Статистическая однородность анализируемых величин может быть достигнута только применением дополнительных искусственных приемов. Основное требование к статистическим моделям — соблюдение условий идентичности проведения опыта. В нашем случае трудности, возникающие на этом этапе, значительны, так как нефтеперерабатывающая промышленность в целом находится в состоянии постоянного технического переоснащения вовлекаются в переработку новые сорта нефтей, вводятся новые установки, что ведет к соответствующему преобразованию [c.122]
Напомним, что, строго говоря, статистический анализ применим к статистически однородным случайно изменяющимся величинам, т. е. обладающим малыми флуктуациями относительно средней. Такие величины обладают определенными свойствами стабильности и асимптотически нормально распределены. В нефтепереработке к ним можно отнести производительности установок, коэффициенты отбора полупродуктов производства, показатели качества вырабатываемых фракций. [c.153]
Для проведения расчетов весь объем потребляемой комплексом НПП нефти разбивается на статистически однородные группы нефтей, близких по качественным показателям. В рассматриваемом нами случае число групп, равное четырем, было определено в результате обработки большого числа экспериментальных данных на ЭВМ. [c.158]
После определения статистически однородных областей факторного пространства, в рамках которых форма функции изменения фактора не изменяется, обобщенный случай (г) сводится к случаям (а) или (б). Со своей стороны (а) и (б) представляют собой частные случаи из (0), при условии введения дополнительного ограничения в виде константной границы изменения Ггв или Г Л И наконец, для решения проблемы изменения факторов и разграничения пространства факторов в случае (в) необходимо моделировать связи между факторными показателями. [c.94]
Фондовый рынок, как мы здесь показали, обладает существенным уровнем неопределенности, что влечет неустранимый риск, сопровождающий принятие инвестиционных решений. В ряде частных случаев традиционные методы анализа этого риска оказываются несостоятельными, так как они ориентируются на традиционный тип неопределенности, связанный с поведением однотипных объектов с неизменными свойствами. Связанные с такой банальной неопределенностью риски сравнительно легко оцениваются на базе широко известных методов теории вероятностей. Однако в большинстве случаев фондовый рынок является ненадлежащим объектом для классического статистического исследования, так как объекты выборки из генеральной совокупности не обладают свойством статистической однородности, а случайные процессы не имеют постоянных параметров, так что никакие статистические гипотезы о виде указанных процессов подтверждены быть не могут. [c.25]
Сопоставление данных, полученных для ряда стран, показывает, что веса в Z -свертке и пороговый интервал [Zl, Z2] сильно разнятся не только от страны к стране, но и от года к году в рамках одной страны (можно сопоставить выводы Альтмана о положении предприятий США за 10 лет анализа). Получается, что подход Альтмана не обладает устойчивостью к вариациям в исходных данных. Статистика, на которую опирается Альтман и его последователи, возможно, и репрезентативна, но она не обладает важным свойством статистической однородности выборки событий. Одно дело, когда статистика применяется к выборке радиодеталей из одной произведенной партии, а другое, - когда она применяется к фирмам с различной организационно-технической спецификой, со своими уникальными рыночными нишами, стратегиями и целями, фазами жизненного цикла и т.д. Здесь невозможно говорить о статистической однородности событий, и, следовательно, допустимость применения вероятностных методов, самого термина "вероятность банкротства" ставится под сомнение [3.7]. [c.47]
Рыночная неопределенность законно считается дурной , т.е. не обладающей статистической природой. Экономика непрерывно порождает изменяющиеся условия хозяйствования, она подчинена закономерностям циклического развития, при этом хозяйственные циклы не являются стопроцентно воспроизводимыми, т.к. циклическая динамика макроэкономических факторов находится в суперпозиции с динамикой научно-технического прогресса. Возникающая в результате этой суперпозиции рыночная парадигма является уникальной. Из всего сказанного следует, что не удается получить выборки статистически однородных событий из их генеральной совокупности, наблюдаемых в неизменных внешних условиях наблюдения. То есть классически понимаемой статистики нет. [c.25]
Также целый пучок проблем связан с исходными данными для лингвистического анализа. Во-первых, трудно выполнить условие статистической однородности. Применительно к развитым странам однородность выборки достигается довольно легко. Так, 9000 корпораций США, чьи акции котируются на бирже, подразделены на 14 секторов и 31 индустриальную группу в составе этих секторов [36]. И в этом случае можно добиться однородности хотя бы на уровне секторов. В России ситуация принципиально иная. Есть некоторое количество корпораций (несколько десятков), чьи акции регулярно торгуются на российских биржах. Все остальные компании, в силу своей недоразвитости или из-за отсутствия желания привлекать средства на рынке (делясь контролем при этом), составляют подводную часть айсберга. И это как бы две разные экономики, перемешивание которых в анализе проблематично. [c.10]
Познавательные трудности применения Ки обусловлены необходимостью проведения большой предварительной исследовательской работы. Прежде чем его рассчитать, следует выявить зависимости отдельных элементов затрат на единицу полезного эффекта потребления продукции от наиболее значимых её свойств. Необходимо также математически корректно установить место каждой частной зависимости в структуре интегрального показателя уровня качества. Информационная база подобных расчетов формируется тяжело и до сих пор её состояние неудовлетворительно. Она представлена фрагментарными данными, полученными не по единому плану, а как результат разрозненных инициативных разработок. От этого страдает структурная и динамическая однородность статистических сведений, их полнота и представительность. Это объясняется особенностями объекта изучения. Например, чтобы оценить влияние содержания серы на ресурс двигателя, надо провести цикл чистых экспериментов с разными сортами топлива на протяжении десяти лет. Тем не менее, уже накопленный материал значителен и имеет характер технико-экономических зависимостей, которые не утрачивают силу со временем. [c.89]
При подготовке исходных статистических данных к моделированию большое внимание уделяется приведению их к сопоставимому виду. Должна быть обеспечена сопоставимость конструкционных параметров (желательно выделение в отдельные группы однородных конструкций), необходимо приведение данных к одинаковым условиям производства (например, по объему выпуска) и т. д. [c.143]
Для оценки влияния параметров организационной структуры на конечные результаты производства необходимо установление их логической связи через систему промежуточных показателей затрат. Гипотеза о характере воздействия тех или иных параметров организационной структуры на эффективность производства может быть проверена статистически. Однако практически трудно сформировать однородный массив данных по однотипным предприятиям. Поэтому более рациональным является построение комплексного критерия качества организационной структуры с последующей ее оценкой экспертным путем, на основе известной общей комплексной оценки [4, 5]. [c.261]
Но всем этим методам присущ один значительный недостаток. Они имеют право на существование при однородности и репрезентативности событий банкротства (выживаемости). Кроме того, каждое предприятие - это настолько уникальный объект, что, имея статистические данные, относящие его к группе банкротов, оно может выжить и наоборот. [c.382]
Следующим этапом анализа является сбор и статистическая оценка исходной информации, которая будет использоваться в корреляционном анализе. Собранная исходная информация должна быть проверена на достоверность, однородность и соответствие закону нормального распределения. [c.140]
Очевидно, что невзвешенные среднеарифметические адекватно представляют однородную статистическую совокупность, т.е. такую, у которой разрыв между максимальным и минимальным значениями, а также другие показатели вариации невелики. [c.364]
Наблюдение за оптовыми ценами предприятий (ценами производителей промышленной продукции) ведется на специальных бланках регистрации. Регистрации цен производителей предшествует отбор отраслей, предприятий и укрупненных товарных позиций. Список базовых (опорных) предприятий содержит около 4 тыс. ведущих объединений и предприятий промышленности. Отбор конкретных товаров-представителей и выборочной сети предприятий — производителей промышленной продукции производится местными статистическими органами с учетом местных отраслевых особенностей в структуре промышленной продукции региона и ассортимента выпускаемой продукции. В качестве товаров-представителей принимаются однородные группы продукции с точки зрения основных качественных параметров, а также [c.543]
Обобщение данных наблюдения включает группировку - разграничение общей совокупности на группы однородных единиц и сводку - обобщение значений признаков в сводные статистические показатели для характеристики каждой частной совокупности, группы и совокупности в целом (см. гл. 3, 5, 6). [c.17]
Выделение типов в результате классификации или группировки данных обеспечивает их однородность Тем самым создается основа для расчета сводных показателей, анализа вариации и связей. Однородность обобщаемых данных определяет устойчивость всех статистических показателей. Так, по-разному рассчитывается средний надой молока в целом по России, объединяя центральные районы, Северный Кавказ, Северо-Запад и т. д., и этот же показатель по отдельным территориям страны с достаточно однородными природно-климатическими условиями. [c.17]
Однородность (гомогенность) данных является исходным условием их статистического описания и анализа - вычисления и [c.118]
Объектом статистического исследования является статистическая совокупность. Статистическая совокупность — множество единиц, обладающих массовостью, однородностью, определенной целостностью, взаимозависимостью состояний отдельных единиц и наличием вариации. Например, в качестве объектов статистического исследования могут выступать сельскохозяйственные предприятия, их работники и т.д. Статистическая совокупность состоит из реально существующих материальных объектов. [c.6]
Типичность средней непосредственно связана с однородностью статистической совокупности. Средняя величина только тогда будет отражать типичный уровень признака, когда она рассчитана по качественно однородной совокупности. [c.53]
По степени вариации можно судить о многих сторонах процесса развития изучаемых явлений, в частности об однородности совокупности, устойчивости индивидуальных значений признака, типично средней, о взаимосвязи между признаками одного и того же явления или между признаками разных явлений. Статистические показатели, характеризующие вариацию, широко применяются в практике, например для контроля за ходом производственных процессов, устойчивости урожайности сельскохозяйственных культур тех или иных сортов или одного и того же сорта в определенных почвенно- [c.63]
Существуют два основных подхода к определению элементарной единицы статистического наблюдения в экономике. В первом случае наблюдение ведется исходя из технологии конкретного производства (например, наблюдение за производством телевизоров или оказанием какого-то определенного вида услуг). На этом принципе строится отраслевой подход к экономическому анализу. Он получил довольно широкое распространение в нашей стране, однако необходимо иметь в виду важную особенность, на которой он основан. Дело в том, что в современной экономике редкие предприятия занимаются производством какого-либо одного вида продуктов или услуг. Чаще всего предприятие объединяет несколько достаточно обособленных производств, например производство автомобилей, холодильников и инструмента. При этом одни производства, которые в настоящий момент могут приносить больше прибыли, используются для субсидирования других. В СНС такие однородные с технологической точки зрения производства, организационно объединенные в одно предприятие, принято обозначать как заведения. При реализации отраслевого подхода полученную от предприятий первичную экономическую информацию приходится условно разбивать по заведениям, что может привести к значительным искажениям. Так, очень трудно корректно разделить между различными заведениями расходы на электроэнергию, расходуемую на освещение общего административного здания. Поэтому в СНС базовым является другой подход, который можно обозначить как институциональный. [c.520]
В тех случаях, когда имеющиеся статистические данные достаточно однородны, допущение Е=о2 л вполне оправдано. Однако в других ситуациях оно может оказаться неприемлемым. Так, например, при использовании зависимости расходов на потребление от уровня доходов семей можно ожидать, что в более обеспеченных семьях вариация расходов выше, чем в малообеспеченных, т. е. дисперсии возмущений не одинаковы. При рассмотрении временных рядов мы, как правило, сталкиваемся с ситуацией, когда наблюдаемые в данный момент значения зависимой переменной коррелируют с их значениями в предыдущие моменты времени, т. е. наблюдается корреляция между возмущениями в разные моменты времени. [c.150]
Другим эффективным методом выявления влияния факторов на динамику спроса являются группировки. Этот статистический метод, состоящий в расчленении совокупности на однородные группы по какому-либо признаку, в маркетинге встречается в форме сегментации рынка. В 5.1 мы использовали группировку для того, чтобы обнаружить зависимость уровня и структуры спроса от социальной структуры населения (табл. 5.2). Такая группировка относится к классу аналитических и широко используется в анализе факторов. [c.200]
Но если первое направление связано с рядом гипотетических предположений, например о характеристиках качества, оптимальном наборе контролируемых параметров, то следующие два направления качественно однородны, базируются на косвенном статистическом определении параметров вовлекаемых в смесь компонентов. В этой связи представляются перспективными 2-й и 3-й подходы, которые можно сформулировать следующим образом найти такой рецепт компаундирования нефтепродуктов, который достаточно мало отличается от заданного. [c.116]
Для полного ряда из 15 значений критерий однородности (Var < 0,33) не выполняется, следовательно, использовать полный ряд значений прибыли нельзя. Лишь исключив по четыре наибольших и наименьших значения, можно привести этот ряд к однородности. Проверка нормальности для усеченной совокупности данных (по 7 оставшимся магазинам) показывает, что все три ряда значений нормальны Правда, при этом вызывает сомнение правомочность использования статистических процедур на столь малой выборке. Однако если отвлечься от этого факта, то и в этом случае зависимость вида z = а + Ь х + Ь2у не даст аналитику значимой информации, поскольку между факторами хну наблюдается сильная взаимозависимость (мультиколлинеарность) - об этом свидетельствует высокое значение парного коэффициента корреляции (на усеченной выборке г = -0,88). [c.104]
Кластерный анализ. Метод статистического анализа, позволяющий разделить группу объектов на взаимно непересекающиеся подмножества относительно однородных объектов. [c.186]
Второй постулат заключается в недоказуемом положении, что при расчете вероятности наступления конечного, завершающего, целевого, заданного события момент его наступления подчиняется закону нормального распределения. Это значит, что совокупность событий признается однородной, т. е. считается, что значение признаков этих событий складывается под влиянием одних и тех же существенных условий. При этих условиях распределение вероятности должно быть одинаковым для всех единиц данной статистической совокупности, в данном случае для всех событий сетевого графика. [c.137]
Но классическая вероятность аксиоматически определена как характеристика генеральной совокупности статистически однородных случайных событий. Следовательно, если статистической однородности нет, то применение классических вероятностей в анализе оказывается невозможным. [c.5]
Успешное применение вероятностных методов в статистике конца XIX века (при исследовании массовых и статистически однородных демографических процессов) сделало методы теории вероятностей широко распространенными во всех сферах жизни, особенно с развитием технической кибернетики во второй половине XX века. Использование вероятностей при учете случайности, неопределенности, ожидаемости событий приобрело эксклюзивный характер. Наиболее оправданным такое применение оказалось там, где речь шла об однородных событиях массового характера, а именно - в теории массового обслуживания и в технической теории надежности. [c.20]
Однако, начиная с 50-х годов, в академической науке появились работы, ставящие под сомнение тотальную применимость вероятностной теории к учету неопределенности. Авторы этих работ закономерно отмечали, что классическая вероятность аксиоматически определена как характеристика генеральной совокупности статистически однородных случайных событий. В том случае, если статистической однородности нет, то применение классических вероятностей в анализе оказывается незаконным. [c.20]
Аналогичные рассуждения можно провести, если эксперт наблюдает один параметр единичного предприятия, но во времени. Ясно, что в этом случае статистическая однородность наблюдений отсутствует, поскольку со временем непрерывно меняется рыночное окружение фирмы, условия ее хозяйствования, производственные факторы и т.д. Тем не менее, эксперт, оценивая некоторое достаточно приличное количество наблюдений, может сказать, что вот это состояние параметра типично для фирмы, а вот это — из ряда вон. Таким образом, эксперт высказывается о законе распределения параметра таким образом, что классифицирует все наблюдения нечетким, лингвистическим способом, и это уже само по себе есть факт генерации немаловажной для принятия решений информации. И, раз закон распределения сформулирован, то эксперт имел дело с квазистатистикой. [c.29]
Как подробно рассмотрено в главе 5 работы, цена подлежащего актива может моделироваться винеровским случайным процессом лишь при определенных оговорках. Реальная статистика бумаг по существу является квазистатистикой, поскольку бумага торгуется на рынках с изменяющимися условиями, и, следовательно, статистической однородности нет. Однако можно сохранить допущение о нормальном распределении цены актива, оговорившись, что в этом распределении параметры являются треугольными нечеткими числами. [c.109]
Для того чтобы на основе количественной оценки получить качественное описание ее уровня, необходимо выработать экспертное заключение на основе дополнительной информации. В наиболее перспективном виде такая информация содержится в гистограммах распределения факторов. Обычно эта гистограмма строится на основе квазистатистики [4], потому что не выполняется условие статистической однородности выборки (данные взяты за ряд лет, у предприятий, находящихся в различных рыночных условиях, принадлежащих различным отраслям и т.п.). И поэтому не приходится говорить об интерпретации гистограммы плотностью классического вероятностного распределения. [c.42]
В нашей стране в целях гармонизации отечественных классификаций с международными классификационными стандартами разработан Общероссийский классификатор видов экономической деятельности, продуктов и услуг (ОКДП). В группировке хозяйственных единиц по отраслям единицей классификации является заведение. Отрасль определяется как совокупность заведений с однородным производством. Заведение—это предприятие или его часть, занятые преимущественно одним видом производственной деятельности (с точки зрения характера производимых товаров и услуг, направления их использования, характера технологического процесса), по которому имеется статистическая информация о затратах и выпуске продукции. [c.119]
Суть принципа разумного сочетания абсолютных и относительных показателей заключается в том, что основное предназначение любой системы показателей состоит в сопоставлении и анализе некоторых характеристик в пространственно-временном разрезе. Наиболее пригодны для этой цели относительные величины с их помощью можно выявить и оценить влияние экстенсивных и интенсивных факторов развития явления, элиминировать пространственно-временную несопоставимость показателей, обусловленную такими причинами, как инфляция, эффект масштаба, организационные изменения и др. Например, прибыль, являясь абсолютным показателем, далеко не всегда может служить критерием сравнительной оценки эффективности работы предприятий иное дело — показатели рентабельности. Таким образом, распространенность относительных и удельных показателей обусловливается тем обстоятельством, что они имеют определенные преимущества перед абсолютными — позволяют сопоставлять несопоставимые по абсолютным величинам объекты, дают возможность элиминировать влияние некоторых общеэкономических факторов (например, инфляции), более ус-ТОЙЧИЕЫ в пространстве и времени, т.е. характеризуют более однородные вариационные ряды, позволяют улучшить статистические свойства показателей (в смысле принадлежности их к закону распределения, близкому к нормальному), что является немаловажным фактором для корректной обработки данных с помощью статистических методов и т.д. [c.92]
Статистическая совокупность — это множество (масса) однокаче-ственных (однородных) хотя бы по одному какому-либо признаку явлений. [c.7]
Одна и та же совокупность единиц, к примеру, может быть однородна по одному признаку и неоднородна по другому. Одинаковые для всех единиц условия существования создают то общее, что объединяет единицы совокупности, но эти же прргчины и уело вия формируют то, что отличает одну единицу совокупности от другой. В статистической совокупности эти отличия чаще имеют количественную природу. Количественные изменения значений признака разных единиц совокупности называются вариацией. [c.7]
Как отмечалось ранее, СНС представляет собой международный статистический стандарт. Он определяет систему статистических показателей, отражающих процессы, протекающие на макроэкономическом уровне, и вызванные этим изменения активов и обязательств. СНС включает совокупность счетов, балансов и взаимоувязанных таблиц, базовые понятия, определения, классификации и правила учета. Таким образом, методология СНС определяет не только, какие показатели должны быть построены, но и то, каким образом эти показатели должны быть рассчитаны. Конечно, конкретные методики расчета показателей сильно зависят от имеющейся базовой информации, технических возможностей статистической системы и других обстоятельств. В России такие методики разрабатываются и утверждаются Государственным комитетом Российской Федерации по статистике, в других странах они готовятся соответствующими национальными статистическим службами. Национальные методики могут различаться в деталях, однако должны быть полностью сопоставимы с точки зрения базовых принципов, правил учета и оценки. Только в этом случае показатели СНС разных стран будут сопоставимы между собой. (ТТомимо международной сопоставимости существует еще проблема внутренней методологической сопоставимости. /СНС тесно связана с другими макроэкономическими моделями, такими как платежный баланс, государственный бюджет, финансовые модели, на практике генерируемые Центральным банком. Категории, используемые в этих моделях, должны быть методологически однородными. Иными словами, понятия, например, валового внутреннего продукта (ВВП) в СНС и в государственном бюджете должны быть идентичными. [c.519]
Технологией расчетов по статико-статистической модели предусмотрена двухэтапная процедура. На первом этапе на основе данных за прошлые периоды функционирования предприятий НПК разрабатываются регрессионные модели прогноза потребления нефтей и с разбивкой по группам модели прогноза выработки нефтепродуктов, поступления нефтей, прочих показателей, входящих в отчетную документацию, а также предпроектные контрольные задания по выпуску товарной продукции по всей номенклатуре нефтепродуктов, производимых на рассматриваемом НПК. На втором этапе на основе текущего плана-прогноза по приему нефтей на расчетный период планирования и прогнозных моделей, разработанных на первом этапе, последовательно разрабатываются соответствующие прогнозные показатели по потреблению нефтей — дифференцированно по сортам, выработке нефтепродуктов, поступлению нефтей и другим показателям, агрегированным по заданному признаку однородности и взаимозаменяемости. На завершающей стадии второго этапа в результате решения по каждой группе нефтепродуктов энтропийной ЗОК получают оптимальный план выпуска товарной продукции по всей номенклатуре показателей НПК. [c.124]