Общая характеристика и примеры использования корреляционного и регрессионного статистических методов. Модель двумерного нормального распределения. Понятие и классификация основных средств предприятия. Виды и описание производственных фондов и капитала.
Аннотация к работе
Некоторые процессы, наблюдаемые в массовом количестве, обнаруживают определенные закономерности, которые, однако, невозможно заметить в отдельном случае или же при небольшом числе наблюдений. Явления, которые в случае событий массового характера отличаются определенной закономерностью, однако не обнаруживаются на основе единичного наблюдения, называются массовыми явлениями. Статистическая закономерность наблюдается в тех случаях, когда: а) в исследуемом процессе действует один общий комплекс причин и когда; б) наряду с этим в каждом отдельном случае действуют особые дополнительные причины, всякий раз иные.Корреляция изучается на основании экспериментальных данных, представляющих собой измеренные значения (xi, yi) двух признаков. Если экспериментальных данных немного, то двумерное эмпирическое распределение представляется в виде двойного ряда значений xi и yi. Когда исследуется корреляция между количественными признаками, значения которых можно точно измерить в единицах метрических шкал (метры, секунды, килограммы и т.д.), то очень часто принимается модель двумерной нормально распределенной генеральной совокупности. Данная модель двумерного нормального распределения (корреляционное поле) позволяет дать наглядную графическую интерпретацию коэффициента корреляции, т.к. распределение в совокупности зависит от пяти параметров: mx, my - средние значения (математические ожидания); sx,sy - стандартные отклонения случайных величин Х и Y и р - коэффициент корреляции, который является мерой связи между случайными величинами Х и Y. В этом случае между случайными величинами Х и Y отсутствует корреляция и они называются некоррелированными.С точки зрения аналитической геометрии b-угловой коэффициент, определяющий наклон линии регрессии по отношению к осям, координат. В области регрессионного анализа этот параметр показывает, насколько в среднем величина одного признака (Y) изменяется при изменении на единицу меры другого корреляционно связанного с Y признака X. Наглядное представление об этом параметре и о положении линий регрессии Y по Х и X по Y в системе прямоугольных координат дает рисунок 2. Проблема повышения эффективности использования основных фондов и производственных мощностей предприятий занимает центральное место в период перехода России к рыночным отношениям. Имея ясное представление о роли каждого элемента основных фондов в производственном процессе, физическом и моральном их износе, факторах, влияющих на использование основных фондов, можно выявить методы, направления, при помощи которых повышается эффективность использования основных фондов и производственных мощностей предприятия, обеспечивающая снижение издержек производства и рост производительности труда.Итак, в заключение хочется отметить, что понятия «корреляция» и «регрессии» тесно связаны между собой. Подразумевается, что в результате такого анализа будет построена регрессионная зависимость (т.е. проведен регрессионный анализ) и рассчитаны коэффициенты ее тесноты и значимости (т.е. проведен корреляционный анализ).
План
Содержание
Введение
1. Корреляционно-регрессионный анализ
1.1 Корреляционный анализ
1.2 Регрессивный анализ
2. Понятие и классификация основных средств предприятия
Практические задания
Задание 1
Задание 2
Заключение
Список литературы
Введение
Статистика рассматривается как наука о методах изучения массовых явлений. Некоторые процессы, наблюдаемые в массовом количестве, обнаруживают определенные закономерности, которые, однако, невозможно заметить в отдельном случае или же при небольшом числе наблюдений.
Явления, которые в случае событий массового характера отличаются определенной закономерностью, однако не обнаруживаются на основе единичного наблюдения, называются массовыми явлениями. Сама такая закономерность называется статистической закономерностью.
Статистическая закономерность наблюдается в тех случаях, когда: а) в исследуемом процессе действует один общий комплекс причин и когда; б) наряду с этим в каждом отдельном случае действуют особые дополнительные причины, всякий раз иные.
Статистика оказывается полезной в тех случаях, когда приходится анализировать процессы, которые при массовом наблюдении способны проявлять очевидную закономерность. Если бы действовали только главные причины, без наложения второстепенных, то все отдельные случаи были бы совершенно одинаковы, и не возникло бы нужды анализировать всю их массу. Достаточно было бы исследовать один из случаев и на его основе сделать выводы, относящиеся уже ко всей исследуемой совокупности.
В данной работе будут рассмотрены вопросы: корреляционно- регрессивный анализ; понятие и классификация основных средств коммерческих предприятий. корреляционный регрессионный производственный фонд капитал
Вывод
Итак, в заключение хочется отметить, что понятия «корреляция» и «регрессии» тесно связаны между собой. В экономических исследованиях корреляционный и регрессионный анализ нередко объединяют в один - корреляционно-регрессионный анализ. Подразумевается, что в результате такого анализа будет построена регрессионная зависимость (т.е. проведен регрессионный анализ) и рассчитаны коэффициенты ее тесноты и значимости (т.е. проведен корреляционный анализ).
Следует заметить, что традиционные методы корреляции и регрессии широко представлены в разного рода статистических пакетах программ для ЭВМ. Исследователю остается только правильно подготовить информацию, выбрать удовлетворяющий требованиям анализа пакет программ и быть готовым к интерпретации полученных результатов. Алгоритмов вычисления параметров связи существует множество, и в настоящее время вряд ли целесообразно проводить такой сложный вид анализа вручную. Вычислительные процедуры представляют самостоятельный интерес, но знание принципов изучения взаимосвязей, возможностей и ограничений тех или иных методов интерпретации результатов является обязательным условием исследования.
Список литературы
1. Афифи А., Эйзен С. Статистический анализ: Подход с использованием ЭВМ. Пер. с англ. - М.: Мир, 1982.
2. Ашмарин И.П., Воробьев А.А. Статистические методы в микробиологических исследованиях. - Л.: Медгиз, 1962.
3. Бочаров П.П., Печинкин А.В. Теория вероятностей. Математическая статистика. - М.: Гардарика, 1998.
4. Ван дер Варден Б.Л. Математическая статистика. Пер. с нем. - М.: Иностранная литература, 1960.
5. Гмурман В.Е. Введение в теорию вероятностей и математическую статистику. - М.: Высшая школа, 1963.
6. Гмурман В.Е. Теория вероятностей и математическая статистика. - М.: Высшая школа, 2000.
7. Горелова Г.В., Мацко И.А. Теория вероятностей и математическая статистика в примерах и задачах с применением Excel. - Ростов-на-Дону, 2002.
8. Гусаров В.М. Теоретическая статистика. - М.: Аудит, 1998.
9. Елисеева И.И. Статистические методы измерения связей. - Л.: Изд-во Ленинградского университета, 1982.
10. Елисеева И.И., Юзбашев М.М. Общая теория статистики. - М.: Финансы и статистика, 2000.