Глава 5. Методы представления статистических данных [c.41]
Наибольшее распространение в экономике в настоящее время получили математическое программирование и статистические методы. Правда, для представления статистических данных, для экстраполяции тенденций тех или иных экономических процессов всегда использовались графические представления (графики, диаграммы и т.п.) и элементы теории функций (например, теория производственных функций). Однако целенаправленное применение математики для постановки и анализа задач управления, принятия экономических решений разного рода (распределения работ и ресурсов, загрузки оборудования, организации перевозок и т.п.) началось с внедрения в экономику методов линейного и других видов ма- [c.60]
Суммарный метод нормирования заключается в определении норм на основе производственного опыта нормировщика или систематизации статистических данных о фактических затратах рабочего времени на аналогичные операции за прошлый период. Нормы, установленные таким образом, называются опытно-статистическими. Такие нормы имеют рял, недостатков. Они технически не обоснованы, поскольку отражают субъективные представления о характере труда и его затратах. Эти нормы фиксируют фактическое состояние техники, технологии и организации производства. Они тормозят внедрение повой техники, технологии и организации производства, сдерживают рост производительности труда. В ряде случаев используют сравнительный метод, при котором норму затрат груда определяют по аналогии, т. е. сравнением с нормой на выполнение аналогичной операции. Этот метод также не является прогрессивным, по- [c.82]
Метод пошаговой регрессии, включенный во многие статистические пакеты, позволяет из множества исходных переменных производить отбор тех переменных, которые наиболее значимы для адекватного представления исходных данных. Этот метод позволяет, во-первых, построить более простую, сокращенную модель, а, во-вторых, при последующем сборе данных не регистрировать несущественные переменные. Он может быть использован в качестве предварительного этапа перед построением нелинейной модели. [c.92]
Метод приведения параллельных данных основан на сопоставлении двух или нескольких рядов статистических величин. Такое сопоставление позволяет установить наличие связи и получить представление о ее характере. Сравним изменения возраста и веса ребенка. [c.111]
При наличии дополнительных знаний о характере задачи статистические данные могут оказаться предпочтительнее. При сравнительном анализе возможностей нейронных сетей и статистических методов надо быть достаточно осторожными, поскольку иногда весьма сложные нейросетевые подходы сопоставляются с простыми статистическими моделями или наоборот. Существует мнение, что одинаково мощные статистические и нейросетевые подходы дают результаты одинаковые по точности и по затратам. Тем не менее, примеры решения действительно важных прикладных задач могут дать представление о возможностях того или иного подхода. [c.203]
Процесс прогнозирования, опирающийся на статистические методы, распадается на два основных этапа. Первый (индуктивный) этап — обобщение данных, наблюдаемых за достаточно продолжительный период, и представление статистических закономерностей в виде модели, которая выражается либо аналитической функцией тенденции развития, либо в виде зависимости от нескольких факторов-аргументов. Второй этап — собственно прогноз — дедуктивный. На основе выявленных закономерностей определяют ожидаемые значения прогнозируемого показателя, которые должны быть критически осмысленны с содержательной точки зрения. Указанные этапы конкретизируются в определенной последовательности шагов [c.285]
Для проведения расчетов по решению указанных выше задач разработаны соответствующие системы уравнений, методы их решения и алгоритмы их реализации на ЭВМ. В процессе унификации форм производится моделирование ряда вариантов каждой формы документа, а затем выбор наиболее оптимального из них. Методом перебора рассматриваются все варианты сочетаний допустимых форматов и планов I и III зон с соответствующим размещением данных II зоны. В связи с тем, что зоны документов имеют различную структуру, моделирование их форм при унификации документов производится раздельно по зонам. При моделировании I зоны используются планы размещения ее реквизитов, для чего проводится их формализация, основанная на расчленении плана на элементы и представлении их характеристик в определенной форме записи. Система уравнений для унифицированных планов является частным случаем системы уравнения общего метода планировки зон. Оптимизация I и III зон производится по их площади для различных вариантов сочетаний допустимых форматов бумаги и планов размещения реквизитов. В ходе моделирования табличной (второй) зоны производится оптимизация по площади за счет изменения размеров элементов таблицы. Исходными данными при этом являются количество и характеристики граф и строк таблицы. Для ее оптимизации разработана необходимая система уравнений, решение которых для конкретных исходных данных дает результаты по размерам и площади ее элементов и коэффициент использования бумаги. Большое число неизвестных и обработка значительных массивов статистических данных, характеризующих применяемые документы, делают целесообразным проведение расчетов на ЭВМ. [c.133]
Основная линия взаимодействия между двумя системами — представление АСГС в АСПР учетно-статистических данных, необходимых для плановых расчетов, с учетом новых требований. Для АСПР АСГС является основным источником статистической информации. С развитием АСПР в практике планирования будут все шире применяться экономико-математические методы и модели, постепенно увязываемые в единый комплекс. Расчеты на их основе потребуют прежде всего расширения состава статистических показателей. В частности, потребуются более детальные сведения о населении, о потребительском спросе и тенденциях его развития. В центре разрабатываемого для АСПР комплекса моделей будет стоять плановый межотраслевой баланс. Очевидно, что он должен быть по всем показателям согласован с отчетным балансом. Поскольку в АСПР предполагается проводить многовариантные оптимизационные расчеты по планированию производства и распределению продукции, материальных и финансовых ресурсов, понадобится более широкая информация по материалоемкости и фондоемкости продукции. При этом получаемые данные должны допускать их перегруппировку в различных разрезах. АСГС сможет справиться с этими требованиями лишь в том случае, если она будет более интенсивно и комплексно использовать данные первичного учета предприятий и организаций. Это вполне возможно, если АСГС будет развиваться как система коллективного пользования. Больше внимания будет уделяться специальным статистическим обследованиям, в том числе выборочным и монографическим, проводимым в целях получения информации для решения крупных плановых задач, например, разработки комплексных программ. [c.136]
При подготовке отчета, при представлении сравнительных данных руководству составитель отчета должен различать изменения, не имеющие важного значения, и изменения, требующие корректирующих мероприятий. Он должен сконцентрировать свое внимание на важных исключениях из норм, предусмотренных в бюджетах или уже достигнутых в хозяйственной деятельности. Чтобы подготовить такой отчет, который требуется для руководства, составитель отчета должен изучить методы учета, познакомиться со статистическими методами, техникой прогнозирования и техникой ведения записей. [c.639]
При работе над учебником использованы методы статистического, сравнительного, факторного анализа, применялся исторический, системный и комплексный подход к изложению материала. Логика изложения, заключающаяся в первоначальном определении главных понятий и последующем раскрытии основ организации и функционирования финансов, позволяет читателям понять закономерности и современные тенденции развития финансовых отношений. Положения и выводы иллюстрируются статистическими данными, представленными в таблицах, схемах, диаграммах, сопровождаются ссылками на нормативно-пра- [c.9]
ХВ 1983 г. вышла в свет книга А и в а з я н С. А., Е н ю к о в И.С., Мешалки н Л. Д. Прикладная статистика Основы моделирования и первичная обработка данных. — М. Финансы и статистика. В ней, в частности, определена прикладная статистика как самостоятельная научная дисциплина, разрабатывающая и систематизирующая понятия, приемы, математические методы и модели, предназначенные для организации и обработки статистических данных с целью их удобного представления, интерпретации и получения научных и практических выводов (см. с. 19). [c.5]
Понятие ранговой корреляции. Под ранговой корреляцией понимается статистическая связь между порядковыми переменными. В статистической практике эта связь анализируется на основании исходных статистических данных, представленных упорядочениями (ранжировками) п рассматриваемых объектов по разным свойствам (см. столбцы табл. 2.1). Есть ли хоть какая-то согласованность (или связь) между упорядочением анализируемых объектов по свойству x(k> и упорядочением тех же объектов по другому свойству (/> Можно ли измерить и проанализировать совокупную статистическую связь, существующую между ранжировками одних и тех же объектов Оь 02,. .,, Оп, полученными в соответствии со степенью проявления в них сначала свойства ( 1 (1-й способ упорядочения), затем-—свойства x(kt) (2-й способ упорядочения) Таким образом, речь идет о системе понятий и методов, позволяющих измерять и анализировать статистическую связь, существующую между двумя или несколькими ранжировками одного и того же конечного множества объектов О,, 02, . .., Оп. [c.102]
Как и в других стандартах, авторы данного Правила (стандарта) особо подчеркивают обязательность его требований во всех случаях, когда по результатам проверок и иного обслуживании экономических субъектов предусматривается представление им официального аудиторского заключения. Таким образом, с 1998 г. отечественные аудиторы (равно как и их зарубежные коллеги) при проверках своих клиентов обязаны широко использовать методы экономико-статистического анализа. При этом, если ориентироваться на международный опыт аудита, данные методы используются именно на основе циклического подхода к различным участкам финансово-хозяйственной деятельности экономического субъекта, а следовательно, и к различным сегментам отчетности. [c.69]
Термин нейронные системы относится к группе методов, разработанных для имитации процесса создания нового знания человеком. В основе этих методов лежит тот же подход, что и в статистике существует множество возможных исходов (результативных признаков) и множество факторных признаков, наблюдаемых в момент принятия решения о предоставлении кредита, тогда можно построить модель, которая позволяет объяснить получаемые результаты. Отличие нейронных сетей от статистического подхода заключается в способе построения модели. Нейронные сети получают в качестве исходных данные, используемые в принятии решения о предоставлении кредита, и задание на получение результата в виде классификации дебиторов на имеющийся допустимый или недопустимый уровень риска. Посредством анализа возможных путей нейронные сети изучают к каким результатам приводят исходные данные. Таким образом, сеть отражает нелинейное представление связей данных на входе и выходе. [c.355]
Как правило, определение нормативов на потребление услуг связи выполняется названными выше методами, а также методом сравнительного анализа и экспертных оценок и увязывается с возможностью необходимых капиталовложений. Тем самым создаются предпосылки к разработке реально выполнимых планов. Сравнительные методы базируются на представлении о том, что взаимосвязь между уровнями потребления услуг связи и уровнями развития экономики в различных регионах страны, а также в различных странах подчиняется примерно одним и тем же закономерностям. Справедливость этой предпосылки подтверждается вековым опытом развития электросвязи в мире. Это позволяет при определенных условиях планировать услуги связи на основе сравнения объемах потребления услуг в данном регионе с информацией о более развитых регионах. Кроме того, можно корректировать нормативы или функцию регрессии (тренд), полученную на основе данных по региону, сообразуясь с нормативами и функциями регрессии, выведенными на основе статистических данных по другим регионам, имеющим сходные уровни экономического развития. Таким образом, сравнительные методы могут дополнять варианты плановых решений по перспективам развития услуг связи, полученные другими методами, делая окончательное решение более обоснованным. [c.144]
В предлагаемом учебном пособии мы даем краткое введение в современные методы эконометрического анализа статистических данных, представленных в виде временных рядов, которые учитывают возможное наличие у рассматриваемых переменных стохастического тренда. Основные акценты, как и в работе [Носко (2000)], смещены в сторону разъяснения базовых понятий и основных процедур статистического анализа данных с привлечением смоделированных и реальных экономических данных. Вместе с тем, от читателя требуется несколько большая осведомленность в отношении вероятностно-статистических методов исследования. Предполагается, что читатель имеет представление о совместной функции распределения, многомерном нормальном распределении, методе максимального правдоподобия, свойстве состоятельности оценок, характеристиках статистических критериев (ошибки первого и второго рода, мощность), а также владеет методами регрессионного анализа в рамках начального курса эконометрики. Кроме того он должен иметь некоторое представление о комплексных числах и комплексных корнях полиномов. [c.6]
Как было отмечено во Введении, данное учебное пособие является лишь кратким введением в современные методы эконометрического анализа статистических данных, представленных в виде временных рядов. Естественно, что при этом за рамками пособия осталось достаточное количество вопросов, имеющих важное значение. [c.241]
Маркетинговые исследования и сегментирование потребителей в КНР все еще находятся в зачаточном состоянии. Без сомнения, торговые компании отчаянно нуждаются в информации о различных взаимосвязях в структурах потребительских групп, необходимой им для формирования жизнеспособных рыночных стратегий, способных учитывать стремительный рост китайского потребительского рынка. В данной главе представлены результаты социологического опроса потребителей, проведенного с участием сотен респондентов в Пекине и Шанхае весной 1997 г. Представленные данные анализировались с помощью самоорганизующихся карт — метода обработки информации, позволяющего добиться простого и удобного визуального представления полученных данных без обременительных ограничений по их линеаризации. Результаты применения данного метода говорят о существенных различиях в количестве и типах подгрупп потребителей на рынках Пекина и Шанхая в зависимости от влияния на спрос (а в какой-то мере и на образ жизни), большого сходства во вкусах и потребностях, существующих у населения этих двух мегаполисов, значимости самого предлагаемого продукта и субъективного отношения покупателей к торговым маркам. Проведенное исследование демонстрирует несомненную пользу применения метода самоорганизующихся карт. Торговые компании могут использовать результаты этого исследования как практически применимую модель для сбора информации и анализа данных статистических опросов потребителей в целях выработки успешной стратегии и тактики работы на потребительском рынке Китая. [c.198]
Стандартный статистический подход представляет собой регрессионный анализ, который дает оценку коэффициентов а и с с помощью метода наименьших квадрантов. Данные, необходимые для регрессионного анализа уравнения (4.13), могут включать показатели потребления и дохода домашних хозяйств за один год для большой выборки, или значения потребления и дохода за ряд лет для некоторой выборки, или показатели совокупного потребления и совокупного дохода домашних хозяйств, исчисленные с помощью системы национальных счетов, представленной в табл. 4-1. Значительный интерес экономистов вызвала статистическая оценка параметра с в уравнении (4.13). Этот коэффициент называется предельной склонностью к потреблению (МРС) и измеряет рост потребления при увеличении дохода на i долл. Предполагается, что 0 < с < 1, т.е. потребление с ростом дохода увеличивается, но медленнее, чем растет доход. [c.121]
Можно, наконец, рассмотреть еще одно направление экономико-математического моделирования — это исследование вопроса о соответствии математических моделей изучаемым экономическим явлениям. К сожалению, это направление исследований, которое можно было бы назвать теорией математических моделей экономических процессов, не получило пока должного развития. До сих пор бытует представление о том, что доказать существование решения (оптимального или равновесного — безразлично) и вычислить его — вот основная задача экономико-математического моделирования. В действительности же главный вопрос состоит в том, можно ли данную математическую модель использовать для анализа той или иной прикладной или теоретической проблемы экономической науки. Сама по себе ни одна математическая теория (в том числе и статистический анализ, часто используемый в настоящее время для оценки и обоснования моделей) не может ответить на этот вопрос — он является проблемой экономической науки, поэтому теория моделей экономических процессов, занимающаяся вопросами адекватности математических моделей и методов изучаемым экономическим проблемам, должна быть важнейшей составной частью экономических исследований. Недостаточное развитие этого раздела экономической науки является, по моему мнению, основным препятствием, тормозящим эффективное использование математики в прикладных экономических исследованиях. [c.7]
В последнее время довольно устоявшееся представление о внутрихозяйственном анализе как способе выявления резервов и о методах их мобилизации претерпело существенное изменение. Изменилась точка зрения на его предназначение, цели проведения и сферы влияния, на роль в разработке и обосновании целесообразности новых управленческих решений, касающихся оптимизации использования ресурсов и повышения эффективности хозяйствования. Все чаще внутрихозяйственный анализ стали называть управленческим анализом, проведение которого базируется на данных первичного и сводного бухгалтерского и статистического учета, данных оперативного учета и анализа и другой информации. [c.90]
Наиболее часто в процессе изучения процентных ставок применяется графический метод, который позволяет достаточно быстро и с минимальными трудозатратами получить наглядное представление об изменении отдельных видов процентов. Графический метод заключается в построении различных статистических кривых, отражающих изменение процентных ставок по времени. На график одновременно могут быть нанесены несколько кривых, показывающих движение различных видов ставок, которые предположительно взаимосвязаны между собой. Это дает возможность получить предварительные оценки характера зависимости между изучаемыми показателями. Графический метод позволяет перейти от визуального восприятия изменения показателей во времени к более подробному их изучению с помощью статистического выравнивания эмпирических данных для определения общей тенденции развития явления. [c.608]
То, что денежный измеритель лежит в основе отчетности вообще и отчета о финансовых результатах в частности, не должно смущать тех, кто в условиях инфляции теряет доверие к покупательной силе денег. Во-первых, с помощью тех же статистических методов можно пересчитать номинальное движение средств в реальное во-вторых, что еще более важно, бухгалтер может, используя возможности управленческого учета, включить в отчет данные о движении средств в натуральной форме. Наконец, самым существенным надо признать тенденцию представления данных [c.477]
При решении задачи распознавания статистическими методами важнейшее значение имеет правильный выбор способа статистического представления объекта. Тем самым, нужно проделать предварительную обработку данных. Для того чтобы выбрать характерные отличительные признаки объектов, требуется, как правило, серьезное изучение исходной проблемы. Например, в моделях банкротства банков важное значение имеют такие показатели, как опыт в управлении фондами и соответствие требованиям адекватности капитала. Различные наборы признаков приводят к разным распределениям. При этом в разных вариантах дисперсия и свойства выпуклости кластеров во входном пространстве могут сильно отличаться, соответственно, при их разделении потребуется проводить границы разной степени сложности — от линейных до сильно нелинейных. Чем лучше была сделана предварительная обработка, тем легче будет решена задача классификации. [c.45]
МЕТАИНФОРМАЦИЯ [metainformation] — информация о способах и методах переработки информации или о том, где найти информацию. Так, в библиотеке каталог представляет собой М. по отношению к информации, содержащейся в книгах на заводе порядок представления статистических данных или разработки плановых заданий — это М. по отношению к информации, содержащейся в отчетах и планах. [c.195]
Вовлеченность в работу всех сотрудников базируется на овладении специальными знаниями в области качества путем обучения методам обеспечения качества и повышения квалификации персонала. Важным в этом процессе является овладение персоналом всеми инструментами контроля качества, которые обеспечивают необходимые статистические данные для их последующего анализа специалистами. Авторы TQM рекомендуют семь таких инструментов (контрольный листок возможных состояний и частоты их проявления, графическое представление статистического материала в виде гистограммы, диаграмма разброса между параметрами, диаграмма учета весомости причин — диаграмма Паре-то, причинно-следственная диаграмма Исикавы, контрольная карта хода процесса и метод стратификации). [c.469]
ПРИКЛАДНАЯ СТАТИСТИКА [applied statisti s] — научная дисциплина, разрабатывающая и систематизирующая понятия, приемы, математические методы и модели, предназначенные для организации сбора, стандартной записи, систематизации и обработки (в том числе с помощью ЭВМ) статистических данных с целью их удобного представления, интерпретации и получения научных и практических выводов65. Если рассматривать математическую статистику как науку, изучающую лишь данные вероятностной природы (таково распространенное толкование), то П.с. надо считать дисциплиной, использующей ее методы и приемы в качестве рабочего инструментария по отношению к данным не обязательно вероятностной природы, а при более широком понимании предмета математической статистики — одним из разделов последней (см. Многомерный статистический анализ). Определение "прикладная" здесь не вполне точно прикладными являются, безусловно, и такие дисциплины, как экономическая [c.281]
УРАВНЕНИЯ СПРОСА [demand equations] — уравнения, в которых спрос на отдельный товар или группу товаров выступает как переменная величина, зависимая от ряда социально-экономических факторов (см. Функция спроса). Параметры уравнений выявляются (оцениваются) на основе анализа статистических данных о продаже товаров. Это и определяет ограниченность такого метода он целиком ориентируется на сложившуюся структуру потребления со всеми ее недостатками, включая и неудовлетворенный спрос, существенно искажающий представление об истинных потребностях населения. [c.372]
Методы переработки информации при РУР играют важное значение, так как в его основе лежит информация. Чаще всего разработчики решения используют алгоритмический метод переработки информации, который предполагает относительно строгую формализацию выполнения процедур и операций на основе правил, алгоритмов, формул, статистических данных. Например, расчет экономической эффективности нового производства должен осуществляться по разработанным алгоритмам для возможности сопоставления с эффективностью других проектов. Однако в экономике, управлении и других социальных науках не все параметры можно измерять количественно. Что-то оценивается качественно, путем использования принятых норм делового оборота. Обработать и оценить информацию можно исходя из интуиции, обобщений, представлений, опыта, ассоциаций. Путем беседы, обсуждения, задания наводящих вопросов можно получить новую существенную информацию от клиента, нартнера и другого носителя нужных сведений для принятия качественного решения. Такой метод называется эвристическим, он рассмотрен в гл. 5. [c.53]
Крупная, обладающая большими возможностями фирма обычно производит измерения, используя оба метода, чтобы получить как общее представление, так и детальную картину и осуществить двойную проверку своих данных. Для мелких фирм метод сверху — вниз часто неприемлем. Целевая группа может оказаться настолько малой, что она не будет отражена в общей макростатистике, либо она будет настолько специализированной, что общая рыночная информация не будет иметь большого значения. Тем не менее многим МСП рекомендуется не сбрасывать со счета общие статистические данные. Общее представление может, например, помочь им понять образ мыслей крупных конкурентов и оценить опасность их действий, направленных против позиций МСП. [c.187]
На практике большое число наблюдений обычно не производится, поэтому распределениям свойственны элементы случайности. При обработке статистических данных приходится подбирать для данного статистического ряда теоретич. кривую распределения, выражающую лишь осн. его черты, а не случайности, связанные с недостаточностью данных. Эта задача и решается выравниванием (сглаживанием), заключающимся в подборе теоретич. плавной кривой, наилучшим образом описывающей данное статистнч. распределение. Задача В. с. смыкается с задачей о наилучшем аналитнч. представлении эмпирич. рядов и является в значит, мере неопределённой, поскольку её решение обусловлено разным пониманием условия наилучшего . Очень часто при этом исходят из т. н. методу наименьших квадратов и считают, что наилучшим приближением выравненных данных к эмпирич. данным является такое, при к-ром сумма квадратов их отклонений будет минимальной. При этом вопрос о том, какую аналитич. функцию применить для выравнивания, решается не столько из математич. соображений, сколько из характера явления, описываемого рядом, с учётом вида получаемой кривой и степени точности выравненных данных. Часто выражение функции, отображающей исследуемую зависимость, известно из теоретпч. соображений заранее, при выравнивании же требуется получать лишь численные параметры, входящие в аналитич. выражение функции. Эти параметры и вычисляются при помощи метода наименьших квадратов. Поскольку численное выражение избранной кривой распределения зависит от параметров, задача выравнивания переходит в задачу определения тех значений параметров, при к-рых приближение эмпирич. распределения к теоретическому оказывается наилучшим. [c.294]
МЕТОД ПРОГНОЗИРОВАНИЯ СТАТИСТИЧЕСКИЙ — метод прогнозирования, опирающийся на методы математической статистики и распадающийся на два этапа. Первый этап (индуктивный) заключается в обобщении данных и представлении соответствующих закономерностей в виде экономико-статистической модели. В ходе второго этапа (дедуктивного) составляется непосредственно сам прогноз. В качестве прогностических моделей применяются различные виды средних, в том числе скользящих и экспоненциальных, уравнения трендов, регрессии, авторегресеии, эконометриче-ские модели и т. д. Получаемые на их основе прогнозы имеют смысл только в рамках тех условий, гипотез и предположений, которые были учтены при разработке соответствующих моделей. [c.369]
Даже в некоторых средних школах понимают, насколько важны навыки анализа статистических данных для будущей профессиональной карьеры школьников, и начинают обучать анализу графиков рассеивания очень рано. Восьмиклассников окружной школы им. Гумбольдта в шт. Невада обучают собирать, систематизировать, читать и анализировать данные при помощи различных методов графического представления данных, включая таблицы, линейные графики, диаграммы рассеивания [и] гистограммы [и] использовать данные для того, чтобы делать выводы и прогнозы . [c.296]
Существует несколько методов обобщения наборов данных или статистических таблиц. Простейшие из них позволяют получить сводки данных. Например, наименьшее и наибольшее значения в наборе данных, медиану, первый и третий квартили. Такие простые методы очень полезны при обобщении наборов данных небольшой размерности. Обобщать и визуализировать данные большей размерности труднее. В этой книге мы сосредоточимся на методах, которые могут быть использованы для обобщения и визуального представления больших наборов многомерных данных, а также на способах обнаружения и иллюстрации содержащихся в них структур. [c.21]
Представленные статистические методы были протестированы на белках с известной пространственной структурой и функцией, и определены оптимальные значения параметров. Было продемонстрировано преимущество предложенного нами метода для большинства белковых семейств. Программа профильного анализа установлена на WWW сервер, и к нему есть обращения из многих стран. В настоящее время удаленный пользователь передает на сервер множественное выравнивание белкового семейства в формате LUSTAL к ему в ответ передается рассчитанный профиль соответствующего семейства в формате G G. При этом используется собственная программа поиска в белковой базе данных, работающая с профилями. [c.313]
Статистическое моделирование экономических процессов заключается в проведении статистических испытаний на основе мате-матико-статистической модели, описывающей колебания тех или иных элементов производственного процесса под влиянием разнообразных факторов, действие которых не поддается управлению. Построить экономико-математическую модель — значит выразить в математической форме основные качественные зависимости данного экономического процесса. Экономико-математическая модель отличается тем, что отобранные для экономического анализа показатели записываются в виде математических выражений (уравнений и неравенств). Одним из методов изучения динамических рядов себестоимости добычи нефти и газа является регрессия. В регрессионном анализе данные могут быть динамическими (данные, представленные во времени) и вариационными (данные, представленные в пространстве). В данном исследовании будем останавливаться только на первых. [c.65]
Средневековье оставило уникальный памятник - Книгу страшного суда (1061 г.) - это свод материалов всеобщей переписи населения Англии и его имущества (включает данные о 240 тыс. дворов). Со временем собирание данных о массовых общественных явлениях приобрело регулярный характер с середины XIX в. благодаря усилиям великого бельгийца - математика, астронома и статистика Адольфа Кетле (1796-1874) были выработаны правила переписей населения и регулярность их проведения в развитых странах. Для координации развития статистики по инициативе А. Кетле проводились международные статистические конгрессы, а в 1885 г. был основан Международный статистический институт, существующий и сейчас. Международной статистикой занимаются международные организации - ООН, ФАО, ЮНЕСКО, МОТ, ЕС, Мировой банк и др. Международные организации и государственная статистика каждой отдельной страны занимаются сбором, представлением, сравнением, интерпретацией социально-экономических данных. Сложились методы работы, продолжающие традиции госу-дарствоведения. [c.6]
Сравнение данных отчетного и базисного периодов неявно предполагает представление экономических процессов в виде дискретной последовательности периодов времени, что особенно проблематично при сравнении в длительном периоде. Экономические индексы для моментов непрерывного времени были предложены в 1928 г. французским статистиком Ф. Девизиа. Это привело к использованию в индексном анализе дифференциального исчисления. Данный подход до сих пор не вошел в статистическую практику, однако теоретически он более обоснован, нежели традиционные методы. [c.386]
Среднее значение (иногда называемое показателем позиции или показателем центра) является наиболее важным специальным статистическим показателем, используемым для обобщения данных. Среднее значение дает представление о наиболее типичном или центральном значении в интервале изменения переменной. Часто опубликованные материалы, например отчеты предприятий, содержат средние значения различных переменных. Например, средняя заработная плата, средний объем выпуска, средняя продолжительность рабочей недели и средний объем продаж — все эти термины часто встречаются в той или иной форме. При рассмотрении такого рода статистических показателей особое внимание следует уделить точному выяснению методики расчета указанных средних. Имеется несколько таких методов, и каждый из них зачастую дает рпзличные результаты. В данном разделе описаны три наиболее часто используемые в большинстве практических ситуаций средние . [c.22]
Смотреть страницы где упоминается термин Методы представления статистических данных
: [c.240] [c.190] [c.99] [c.50] [c.351] [c.241] [c.141]Смотреть главы в:
Социально-экономическая статистика -> Методы представления статистических данных