัญของลักษณะอุตสาหกรรมที่มีต่อความแตกต่างของค่าจ้าง
3.2. ภารกิจสำหรับการแก้ปัญหาอย่างอิสระ
ปัญหา 3.1
ข้อมูลต่อไปนี้มีอยู่ในการกระจายของคนงาน 60 คนตามประเภทภาษี (ตารางที่ 3.5)
ตารางที่ 3.5
กำหนด:
1) ประเภทค่าจ้างเฉลี่ยของคนงาน
2) ค่าเบี่ยงเบนเชิงเส้นเฉลี่ย
3) การกระจายตัว;
4) ส่วนเบี่ยงเบนมาตรฐาน;
5) ค่าสัมประสิทธิ์ของการแปรผัน
ปัญหา 3.2
จากผลการสอบภาคเรียนหลักสูตรที่ 1 และ 2 ของมหาวิทยาลัยแห่งใดแห่งหนึ่ง มีข้อมูลดังต่อไปนี้: ในปีที่ 1 นักเรียน 85% ผ่านภาคเรียนโดยไม่สอบตก ในปีที่ 2 - 90%
ในแต่ละหลักสูตร ให้กำหนดสัดส่วนของนักเรียนที่ผ่านภาคเรียนได้สำเร็จ
ปัญหา 3.3
บริษัทร่วมหุ้นในภูมิภาคตามจำนวนพนักงานโดยเฉลี่ย ณ วันที่ 1 มกราคม 2547 มีการกระจายดังนี้ (ตารางที่ 3.6)
ตารางที่ 3.6
คำนวณ:
1) ค่าเบี่ยงเบนเชิงเส้นเฉลี่ย
2) การกระจายตัว;
3) ส่วนเบี่ยงเบนมาตรฐาน;
4) ค่าสัมประสิทธิ์ของการแปรผัน
ปัญหา 3.4
มีข้อมูลเกี่ยวกับการกระจายครอบครัวของพนักงานองค์กรตามจำนวนบุตร (ตารางที่ 3.7)
ตารางที่ 3.7
คำนวณ:
1) ความแปรปรวนภายในกลุ่ม
2) ค่าเฉลี่ยของความแปรปรวนภายในกลุ่ม
3) ความแปรปรวนระหว่างกลุ่ม;
4) ความแปรปรวนรวม
ตรวจสอบความถูกต้องของการคำนวณของคุณโดยใช้กฎสำหรับการบวกผลต่าง
ปัญหา 3.5
การกระจายต้นทุนของผลิตภัณฑ์ที่มีไว้สำหรับการส่งออกทั่วทั้งเวิร์กช็อปขององค์กรแสดงโดยข้อมูลต่อไปนี้ (ตารางที่ 3.8)
ตารางที่ 3.8
คำนวณ:
1) ค่าเฉลี่ยของกลุ่มภายในกลุ่มระหว่างกลุ่มและจำนวนหุ้นทั้งหมดของผลิตภัณฑ์ส่งออก
2) ค่าสัมประสิทธิ์การกำหนดและอัตราส่วนสหสัมพันธ์เชิงประจักษ์
ปัญหา 3.6
จากการสำรวจของธนาคารพาณิชย์ในเมือง 70% ของจำนวนลูกค้าทั้งหมดเป็นนิติบุคคลโดยมีขนาดสินเชื่อเฉลี่ย 120,000 รูเบิล และค่าสัมประสิทธิ์การเปลี่ยนแปลง 25% และ 20% – บุคคลด้วยขนาดเงินกู้เฉลี่ย 20,000 รูเบิล โดยมีค่าเบี่ยงเบนมาตรฐาน 6,000 รูเบิล
ใช้กฎสำหรับการเพิ่มความแปรปรวน กำหนดความใกล้ชิดของความสัมพันธ์ระหว่างขนาดของสินเชื่อและประเภทของลูกค้าโดยการคำนวณอัตราส่วนสหสัมพันธ์เชิงประจักษ์
หมวดที่ 4 การสังเกตตัวอย่าง
4.1. คำแนะนำด้านระเบียบวิธี
และแนวทางแก้ไขปัญหาทั่วไป
วัตถุประสงค์ของการสังเกตตัวอย่างคือเพื่อกำหนดลักษณะของประชากรทั่วไป - ค่าเฉลี่ยทั่วไป (o) และส่วนแบ่งทั่วไป ( ร- ลักษณะของประชากรตัวอย่าง - ค่าเฉลี่ยตัวอย่าง () และสัดส่วนตัวอย่าง () แตกต่างจากลักษณะทั่วไปตามจำนวนข้อผิดพลาดในการสุ่มตัวอย่าง () ดังนั้นในการกำหนดลักษณะของประชากรทั่วไปจึงจำเป็นต้องคำนวณค่าคลาดเคลื่อนของการสุ่มตัวอย่างหรือค่าคลาดเคลื่อนของการเป็นตัวแทนซึ่งกำหนดโดยใช้สูตรที่พัฒนาขึ้นในทฤษฎีความน่าจะเป็นสำหรับตัวอย่างแต่ละประเภทและวิธีการคัดเลือก
ที่จริงแล้วการสุ่มตัวอย่างและการสุ่มตัวอย่างเชิงกลด้วยการสุ่มตัวอย่างซ้ำๆ ข้อผิดพลาดในการสุ่มตัวอย่างสูงสุดสำหรับค่าเฉลี่ย () และสำหรับส่วนแบ่ง () จะถูกคำนวณโดยใช้สูตร
; (4.1)
(4.2)
ความแปรปรวนของประชากรตัวอย่างอยู่ที่ไหน
n- ขนาดตัวอย่าง;
ที– ค่าสัมประสิทธิ์ความเชื่อมั่นซึ่งกำหนดจากตารางค่าของฟังก์ชันอินทิกรัลลาปลาซตามความน่าจะเป็นที่กำหนด ( พี โดฟ.) (ตาราง P1)
ด้วยการเลือกแบบสุ่มและเชิงกลแบบไม่ซ้ำกัน ข้อผิดพลาดในการสุ่มตัวอย่างสูงสุดจะถูกคำนวณโดยใช้สูตร
; (4.3)
, (4.4)
ที่ไหน เอ็น– ขนาดของประชากรทั่วไป
ตัวอย่างที่ 4.1
เพื่อตรวจสอบปริมาณเถ้าของถ่านหินในแหล่งสะสม มีการตรวจสอบตัวอย่างถ่านหิน 100 ตัวอย่างโดยการสุ่มตัวอย่าง จากผลการสำรวจพบว่าปริมาณเถ้าเฉลี่ยของถ่านหินในกลุ่มตัวอย่างคือ 16% ส่วนเบี่ยงเบนมาตรฐานคือ 5% ในสิบตัวอย่าง ปริมาณเถ้าของถ่านหินมีมากกว่า 20% ด้วยความน่าจะเป็น 0.954 ให้กำหนดขีดจำกัดภายในที่ปริมาณเถ้าเฉลี่ยของถ่านหินในแหล่งสะสมและสัดส่วนของถ่านหินที่มีปริมาณเถ้ามากกว่า 20% จะเป็น
สารละลาย
ปริมาณเถ้าเฉลี่ยของถ่านหินจะอยู่ภายใน
เพื่อกำหนดขอบเขตของค่าเฉลี่ยทั่วไป เราคำนวณข้อผิดพลาดในการสุ่มตัวอย่างสูงสุดสำหรับค่าเฉลี่ยโดยใช้สูตร (4.1):
. (4.5)
ด้วยความน่าจะเป็น 0.954 สามารถระบุได้ว่าปริมาณเถ้าเฉลี่ยของถ่านหินในแหล่งสะสมจะอยู่ในช่วง 16% 1% หรือ 15% 17%
ส่วนแบ่งของถ่านหินที่มีปริมาณเถ้ามากกว่า 20% จะอยู่ภายใน
ส่วนแบ่งตัวอย่างถูกกำหนดโดยสูตร
ที่ไหน ม– สัดส่วนของหน่วยที่มีลักษณะ
เราคำนวณข้อผิดพลาดในการสุ่มตัวอย่างสำหรับส่วนแบ่ง () โดยใช้สูตร (4.2):
หรือ ±6%
ด้วยความน่าจะเป็น 0.954 สามารถระบุได้ว่าส่วนแบ่งของถ่านหินที่มีปริมาณเถ้ามากกว่า 20% ในเงินฝากจะอยู่ภายใน , หรือ
.
ตัวอย่างที่ 4.2
เพื่อกำหนดระยะเวลาเฉลี่ยของการใช้เงินกู้ระยะสั้นที่ธนาคาร ได้มีการสร้างตัวอย่างเชิงกล 5% ซึ่งรวมถึงบัญชี 100 บัญชี จากการสำรวจพบว่าระยะเวลาเฉลี่ยในการใช้เงินกู้ระยะสั้นอยู่ที่ 30 วัน โดยมีค่าเบี่ยงเบนมาตรฐานอยู่ที่ 9 วัน ในห้าบัญชี ระยะเวลาเงินกู้เกิน 60 วัน ด้วยความน่าจะเป็น 0.954 ให้กำหนดขีดจำกัดภายในระยะเวลาการใช้เงินกู้ระยะสั้นในประชากรทั่วไปและส่วนแบ่งของบัญชีที่มีระยะเวลาการใช้เงินกู้ระยะสั้นมากกว่า 60 วัน
สารละลาย
ระยะเฉลี่ยการใช้เงินกู้ธนาคารอยู่ในขอบเขตที่กำหนด
.
เนื่องจากการสุ่มตัวอย่างเป็นแบบกลไก ข้อผิดพลาดในการสุ่มตัวอย่างจึงถูกกำหนดโดยสูตร (2.3):
วัน.
โดยมีความน่าจะเป็น 0.954 ระบุได้ว่าระยะเวลาการใช้เงินกู้ระยะสั้นจากธนาคารอยู่ในช่วง = 30 วัน 2 วัน หรือ
28 วันของวัน
ส่วนแบ่งของสินเชื่อที่มีระยะเวลาการใช้งานมากกว่า 60 วันอยู่ภายใน
ส่วนแบ่งตัวอย่างจะเป็น
เราพิจารณาข้อผิดพลาดในการสุ่มตัวอย่างสำหรับการแบ่งปันโดยใช้สูตร (4.4):
หรือ 4.2%
โดยมีความน่าจะเป็น 0.954 ระบุได้ว่าส่วนแบ่งสินเชื่อในธนาคารที่มีระยะเวลาการใช้มากกว่า 60 วันจะอยู่ในช่วง หรือ
ตัวอย่างทั่วไปด้วยการเลือกแบบทั่วไป (แบ่งโซน) ประชากรทั่วไปจะถูกแบ่งออกเป็นกลุ่มและภูมิภาคทั่วไปที่เป็นเนื้อเดียวกัน ดำเนินการเลือกหน่วยสังเกตการณ์ในกลุ่มประชากรตัวอย่าง วิธีการต่างๆ- ลองพิจารณาตัวอย่างทั่วไปที่มีการเลือกตามสัดส่วนภายในกลุ่มทั่วไป
ขนาดตัวอย่างจากกลุ่มทั่วไปในการเลือกตามสัดส่วนกับจำนวนกลุ่มทั่วไปจะถูกกำหนดโดยสูตร
ที่ไหน ฉัน– ขนาดตัวอย่างจากกลุ่มทั่วไป
ยังไม่มี– ปริมาณของกลุ่มทั่วไป
ค่าคลาดเคลื่อนสูงสุดของค่าเฉลี่ยตัวอย่างและสัดส่วนโดยไม่สุ่มซ้ำและ ในทางกลการเลือกภายในกลุ่มทั่วไปจะคำนวณโดยใช้สูตร
; (4.8)
, (4.9)
ความแปรปรวนของประชากรตัวอย่างอยู่ที่ไหน
ตัวอย่างที่ 4.3
เพื่อระบุอายุเฉลี่ยของผู้ชายที่แต่งงานในภูมิภาคนั้น จะมีการสุ่มตัวอย่างทั่วไป 5% โดยเลือกหน่วยตามสัดส่วนของจำนวนกลุ่มทั่วไป มีการใช้การคัดเลือกทางกลภายในกลุ่ม ข้อมูลสรุปไว้ในตาราง 4.1.
ตารางที่ 4.1
ด้วยความน่าจะเป็น 0.954 ให้กำหนดขีดจำกัดภายในนั้น อายุเฉลี่ยผู้ชายที่กำลังจะแต่งงานและสัดส่วนของผู้ชายที่แต่งงานครั้งที่สอง
สารละลาย
อายุเฉลี่ยที่ผู้ชายแต่งงานด้วยนั้นอยู่ภายใน
.
อายุเฉลี่ยที่ผู้ชายแต่งงานด้วยในกลุ่มตัวอย่างจะกำหนดโดยใช้สูตรถัวเฉลี่ยถ่วงน้ำหนัก
= ของปี.
ความแปรปรวนตัวอย่างเฉลี่ยถูกกำหนดโดยสูตร
เฉลี่ย
=
เราคำนวณข้อผิดพลาดในการสุ่มตัวอย่างสูงสุดโดยใช้สูตร (4.8):
ของปี.
โดยมีความน่าจะเป็น 0.954 กล่าวได้ว่าอายุเฉลี่ยของผู้ชายที่แต่งงานจะอยู่ภายในปีของปีนั้น หรือ
อายุ 24 ปี.
สัดส่วนของผู้ชายที่แต่งงานครั้งที่สองจะอยู่ภายใน
เรากำหนดส่วนแบ่งตัวอย่างโดยใช้สูตรเฉลี่ย
หรือ 14%
ความแปรปรวนตัวอย่างเฉลี่ย เครื่องหมายทางเลือกคำนวณโดยใช้สูตร
(4.12)
เราพิจารณาข้อผิดพลาดในการสุ่มตัวอย่างสำหรับการแบ่งปันโดยใช้สูตร (4.9):
หรือ 6%
โดยมีความน่าจะเป็น 0.954 ระบุได้ว่าสัดส่วนของผู้ชายที่แต่งงานครั้งที่สองจะอยู่ในช่วง , หรือ
.
การสุ่มตัวอย่างแบบอนุกรมด้วยวิธีการเลือกแบบอนุกรม ประชากรทั่วไปจะถูกแบ่งออกเป็นกลุ่มที่มีขนาดเท่ากัน - อนุกรม ชุดข้อมูลจะถูกเลือกในกลุ่มประชากรตัวอย่าง ภายในซีรีส์นี้ จะมีการสังเกตหน่วยที่รวมอยู่ในซีรีส์อย่างต่อเนื่อง
ด้วยการเลือกอนุกรมซ้ำๆ ข้อผิดพลาดสูงสุดของค่าเฉลี่ยและสัดส่วนตัวอย่างจะถูกกำหนดโดยสูตร
, (4.13)
การกระจายตัวของอนุกรมอยู่ที่ไหน
ร– จำนวนอนุกรมในประชากรทั่วไป
ร– จำนวนซีรี่ส์ที่เลือก
ตัวอย่างที่ 4.4
มีทีมงาน 10 ทีมในโรงงานของโรงงาน เพื่อศึกษาผลิตภาพแรงงาน ได้มีการดำเนินการตัวอย่างต่อเนื่อง 20% ซึ่งประกอบด้วย 2 ทีม จากผลการสำรวจพบว่าผลผลิตเฉลี่ยของคนงานในทีมคือ 4.6 และ 3 ตัน ด้วยความน่าจะเป็นที่ 0.997 ให้กำหนดขีดจำกัดที่ผลผลิตเฉลี่ยของคนงานในโรงงานจะเป็น เสื้อหรือ ต.
ตัวอย่างที่ 4.5
มีสินค้า ผลิตภัณฑ์สำเร็จรูปเวิร์กช็อปประกอบด้วยชิ้นส่วน 200 กล่อง กล่องละ 40 ชิ้น เพื่อตรวจสอบคุณภาพของผลิตภัณฑ์สำเร็จรูป จะมีการสุ่มตัวอย่างเป็นชุด 10% จากตัวอย่างพบว่าสัดส่วนชิ้นส่วนที่ชำรุดอยู่ที่ 15% ความแปรปรวนของตัวอย่างอนุกรมคือ 0.0049
ด้วยความน่าจะเป็นที่ 0.997 ให้กำหนดขีดจำกัดภายในสัดส่วนของผลิตภัณฑ์ที่ชำรุดในชุดกล่อง
สารละลาย
สัดส่วนของชิ้นส่วนที่ชำรุดจะอยู่ภายใน
ให้เราพิจารณาข้อผิดพลาดในการสุ่มตัวอย่างสูงสุดสำหรับการแชร์โดยใช้สูตร (4.13):
หรือ 4.4%
ด้วยความน่าจะเป็นที่ 0.997 จึงสามารถระบุได้ว่าสัดส่วนชิ้นส่วนที่ชำรุดในชุดงานอยู่ระหว่าง 10.6% ถึง 19.6%
ตัวอย่างที่ 4.6
ในภูมิภาคที่ประกอบด้วย 20 อำเภอ มีการสำรวจผลผลิตตัวอย่างโดยพิจารณาจากการเลือกชุดข้อมูล (เขต) ค่าเฉลี่ยตัวอย่างสำหรับภูมิภาคต่างๆ อยู่ที่ 14.5 c/ha ตามลำดับ 16; 15.5; 15 และ 14 c/เฮกตาร์ ด้วยความน่าจะเป็น 0.954 จงหาขีดจำกัดผลตอบแทนสำหรับทั้งภูมิภาค
สารละลาย
มาคำนวณค่าเฉลี่ยโดยรวมกัน:
ค/ฮ่า
ความแปรปรวนระหว่างกลุ่ม (ระหว่างซีรีส์)
ตอนนี้ให้เราพิจารณาข้อผิดพลาดสูงสุดของการสุ่มตัวอย่างแบบไม่ซ้ำซ้อนแบบอนุกรม (t = 2, Р dov = 0.954) โดยใช้สูตร (4.13):
.
ดังนั้นผลผลิตในภูมิภาค (ที่มีความน่าจะเป็น 0.954) จะอยู่ภายใน
15-1,7≤ ≤15+1,7,
13.3 ซีซี/เฮกตาร์≤ 16.7 ซีซี/เฮกตาร์
ในการออกแบบการสังเกตตัวอย่างจำเป็นต้องค้นหาขนาดตัวอย่างซึ่งจำเป็นเพื่อให้แน่ใจว่ามีความแม่นยำในการคำนวณลักษณะทั่วไป - ค่าเฉลี่ยและสัดส่วน ในกรณีนี้ เราจะทราบข้อผิดพลาดในการสุ่มตัวอย่างสูงสุด ความน่าจะเป็นของการเกิดขึ้น และความแปรผันของคุณลักษณะล่วงหน้า
ด้วยการสุ่มตัวอย่างซ้ำ ขนาดตัวอย่างจะถูกกำหนดจากนิพจน์
ในกรณีที่สุ่มตัวอย่างแบบไม่ทำซ้ำหรือสุ่มตัวอย่าง ขนาดตัวอย่างจะคำนวณโดยใช้สูตร
. (4.16)
สำหรับตัวอย่างทั่วไป
. (4.17)
สำหรับการสุ่มตัวอย่างแบบอนุกรม
. (4.18)
ตัวอย่างที่ 4.7
มี 2,000 ครอบครัวอาศัยอยู่ในพื้นที่นี้ มีการวางแผนที่จะดำเนินการสำรวจตัวอย่างโดยใช้วิธีการสุ่มและไม่ซ้ำกันเพื่อค้นหาขนาดครอบครัวโดยเฉลี่ย กำหนดขนาดตัวอย่างที่ต้องการ โดยความน่าจะเป็น 0.954 ข้อผิดพลาดในการสุ่มตัวอย่างต้องไม่เกิน 1 คน โดยมีค่าเบี่ยงเบนมาตรฐาน 3 คน ( =3)
สารละลาย
ด้วยการสุ่มตัวอย่างแบบไม่ทำซ้ำ ขนาดตัวอย่างตามสูตร (4.16) จะเป็นดังนี้ ครอบครัว
ขนาดตัวอย่าง: อย่างน้อย 36 ครอบครัว
ตัวอย่างที่ 4.8
เมือง A มี 10,000 ครอบครัว คาดว่าจะใช้การสุ่มตัวอย่างเชิงกลเพื่อกำหนดสัดส่วนของครอบครัวที่มีลูกตั้งแต่สามคนขึ้นไป ขนาดตัวอย่างควรเป็นเท่าใด โดยความน่าจะเป็น 0.954 ข้อผิดพลาดในการสุ่มตัวอย่างจะต้องไม่เกิน 0.02 หากจากการสำรวจครั้งก่อน ทราบว่าความแปรปรวนคือ 0.2
สารละลาย
ให้เรากำหนดขนาดตัวอย่างที่ต้องการโดยใช้สูตร (4.16):
.
ขนาดตัวอย่าง: ไม่น้อยกว่า 1667
ในเชิงสถิติ มักจำเป็นต้องเปรียบเทียบผลลัพธ์ของกลุ่มตัวอย่างสองตัวอย่าง (หรือมากกว่า) จากการเปรียบเทียบค่าเฉลี่ย (หรือสัดส่วน) ของตัวอย่างสองรายการ จะมีการสรุปเกี่ยวกับการสุ่มหรือความสำคัญของความคลาดเคลื่อน
เมื่อต้องการทำเช่นนี้ ให้เปรียบเทียบความแตกต่างสัมบูรณ์ระหว่างค่าเฉลี่ยตัวอย่างกับความคลาดเคลื่อนโดยเฉลี่ยของความแตกต่าง:
. (4.19)
พบ ทีคำนวณ เมื่อเทียบกับ ทีโต๊ะ โดย ที– การกระจายตัวของนักศึกษา (ตาราง A2) สำหรับจำนวนองศาอิสระ โวลต์=n 1 +n 2 -2 และระดับนัยสำคัญที่กำหนด a (ที่นี่ n 1 และ n 2 – ปริมาตรของตัวอย่างที่เปรียบเทียบ)
ความแปรปรวนภายในกลุ่มสำหรับประชากรหมายถึงอะไร สูตรคำนวณมันคืออะไร? ยกตัวอย่าง. ความแปรปรวนของประชากรระหว่างกลุ่มหมายถึงอะไร สูตรคำนวณมันคืออะไร? ยกตัวอย่าง.
ความแปรปรวนภายในกลุ่ม () บ่งบอกถึงความแปรผันแบบสุ่มที่ไม่ขึ้นอยู่กับลักษณะเฉพาะที่เป็นพื้นฐานของการจัดกลุ่ม
, ที่ไหน
ค่าเฉลี่ยกลุ่ม
ความแปรปรวนภายในกลุ่มโดยเฉลี่ยได้รับการคำนวณดังนี้ ขั้นแรก ความแปรปรวนสำหรับแต่ละกลุ่มจะถูกคำนวณ () จากนั้นจึงคำนวณค่าเฉลี่ยความแปรปรวนภายในกลุ่ม:
ระบุลักษณะการเปลี่ยนแปลงที่เป็นระบบเช่น ความแตกต่างในคุณค่าของคุณลักษณะที่ศึกษาซึ่งเป็นพื้นฐานของการจัดกลุ่ม ความแปรปรวนนี้คำนวณโดยใช้สูตร
, ที่ไหน
ค่าเฉลี่ยสำหรับกลุ่มแยกต่างหาก
ฉัน- จำนวนยูนิตในกลุ่ม
- ค่าเฉลี่ยเลขคณิตโดยรวมของประชากรทั้งหมดที่อยู่ระหว่างการศึกษา
ความแปรปรวนทั้งสามประเภทมีความสัมพันธ์กัน: ความแปรปรวนรวมเท่ากับผลรวมของค่าเฉลี่ยความแปรปรวนภายในกลุ่มและความแปรปรวนระหว่างกลุ่ม:
อัตราส่วนนี้สะท้อนถึงกฎหมายที่เรียกว่า กฎสำหรับการบวกผลต่าง.
20.
ความแปรปรวนของประชากรทั้งหมดหมายถึงอะไร? สูตรคำนวณมันคืออะไร? วิธีการแบ่งกลุ่มส่งผลต่อค่าความแปรปรวนทั้งหมดหรือไม่? ยกตัวอย่าง.
ความแปรปรวนรวม () แสดงถึงความแปรผันของคุณลักษณะของประชากรทั้งหมดภายใต้อิทธิพลของปัจจัยทั้งหมดที่ทำให้เกิดการเปลี่ยนแปลงนี้ ค่านี้ถูกกำหนดโดยสูตร
, ที่ไหน
ค่าเฉลี่ยเลขคณิตโดยรวมของประชากรทั้งหมดที่ศึกษา
ในทางกลับกัน ความแปรปรวนรวมจะเท่ากับผลรวมของค่าเฉลี่ยความแปรปรวนภายในกลุ่มและความแปรปรวนระหว่างกลุ่ม:
อัตราส่วนนี้สะท้อนถึงกฎหมายที่เรียกว่า กฎสำหรับการบวกผลต่าง.. ตามกฎการเพิ่มความแปรปรวน จึงเป็นไปได้ที่จะระบุได้ว่าส่วนใดของความแปรปรวนทั้งหมดที่ได้รับอิทธิพลจากคุณลักษณะตัวประกอบที่เป็นพื้นฐานของการจัดกลุ่ม
ยิ่งส่วนแบ่งของความแปรปรวนระหว่างกลุ่มในความแปรปรวนรวมสูงเท่าใด อิทธิพลของคุณลักษณะตัวประกอบ (หมวดหมู่) ที่มีต่อผลลัพธ์ (เอาต์พุต) ก็จะยิ่งแข็งแกร่งขึ้นเท่านั้น
การแบ่งส่วนนี้มีลักษณะเฉพาะด้วยสัมประสิทธิ์การตัดสินใจเชิงประจักษ์:
ในการประเมินความใกล้ชิดของความสัมพันธ์ระหว่างคุณลักษณะในเชิงคุณภาพ จะใช้ความสัมพันธ์ของ Chaddock
0-0,2 |
0,2-0,3 |
0,3-0,5 |
0,5-0,7 |
0,7-0,9 |
0,9-0,99 |
|||
พลังแห่งการเชื่อมต่อ |
ไม่มา |
อ่อนแอมาก |
อ่อนแอ |
ปานกลาง |
เห็นได้ชัดเจน |
แน่น |
แน่นมาก |
การทำงาน- เงินสด |
21.
ค่าสัมประสิทธิ์การตัดสินใจแสดงอะไร? สูตรคำนวณมันคืออะไร? ตัวบ่งชี้นี้วัดในหน่วยใด? ค่าที่เป็นไปได้ของตัวบ่งชี้นี้คืออะไร? ความสัมพันธ์เชิงประจักษ์แสดงให้เห็นอะไร? สูตรคำนวณมันคืออะไร? ตัวบ่งชี้นี้วัดในหน่วยใด? ค่าที่เป็นไปได้ของตัวบ่งชี้นี้คืออะไร?
สัมประสิทธิ์เชิงประจักษ์ของความมุ่งมั่น () แสดงลักษณะส่วนแบ่งของความแปรปรวนระหว่างกลุ่มในความแปรปรวนทั้งหมด:
รับค่า -1 ถึง 1 และแสดงให้เห็นว่าลักษณะเฉพาะในการรวมมีความแปรผันมากน้อยเพียงใดเนื่องจากปัจจัยการจัดกลุ่ม
ความแปรปรวนระหว่างกลุ่ม
ผลต่างรวม
กำหนดโดยสูตร:
ยอมรับค่า -1 ถึง 1
ตัวอย่าง
กลุ่ม |
จำนวนต้นในกลุ่ม ชิ้น |
ผลผลิตรวมเฉลี่ยในราคาที่เทียบเคียงได้ล้านรูเบิล |
ตอนนี้ให้เราหาค่าเฉลี่ย การกระจายตัวทั้งหมด และการกระจายตัวระหว่างกลุ่มของผลผลิตรวมในราคาพืชที่เทียบเคียงได้:
ล้านรูเบิล;
ล้าน ถู 2;
ล้าน ถู.2.
ค่าสัมประสิทธิ์การตัดสินใจจะเท่ากับ:
เป็นผลให้อัตราส่วนสหสัมพันธ์เชิงประจักษ์จะเท่ากับ:
ค่าที่คำนวณได้ของเชิงประจักษ์ ความสัมพันธ์สหสัมพันธ์บ่งชี้ถึงความเชื่อมโยงทางสถิติที่ค่อนข้างสูงระหว่างผลผลิตรวมในราคาที่เทียบเคียงได้กับต้นทุนเฉลี่ยต่อปีของสินทรัพย์การผลิตคงที่ของโรงงาน
22.
สถิติการทดสอบคำนวณอย่างไรในการวิเคราะห์ความแปรปรวนทางเดียว กฎการกระจายตัวของมันคืออะไรหากสมมติฐานหลักเป็นจริง? อะไรเป็นตัวกำหนดพารามิเตอร์ของกฎหมายฉบับนี้? การตัดสินใจในการวิเคราะห์ความแปรปรวนทางเดียวโดยพิจารณาจากค่าที่คำนวณได้ของสถิติเกณฑ์เป็นอย่างไร
วัตถุประสงค์ของการวิเคราะห์ความแปรปรวนคือเพื่อศึกษาอิทธิพลของปัจจัยตั้งแต่หนึ่งปัจจัยขึ้นไปต่อคุณลักษณะที่กำลังพิจารณา
การวิเคราะห์ความแปรปรวนทางเดียวจะใช้ในกรณีที่มีตัวอย่างอิสระตั้งแต่สามตัวอย่างขึ้นไป ซึ่งได้มาจากประชากรกลุ่มเดียวกันโดยการเปลี่ยนปัจจัยอิสระบางตัว ซึ่งไม่มีการวัดเชิงปริมาณด้วยเหตุผลบางประการ
ตามเกณฑ์ คุณต้องใช้เกณฑ์ของฟิชเชอร์:
., ที่ไหน
ถาม 1 – ผลรวมของการเบี่ยงเบนกำลังสองของค่าเฉลี่ยตัวอย่างจากค่าเฉลี่ยโดยรวม
ถาม 2 – ผลรวมของการเบี่ยงเบนกำลังสองของค่าที่สังเกตได้จากค่าเฉลี่ยตัวอย่าง
หากค่าที่คำนวณได้ของเกณฑ์ฟิชเชอร์น้อยกว่าค่าตารางก็ไม่มีเหตุผลที่จะเชื่อได้ว่าปัจจัยอิสระมีอิทธิพลต่อการแพร่กระจายของค่าเฉลี่ย ( เหล่านั้น. สมมติฐานไม่ได้รับการยืนยัน- มิฉะนั้น ปัจจัยอิสระจะมีผลกระทบอย่างมีนัยสำคัญต่อการแพร่กระจายของค่าเฉลี่ย ( สมมติฐานเป็นจริง).
23-25.
1. สำหรับช่วงเวลาที่เท่ากัน ให้ใช้ค่าเฉลี่ยเลขคณิตอย่างง่าย:
โดยที่ y คือระดับสัมบูรณ์ของซีรีส์
n- จำนวนระดับของซีรีส์
2. สำหรับช่วงเวลาที่ไม่เท่ากัน ให้ใช้ค่าเฉลี่ยเลขคณิตถ่วงน้ำหนัก:
คุณอยู่ที่ไหน 1,...,уn - ระดับของซีรีย์ไดนามิก;
ที1,... tn - น้ำหนัก, ระยะเวลาของช่วงเวลา
ระดับโมเมนต์เฉลี่ย
พลศาสตร์คำนวณโดยสูตร:
1. ด้วยระดับที่เท่ากัน คำนวณโดยใช้สูตรของอนุกรมโมเมนต์ตามลำดับเวลาเฉลี่ย:
คุณอยู่ที่ไหน 1,...,уn - ระดับของช่วงเวลาที่ทำการคำนวณ
n- จำนวนระดับ;
n-1 - ระยะเวลาของช่วงเวลา
2. ซี ไม่เท่ากันระดับคำนวณโดยใช้สูตรถัวเฉลี่ยถ่วงน้ำหนักตามลำดับเวลา:
คุณอยู่ที่ไหน 1,...,уn - ระดับของซีรีย์ไดนามิก;
ที- ช่วงเวลาระหว่างระดับที่อยู่ติดกัน
ในปัญหาทางสถิติ
การเพิ่มขึ้นสัมบูรณ์โดยเฉลี่ย หมายถึงค่าเฉลี่ยของการเพิ่มขึ้นสัมบูรณ์ในช่วงเวลาที่เท่ากันในช่วงเวลาหนึ่ง คำนวณโดยใช้สูตร: 1. การใช้ข้อมูลลูกโซ่เกี่ยวกับการเติบโตแบบสัมบูรณ์ในช่วงหลายปีที่ผ่านมา การเติบโตแบบสัมบูรณ์โดยเฉลี่ยจะคำนวณเป็นค่าเฉลี่ยเลขคณิตอย่างง่าย:
ที่ไหน n คือจำนวนการเพิ่มสัมบูรณ์ของกฎกำลังในช่วงเวลาที่ศึกษา
2.
มีการคำนวณการเพิ่มขึ้นสัมบูรณ์โดยเฉลี่ยผ่านการเพิ่มขึ้นสัมบูรณ์ขั้นพื้นฐานในกรณีที่มีช่วงเวลาเท่ากัน
ที่ไหน m คือจำนวนระดับของอนุกรมไดนามิกในช่วงระยะเวลาการศึกษา รวมถึงระดับฐานด้วย
อัตราการเติบโตเฉลี่ย
เป็นลักษณะทั่วไปที่เป็นอิสระของความรุนแรงของการเปลี่ยนแปลงในระดับชุดของไดนามิก
และแสดงจำนวนครั้งที่ระดับของอนุกรมไดนามิกเปลี่ยนแปลงโดยเฉลี่ยต่อหน่วยเวลา
เป็นพื้นฐานและเกณฑ์สำหรับความถูกต้องในการคำนวณอัตราการเติบโตเฉลี่ย (ลดลง) มีการใช้ตัวบ่งชี้ทั่วไปซึ่งคำนวณเป็นผลคูณของอัตราการเติบโตของลูกโซ่เท่ากับอัตราการเติบโตตลอดระยะเวลาที่อยู่ระหว่างการพิจารณา หากค่าแอตทริบิวต์ถูกสร้างขึ้นเป็นผลิตภัณฑ์ ตัวเลือกส่วนบุคคลแล้วใช้ค่าเฉลี่ยเรขาคณิต
เนื่องจากอัตราการเติบโตเฉลี่ยคือค่าสัมประสิทธิ์การเติบโตเฉลี่ยซึ่งแสดงเป็นเปอร์เซ็นต์ ดังนั้นสำหรับอนุกรมไดนามิกที่เท่ากัน การคำนวณโดยใช้ค่าเฉลี่ยทางเรขาคณิตจึงลงมาเพื่อคำนวณค่าสัมประสิทธิ์การเติบโตเฉลี่ยจากลูกโซ่โดยใช้ "วิธีลูกโซ่":
ที่ไหน n คือจำนวนสัมประสิทธิ์การเติบโตของลูกโซ่
เคทีเอส- ค่าสัมประสิทธิ์การเติบโตของลูกโซ่
Kb คืออัตราการเติบโตพื้นฐานตลอดระยะเวลา
การกำหนดอัตราการเติบโตเฉลี่ยสามารถทำให้ง่ายขึ้นได้หากระดับอนุกรมเวลาชัดเจน เนื่องจากผลคูณของค่าสัมประสิทธิ์การเติบโตของลูกโซ่เท่ากับค่าฐาน ปัจจัยการเจริญเติบโตฐานจึงถูกแทนที่เป็นนิพจน์ราก
สูตรกำหนดอัตราการเติบโตเฉลี่ยสำหรับชุดไดนามิกที่เท่ากันตาม "วิธีการพื้นฐาน" จะเป็นดังนี้:
36.
คุณรู้ตัวบ่งชี้ที่ชัดเจนของการเปลี่ยนแปลงในระดับของซีรีส์อะไรบ้าง?
ตัวชี้วัดทั้งหมดนี้สามารถกำหนดได้ด้วยวิธีพื้นฐานเมื่อถึงระดับ ของช่วงเวลานี้ถูกเปรียบเทียบกับคาบแรก (พื้นฐาน) หรือในลักษณะลูกโซ่ - เมื่อมีการเปรียบเทียบคาบที่อยู่ติดกันสองระดับ
เขียนสูตรการคำนวณ
การเปลี่ยนแปลงแบบสัมบูรณ์ขั้นพื้นฐานคือความแตกต่างระหว่างระดับเฉพาะและระดับแรกของชุดข้อมูล ซึ่งกำหนดโดยสูตร
มันแสดงให้เห็นว่า (ในหน่วยของตัวบ่งชี้แบบอนุกรม) ระดับของช่วงหนึ่ง (i-th) มากกว่าหรือน้อยกว่าระดับแรก (พื้นฐาน) มากเพียงใด และดังนั้นจึงสามารถมีเครื่องหมาย "+" ได้ (โดยมีระดับเพิ่มขึ้น ) หรือ “–” (โดยมีระดับลดลง)
การเปลี่ยนแปลงแบบสัมบูรณ์ของลูกโซ่คือความแตกต่างระหว่างระดับเฉพาะและระดับก่อนหน้าของอนุกรม ซึ่งกำหนดโดยสูตร
โดยจะแสดงจำนวน (ในหน่วยของตัวบ่งชี้แบบอนุกรม) ระดับของช่วงหนึ่ง (i-th) มากกว่าหรือน้อยกว่าระดับก่อนหน้า และอาจมีเครื่องหมาย “+” หรือ “–” ได้
อธิบายว่าวิธีคำนวณขึ้นอยู่กับการเลือกฐานการเปรียบเทียบอย่างไร
คุณรู้ตัวบ่งชี้ที่เกี่ยวข้องของการเปลี่ยนแปลงในระดับของซีรีส์อะไรบ้าง เขียนสูตรการคำนวณ
การเปลี่ยนแปลงสัมพัทธ์พื้นฐาน (อัตราการเติบโตพื้นฐานหรือดัชนีไดนามิกพื้นฐาน) คืออัตราส่วนของระดับเฉพาะและระดับแรกของอนุกรมที่กำหนดโดยสูตร
การเปลี่ยนแปลงสัมพัทธ์ของโซ่ (อัตราการเติบโตของโซ่หรือดัชนีไดนามิกของโซ่) คืออัตราส่วนของระดับเฉพาะและระดับก่อนหน้าของอนุกรม ซึ่งกำหนดโดยสูตร
อธิบายว่าวิธีคำนวณขึ้นอยู่กับการเลือกฐานการเปรียบเทียบอย่างไร
การเปลี่ยนแปลงสัมพัทธ์แสดงจำนวนครั้งที่ระดับของช่วงเวลาที่กำหนดมากกว่าระดับของช่วงเวลาก่อนหน้าใดๆ (สำหรับ i >1) หรือส่วนใดของช่วงเวลานั้น (สำหรับ i<1). Относительное изменение может выражаться в виде коэффициентов, то есть простого кратного отношения(если база сравнения принимается за единицу), и в процентах (если база сравнения принимается за 100 единиц) путем домножения относительного изменения на 100%.
37.
คุณรู้ตัวบ่งชี้การเปลี่ยนแปลงในระดับของซีรีส์โดยเฉลี่ยเท่าใด เขียนสูตรคำนวณการเติบโตสัมบูรณ์เฉลี่ย อัตราการเติบโต และอัตราการเติบโตของระดับอนุกรม
การเติบโตสัมบูรณ์โดยเฉลี่ยหมายถึงค่าเฉลี่ยของการเติบโตสัมบูรณ์ในช่วงเวลาเท่ากันในช่วงเวลาหนึ่ง คำนวณโดยใช้สูตร: 1. การใช้ข้อมูลลูกโซ่เกี่ยวกับการเติบโตแบบสัมบูรณ์ในช่วงหลายปีที่ผ่านมา การเติบโตแบบสัมบูรณ์โดยเฉลี่ยจะคำนวณเป็นค่าเฉลี่ยเลขคณิตอย่างง่าย:
ที่ไหน n คือจำนวนการเพิ่มสัมบูรณ์ของกฎกำลังในช่วงเวลาที่ศึกษา
2. การเพิ่มขึ้นสัมบูรณ์โดยเฉลี่ยจะคำนวณผ่านการเพิ่มขึ้นสัมบูรณ์ฐานในกรณีที่มีช่วงเวลาเท่ากัน
ที่ไหน m คือจำนวนระดับของอนุกรมไดนามิกในช่วงระยะเวลาการศึกษา รวมถึงระดับฐานด้วย
อัตราการเติบโตเฉลี่ยเป็นลักษณะทั่วไปที่เป็นอิสระของความรุนแรงของการเปลี่ยนแปลงในระดับของอนุกรมไดนามิก และแสดงจำนวนครั้งที่ระดับของอนุกรมไดนามิกเปลี่ยนแปลงโดยเฉลี่ยต่อหน่วยเวลา
เป็นพื้นฐานและเกณฑ์สำหรับความถูกต้องในการคำนวณอัตราการเติบโตเฉลี่ย (ลดลง) มีการใช้ตัวบ่งชี้ทั่วไปซึ่งคำนวณเป็นผลคูณของอัตราการเติบโตของลูกโซ่เท่ากับอัตราการเติบโตตลอดระยะเวลาที่อยู่ระหว่างการพิจารณา หากค่าของลักษณะเฉพาะเกิดขึ้นเป็นผลคูณของตัวเลือกแต่ละตัว ระบบจะใช้ค่าเฉลี่ยเรขาคณิต
เนื่องจากอัตราการเติบโตเฉลี่ยคือค่าสัมประสิทธิ์การเติบโตเฉลี่ยซึ่งแสดงเป็นเปอร์เซ็นต์ ดังนั้นสำหรับอนุกรมไดนามิกที่เท่ากัน การคำนวณโดยใช้ค่าเฉลี่ยทางเรขาคณิตจึงลงมาเพื่อคำนวณค่าสัมประสิทธิ์การเติบโตเฉลี่ยจากลูกโซ่โดยใช้ "วิธีลูกโซ่":
ที่ไหน n คือจำนวนสัมประสิทธิ์การเติบโตของลูกโซ่
Kc - สัมประสิทธิ์การเติบโตของโซ่
Kb คืออัตราการเติบโตพื้นฐานตลอดระยะเวลา
อัตราการเปลี่ยนแปลง (อัตราการเติบโต) ของระดับเป็นตัวบ่งชี้สัมพัทธ์ที่แสดงว่าระดับที่กำหนดนั้นมากกว่า (หรือน้อยกว่า) กว่าระดับอื่นกี่เปอร์เซ็นต์ โดยถือเป็นพื้นฐานของการเปรียบเทียบ คำนวณโดยการลบ 100% จากการเปลี่ยนแปลงสัมพัทธ์ นั่นคือโดยใช้สูตร:
หรือเป็นเปอร์เซ็นต์ของการเปลี่ยนแปลงสัมบูรณ์ของระดับเมื่อเปรียบเทียบกับการคำนวณการเปลี่ยนแปลงสัมบูรณ์ (ระดับพื้นฐาน) นั่นคือตามสูตร:
.
ตัวชี้วัดเหล่านี้มีข้อเสียอะไรบ้าง? แนะนำให้ใช้ในกรณีใดบ้าง? ข้อบกพร่องเหล่านี้จะถูกกำจัดได้อย่างไร? เขียนสูตรคำนวณตัวบ่งชี้ค่าเฉลี่ยเพื่อรักษามูลค่ารวมของอนุกรม
38.
จะกำหนดประเภทของแนวโน้มหลักตามค่าของตัวบ่งชี้การเปลี่ยนแปลงในระดับซีรีส์ได้อย่างไร? ยกตัวอย่าง.
การระบุแนวโน้มทั่วไปของอนุกรมเวลาสามารถทำได้โดยการปรับอนุกรมเวลาให้เรียบโดยใช้วิธีค่าเฉลี่ยเคลื่อนที่ สาระสำคัญของเทคนิคนี้คือระดับที่คำนวณได้ (ทางทฤษฎี) จะถูกกำหนดจากระดับเริ่มต้นของอนุกรม (ข้อมูลเชิงประจักษ์)
เงื่อนไขหลักในการใช้วิธีนี้คือการคำนวณการเชื่อมโยงของค่าเฉลี่ยเคลื่อนที่ (เคลื่อนที่) จากระดับต่างๆ ของอนุกรมที่สอดคล้องกับระยะเวลาของรอบที่สังเกตได้ในอนุกรมไดนามิก
3. อัตราส่วนสหสัมพันธ์เชิงประจักษ์คำนวณโดยใช้สูตร
การกระจายตัวระหว่างกลุ่มที่แสดงลักษณะของค่าความเบี่ยงเบนกำลังสองของกลุ่มหมายถึงจากค่าเฉลี่ยโดยรวมของลักษณะการทำงาน
ความแปรปรวนรวม ซึ่งแสดงค่าเฉลี่ยของการเบี่ยงเบนกำลังสองของค่าของคุณลักษณะผลลัพธ์จากระดับเฉลี่ย
มาสร้างตารางเพื่อคำนวณผลต่างรวมกัน (ดูตารางที่ 8)
ตารางที่ 8
ตารางข้อมูลสำหรับการพิจารณาความแปรปรวนรวม
เอ็นพี/พี | ค่าอาหาร | |
1 | 21 | 441 |
2 | 16 | 256 |
3 | 26,1 | 681,21 |
4 | 28 | 784 |
5 | 26 | 676 |
6 | 22,5 | 506,25 |
7 | 27,6 | 761,76 |
8 | 35 | 1225 |
9 | 23,9 | 571,21 |
10 | 22,5 | 506,25 |
11 | 15 | 225 |
12 | 25,2 | 635,04 |
13 | 29 | 841 |
14 | 21,4 | 457,96 |
15 | 24,9 | 620,01 |
16 | 24,8 | 615,04 |
17 | 16 | 256 |
18 | 23,6 | 556,96 |
19 | 27,2 | 739,84 |
20 | 35 | 1225 |
21 | 17 | 289 |
22 | 23,8 | 566,44 |
23 | 22,6 | 510,76 |
24 | 25 | 625 |
25 | 27 | 729 |
26 | 30 | 900 |
27 | 35 | 1225 |
28 | 25,4 | 645,16 |
29 | 27,2 | 739,84 |
30 | 26,3 | 691,69 |
ทั้งหมด | 750 | 19502,42 |
ความแปรปรวนรวมของคุณลักษณะผลลัพธ์คำนวณโดยใช้สูตร:
=
ความแปรปรวนระหว่างกลุ่มคำนวณโดยใช้สูตร:
มาสร้างตารางเสริมสำหรับการคำนวณข้อมูลกัน (ดูตารางที่ 9)
ตารางที่ 9
ตารางข้อมูลสำหรับการคำนวณความแปรปรวนระหว่างกลุ่ม
หมายเลขกลุ่ม | จำนวนครัวเรือน ชิ้น | ค่าอาหารพันรูเบิล | ||||||
ทั้งหมด | โดยเฉลี่ยต่อครัวเรือน | |||||||
ฉ | ||||||||
1 | 28-40 | 3 | 48 | 16 | -9 | 81 | 243 | |
2 | 40-52 | 5 | 105 | 21 | -4 | 16 | 80 | |
3 | 52-64 | 12 | 300 | 25 | 0 | 0 | 0 | |
4 | 64-76 | 6 | 165 | 27,5 | 2,5 | 6,25 | 37,5 | |
5 | 76-88 | 4 | 132 | 33 | 8 | 64 | 256 | |
ทั้งหมด | 30 | 750 | 616,5 |
สรุป: ความเชื่อมโยงระหว่างปัจจัยต่างๆ มีความใกล้ชิดกันมากเพราะว่า รับค่าตั้งแต่ 0.9 ถึง 0.99
ค่าสัมประสิทธิ์การกำหนดคือกำลังสองของอัตราส่วนสหสัมพันธ์เชิงประจักษ์ เพราะฉะนั้น,
(81,9%)
สรุป: ผลผลิตในองค์กรเหล่านี้ขึ้นอยู่กับผลผลิตทุน 81.9% และปัจจัยอื่น ๆ 18.1%
ภารกิจที่ 3
จากผลลัพธ์ของภารกิจที่ 1 พิจารณาด้วยความน่าจะเป็น 0.9543:
1. ข้อผิดพลาดในการสุ่มตัวอย่างรายได้รวมเฉลี่ยต่อสมาชิกในครัวเรือนต่อปี และขอบเขตที่จะอยู่ในประชากรทั่วไป
2. ข้อผิดพลาดในการสุ่มตัวอย่างส่วนแบ่งของครัวเรือนที่มีระดับรายได้รวมน้อยกว่า 52,000 รูเบิล และมากกว่าล้านรูเบิล และขอบเขตที่หุ้นทั่วไปจะตั้งอยู่
1. ข้อผิดพลาดในการสุ่มตัวอย่างสำหรับค่าเฉลี่ยถูกกำหนดโดยสูตร:
, ที่ไหน
ความแปรปรวนของประชากรตัวอย่าง
n - ขนาดตัวอย่าง;
t คือสัมประสิทธิ์ความเชื่อมั่นซึ่งกำหนดจากตารางค่าของฟังก์ชันอินทิกรัลลาปลาสตามความน่าจะเป็นที่กำหนด ในกรณีนี้ ที่ P = 0.954 ค่าจะเป็น t = 2
N คือจำนวนหน่วยในประชากร N=6,000 หน่วย
ลองคำนวณความแปรปรวนกัน เรานำเสนอข้อมูลในรูปแบบตาราง (ดูตารางที่ 11)
ตารางที่ 11
ข้อมูลสำหรับการคำนวณการกระจายตัวของระดับการผลิตเงินทุน
หมายเลขกลุ่ม | การจัดกลุ่มครัวเรือนตามรายได้รวม | จำนวนครัวเรือน ชิ้น | |||||
ฉ | |||||||
1 | 28-40 | 3 | 34 | -25,1 | 630,01 | 1890,03 | |
2 | 40-52 | 5 | 46 | -13,1 | 171,61 | 858,05 | |
3 | 52-64 | 12 | 58 | -1,1 | 1,21 | 14,52 | |
4 | 64-76 | 6 | 70 | 10,9 | 118,81 | 712,86 | |
5 | 76-88 | 4 | 82 | 22,9 | 524,41 | 2097,64 | |
ทั้งหมด | 30 | 5573,1 |
คำตอบ
การประเมินเชิงปริมาณของความหนาแน่นของการเชื่อมต่อตามข้อมูลเชิงประจักษ์ประกอบด้วยการคำนวณตัวบ่งชี้ความใกล้ชิดของการเชื่อมต่อ:
· ค่าสัมประสิทธิ์การตัดสินใจเชิงประจักษ์ (อัตราส่วนการกระจายเชิงประจักษ์) - r 2 .
ตัวบ่งชี้นี้คำนวณตามข้อมูลการจัดกลุ่มเชิงวิเคราะห์ (ตาราง) เนื่องจากอัตราส่วนของความแปรปรวนระหว่างกลุ่มของลักษณะผลลัพธ์ Y (dy 2) ต่อความแปรปรวนรวม Y (s y 2):
ตามทฤษฎีบทการสลายตัวของความแปรปรวน ความแปรปรวนระหว่างกลุ่มมีความสัมพันธ์กับความแปรปรวนรวม: s y 2 =d y 2 +e y 2 จากนั้นค่าสัมประสิทธิ์การหาค่าเชิงประจักษ์สามารถคำนวณได้จากความแปรปรวนที่เหลือโดยใช้สูตร:
โดยที่ s j 2 คือความแปรปรวนของลักษณะผลลัพธ์ Y ภายในกลุ่ม j
ค่าสัมประสิทธิ์เชิงประจักษ์ของการกำหนดลักษณะความแข็งแกร่งของอิทธิพลของลักษณะการจัดกลุ่ม (X) ต่อการก่อตัวของความแปรผันทั่วไปของลักษณะผลลัพธ์ Y และแสดงเปอร์เซ็นต์ (ส่วนแบ่ง) ของการเปลี่ยนแปลงในลักษณะผลลัพธ์ที่เกิดจากคุณลักษณะปัจจัยที่ก่อตัว พื้นฐานของการจัดกลุ่ม
สะดวกในการคำนวณ r2 ในตาราง:
ปัจจัยเครื่องหมาย X j | เอ็นเจ | ค่าเฉลี่ยของลักษณะผลลัพธ์ | เอส เจ 2 เอ็น เจ | |
เอ็กซ์ 1 | ยังไม่มีข้อความ 1 | ส 1 2 N 1 | ||
เอ็กซ์ 2 | ยังไม่มีข้อความ 2 | ส 2 2 N 2 | ||
.... | ... | |||
Xm | นิวตันเมตร | ส ม 2 นิวตัน ม | ||
ทั้งหมด | เอ็น | เอ็กซ์ | เป็น j 2 |
แล้ว .
ลองดูตัวอย่าง กำหนดให้ชุดคนงาน 20 คนมีลักษณะเฉพาะดังต่อไปนี้: Y - ผลลัพธ์ของผู้ปฏิบัติงาน (ชิ้น/กะ) และ X - คุณสมบัติ (เกรด) ข้อมูลเริ่มต้นแสดงอยู่ในตาราง:
เอ็กซ์ | ||||||||||||||||||||
ย |
จำเป็นต้องประเมินความใกล้ชิดของความสัมพันธ์ระหว่างคุณลักษณะโดยใช้สัมประสิทธิ์การพิจารณาเชิงประจักษ์ (r 2)
ในการคำนวณ r 2 เราจะทำการจัดกลุ่มเชิงวิเคราะห์ของประชากร สมมติว่า X (เกรดของผู้ปฏิบัติงาน) เป็นแอตทริบิวต์ปัจจัย และ Y เป็นผลลัพธ์ของผู้ปฏิบัติงานเป็นแอตทริบิวต์ผลลัพธ์) การจัดกลุ่มการวิเคราะห์ดำเนินการตามคุณลักษณะ X ในกรณีนี้จะไม่ต่อเนื่องกัน (เนื่องจากค่าของลักษณะ X ซ้ำกันค่อนข้างบ่อย) จำนวนกลุ่มเท่ากับจำนวนค่าของแอตทริบิวต์ X โดยรวมนั่นคือ 6. เราสรุปผลลัพธ์ของการจัดกลุ่มและการคำนวณ r 2 ในตาราง:
ปัจจัยเครื่องหมาย X | คุณลักษณะผลลัพธ์ Y | จำนวนหน่วยในกลุ่ม N j | ค่าเฉลี่ยของลักษณะผลลัพธ์ในกลุ่ม | ( - ) 2 ·นิว เจ | ความแปรปรวนของแอตทริบิวต์ผลลัพธ์ในกลุ่ม s 2 j | ส 2 เจ เอ็น เจ |
(10+12+13)/3=11,7 | (11,7-17,1) 2 3=88,56 | ส 2 1 =((10-11.7) 2 +(12-11.7) 2 +(13-11.7) 2)/3=1.56 | 4,7 | |||
(11+14)/2=12,5 | (12,5-17,1) 2 2=42,3 | ส 2 2 =((11-12.5) 2 +(14-12.5) 2)/2=2.25 | 4,5 | |||
(12+13+15+16)/4= 14 | (14-17,1) 2 4=38,4 | ส 2 3 =((12-14) 2 +(13-14) 2 +(15-14) 2 +(16-14) 2)/4=2.5 | ||||
(15+17+17+18)/4= 16,75 | (16,75-17,1) 2 4=0,49 | ส 2 4 =((15-16.75) 2 +(17-16.75) 2 ++(17-16.75) 2 +(18-16.75) 2)/4=1.9 | 4,75 | |||
(18+20+22)/3=20 | (20-17,1) 2 3=25,23 | ส 2 5 =((18-20) 2 +(20-20) 2 +(22-20) 2)/3=2.7 | ||||
(23+24+27+25)/4= 24,75 | (24,75-17,1) 2 4=234,1 | ส 2 6 =((23-24.75) 2 +(24-24.75) 2 +(27-24.75) 2 +(25-24.75) 2)/4=2.19 | 8,75 | |||
=17,1 | 429,1 | 40,7 |
ค่าสัมประสิทธิ์การตัดสินใจเชิงประจักษ์เท่ากับอัตราส่วนของความแปรปรวนระหว่างกลุ่มของลักษณะผลลัพธ์ (dy 2) ต่อความแปรปรวนรวมของลักษณะผลลัพธ์ (s y 2): r 2 = d y 2 /s y 2 = d y 2 /(d y 2 +e และ 2)
ความแปรปรวนระหว่างกลุ่ม Y จะเท่ากับ: dy 2 = å( - ) 2 ·N j / N = 429.1/20=21.45
ความแปรปรวนคงเหลือ Y จะเท่ากับ: e y 2 = ås 2 j ·N j / N= 40.7/20= 2.035
จากนั้น: r 2 =21.45/(21.45+2.035)= 429.1/(429.1+40.7)=0.913
สรุป: 91.3% ของความแปรผันในผลผลิตของผู้ปฏิบัติงานเกิดจากอิทธิพลของปัจจัยการปลดปล่อย
· ความสัมพันธ์เชิงประจักษ์ - ร.
ตัวบ่งชี้นี้เป็นรากฐานของสัมประสิทธิ์เชิงประจักษ์ของความมุ่งมั่น มันแสดงให้เห็นถึงการเชื่อมต่อที่ใกล้ชิด (ไม่ใช่แค่เชิงเส้นเท่านั้น!) ระหว่างการจัดกลุ่มและลักษณะที่มีประสิทธิผล ช่วงของค่าที่ยอมรับได้ของอัตราส่วนสหสัมพันธ์เชิงประจักษ์คือตั้งแต่ 0 ถึง +1
การเชื่อมต่อที่ใกล้เคียงที่สุดที่เป็นไปได้คือการเชื่อมต่อเชิงฟังก์ชัน เมื่อแต่ละค่าของลักษณะผลลัพธ์ Y ถูกกำหนดโดยไม่ซ้ำกันโดยค่าของลักษณะตัวประกอบ X (นั่นคือ ผลลัพธ์ของการจัดกลุ่ม) ในกรณีนี้ ความแปรปรวนของค่าเฉลี่ยกลุ่ม (วัน y 2) เท่ากับผลต่างทั้งหมด (s y 2) เช่น จะไม่มีการเปลี่ยนแปลงภายในกลุ่ม ในกรณีนี้ ความแปรปรวนที่เหลือ (e y 2) เท่ากับ 0 และสัมประสิทธิ์การหาค่าเชิงประจักษ์เท่ากับ 1
หากไม่มีการเชื่อมโยงระหว่างคุณลักษณะต่างๆ ค่าเฉลี่ยกลุ่มทั้งหมดจะเท่ากัน โดยจะไม่มีการเปลี่ยนแปลงระหว่างกลุ่ม (dy 2 = 0) และสัมประสิทธิ์เชิงประจักษ์ของการกำหนดคือ 0
ลองคำนวณอัตราส่วนสหสัมพันธ์เชิงประจักษ์สำหรับตัวอย่างของเรา: r= 0.9555 สรุป: สัญญาณของ "ผลงานของพนักงาน" และ "การปลดประจำการ" มีความสัมพันธ์กันอย่างใกล้ชิด
ตัวบ่งชี้ r และ r 2 ไม่เพียงถูกกำหนดโดยความเชื่อมโยงระหว่างคุณลักษณะ X และ Y เท่านั้น แต่ยังรวมถึงข้อเท็จจริงของการจัดกลุ่มข้อมูลหลักด้วย เมื่อจำนวนของกลุ่ม m เพิ่มขึ้น ความแปรปรวนระหว่างกลุ่ม d 2 จะเพิ่มขึ้นและเข้าใกล้ความแปรปรวนทั้งหมด หากจำนวนกลุ่มน้อยกว่าจำนวนหน่วยประชากร N ค่าของ r และ r 2 จะไม่เท่ากับ 1 แม้ว่าจะมีความสัมพันธ์เชิงฟังก์ชันที่เข้มงวดก็ตาม
โปรดทราบว่าค่าของตัวบ่งชี้ความใกล้ชิดของการเชื่อมต่อนั้นไม่ใช่หลักฐานของการมีความสัมพันธ์ระหว่างเหตุและผลระหว่างคุณลักษณะที่ศึกษา แต่เป็นการประเมินระดับความสอดคล้องร่วมกันในการเปลี่ยนแปลงลักษณะ การสร้างความสัมพันธ์ระหว่างเหตุและผลจะต้องนำหน้าด้วยการวิเคราะห์ลักษณะเชิงคุณภาพของปรากฏการณ์
การวิเคราะห์สหสัมพันธ์เกี่ยวข้องกับการวัดความแข็งแกร่งของการเชื่อมต่อโดยใช้ค่าสัมประสิทธิ์สหสัมพันธ์และอัตราส่วนสหสัมพันธ์ ด้วยรูปแบบการพึ่งพาเชิงเส้น ความแรงของการเชื่อมต่อจะถูกประเมินโดย สัมประสิทธิ์สหสัมพันธ์เพียร์สัน :
ค่าสัมประสิทธิ์สหสัมพันธ์แตกต่างกันไปตั้งแต่ (– 1) ถึง (+ 1) (– 1 ร 1).
เครื่องหมายลบของตัวบ่งชี้บ่งบอกถึงการตอบรับ เครื่องหมายบวกบ่งชี้ถึงการเชื่อมต่อโดยตรง ยิ่งค่าของตัวบ่งชี้อยู่ใกล้ 1 ในมูลค่าสัมบูรณ์ ความสัมพันธ์ก็จะยิ่งแข็งแกร่งขึ้นเท่านั้น ความสัมพันธ์ก็จะยิ่งอ่อนแอลง
ในการวัดความแรงของการเชื่อมต่อสำหรับการพึ่งพารูปแบบใด ๆ ทั้งเชิงเส้นและไม่เชิงเส้น รวมถึงการประเมินการเชื่อมต่อหลาย ๆ ให้ใช้ ความสัมพันธ์สหสัมพันธ์ทางทฤษฎี (ดัชนีสหสัมพันธ์) การคำนวณจะขึ้นอยู่กับกฎสำหรับการบวกค่าความแปรปรวน:
ที่ไหน
–ความแปรปรวนทั้งหมด
– สะท้อนถึงความแปรผันของคุณลักษณะผลลัพธ์เนื่องจากปัจจัยทั้งหมดที่กระทำต่อคุณลักษณะนั้น
หรือ
–ความแปรปรวนของปัจจัย
สะท้อนถึงความแปรผันของลักษณะผลลัพธ์เนื่องจากปัจจัย (เอ็กซ์).
–ความแปรปรวนที่เหลือ
สะท้อนถึงความแปรผันของคุณลักษณะผลลัพธ์ เนื่องจากปัจจัยทั้งหมดยกเว้นปัจจัย
(เอ็กซ์);
ความสัมพันธ์สหสัมพันธ์เชิงทฤษฎี คือรากที่สองของอัตราส่วนของความแปรปรวนของปัจจัยต่อความแปรปรวนทั้งหมด:
การแสดงออกที่รุนแรง - ค่าสัมประสิทธิ์การตัดสินใจ :
แสดงสัดส่วนของการแปรผันในลักษณะผลลัพธ์เนื่องจากอิทธิพลของลักษณะตัวประกอบในการแปรผันทั้งหมด ยิ่งสัดส่วนนี้สูงเท่าใด ความเชื่อมโยงระหว่างคุณลักษณะต่างๆ ก็จะยิ่งแข็งแกร่งขึ้นเท่านั้น
ความสัมพันธ์สหสัมพันธ์เชิงทฤษฎี แตกต่างกันไปตั้งแต่ 0 ถึง 1 (0 ร 1) ยิ่งค่าตัวบ่งชี้อยู่ใกล้ 1 ความสัมพันธ์ก็จะยิ่งแข็งแกร่งขึ้น
คุณสามารถใช้เพื่อประเมินความแน่นของการเชื่อมต่อ มาตราส่วนชม คนกิน:
แนวโน้มการพัฒนาหลักและวิธีการระบุ
ไดนามิกแต่ละชุดมีแนวโน้มการพัฒนาของตัวเองเช่น ทิศทางทั่วไปไปสู่การเพิ่ม ลด หรือรักษาระดับของปรากฏการณ์เมื่อเวลาผ่านไป ระดับของการแสดงออกของแนวโน้มนี้ขึ้นอยู่กับอิทธิพลของปัจจัยคงที่ เป็นระยะ (ตามฤดูกาล) และสุ่มต่อระดับของไดนามิกจำนวนหนึ่ง ดังนั้นเราไม่ควรพูดถึงเฉพาะแนวโน้มการพัฒนาเท่านั้น แต่ควรพูดถึงแนวโน้มหลักด้วย
แนวโน้มการพัฒนาหลัก (แนวโน้ม) เรียกว่าการเปลี่ยนแปลงในระดับปรากฏการณ์เมื่อเวลาผ่านไปอย่างราบรื่นและมั่นคง ปราศจากความผันผวนเป็นระยะและแบบสุ่ม.
เพื่อระบุแนวโน้ม ลำดับไดนามิกจะถูกประมวลผลโดยใช้วิธีการขยายช่วงเวลา ค่าเฉลี่ยเคลื่อนที่ และการจัดตำแหน่งเชิงวิเคราะห์
วิธีการขยายช่วง ขึ้นอยู่กับการขยายช่วงเวลา ซึ่งรวมถึงระดับของชุดของไดนามิก เมื่อต้องการทำเช่นนี้ แหล่งข้อมูลจะถูกรวมเข้าด้วยกัน เช่น นำมาสรุปหรือเฉลี่ยในช่วงเวลาที่ยาวนานขึ้นจนกว่าแนวโน้มการพัฒนาโดยรวมจะชัดเจนเพียงพอ ตัวอย่างเช่น ข้อมูลการผลิตรายวันจะรวมกันเป็นข้อมูลสิบวัน ข้อมูลรายเดือนเป็นข้อมูลรายไตรมาส และข้อมูลรายปีเป็นข้อมูลหลายปี ข้อดีของวิธีนี้คือความเรียบง่าย ข้อเสียคือซีรีย์ที่เรียบนั้นสั้นกว่าซีรีย์ดั้งเดิมอย่างมาก
วิธีค่าเฉลี่ยเคลื่อนที่ ประกอบด้วยความจริงที่ว่า ตามข้อมูลเริ่มต้น ค่าเฉลี่ยเคลื่อนที่จะคำนวณจากจำนวนหนึ่งของระดับแรกของชุดข้อมูล จากนั้นจากจำนวนระดับเดียวกัน เริ่มจากระดับที่สอง จากระดับที่สาม เป็นต้น ดูเหมือนว่าค่าเฉลี่ยจะเลื่อนไปตามอนุกรมไดนามิก โดยเลื่อนไปหนึ่งช่วง ค่าเฉลี่ยเคลื่อนที่ช่วยลดความผันผวนแบบสุ่ม
โครงการคำนวณค่าเฉลี่ยเคลื่อนที่ 3 ระดับ
ช่วงเวลา (หมายเลขตามลำดับ) |
ระดับที่แท้จริงของซีรีย์ไดนามิก ที่ ฉัน |
ค่าเฉลี่ยเคลื่อนที่ ที่ สค |
ที่ 1 | ||
ที่ 2 |
|
|
ที่ 3 |
|
|
ที่ 4 |
ที่ sk3 |
|
ที่ 5 |
ที่ sk4 |
|
ที่ 6 |
อนุกรมเวลาที่ปรับให้เรียบจะสั้นกว่าอนุกรมเวลาเดิมด้วยจำนวน (ฏ – 1)หากดำเนินการรวมบัญชีในระดับเลขคี่ โดยที่ ล – ระยะเวลาของการขยายระยะเวลา ตัวอย่างเช่น ถ้า ล = 3 จากนั้นแถวที่จัดเรียงจะสั้นลง 2 ระดับ ดังนั้นซีรีย์ที่เรียบแล้วจึงไม่สั้นกว่าซีรีย์ดั้งเดิมมากนัก
วิธีการจัดตำแหน่งเชิงวิเคราะห์ ประกอบด้วยการแทนที่ระดับจริงของชุดของไดนามิกด้วยค่าทางทฤษฎีที่คำนวณบนพื้นฐานของสมการแนวโน้ม:
คำนวณพารามิเตอร์สมการ วิธีกำลังสองน้อยที่สุด:
ที่ไหน ที่– ระดับจริง; ที่ Ti– ระดับระดับที่สอดคล้องกัน (คำนวณ) ในเวลา
หากการพัฒนาดำเนินการด้วยความก้าวหน้าทางคณิตศาสตร์ (ด้วยการเพิ่มขึ้นแบบสัมบูรณ์ของลูกโซ่เท่ากัน) จากนั้นจะใช้สำหรับการปรับระดับ ฟังก์ชันเชิงเส้น:
หากสังเกตไดนามิกในความก้าวหน้าทางเรขาคณิต (ด้วยอัตราการเติบโตของลูกโซ่เท่ากัน) ก็จำเป็นต้องใช้ ฟังก์ชันเลขชี้กำลัง:
ที่ ที = ก 0 ก 1 ที .
หากการพัฒนาเกิดขึ้นในอัตราการเติบโตที่เท่ากันก็จะถูกใช้กับ ฟังก์ชั่นอุณหภูมิตัวอย่างเช่น ลำดับที่สอง (พาราโบลา):
ที่ ที = ก 0 + ก 1 ที+ ก 2 ที 2 .
เกณฑ์ในการเลือกสมการแนวโน้มที่ถูกต้องคือ ข้อผิดพลาดในการประมาณ - มันแสดงถึงค่าเบี่ยงเบนมาตรฐานของระดับที่แท้จริงของซีรีย์ไดนามิกจากระดับทางทฤษฎี:
สมการที่มีข้อผิดพลาดในการประมาณน้อยที่สุดถือว่าเหมาะสมที่สุด
ให้เราพิจารณา "เทคนิค" ในการจัดชุดของไดนามิกตาม ฟังก์ชันเชิงเส้น:
ที่ไหน ก 0 , ก 1 – พารามิเตอร์ของสมการเส้นตรง ที– ตัวบ่งชี้เวลา (โดยปกติจะเป็นเลขลำดับของช่วงเวลาหรือช่วงเวลา)
พารามิเตอร์โดยตรง ก 0 และ ก 1 การหาค่ากำลังสองน้อยที่สุดนั้นพบได้โดยการแก้ระบบสมการปกติต่อไปนี้:
ที่ไหน n– จำนวนระดับของชุดไดนามิก พารามิเตอร์ ก 1 สอดคล้องกับการเพิ่มขึ้นสัมบูรณ์โดยเฉลี่ย
เพื่อให้การคำนวณตัวบ่งชี้เวลาง่ายขึ้น
สามารถให้คุณค่าเช่นนั้นได้
, แล้ว
เมื่อต้องการทำเช่นนี้ โดยอนุกรมที่มีจำนวนระดับเป็นคี่ ช่วงเวลาตรงกลางจะถือเป็นจุดเริ่มต้นของการนับเวลา โดยที่ ที เท่ากับศูนย์ ทั้งสองด้านของศูนย์จะมีแถวของจำนวนธรรมชาติที่เป็นลบและบวก ตามลำดับ ตัวอย่างเช่น
ช่วงเวลา (หมายเลขตามลำดับ) |
ที ฉัน |
สำหรับระดับจำนวนคู่ การนับจะดำเนินการจากช่วงกลางสองช่วง ซึ่งในนั้น ที เท่ากับ (-1) และ (+1) ตามลำดับ และทั้งสองข้างจะมีแถวเลขคี่ลบและบวก เช่น
ช่วงเวลา (หมายเลขตามลำดับ) |
ที ฉัน |
โครงการคำนวณพารามิเตอร์ของสมการเชิงเส้น
ช่วงเวลา |
ระดับแถวแบบไดนามิก ที่ ฉัน |
ที ฉัน |
ฉัน ที 2 |
ที่ ฉัน ที ฉัน |
ที่ Ti |
จากสมการแนวโน้มที่คำนวณได้ สามารถสร้างได้ การคาดการณ์ – การค้นหาระดับความน่าจะเป็น (คาดการณ์) นอกชุดไดนามิกดั้งเดิม