Слайд 2
![Статистика Существует более 200 определений Статистика – искусство и наука](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-1.jpg)
Статистика
Существует более 200 определений
Статистика – искусство и наука сбора и анализа
данных
Статистика - наука, разрабатывающая и систематизирующая понятия, приемы, методы и модели, предназначенные для сбора, стандартной записи, систематизации и обработки данных с целью их удобного представления, анализа и получения научных и практических выводов
Слайд 3
![Учебный план Описательная статистика Интервальное оценивание данных и проверка статистических](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-2.jpg)
Учебный план
Описательная статистика
Интервальное оценивание данных и проверка статистических гипотез
Статистические методы исследования
взаимосвязей
Статистические методы исследования динамики и прогнозирования
Слайд 4
![Литература 1. Сигел Э. Практическая бизнес-статистика, 2002 2. Статистика для](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-3.jpg)
Литература
1. Сигел Э. Практическая бизнес-статистика, 2002
2. Статистика для менеджеров с использованием
Microsoft Excel, 2005
3. Paul Newbold Statistics for business and economics, 2005
4. Васенкова Е.И. Статистика: конспект лекций для студентов программы переподготовки «финансы» http://www.elib.bsu.by
Слайд 5
![Использование Excel Распространенность Универсальность Большой набор статистических функций Наличие специализированных](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-4.jpg)
Использование Excel
Распространенность
Универсальность
Большой набор статистических функций
Наличие специализированных пакетов-расширений
Недостатки: иногда сложно реализовать нестандартные
расчетные методики
Слайд 6
![Статистические пакеты Statistica SPSS SAS](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-5.jpg)
Статистические пакеты
Statistica
SPSS
SAS
Слайд 7
![Решаемые в курсе задачи Описание данных Сравнение Изучение зависимостей Прогнозирование](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-6.jpg)
Решаемые в курсе задачи
Описание данных
Сравнение
Изучение зависимостей
Прогнозирование
Слайд 8
![Описание данных Методы описательной статистики позволяют эффективно обработать большие массивы](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-7.jpg)
Описание данных
Методы описательной статистики позволяют эффективно обработать большие массивы данных и
представить их в виде удобном и пригодном для анализа.
Происходит своеобразное «сжатие» информации, получение небольшого количества наиболее важных характеристик, дающих возможность достаточно полно производить предварительный анализ и оценку статистических данных.
Слайд 9
![Сравнение Интервальное оценивание и проверка гипотез позволяют сделать вывод о](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-8.jpg)
Сравнение
Интервальное оценивание и проверка гипотез позволяют сделать вывод о наличии либо
отсутствии разницы между двумя ситуациями, проанализировать точность получаемых результатов и надежность сделанных предсказаний.
Эти инструменты оказываются полезными при исследовании эффективности новых методов работы или в изменяющихся внешних условиях, отвечая на вопрос: являются ли наблюдаемые изменения случайностью или же можно определенно говорить о влиянии?
Слайд 10
![Изучение зависимостей Разные факторы практической деятельности неизбежно оказываются связанными друг](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-9.jpg)
Изучение зависимостей
Разные факторы практической деятельности неизбежно оказываются связанными друг с другом.
Корреляционный
анализ оценивает связь на фоне неизбежных «шумов» и случайных выбросов.
Регрессионный анализ дает математическое выражение для обнаруженных зависимостей.
После этого можно производить подробное рассмотрение ситуации по схеме «что-если»: что произойдет при увеличении количества клиентов, изменении курса валют и т.д.
Слайд 11
![Прогнозирование Статистические методы позволяют выделить основные составляющие изменяющегося во времени](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-10.jpg)
Прогнозирование
Статистические методы позволяют выделить основные составляющие изменяющегося во времени набора данных:
долгосрочную тенденцию, периодические сезонные колебания, случайную составляющую.
После этого можно не только составить прогноз, но и оценить его точность и возможность долгосрочного прогнозирования в текущих условиях.
Слайд 12
![Почему это работает? Статистика опирается на универсальные инструменты, практически не](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-11.jpg)
Почему это работает?
Статистика опирается на универсальные инструменты, практически не зависящие от
конкретной области применения.
Используются строгие математические методы, в результате не все «очевидное» оказывается правильным.
Слайд 13
![Основные понятия Статистическая совокупность – множество единиц, обладающих массовостью, однородностью,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-12.jpg)
Основные понятия
Статистическая совокупность – множество единиц, обладающих массовостью, однородностью, определенной целостностью,
взаимозависимостью состояний отдельных единиц и наличием вариации.
Генеральная совокупность – все возможные (реальные или гипотетические) значения случайной величины.
Выборочная совокупность (выборка) – реально наблюдаемая часть значений случайной величины.
Слайд 14
![Главная задача По свойствам, полученным на основе данных выборка, определить](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-13.jpg)
Главная задача
По свойствам, полученным на основе данных выборка, определить свойства генеральной
совокупности.
Пример: социологический опрос. По данным опроса 2000 человек в РБ делаются прогнозы результатов выборов.
Выборка – 1600 человек, генеральная совокупность – все избиратели.
Слайд 15
![Связь с теорией вероятностей Теория вероятностей: известны свойства генеральной совокупности](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-14.jpg)
Связь с теорией вероятностей
Теория вероятностей:
известны свойства генеральной совокупности -
–можно предсказать
свойства выборки
Статистика:
измерено свойство выборки - можно судить о свойстве генеральной совокупности
Слайд 16
![Пример: подбрасывание монеты Генеральная совокупность – всевозможные результаты бросания. Теория](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-15.jpg)
Пример: подбрасывание монеты
Генеральная совокупность – всевозможные
результаты бросания.
Теория вероятностей:
вероятность выпадения
орлов и вероятность
выпадения решки равна 0.5.
Статистика:
произведено 200 испытаний, орел выпал 105 раз,
можно ли сделать вывод о равновероятности
выпадения орла и решки.
Слайд 17
![Стадии статистического исследования Планирование и сбор данных Предварительное исследование Оценивание неизвестной величины Проверка статистических гипотез](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-16.jpg)
Стадии статистического исследования
Планирование и сбор данных
Предварительное исследование
Оценивание неизвестной величины
Проверка статистических гипотез
Слайд 18
![Планирование и сбор данных Составление подробного плана исследования Определение необходимого](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-17.jpg)
Планирование и сбор данных
Составление подробного плана исследования
Определение необходимого (или доступного) количества
данных
Сбор данных, возможно, с использованием случайной выборки из генеральной совокупности
Слайд 19
![Предварительное исследование Оценка соответствия имеющихся данных предварительным прогнозам, фильтрация выбросов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-18.jpg)
Предварительное исследование
Оценка соответствия имеющихся данных предварительным прогнозам, фильтрация выбросов (цензурирование)
Визуализация данных
Оценка
распределения данных (положение, разброс, …)
Грубая проверка предположения о связи данных
Слайд 20
![Оценка неизвестной величины Предсказание значения неизвестной величины (победитель на выборах,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-19.jpg)
Оценка неизвестной величины
Предсказание значения неизвестной величины (победитель на выборах, объем продаж
в следующем квартале, уровень брака, …)
Оценка точности полученного значения (доверительного интервала)
Слайд 21
![Проверка статистических гипотез Использование данных для осуществления выбора одной из](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-20.jpg)
Проверка статистических гипотез
Использование данных для осуществления выбора одной из двух (или
более) различных возможностей.
Использование нового метода работы с клиентами увеличивает (не увеличивает) объем продаж
В Вашем учреждении зарплата зависит (не зависит) от уровня образования сотрудники
Слайд 22
![Классификация статистических данных по количеству переменных, описывающих элементарную единицу данных: одномерные многомерные](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-21.jpg)
Классификация статистических данных
по количеству переменных, описывающих элементарную единицу данных:
одномерные
многомерные
Слайд 23
![Классификация статистических данных по типу измерения : количественные: дискретные непрерывные качественные: порядковые номинальные](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-22.jpg)
Классификация статистических данных
по типу измерения :
количественные:
дискретные
непрерывные
качественные:
порядковые
номинальные
Слайд 24
![Классификация статистических данных по отношению ко времени: временные ряды данные об одном временном срезе](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-23.jpg)
Классификация статистических данных
по отношению ко времени:
временные ряды
данные об одном временном срезе
Слайд 25
![Классификация статистических данных по способу получения данных: первичные вторичные](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-24.jpg)
Классификация статистических данных
по способу получения данных:
первичные
вторичные
Слайд 26
![Описательная статистика Методы описательной статистики – методы описания выборок с помощью различных показателей и графиков](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-25.jpg)
Описательная статистика
Методы описательной статистики – методы описания выборок с помощью различных
показателей и графиков
Слайд 27
![Показатели описательной статистики Показатели положения: среднее значение, медиана, мода, минимальной](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-26.jpg)
Показатели описательной статистики
Показатели положения: среднее значение, медиана, мода, минимальной и максимальное
значения, квартили
Показатели разброса: дисперсия, стандартное отклонение, размах, межквартильный размах
Показатели симметрии: асимметрии, положение медианы относительно среднего
Показатели формы: эксцесс
Слайд 28
![Виды средних значений: среднее арифметическое среднее гармоническое среднее геометрическое среднее степенное](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-27.jpg)
Виды средних значений:
среднее арифметическое
среднее гармоническое
среднее геометрическое
среднее степенное
Слайд 29
![Среднее арифметическое среднее среднее для сгруппированных данных,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-28.jpg)
Среднее арифметическое
среднее
среднее для
сгруппированных
данных,
Слайд 30
![Определить среднее количество мячей, забитых за один матч](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-29.jpg)
Определить среднее количество мячей,
забитых за один матч
Слайд 31
![Определить средний возраст сотрудников](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-30.jpg)
Определить средний возраст сотрудников
Слайд 32
![Среднее гармоническое среднее среднее для сгруппированных данных,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-31.jpg)
Среднее гармоническое
среднее
среднее для
сгруппированных
данных,
Слайд 33
![Определить среднюю урожайность культур](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-32.jpg)
Определить среднюю урожайность культур
Слайд 34
![Определить среднюю урожайность культур](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-33.jpg)
Определить среднюю урожайность культур
Слайд 35
![Среднее геометрическое среднее среднее для сгруппированных данных,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-34.jpg)
Среднее геометрическое
среднее
среднее для
сгруппированных
данных,
Слайд 36
![Среднее степенное порядка р](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-35.jpg)
Среднее степенное порядка р
Слайд 37
![Определение моды в интервальном ряду](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-36.jpg)
Определение моды в интервальном ряду
Слайд 38
![Определение медианы в интервальном ряду](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-37.jpg)
Определение медианы в интервальном ряду
Слайд 39
![Показатели вариации Размах Среднелинейное отклонение](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-38.jpg)
Показатели вариации
Размах
Среднелинейное отклонение
Слайд 40
![Показатели вариации Дисперсия Дисперсия для сгруппированных данных](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-39.jpg)
Показатели вариации
Дисперсия
Дисперсия для
сгруппированных данных
Слайд 41
![Показатели вариации Среднеквадратическое (стандартное) отклонение Коэффициент вариации](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-40.jpg)
Показатели вариации
Среднеквадратическое
(стандартное)
отклонение
Коэффициент
вариации
Слайд 42
![Табличное и графическое представление данных Для описания количественных данных используют:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-41.jpg)
Табличное и графическое представление данных
Для описания количественных данных используют:
распределение частот, распределение
относительных частот, процентное распределение,
распределение накопленных (кумулятивных) частот, распределение относительных накопленных (кумулятивных) частот,
кростабуляцию,
точечные и линейные диаграммы, гистограммы, интегральные (кумулятивные) кривые, диаграммы разброса, диаграмма «ствол и листья».
Слайд 43
![Табличное и графическое представление данных Для описания качественных данных используют:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-42.jpg)
Табличное и графическое представление данных
Для описания качественных данных используют:
распределение частот,
распределение
относительных частот
таблицы сопряженности
линейчатые и секторные диаграммы.
Слайд 44
![Гистограмма стартовой зарплаты выпускников с дипломом МВА](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-43.jpg)
Гистограмма стартовой зарплаты выпускников с дипломом МВА
Слайд 45
![Гистограмма возраста служащих компании](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-44.jpg)
Гистограмма возраста служащих компании
Слайд 46
![Активы некоторых коммерческих банков](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-45.jpg)
Активы некоторых коммерческих банков
Слайд 47
![Гистограммы бимодальных распределений](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-46.jpg)
Гистограммы бимодальных распределений
Слайд 48
![Графическое представление данных Гистограмма: данные разбиваются на интервалы последующим отображением на графике](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-47.jpg)
Графическое представление данных
Гистограмма: данные разбиваются на интервалы последующим отображением на
графике
Слайд 49
![Асимметрия Показывает, насколько симметрично расположены данные относительно среднего](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-48.jpg)
Асимметрия
Показывает, насколько симметрично
расположены данные относительно среднего
Слайд 50
![Эксцесс Показатель «остроты» распределения. Меньше эксцесс – «острее» распределение Эксцесс = 0 Эксцесс = 1](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-49.jpg)
Эксцесс
Показатель «остроты» распределения.
Меньше эксцесс – «острее» распределение
Эксцесс = 0
Эксцесс = 1
Слайд 51
![Эксцесс Эталонным является нормальное распределение Отрицательные значения эксцесса наблюдаются у бимодальных распределений](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-50.jpg)
Эксцесс
Эталонным является нормальное распределение
Отрицательные значения эксцесса наблюдаются у бимодальных распределений
Слайд 52
![Нормальное распределение Стандартизованное: Общий вид: Среднее значение = µ Среднеквадратичное](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-51.jpg)
Нормальное распределение
Стандартизованное:
Общий вид:
Среднее значение = µ
Среднеквадратичное отклонение = σ
Асимметрия = 0
Эксцесс
= 0
Слайд 53
![µ = 0 σ = 1 Нормальное распределение µ =](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/159755/slide-52.jpg)
µ = 0
σ = 1
Нормальное распределение
µ = 0
σ = 2
µ =