Статистика, основные положения

Взвешенная средняя величина рассчитывается по сгруппированным статистическим величинам с использованием следующей общей формулы:

где X – значения отдельных статистических величин  или середин группировочных интервалов; 
m - показатель степени, от значения которого зависят следующие виды степенных средних величин: 
при m = -1 средняя гармоническая; 
при m = 0 средняя геометрическая; 
при m = 1 средняя арифметическая; 
при m = 2 средняя квадратическая; 
при m = 3 средняя кубическая.

Используя общие  формулы простой и взвешенной средних при разных показателях  степени m, получаем частные формулы  каждого вида, которые будут далее  подробно рассмотрены.

Средняя арифметическая

Средняя арифметическая - это самая часто используемая средняя величина, которая получается, если подставить в общую формулу m=1. Средняя арифметическая простая имеет следующий вид:

где X - значения величин, для которых необходимо рассчитать среднее значение; N - общее количество значений X (число единиц в изучаемой  совокупности). 
 

Например, студент  сдал 4 экзамена и получил следующие  оценки: 3, 4, 4 и 5. Рассчитаем средний  балл по формуле средней арифметической простой: (3+4+4+5)/4 = 16/4 = 4.

Средняя арифметическая взвешенная имеет следующий вид:

где f - количество величин  с одинаковым значением X (частота).

Например, студент  сдал 4 экзамена и получил следующие  оценки: 3, 4, 4 и 5. Рассчитаем средний  балл по формуле средней арифметической взвешенной: (3*1 + 4*2 + 5*1)/4 = 16/4 = 4.

Если значения X заданы в виде интервалов, то для  расчетов используют середины интервалов X, которые определяются как полусумма  верхней и нижней границ интервала. А если у интервала X остутствует  нижнияя или верхняя граница (открытый интервал), то для ее нахождения применяют  размах (разность между верхней и  нижней границей) соседнего интервала X.

Например, на предприятии 10 работников со стажем работы до 3 лет, 20 - со стажем от 3 до 5 лет, 5 работников - со стажем более 5 лет. Тогда рассчитаем средний стаж работников по формуле  средней арифметической взвешенной, приняв в качестве X середины интервалов стажа (2, 4 и 6 лет): 
(2*10+4*20+6*5)/(10+20+5) = 3,71 года.

Средняя арифметическая применяется чаще всего, но бывают случаи, когда необходимо применение других видов средних величин. Рассмотрим такие случаи далее.

Средняя гармоническая

Средняя гармоническая применяется, когда исходные данные не содержат частот f по отдельным значениям X, а представлены как их произведение Xf. Обозначив Xf=w, выразим f=w/X, и, подставив эти обозначения в формулу средней арифметической взвешенной, получим формулу средней гармонической взвешенной:

Таким образом, средняя гармоническая взвешенная применяется тогда, когда неизвестны частоты f, а известно w=Xf. В тех  случаях, когда все w=1, то есть индивидуальные значения X встречаются по 1 разу, применяется  формула средней гармонической  простой:

Например, автомобиль ехал из пункта А в пункт Б со скоростью 90 км/ч, а обратно - со скоростью 110 км/ч. Для определения средней  скорости применим формулу средней  гармонической простой, так как  в примере дано расстояние w₁=w₂ (расстояние из пункта А в пункт Б такое, же как и из Б в А), которое равно произведению скорости (X) на время (f). Средняя скорость = (1+1)/(1/90+1/110) = 99 км/ч.

 
 

Средняя геометрическая

Средняя геометрическая применяется при определении средних относительных изменений, о чем сказано в теме Ряды динамики. Геометрическая средняя величина дает наиболее точный результат осреднения, если задача стоит в нахождении такого значения X, который был бы равноудален как от максимального, так и от минимального значения X.

Например, в период с 2005 по 2008 годы индекс инфляции в России составлял: в 2005 году - 1,109; в 2006 - 1,090; в 2007 - 1,119; в 2008 - 1,133. Так как индекс инфляции - это относительное изменение (индекс динамики), то рассчитывать среднее значение нужно по средней геометрической: (1,109*1,090*1,119*1,133)^(1/4) = 1,1126, то есть за период с 2005 по 2008 ежегодно цены росли в среднем на 11,26%. Ошибочный расчет по средней арифметической дал бы неверный результат 11,28%.

 
 

Средняя квадратическая

Средняя квадратическая применяется в тех случая, когда исходные значения X могут быть как положительными, так и отрицательными, например при расчете средних отклонений.

Главной сферой применения квадратической средней  является измерение вариации значений X, о чем пойдет речь позднее в этой лекции.

Средняя кубическая

Средняя кубическая применяется крайне редко, например, при расчете индексов нищеты населения для развивающихся стран (ИНН-1) и для развитых (ИНН-2), предложенных и рассчитываемых ООН.

 
 

Структурные средние величины

К наиболее часто  используемым структурным средним относятся статистическая мода и статистическая медиана.

Статистическая  мода

Статистическая мода - это наиболее часто повторяющееся значение величины X в статистической совокупности.

Если X задан  дискретно, то мода определяется без вычисления как значение признака с наибольшей частотой. В статистической совокупности бывает 2 и более моды, тогда она считается бимодальной (если моды две) или мультимодальной (если мод более двух), и это свидетельствует о неоднородности совокупности.

Например, на предприятии  работает 16 человек: 4 из них - со стажем 1 год, 3 человека - со стажем 2 года, 5 - со стажем 3 года и 4 человека - со стажем 4 года. Таким образом, модальный стаж Мо=3 года, поскольку частота этого  значения максимальна (f=5).

Если X задан  равными интервалами, то сначала определяется модальный интервал как интервал с наибольшей частотой f. Внутри этого интервала находят условное значение моды по формуле:

где Мо – мода; 
Х_НМо – нижняя граница модального интервала; 
h_Мо – размах модального интервала (разность между его верхней и нижней границей); 
f_Мо – частота модальноого интервала; 
f_Мо-1 – частота интервала, предшествующего модальному; 
f_Мо+1 – частота интервала, следующего за модальным.

Например, на предприятии 10 работников со стажем работы до 3 лет, 20 - со стажем от 3 до 5 лет, 5 работников - со стажем более 5 лет. Рассчитаем модальный  стаж работы в модальном интервале  от 3 до 5 лет: Мо = 3 + 2*(20-10)/(2*20-10-5) = 3,8 (года).

Если размах интервалов h разный, то вместо частот f необходимо использовать плотности  интервалов, рассчитываемые путем деления  частот f на размах интервала h.

Статистическая  медиана

Статистическая медиана – это значение величины X, которое делит упорядоченную по возрастанию или убыванию статистическую совокупность на 2 равных по численности части. В итоге у одной половины значение больше медианы, а у другой - меньше медианы.

Если X задан  дискретно, то для определения медианы все значения нумеруются от 0 до N в порядке возрастания, тогда медиана при четном числе N будет лежать посередине между X c номерами 0,5N и (0,5N+1), а при нечетном числе N будет соответствовать значению X с номером 0,5(N+1).

Например, имеются  данные о возрасте студентов-заочников  в группе из 10 человек - X: 18, 19, 19, 20, 21, 23, 23, 25, 28, 30 лет. Эти данные уже упорядочены  по возрастанию, а их количество N=10 - четное, поэтому медиана будет  находиться между X с номерами 0,5*10=5 и (0,5*10+1)=6, которым соотвествует значения X₅=21 и X₆=23, тогда медиана: Ме = (21+23)/2 = 22 (года).

Если X задан  в виде равных интервалов, то сначала определяется медианный интервал (интервал, в котором заканчивается одна половина частот f и начинается другая половина), в котором находят условное значение медианы по формуле:

где Ме – медиана; 
Х_НМе – нижняя граница медианного интервала; 
h_Ме – размах медианного интервала (разность между его верхней и нижней границей); 
f_Ме – частота медианного интервала; 
f_Ме-1 – сумма частот интервалов, предшествующих медианному.

В ранее рассмотренном  примере при расчете модального стажа (на предприятии 10 работников со стажем работы до 3 лет, 20 - со стажем от 3 до 5 лет, 5 работников - со стажем более 5 лет) рассчитаем медианный стаж. Половина общего числа работников составляет (10+20+5)/2 = 17,5 и находится в интервале  от 3 до 5 лет, а в первом интервале  до 3 лет - только 10 работников, а в  первых двух - (10+20)=30, что больше 17,5, значит интервал от 3 до 5 лет - медианный. Внутри него определяем условное значение медианы: Ме = 3+2*(0,5*30-10)/20 = 3,5 (года).

Также как и  в случае с модой, при определении  медианы если размах интервалов h разный, то вместо частот f необходимо использовать плотности интервалов, рассчитываемые путем деления частот f на размах интервала h.

Показатели  вариации

Вариация - это различие значений величин X у отдельных единиц статистической совокупности. Для изучения силы вариации рассчитывают следующие показатели вариации: размах вариации, среднее линейное отклонение, линейный коэффициент вариации, дисперсия, среднее квадратическое отклонение, квадратический коэффициент вариации.

Размах  вариации

Размах вариации – это разность между максимальным и минимальным значениями X из имеющихся в изучаемой статистической совокупности:

Недостатком показателя H является то, что он показывает только максимальное различие значений X и  не может измерять силу вариации во всей совокупности.

Cреднее  линейное отклонение

Cреднее линейное отклонение - это средний модуль отклонений значений X от среднего арифметического значения. Его можно рассчитывать по формуле средней арифметической простой - получим среднее линейное отклонение простое:

Например, студент  сдал 4 экзамена и получил следующие  оценки: 3, 4, 4 и 5. Ранее уже была рассчитана средняя арифметическая = 4. Рассчитаем среднее линейное отклонение простое: Л = (|3-4|+|4-4|+|4-4|+|5-4|)/4 = 0,5.

Если исходные данные X сгруппированы (имеются частоты f), то расчет среднего линейного отклонения выполняется по формуле средней  арифметической взвешенной - получим среднее линейное отклонение взвешенное:

Вернемся к примеру  про студента, который сдал 4 экзамена и получил следующие оценки: 3, 4, 4 и 5. Ранее уже была рассчитана средняя арифметическая = 4 и среднее линейное отклонение простое = 0,5. Рассчитаем среднее линейное отклонение взвешенное: Л = (|3-4|*1+|4-4|*2+|5-4|*1)/4 = 0,5.

 
 

Линейный  коэффицинт вариации

Линейный коэффицинт вариации - это отношение среднего линейного отклонение к средней арифместической:

С помощью линейного  коэффицинта вариации можно сравнивать вариацию разных совокупностей, потому что в отличие от среднего линейного  отклонения его значение не зависит  от единиц измерения X.

В рассматриваемом  примере про студента, который  сдал 4 экзамена и получил следующие  оценки: 3, 4, 4 и 5, линейный коэффициент  вариации составит 0,5/4 = 0,125 или 12,5%.

 
 

Дисперсия

Дисперсия - это средний квадрат отклонений значений X от среднего арифместического значения. Дисперсию можно рассчитывать по формуле средней арифметической простой - получим дисперсию простую: