Что такое ранжированный ряд в статистике. Пример функции ранг.ср в excel. Графическое изображение рядов распределения

картофель производство ранжированный статистический

На основе показателей таблицы 2 составляем ранжированные ряды по производству картофеля на 100 га пашни; по урожайности картофеля; по себестоимости. Зависимость между этими показателями изображаем графически.

Первым этапом статистического изучения вариации являются построение вариационного ряда - упорядоченного распределения единиц совокупности по возрастающим (чаще) или убывающим (реже) значениям признака.

Существуют три формы вариационного ряда: ранжированный ряд, дискретный ряд, интервальный ряд. Вариационный ряд часто называют рядом распределения.

Ранжированный ряд - это перечень отдельных единиц совокупности в порядке возрастания (убывания) изучаемого признака

Ранжирование - это процедура упорядочения объектов изучения, которая выполняется на основе предпочтения. Вариационный размах показывает, насколько велико различие между единицами совокупности.

Ранг - это порядковый номер значений признака, расположенных в порядке возрастания или убывания их величин. Если значение признака имеют одинаковую количественную оценку, то ранг всех этих значений принимается равным средней арифметической от соответствующих номеров мест, которые определяют. Данные ранги называются связными.

Графики в статистике - это способ наглядного изображения статистических показателей в виде геометрических фигур и знаков, рисунков или схематических карт. Наглядное изображение облегчает восприятие информации, позволяет охватить совокупность показателей во взаимосвязи, выявить тенденцию развития и типичные соотношения показателей.

Для изображения показателей динамики целесообразно использовать линейные графики или столбиковые диаграммы. График должен быть наглядным, понятны, легко читаемым и по возможности художественно оформленным, что привлечет к нему внимание.

При построении точечных диаграмм в качестве графических образцов применяется совокупность точек; при построении линейных - линии. Построение графика всегда творческий процесс. Здесь необходим некоторый поиск. Лишь после составления и сравнения нескольких черновых вариантов можно определить правильную композицию графика, установить масштабы и расположение знаков на поле графика.

Из ранжированного ряда по производству картофеля на 100 га пашни, можно сделать следующий вывод, что самое низкое производство наблюдается в Балаганском районе, а наибольшей производительностью картофеля со 100 га пашни отличается Ангарский район.

Наименьшая урожайность была в Качугском районе-10 ц/га, а наибольшая в Усольском - 195,5 ц/га.

В Чунском районе при высоком производстве картофеля на 100 га пашни, соответствовала наименьшая себестоимость 1 ц. Максимальная себестоимость наблюдается в Нижне-Илимском районе. Размах вариации себестоимости центнера картофеля очень велик и равен 1161,01 р.

Другие публикации

Анализ хозяйственной деятельности предприятия
Переход к рыночной экономике требует от предприятия повышения эффективности производства, конкурентоспособности продукции и услуг на основе внедрения эффективных форм хозяйствования и управления производством, достижений научно-технического прогресса, активизации п...

Анализ финансово-хозяйственной деятельности ОАО ТрансКонтейнер
Финансовый анализ представляет собой процесс, основанный на изучении данных о финансовом состоянии предприятия и результатах его деятельности в прошлом с целью оценки будущих условий и результатов деятельности. Таким образом, главной задачей финансового анализа явл...

Вариационный ряд представляет собой расположение значений признака каждой статистической единицы в определенном порядке. При этом отдельно взятые значения признака принято называть вариантой (вариантом). . Каждый член вариационного ряда (варианта) называется порядковой статистикой, а номер варианты - рангом (порядком) статистики.

Важнейшими характеристиками вариационного ряда являются его крайне варианты (Х 1 =Хmin; Х n =Хmax) и размах вариации (Rх = Хn – Х 1).

Вариационные ряды находит широкое применение при первичной обработке статистической информации, полученной в результате статистического наблюдения. Они служат базой для построения эмпирической функции распределения статистических единиц в составе статистической совокупности. Поэтому вариационные ряды называют рядами распределения .

В статистике различает следующие виды вариационных рядов: ранжированный, дискретный, интервальный.

Ранжированный (от латинского rang – чин) ряд - это такой ряд распределения единиц статистической совокупности, в котором варианты признака в порядке возрастания или убывания. Любой ранжированный ряд состоит из ранговых номеров (1 до n) и соответствующих им вариант. Число вариант в ранжированном ряду, сформированному по существенному признаку, обычно равно числу единиц в статистической совокупности.

Для формирования ранжированного ряда по заданному признаку (например, по числу работников животноводства в 100 сельскохозяйственных предприятиях) можно воспользоваться макетом табл. 5.1.

Т а б л и ц а 5.1. Порядок формирования ранжированного ряда

Конец работы -

Эта тема принадлежит разделу:

Статистика

И продовольствия республики беларусь.. департамент образования науки и кадров..

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Твитнуть

Все темы данного раздела:

Шундалов Б.М
Общая теория статистики. Учебное пособие для экономических специальностей высших сельскохозяйственных учебных заведений. Учебное пособие со

Предмет статистики
Слово "статистика" происходит от латинского "статус" (status), которое означает состояние, положение вещей. Это даёт возможность подчеркнуть теоретическую познавательную сущност

Сущность статистического наблюдения
Любое статистическое исследование, как было отмечено выше (тема 1), всегда начинается со сбора первичной (исходной) информации о каждой единице статистической совокупности. Однако, не всяк

Программа статистического наблюдения
В первой главе было обращено внимание на то, что каждая статистика единица, как объект в целом, обладает множеством различных свойств, качеств, специфических особенностей, которые принято называть

Перечень признаков, регистрируемых в процессе наблюдения, принято называть программой статистического наблюдения
Разработка программы – один из важнейших теоретических и практических вопросов статистического наблюдения. Добротность программы во многом определяет качество собранного материала, его надёжность и

Формы статистического наблюдения
Всё многообразие статистических наблюдений сводит к двум формам: статистической отчётности и специально организованным статистическим наблюдениям. Статистическая отчётность

Статистические формуляры
Статистический формуляр – это банк, содержащий вопросы программы статистического наблюдения и место для ответов на них. формуляр является носителем статистической информации, полученной в результат

Виды статистического наблюдения
Статистические наблюдения классифицируются по видам, которые могут различаться по различным принципам. Так, в зависимости от степени охвата изучаемого объекта статистические наблюдения могут подраз

Способы проведения статистических наблюдений
Статистические наблюдения могут проводится различными способами, среди которых нередко встречаются следующие: отчётный, экспедиционный, самоисчисления, саморегисрации, анкетный, корреспондентский.

Место, сроки и период проведения статистических наблюдений
В плане любого статистического наблюдения должно быть чётко определено место проведения этого наблюдения, т.е. то место, где производится регистрация собираемой информации, заполнения статистическо

Ошибки статистического наблюдения и меры борьбы с ними
Одним из наиболее важных требований, предъявляемых к результатам статистического наблюдения, является их точность, под которой понимается мера соответствия статистических знаний, п

Первичная статистическая сводка
Результаты статистического наблюдения содержат разносторонние сведения о каждой единице совокупности или объекта и обычно носят неупорядоченный характер. Этот исходный материал необходимо, прежде в

Сущность и значение относительных статистических показателей
Относительные показатели – это статистические величины, выражающие меру количественного соотношения абсолютных значений признака и отображающие относительные размеры явлений и процессов. О

Виды относительных показателей. Относительные показатели динамики
В зависимости от задач, решаемых с помощью относительных величин, различают следующие виды относительных показателей: динамики, структуры, координации, интенсивности, сравнения, выполнения заказа,

Относительные показатели структуры
Одна из важнейших особенностей всех явлений заключается в их сложности. Даже молекула дистиллированной воды состоит из атомов водорода и кислорода. Многие же явления природы, общества, человеческог

Относительные показатели координации
Относительные показатели координации – это соотношение между собой абсолютных размеров составных частей в некотором абсолютном целом. Для расчёта этих показателей одну из составных

Относительные показатели интенсивности
Относительные показатели интенсивности (степени) представляют собой соотношение абсолютных размеров двух качественно различных, но взаимосвязанных признаков в статистической совоку

Относительные показатели сравнения
Относительные показатели сравнения (сопоставления) получают путем соотношения одноименных абсолютных показателей, относящихся к разным статистическим единицам, сов

Относительные показатели выполнения заказа
Относительные показатели выполнения заказа (задания, плана) представляют собой соотношение абсолютных, фактически достигнутых показателей за определенный период или по состоянию на

Относительные показатели уровня экономического развития
Относительными показателями уровня экономического развития называют соотношение абсолютных размеров двух качественно различных (разноименных), но взаимосвязанных признаков. При это

Сущность и значение графического метода
Абсолютные статистические показатели, полученные в результате статистических наблюдений, и рассчитанные на этой основе разнообразные относительные показатели могут быть лучше, глубже, доступнее пон

Основные требования, предъявляемые к построению координатных диаграмм
Наиболее распространенным и удобным способом графического изображения абсолютных и относительных показателей динамики, показателей сравнения и др. считается координатнаядиаграмма.

Способы графического изображения показателей динамики и структуры
Во многих случаях имеется необходимость на одной и той же координатной диаграмме отразите не одну, а несколько линий, характеризующих динамику различных абсолютных или относительных показателей либ

Способы графического изображения показателей сравнения
В широком понимании сравнение показателей проводится как во времени, так и в пространстве, т.е. приемами сравнения могут быть охвачены и динамика, и структура, и территориальные объекты. Поэтому пр

Сущность и значение картограмм и картодиаграммы
Во многих случаях имеется необходимость графически изобразить важнейшие признаки, характерные для обширных территориальных объектов. В системе АПК это могут быть населенные пункты, сельскохозяйстве

Контрольная вопросы к теме 4
1. Что представляет собой графический метод и на чем он основывается? 2. С какими основными целями используется графический метод. 3. Каким образом классифицируютс

Сущность вариации. Виды вариационных признаков
Вариация (от латинского variatio – изменение) представляет собой изменение признака (вариант) в статистической совокупности, т.е. принятие единицами совокупности или их группами разных знаний призн

По числу работников животноводства
Ранговый номер (№) варианты Варианта, соответствующая ранговому номеру (№) Символ Число работников животноводства

Дискретный ряд распределения
Дискретный (разделительный) ряд представляет собой такой вариационный ряд, в котором его группы сформированы по признаку, изменяющемуся прерывно, т.е. через определённое число един

Работников животноводства
№ варианты Варианта (значение признака), Х Частотные знаки Локальные частоты, fл Накопительные частоты, fн

Интервальный ряд распределения
Во многих случаях, кота статистическая совокупность включает большое или тем более бесконечное число вариант, что чаще всего встречается при непрерывной вариации, практически невозможно и нецелесоо

Сущность средних величин
Вариационные ряды отображают большое разнообразие явлений и процессов, составляющих сущность нашей действительности. Для более полного, углубленного изучения явлений и процессов окружающего нас мир

Средняя арифметическая величина
Если в формулу 6.2 подставить значение К=1, то получается средняя арифметическая величина, т.е. .

В ранжированном ряду распределения
Ранговые №№ Варианты (значения признака) Символы Посевная площадь, га

Ряду распределения
№ п.п. Варианты Локальные частоты Взвешенные средние варианты Символы Урожайн

Основные свойства средней арифметической величины
Средняя арифметическая величина обладает многими математическими свойствами, имеющими важное математическое значение при ее расчёте. Знание этих свойств помогают контролировать правильность и точно

Средняя хронологическая величина
Одной из разновидностей средней арифметической величины является средняя хронологическая. Среднюю величину, исчисленную по совокупности значений признака в разные моменты или за различные периоды в

Средняя квадратическая величина
При условии постановки значения К=2 в формулу 6.2. получаем среднюю квадратическую величину. В ранжированном ряду средняя квадратическая величина рассчитывается по невзвешенной (пр

Средняя геометрическая величина
Если в формулу 6.2 подставить значение К=0, то в результате получаем среднюю геометрическую величину, которая имеет простую (невзвешенную) и взвешенную формы. Средняя геометрическая проста

Средняя гармоническая величина
При условии подстановки в общую формулу 6.2 значение К=-1 можно получить среднюю гармоническую величину, которая имеет простую и взвешенную формы. Название средней гармони

Структурные среднее. Сущность и значение моды
В некоторых случаях для получения обобщающей характеристики статистической совокупности по какому-либо признаку приходится пользоваться т.н. структурными средними. К ним относят

Сущность и значение медианы
Медиана– варианта, находящиеся в середине вариационного ряда. Медиана в ранжированном ряду находится следующим образом. Во-первых, рассчитывают номер медианой варианты:

Понятие о простейших показателях вариации
Сущность вариации была рассмотрена в 5 главе учебника, где отмечалось, что вариация – это колеблемость, изменение величины признака в статистической совокупности, т.е. принятие единицами совокупнос

Среднее квадратической отклонение
Среднее квадратической отклонение рассчитывается на базе средней квадратической величины. Оно выступает в не взвешенной (простой) и взвешенной формах. Для ранжированного р

Коэффициент вариации
Коэффициент вариации представляет собой относительный показатель, который можно рассчитать по следующей формуле:

Контрольна вопросы к теме 6
1. Что такое средняя величина и что она выражает? 2. Что представляет собой определяющее свойство совокупности и для чего его применяют в статистике? 3. Какие основные виды средни

Сущность генеральной и выборочной совокупности
В статистике сравнительно редко встречается сплошной вид наблюдения, каким является, например, всеобщая перепись населения. Все-таки наиболее часто приходится использовать несплошные наблюдения, ко

Понятие о стохастической совокупности
В реальных условиях сравнительно редко встречаются случаи статистической работы с генеральной совокупностью и, следовательно, далеко не всегда можно получить основные статистические характеристики

Сущность выборочного метопа
Статистическая работа в большинстве случаев так или иначе связана с данными, полученными в результате применения выборочного метода. Многие исследования были бы невыполнимы, если бы не использовали

Преимущества и недостатки выборочного метода
Выборочный метод имеет ряд преимуществ перед сплошным наблюдением. Во - первых, выборочное наблюдение позволяет существенно экономить труд, средства, время для его проведения. Сове

Способы отбора, их преимущества и недостатки
Отбор статистических единиц из генеральной совокупности может быть произведен no-разному и зависит от многих условий. Выборочный метоп включает следующие способы отбора статистических единиц случай

Сущность ошибок репрезентативности и порядок их расчета
Одним из центральных вопросов по выборочному методу считается теоретический расчет основных статистических характеристик и прежде всего среднего значения признаке в генеральной статистической совок

Понятие о малой выборке. Точечная оценка основных статистических характеристик
Применение выборочного метопа может базироваться на отборе из генеральной совокупности теоретически любого числа статистических единил. Математически доказано, что выборочные совокупности могут быт

Предельная ошибка выборки. Интервальная опенка основных статистических характеристик
Предельная ошибка выборки представляет собой расхождение между статистическими характеристиками, полученными в выборочной и генеральной совокупности Как было показано выше (формула

Приемы расчета численности выборки при различных способах отбора
Подготовительная работа к проведению выборочного наблюдения непосредственно связана с определением необходимой численности выборки, которая зависит от способа отбора и численности единиц в генераль

Понятие о вторичной (сложной) статистической сводке
Результаты простой сводки, содержание которой рассмотрено в теме 2, не всегда могут удовлетворить исследователя, так как они дают лишь общее представление об изучаемом объекте, т.е. от статистики т

Типологические группировки
Типологическая группировкапредставляет собой расчленение статистической совокупности на одно-качественных в существенном отношении типологических группы. Типологическую группировку

Структурные группировки
Структурная группировка заключается в расчленении однородной и качественном отношении совокупности статистических единиц на группы, характеризующий состав сложного объекта. Посредством структурной

Сущность и порядок проведения простой и аналитической группировки
Аналитическая группировка, при которой статистическая совокупность разбивается на однородные группы по одному какому-либо факторному признаку, называется простой.

Аналитической группировки
№п.п. Группы крестьянских хозяйств по дозам удобрений, т/га. Частотные знаки в группах (число единиц совокупности в группе)

Результативными показателями в картофелеводстве
№ п.п. Показатели Группы хозяйств по доза удобрений, т/га Итого (в среднем) 10-20

Сущность и значение статистических таблиц
Результаты обработки данных наблюдения с помощью разнообразных статистических методов (сводки, относительных, средних величин, формирований, вариационных рядов, показателей вариации, аналитических

Элементарный состав статистических таблиц
Комплексная статистическая обработка результатов наблюдения обычно связана с использованием многочисленных таблиц. Поэтому каждой таблице присваивается индивидуальный номер.Обязате

Виды и формы статистических таблиц
В зависимости от строения табличного подлежащего различают следующие виды статистических таблиц: простые, групповые и комбинационные. Простая статистическая таблица - хара

Вспомогательные и результативные статистические таблицы
Статистические таблицы могут выполнять различную функциональную роль. Одни из них служат например, для обобщения результатов статистического наблюдения и способствуют выполнения функции первичной с

Результатами производства, 2003 г
(комбинационная таблица) № п.п. Группы хозяйств по нагрузке сельхозугодий на 1 трактор, га Подгруппы хозяйств по нагрузк

Льноперерабатывающих предприятий АПК в 2003 г
(рабочая таблица) № п.п. Годовой объем переработки тресты, т Численность работников, чел Грузоподъемность а

Оформление статистических таблиц
Достижение поставленных целей с помощью табличного метода возможно в тех случаях, когда выдержаны необходимые требования по оформление статистических таблиц. Обычно все таблицы должны имет

Понятие о дисперсионном методе
Название метода обусловлено широким использованием различных видов дисперсий, сущность и способы расчета которых рассмотрены в шестой теме учебника. Целесообразно отметить, что дисперсия количестве

Признака-результата
№ п/п Индивидуальные варианты Линейные отклонения индивид. вариант от средней Квадраты линейных отклонений

Крестьянских хозяйствах
№ п/п Урожайность, ц/га Линейные отклонения индивидуальной урожайности от средней, ц/га Квадраты линейных отклонений урожайнос

Фитофтороза, на урожайность картофеля
№ п/п Группы хозяйств по удельному весу обработанных посевов, % Число хозяйств в группе Средний удельный вес обработанных посевов,

Признака-результата
№ группы Интервалы по факторному признаку Локальная частота Средняя варианта результативного признака

Виды дисперсий. Правило сложения дисперсий
Принцип расчета дисперсии (среднего квадрата отклонений) в общем виде рассмотрен в теме 6. Применительно к дисперсионному методу это означает, что каждому виду вариации соостветствует определенная

Урожайности картофеля (первая группа)
№ п.п. Урожайность, ц/га Линейное отклонение от средней групповой урожайности Квадраты линейных отклонений

Понятие о критерии Р. Фишера
Дисперсионный метод состоит в оценке отношения исправленной дисперсии, характеризующей систематические колебания групповых средних значений изучаемого результативного признака, к исправленной диспе

Двухфакторный дисперсионный комплекс
Решение этого комплекса направленно на изучение качественного влияния двух факторных признаков влияния двух факторных признаков на один или несколько результативных признаков. Двухфакторный комплек

Зерновых культур
№ подгруппы Число хозяйств в подгруппе Средняя урожайность ц/га Линейные отклонения урожайности в подгруппе от средн

Особенности многофакторного дисперсионного комплекса
Изучение качества связи, т.е. существенности влияния нескольких (трех, четырех и более) факторных признаков на результативные показатели, по существу является продолжительности приема комбинированн

Урожайности зерновых культур
№ п.п. Элементы вариаций Символы Общая вариация Систематическая вариация Остаточная вариац

Сущность и виды корреляций
В предыдущей главе было показано, что качество (существенность) зависимости между факторными и результативными признаками в статистической совокупности определяется и оценивается с помощью дисперси

Основные формы корреляционной связи между признаками
Выявлению формы связи между признаками предшествует определение причинной зависимости между ними. Это наиболее важный и ответственный момент для правильного использования корреляционного метода. По

Показатели тесноты корреляционных связей. Корреляционное отношение
Одним из центральных вопросов, решаемых с помощью корреляционного метода, является определение и оценка количественной меры тесноты связи между факторными и результативными признаками. При

Коэффициенты прямолинейной парной корреляции
Если взаимосвязь между признаками изучаемой парой признаков выражается в форме, близкой к прямой, то степень тесноты связи между этими признаками можно рассчитать при помощи коэффициента пр

Ранговый коэффициент корреляции
Основные статистические характеристики в тех случаях, когда генеральная совокупности, из которой берется выборка, оказывается за пределами параметров нормального или близкого к нему закона распреде

Коэффициент множественной корреляции
При изучении тесноты связи между несколькими факторными и результативными признаками рассчитывают совокупный коэффициент множественной корреляции. Так, при определении совокупной м

Показатели детерминации
При изучении количественного влияния признаков – факторов на результаты важно определить, какая часть колеблемости результативного признака непосредственно обусловлена воздействием вариации изучаем

Сущность, виды, и значение уравнений регрессии
Под регрессией понимается функция, предназначенная для описания зависимости изменения результативных признаков под влиянием колеблемости признаков – факторов. Понятие регрессии введено в статистиче

Уравнение прямолинейной регрессии
Корреляционную связь в форме, близкой к прямолинейной, можно представить в виде уравнения прямой линии:

Уравнение гиперболической регрессии
Если форма связи между признаком-фактором и признаком-результатом, выявленная с помощью координатной диаграммы (поля корреляции), приближается к гиперболической, то необходимо составить и решить ур

Регрессии
№ п.п. Признак-фактор Признак-результат Обратное значение признака-фактора Квадрат обратного значения

Гиперболической регрессии
№ п.п. Урожайность гороха, ц/га Х Себестоимость гороха, тыс. руб./ц У Расчетные величины

Уравнение параболической регрессии
В некоторых случаях эмпирические данные статистической совокупности, изображенные наглядно с помощью координатной диаграммы, показывают, что увеличение фактора сопровождаются опережающим ростом рез

Параболической регрессии
№ п.п. Х У ХУ Х2 Х2У Х4

Параболической регрессии
№ п.п. Удельный вес посевов картофеля, Х Урожай картофеля, тыс. ц. У Расчеты величины

Уравнение множественной регрессии
Применение корреляционного метода при изучении зависимости признака – результата от нескольких факторных признаков формируется по схеме, аналогической простой (парной) корреляции. Одной из

Коэффициенты эластичности
Для содержательного и доступного описания (интерпретации) результатов, отражающих корреляционно – регрессионную зависимость между признаками посредством различных уравнений регрессии, обычно исполь

Сущность динамического ряда
Все явления окружающего мира претерпевают непрерывные изменения во времени; с течением времени, т.е. в динамике изменяется их объем, уровень, состав, структура и т.д. целесообразно отметить, что по

Сельскохозяйственных предприятиях
(на начало года; тыс. физических единиц) Показатели 2000 г. 2001 г. 2002 г. 2003 г.

Основные показатели динамического ряда
Всесторонний анализ динамического ряда позволит вскрыть и характеризовать закономерности, проявляющие на разных этапах развития явлений, выявить тенденции и особенности развития этих явлений. В про

Абсолютные приросты уровней
Одним из наиболее простых показателей развития динамики является абсолютный прирост уровня. Абсолютным приростом называется разность двух уровней динамического ряда.Абсолю

Темпы роста уровней
Для характеристики относительной скорости изменения показатель темпа роста. Темп роста – это отношение одного уровня динамического ряда к другому, принятому за базу сравнения. темп роста могут быть

Темп прироста уровней
Если абсолютная скорость прироста уровней динамического ряда характеризуется величиной абсолютных приростов, то относительная скорость прироста уровней – темпами прироста. Темп при

Абсолютное значение одного процента прироста
При анализе динамических рядов нередко ставится задача: выяснить, каким абсолютными значениями выражается 1 % прироста (снижения) уровней, так как в ряде случаев при снижении (замедлении) темпов ро

За 1999-2003 гг
Годы Урожайность, ц/га Абсолютные приросты урожайности., ц/га Темп роста, % Темп прироста, %

Приемы выравнивания динамических рядов
Для выявления временных закономерностей требует, как правило, достаточно большое число уровней, динамического ряда. Если же динамический ряд состоит из ограниченного числа уровней, то его выравнива

Способы аналитического выравнивания динамического рядов
Выявление общей тенденции развития уровней динамического ряда может быть проведено с применением различных приемов аналитического выравнивания, которое наиболее часто осуществляетс

Аналитическое выравнивание по показательной кривой
В некоторых случаях, например, в процессе ввода в действие и освоение новых производственных мощностей, для динамического ряда может быть характерно быстрорастущее изменение уровней, т.е. цепные те

Аналитическое выравнивание по параболе второго порядка
Если изучаемый динамический ряд характеризуется положительными абсолютными приростами, с ускорением развития уровней, то выравнивание ряда может быть проведено по параболе второго порядка.

Аналитическое выравнивание по уравнению гиперболы
Если для динамического ряда характерны затухающие абсолютные снижения уровней (например, динамика трудоемкости продукции, трудообеспеченности производства в сельском хозяйстве и др.), то выравниван

Понятие об интерполяции и экстраполяции уровней динамического ряда
В некоторых случаях необходимо найти значения отсутствующих промежуточных уровней динамического ряда на основе известных его значений. В таких случаях может быть использован прием интерполяции, зак

При работе с данными часто возникает потребность выяснить, какое место занимает в совокупном перечне по величине тот или иной показатель. В статистике это называется ранжированием. В Excel имеются инструменты, которые позволяют пользователям быстро и легко произвести данную процедуру. Давайте выясним, как ими пользоваться.

Функции ранжирования

Для выполнения ранжирования в Экселе предусмотрены специальные функции. В старых версиях приложения был один оператор, предназначенный для решения этой задачи – РАНГ. В целях совместимости он оставлен в отдельной категории формул и в современных версиях программы, но в них все-таки желательно работать с более новыми аналогами, если есть такая возможность. К ним относятся статистические операторы РАНГ.РВ и РАНГ.СР. О различиях и алгоритме работы с ними мы поговорим далее.

Способ 1: функция РАНГ.РВ

Оператор РАНГ.РВ производит обработку данных и выводит в указанную ячейку порядковый номер заданного аргумента из совокупного списка. Если несколько значений имеют одинаковый уровень, то оператор выводит высший из перечня значений. Если, например, два значения будут иметь одинаковую величину, то им обоим будет присвоен второй номер, а уже следующее по величине значение будет иметь четвертый. Кстати, полностью аналогично поступает и оператор РАНГ в более старых версиях Эксель, так что данные функции можно считать идентичными.

Синтаксис этого оператора записывается следующим образом:

Аргументы «число» и «ссылка» являются обязательными, а «порядок» - необязательным. В качестве аргумента «число» нужно ввести ссылку на ту ячейку, где содержится значение, порядковый номер которого нужно узнать. Аргумент «ссылка» содержит адрес всего диапазона, который ранжируется. Аргумент «порядок» может иметь два значения – «0» и «1». В первом случае отсчет порядка идет по убывающей, а во втором – по возрастающей. Если данный аргумент не указан, то он автоматически считается программой равным нулю.

Данную формулу можно записывать вручную, в ту ячейку, где вы хотите, чтобы выводился результат обработки, но для многих пользователей удобнее задавать вводные через окно Мастера функций.

Урок: Мастер функций в Excel

Способ 2: функция РАНГ.СР

Второй функцией, которая производит операцию ранжирования в Экселе, является РАНГ.СР. В отличие от функций РАНГ и РАНГ.РВ, при совпадении значений нескольких элементов данный оператор выдает средний уровень. То есть, если два значения имеют равную величину и следуют после значения под номером 1, то им обоим будет присвоен номер 2,5.

Синтаксис РАНГ.СР очень похож на схему предыдущего оператора. Выглядит он так:

Формулу можно вводить вручную или через Мастер функций. На последнем варианте мы подробнее и остановимся.

1. Производим выделение ячейки на листе для вывода результата. Таким же образом, как и в предыдущий раз, переходим в Мастер функций через кнопку «Вставить функцию».
2. После открытия окна Мастера функций выделяем в перечне категории «Статистические» наименование РАНГ.СР и жмем на кнопку «OK».
3. Активируется окно аргументов. Аргументы у данного оператора точно такие же, как и у функции РАНГ.РВ:
   • Число (адрес ячейки содержащей элемент, уровень которого следует определить);
   • Ссылка (координаты диапазона, ранжирование внутри которого выполняется);
   • Порядок (необязательный аргумент).

   Внесение данных в поля происходит точно таким же способом, как и у предыдущего оператора. После того, когда все настройки выполнены, жмем на кнопку «OK».

4. Как видим, после выполненных действий результат расчета был выведен в ячейку, отмеченную в первом пункте данной инструкции. Сам итог представляет собой место, которое занимает конкретное значение среди других величин диапазона. В отличие от результата РАНГ.РВ, итог оператора РАНГ.СР может иметь дробное значение.
5. Как и в случае с предыдущей формулой, с помощью изменения ссылок с относительных на абсолютные и маркера выделения, путем автозаполнения можно проранжировать весь диапазон данных. Алгоритм действий точно такой же.

Урок: Другие статистические функции в Microsoft Excel

Урок: Как сделать автозаполнение в Эксель

Как видим, в Экселе существует две функции для определения ранжирования конкретного значения в диапазоне данных: РАНГ.РВ и РАНГ.СР. Для более старых версий программы используется оператор РАНГ, который, по сути, является полным аналогом функции РАНГ.РВ. Главное отличие формул РАНГ.РВ и РАНГ.СР состоит в том, что первая из них указывает наивысший уровень при совпадении значений, а вторая выводит средний показатель в виде десятичной дроби. Это единственное различие между этими операторами, но его нужно учитывать при выборе того, какой именно функцией пользователю лучше воспользоваться.

Мы рады, что смогли помочь Вам в решении проблемы.

Задайте свой вопрос в комментариях, подробно расписав суть проблемы. Наши специалисты постараются ответить максимально быстро.

Помогла ли вам эта статья?

Научимся ранжировать числовые данные в Excel с помощью стандартной сортировки, а также функции РАНГ и ее частных случаях (РАНГ.РВ и РАНГ.СР), которые помогут в автоматизации сортировки.

Приветствую всех, дорогие читатели блога TutorExcel.Ru.

Задача ранжирования числовых данных постоянно возникает в работе с целью поиска наибольших или наименьших значений в списке.
В Excel с этой задачей можно справиться 2 способами: стандартным инструментом сортировки и с помощью функций .

Для примера возьмем простую таблицу со списком числовых значений, в которой в дальнейшем и будем ранжировать данные:

Сортировка данных

Начнем с самого простого и доступного варианта - сортировки.

Мы уже частично разбирали как можно структурировать данные с помощью фильтра и сортировки.
Вкратце, для сортировки необходимо выделить диапазон с данными и на панели вкладок выбрать Главная -> Редактирование -> Сортировка и фильтр , а далее указать по какому критерию нужно произвести сортировку.

В данном случае выберем Сортировка по убыванию , где значения будут расположены от большего к меньшему:

Минусом данного способа является изменение структуры исходных данных, так как в процессе сортирования данных строки и столбцы могут меняться местами, что в некоторых случаях неудобно или невозможно сделать.
Также к важным недостаткам этого варианта можно отнести отсутствие возможности автоматизировать сортировку. Поэтому каждый раз при изменении данных сортировку придется делать еще раз.

В качестве решения данной проблемы рассмотрим другой способ ранжирования, который впрочем можно рассматривать и отдельно от решения этой задачи.

Ранжирование данных

При отсутствии возможности изменения структуры документа мы можем создать дополнительный ряд данных, где будут содержаться порядковые номера исходных данных.
Получить эти порядковые номера нам поможет функция РАНГ (а также РАНГ.РВ и РАНГ.СР ).

Функция РАНГ в Excel

Синтаксис и описание функции:

• Число (обязательный аргумент) - число для которого вычисляется ранг;
• Ссылка (обязательный аргумент) - массив или ссылка на массив чисел;
• Порядок (необязательный аргумент) - способ упорядочения. Если аргумент равен 0 или не указан, то значение 1 присваивается максимальному элементу в списке (условно говоря, сортируем по убыванию), в ином случае значение 1 присваивается минимальному элементу (сортируем по возрастанию).

Эта функция доступна во всех версиях Excel, однако начиная с Excel 2010 на ее замену добавлены РАНГ.РВ и РАНГ.СР , а РАНГ оставлена для совместимости с Excel 2007, давайте подробнее остановимся на их работе.

Функции РАНГ.РВ и РАНГ.СР в Excel

Синтаксис и описание функций:

РАНГ.РВ(число; ссылка;)
Возвращает ранг числа в списке чисел: его порядковый номер относительно других чисел в списке; если несколько значений имеют одинаковый ранг, возвращается высший ранг из этого набора значений.

Аргументы у всех трех функций одинаковые, т.е. кардинально они почти не отличаются, есть небольшие различие в деталях.
На примере исходной таблицы посмотрим как работает с данными каждая из функций:

Как мы видим отличие заключаются лишь в типе ранжирования совпадающих элементов данных.

В случае с РАНГ.РВ равным элементам присваивается высший ранг.
В нашем примере категориям Ноутбуки и Мультиварки соответствует одинаковое значение элемента - 710, который является 3 по порядку убывания, соответственно обоим значениям присваивается высший ранг - 3.
Для РАНГ.СР для этих же значений устанавливается их средний ранг, т.е. среднее между 3 и 4 порядковыми номерами - 3,5.

На этом различия между ними заканчиваются, поэтому в зависимости от ваших задач можно использовать ту или иную функцию.
Если нужно отсортировать значения по возрастанию, то в качестве аргумента Порядок нужно указать значение 1:

Автоматическая сортировка

Немного усложним задачу и представим, что нам в дальнейшем нужно составить отсортированную таблицу, которая бы автоматически обновлялась при изменении данных в исходной таблице.

Например, это можно сделать с помощью функции ВПР, или комбинации ИНДЕКС и ПОИСКПОЗ, однако в случае наличия одинаковых значений в списке мы не сможем корректно подтянуть данные и получим ошибку:

В этом случае можно воспользоваться простым приемом в виде небольшой хитрости.
Добавим к каждому значению исходной таблицы не совпадающие случайные числа близкие к нулю, к примеру, я для этих целей использую функции СТРОКА или СТОЛБЕЦ, поделенные на заведомо большую величину.

Этот шаг позволит нам получить различные числа в исходных данных, избежать совпадения рангов и ошибки при подтягивании данных:

Теперь для всех элементов таблицы (даже изначально совпадающих) определен свой индивидуальный ранг отличный от остальных, поэтому ошибок при автоматическом ранжировании данных удастся избежать.

Скачать файл с примером .

Спасибо за внимание!
Если у вас остались вопросы - пишите в комментариях.

Удачи вам и до скорых встреч на страницах блога TutorExcel.Ru!

Для ранжирования данных в Excel применяются статистические функции РАНГ, РАНГ.РВ, РАНГ.СР. Все они возвращают номер числа в ранжированном списке числовых значений. Рассмотрим подробнее синтаксис, примеры.

Пример функции РАНГ в Excel

Функция используется при ранжировании в перечне чисел. То есть позволяет узнать величину числа относительно других числовых значений. Если отсортировать список по возрастанию, то функция вернет позицию числа. Например, в массиве чисел {30;2;26} число 2 будет иметь ранг 1; 26 –2; 30 –3 (как наибольшее значение в списке).

Синтаксис функции:

1. Число. Для, которого необходимо определить номер в ранжировании.
2. Ссылка. На массив чисел или диапазон ячеек с числовыми значениями. Если задать в качестве аргумента просто числа, то функция вернет ошибку. Нечисловым значениям номер не присваивается.
3. Порядок. Способ упорядочения чисел в списке. Варианты: аргумент равен «0» или опущен – значение 1 присваивается максимальному числу в списке (как будто список отсортирован в порядке убывания); аргумент равен любому неравному нулю числу – номер ранжирования 1 присваивается минимальному числу в списке (как будто список отсортирован в порядке возрастания).

Определим ранжирование чисел в списке без повторов:

Аргумент, определяющий способ упорядочения чисел, равен «0». Следовательно, в данной функции номера присваивались значениям от большего к меньшему. Максимальному числу 87 присвоен номер 1.

В третьем столбце приведена формула с рангом по возрастанию.

Определим номера значений в списке, где присутствуют повторяющиеся значения.

Желтым цветом выделены повторяющиеся числа. Для них определяется один и тот же номер. Например, числу 7 во втором столбце присвоен номер 9 (и во второй строке, и в девятой); в третьем столбце – 3. Но ни одно из чисел во втором столбце не будет иметь 10, а в третьем – 4.

Чтобы ранги не повторялись (иногда это мешает пользователю решить поставленную задачу), используется следующая формула:

Для работы функции можно установить пределы. Например, необходимо ранжировать только значения от 0 до 30. Чтобы решить задачу, применим функцию ЕСЛИ (=ЕСЛИ(A2

Серым цветом выделены значения, которые соответствуют заданному условию. Для чисел, которые больше 30, выводится пустая строка.

Пример функции РАНГ.РВ в Excel

В версиях Excel, начиная с 2010 года, появилась функция РАНГ.РВ. Это абсолютный аналог предыдущей функции. Синтаксис такой же. Буквы «РВ» в названии указывают на то, что при обнаружении формулой одинаковых значений функция вернет высший номер ранжирования (то есть первого обнаруженного элемента в перечне равных).

Как видно из примера, данная функция обрабатывает повторяющиеся числа в списке точно так же, как и в обычной формуле. Если необходимо избежать повторений рангов, используем другую формулу (см. выше).

Пример функции РАНГ.СР в Excel

Возвращает номера числового значения в списке (порядковый номер относительно других значений). То есть выполняет ту же задачу. Только при обнаружении идентичных значений возвращает средний показатель.

Вот результат работы функции:

Формула в столбце «по убыванию»: =РАНГ.СР(A2;$A$2:$A$9;0). Так, функция значению 87 присвоила средний номер 1,5.

Допустим, в списке чисел три повторяющихся значения (выделены оранжевым цветом).

Функция присвоила каждому из них ранг 5, что является средним для 4, 5 и 6.

Сравним работу двух функций:

Напомним, что эти две функции работают только в Excel 2010 и выше. В более ранних версиях для этих целей можно задействовать формулу массива.

Скачать примеры функции ранжирования РАНГ в Excel.

Таким образом, все выше описанные примеры позволяют автоматизировать работу по ранжированию данных и составлению рейтинга значений без применения сортировки.

Первым этапом статистического изучения вариации являются построение вариационного ряда - упорядоченного распределения единиц совокупности по возрастающим (чаще) или по убывающим (реже) значениям признака и подсчет числа единиц с тем или иным значением признака.

Существуют три формы вариационного ряда: ранжированный ряд, дискретный ряд, интервальный ряд. Вариационный ряд часто назы-вают рядом распределения. Этот термин используется при изучении вариации как количественных, так и неколичественных признаков. Ряд распределения представляет собой структурную группировку (см. гл. 6).

Ранжированный ряд - это перечень отдельных единиц совокупности в порядке возрастания (убывания) изучаемого признака.

Примером ранжированного ряда может служить табл. 5.5.

Таблица 5.5

Крупные банки Санкт-Петербурга, ранжированные по размерам собственного капитала на 01.07.96

Если численность единиц совокупности достаточно велика, ранжированный ряд становится громоздким, а его построение, даже с помощью ЭВМ, занимает длительное время. В таких случаях вариационный ряд строится с помощью группировки единиц совокупности по значениям изучаемого признака.

Если признак принимает небольшое число значений, строится дискретный вариационный ряд. Примером такого ряда является распределение футбольных матчей по числу забитых мячей (табл. 5.1). Дискретный вариационный ряд - это таблица, состоящая из двух строк или граф: конкретных значений варьирующего признака х i и числа единиц совокупности с данным значением признака f i частот (f - начальная буква англ. слова frequency).

Определение числа групп

Число групп в дискретном вариационном ряду определяется числом реально существующих значений варьирующего признака. Если же признак может принимать хотя и дискретные значения, но их число очень велико (например, поголовье скота на 1 января года в разных сельхозпредприятиях может составлять от нуля до десятков тысяч голов), тогда строится интервальный вариационный ряд. Интервальный вариационный ряд строится и для изучения признаков, которые могут принимать любые, как целые, так и дробные, значения в области своего существования. Таковы, например, рентабельность реализованной продукции, себестоимость единицы продукции, доход на 1 жителя города, доля лиц с высшим образованием среди населения разных территорий и вообще все вторичные признаки, значения которых рассчитываются путем деления величины одного первичного признака на величину другого (см. гл. 3).

Интервальный вариационный ряд представляет собой таблицу, (состоящую из двух граф (или строк) - интервалов признака, вариация которого изучается, и числа единиц совокупности, попадающих в данный интервал (частот), или долей этого числа от общей численности совокупности (частостей).

При построении интервального вариационного ряда необходимо выбрать оптимальное число групп (интервалов признака) и установить длину интервала. Поскольку при анализе вариационного ряда сравнивают частоты в разных интервалах, необходимо, чтобы величина интервала была постоянной. Оптимальное число групп выбирается так, чтобы в достаточной мере отразилось разнообразие значений признака в совокупности и в то же время закономерность распределения, его форма не искажалась случайными колебаниями частот. Если групп будет слишком мало, не проявится закономерность вариации; если групп будет чрезмерно много, случайные скачки частот исказят форму распределения.

Чаще всего число групп в вариационном ряду устанавливают, придерживаясь формулы, рекомендованной американским статистиком Стерджессом (Sturgess ):

где k - число групп; n - численность совокупности.

Эта формула показывает, что число групп - функция объема данных.

Предположим, необходимо построить вариационный ряд распределения предприятий области по урожайности зерновых культур за какой-то год. Число сельхозпредприятий, имевших посевы зерновых культур, составило 143; наименьшее значение урожайности равно 10,7 ц/га, наибольшее - 53,1 ц/га. Имеем:

Так как число групп целое, следовательно, рекомендуется построить 8 или 9 групп.

Определение величины интервала

Зная число групп, рассчитывают величину интервала:

В нашем примере величина интервала составляет:

а) при 8 группах

б) при 9 группах

Для построения ряда и анализа вариации значительно лучше иметь по возможности округленные значения величины интервала и его границ. Поэтому наилучшим решением будет построение вариационного ряда с 9 группами с интервалом, равным 5 ц/га. Этот вариационный ряд приведен в табл. 5.6, а его графическое изображение дано на рис. 5.1.

Границы интервалов могут указываться разным образом: верхняя граница предыдущего интервала повторяет нижнюю границу следующего, как показано в табл. 5.6, или не повторяет.

В последнем случае второй интервал будет обозначен как 15,1-20, третий как 20,1-25 и т.д., т.е. предполагается, что все значения урожайности обязательно округлены до одной десятой. Кроме того, возникает нежелательное осложнение с серединой интер- вала 15,1-20, которая, строго говоря, уже будет равна не 17,5, а 17,55; соответственно при замене округленного интервала 40-60 на 40,1-6,0 вместо округленного значения его середины 50 получим 50,5, Поэтому предпочтительнее оставить интервалы с повторяющейся округленной границей и договориться, что единицы совокупности, имеющие значение признака, равное границе интервала, включаются в тот интервал, где это точное значение впервые указывается. Так, хозяйство, имеющее урожайность, равную 15 ц/га, включается в первую группу, значение 20 ц/га -во вторую и т. д.

Рис. 5.1. Распределение хозяйств по урожайности

Таблица 5.6

Распределение хозяйств области по урожайности зерновых культур

Группы хозяйств по урожайности, ц/га х j	Число хозяйств	Середина интервала, ц/га х j "		Накопленная частота f ’ j

Графическое изображение вариационного ряда

Существенную помощь в анализе вариационного ряда и его свойств оказывает графическое изображение. Интервальный ряд изображается столбиковой диаграммой, в которой основания столбиков, расположенные на оси абсцисс, - это интервалы значений варьирующего признака, а высоты столбиков - частоты, -соответствующие масштабу по оси ординат. Графическое изображение распределения хозяйств области по урожайности зерновых культур приведено на рис. 5.1. Диаграмма этого рода часто называется гистограммой (от греческого слова «гистос» - ткань, строение).

Данные табл. 5.5 и рис. 5.1 показывают характерную для многих признаков форму распределения: чаще встречаются значения средних интервалов признака, реже - крайние; малые и большие значения признака. Форма этого распределения близка к рассматриваемому в курсе математической статистики закону нормального распределения. Великий русский математик А. М. Ляпунов (1857 - 1918) доказал, что нормальное распределение образуется, если на варьирующую переменную влияет большое число факторов, ни один из которых не имеет преобладающего влияния. Случайное сочетание множества примерно равных факторов, влияющих на вариацию урожайности зерновых культур, как природных, так и агротехнических, экономических, создает близкое к нормальному закону распределения распределение хозяйств области по урожайности.

Если имеется дискретный вариационный ряд или используются середины интервалов, то графическое изображение такого вариационного ряда называется полигоном (от греч. слова - многоугольник). Каждый из вас легко построит этот график, соединяя прямыми точки с координатами х, и /.

Отношение высоты полигона или диаграммы к их основанию рекомендуется в пропорции примерно 5:8.

Понятие частости

Если в табл. 5.6 число хозяйств с тем или иным уровнем урожайности выразить в процентах к итогу, принимая все число хозяйств (143) за 100%, то средняя урожайность может быть вычислена так:

где w - частость 7-й категории вариационного ряда;

Кумулятивное распределение

Преобразованной формой вариационного ряда является ряд накопленных частот, приведенный в табл. 5.6, графа 5. Это ряд значений числа единиц совокупности с меньшими и равными нижней границе соответствующего интервала значениями признака. Такой ряд называется кумулятивным. Можно построить кумулятивное распределение «не меньше, чем», а можно «больше, чем». В первом случае график кумулятивного распределения называется кумулятой, во втором - огивой (рис. 5.2).

Плотность, распределения

Если приходится иметь дело с вариационным рядом с неравными интервалами, то для сопоставимости нужно частоты или частости привести к единице интервала. Полученное отношение называется плотностью распределения:

Плотность распределения используется как для расчета обобщающих показателей, так и для графического изображения вариационных рядов с неравными интервалами.

Рис. 5.2. Огива и кумулята распределения по урожайности

5.7. Структурные характеристики вариационного ряда

Медиана распределения

При изучении вариации применяются такие характеристики вариационного ряда, которые описывают количественно его структуру, строение. Такова, например, медиана- величина варьирующего признака, делящая совокупность на две равные части ~ со значениями признака меньше медианы И со значениями признака больше медианы (третьего банка из пяти в табл. 5.5, т.е. 196 млрд руб.).

На примере табл. 5.5 видно принципиальное различие между медианой и средней величиной. Медиана не зависит от значений признака на краях ранжированного ряда. Если бы даже капитал крупнейшего банка Санкт-Петербурга был вдесятеро больше, величина медианы не изменилась бы. Поэтому часто медиану используют как более надежный показатель типичного значения признака, нежели арифметическая средняя, если ряд значений неоднороден, включает резкие отклонения от средней. В данном ряду средняя величина собственного капитала, равная 269 млрд руб., сложилась под большим влиянием наибольшей варианты. 80% банков имеют капитал меньше среднего и лишь 20% - больше. Вряд ли такую среднюю можно считать типичной величиной. При четном числе единиц совокупности за медийну принимают арифметическую среднюю величину из двух центральных вариант, например при десяти значениях признака - среднюю из пятого и шестого значений в ранжированном ряду.

В интервальном вариационном ряду для нахождения медианы применяется формула (5.14).

где Me - медиана;

х 0 - нижняя граница интервала, в котором находится медиана;

f ’ M е-1 - накопленная частота в интервале, предшествующем медианному;

f Me - частота в медианном интервале;

i - величина интервала;

k - число групп.

В табл. 5,6 медианным является среднее из 143 значений, т.е. семьдесят-второе от начала ряда значение урожайности. Как видно из ряда накопленных частот, оно находится в четвертом интервале. Тогда

При нечетном числе единиц совокупности номер медианы, как видим, равен не , как в формуле (5.14), a , но это различие несущественно и обычно игнорируется на практике.

В дискретном вариационном ряду медианой следует считать значение признака в той группе, в которой накопленная частота;

превышает половину численности совокупности. Например, для, данных табл. 5.1 медианой числа забитых за игру мячей будет 2.

Квартили распределения

Аналогично медиане вычисляются значения признака, делящие совокупность на четыре равные по числу единиц части. Эти величины называются квартилями и обозначаются заглавной латинской" буквой Q с подписным значком номера квартиля. Ясно, что Q 2 совпадает с Me. Для первого и третьего квартилей приводим формулы и расчет по данным табл. 5.6.

Так как Q 2 = Me = 29,5 ц/га, видно, что различие между первым квартилем и медианой меньше, чем между медианой и третьим квартилем. Этот факт свидетельствует о наличии некоторой несимметричности в средней области распределения, что заметно и на рис. 5.1.

Значения признака, делящие ряд на пять равных частей, называют квинтилями, на десять частей - децилями, на сто частей -перцентилями. Поскольку эти характеристики применяются лишь при необходимости подробного изучения структуры вариационного ряда, приводить их формулы и расчет не будем.

Мода распределения

Бесспорно, важное значение имеет такая величина признака, которая встречается в изучаемом ряду, в совокупности чаще всего. Такую величину принято называть модой и обозначать Мо. В дискретном ряду мода определяется без вычисления как значение признака с наибольшей частотой. Например, по данным табл. 5.1 чаще всего за футбольный матч было забито 2 мяча - 71 раз. Модой является число 2. Обычно встречаются ряды с одним модальным значением признака. Если два или несколько равных (и даже несколько различных, но больших, чем соседние) значений признака имеются в вариационном ряду, он считается соответственно бимодальным («верблюдообразным») либо мультимодальным. Это говорит о неоднородности совокупности, возможно, представляющей собой агрегат нескольких совокупностей с разными модами.

Так и в толпе туристов, приехавших из разных стран, вместо одной, преобладающей среди местных жителей модной одежды можно встретить смесь разных «мод», принятых у разных народов мира.

В интервальном вариационном ряду, тем более при непрерывной вариации признака, строго говоря, каждое значение признака встречается только один раз. Модальным интервалом является интервал с наибольшей частотой.. Внутри этого интервала находят условное значение признака, вблизи которого плотность распределения, т.е. число единиц совокупности, приходящееся на единицу измерения варьирующего признака, достигает максимума. Это условное значение и считается точечной модой. Логично предположить, что такая точечная мода располагается ближе к той из границ интервала, за которой частота в соседнем интервале больше частоты в интервале за другой границей модального интервала. Отсюда имеем обычно применяемую формулу (5.15):

где x 0 - нижняя граница модального интервала;

f Mo - частота в модальном интервале;

f Mo -1 - частота в предыдущем интервале;

f Mo +1 - частота в следующем интервале за модальным;

i - величина интервала.

По данным табл. 5.6 рассчитаем моду:

Вычисление моды в интервальном ряду весьма условно. Приближенно Мо может быть определена графически (см. рис. 5.1).

К изучению структуры вариационного ряда средняя арифметическая величина тоже имеет отношение, хотя основное значение этого обобщающего показателя другое. В ряду распределения хозяйств по урожайности (табл. 5.6) средняя величина урожайности вычисляется как взвешенная по частоте середина интервалов х (по формуле (5.2)):

Соотношение между средней величиной, медианой и модой

Различие между средней арифметической величиной, медианой и модой в данном распределении невелико. Если распределение по форме близко к нормальному закону, то медиана находится между, модой и средней величиной, причем ближе к средней, чем к моде.

При правосторонней асимметриих ̅ > Me > Mo;

при левосторонней асимметрии х ̅ < Me < Mo.

Для умеренно асимметричных распределений справедливо равенство:

5.8. Показатели размера и интенсивности вариации

Абсолютные средние размеры вариации

Следующим этапом изучения вариации признака в совокупности является измерение характеристик силы, величины вариации. Простейшим из них может служить размах или амплитуда вариации - абсолютная разность между максимальным и минимальным значениями признака из имеющихся в изучаемой совокупности значений. Таким образом, размах вариации вычисляется по формуле

Поскольку величина размаха характеризует лишь максимальное различие значений признака, она не может измерять закономерную силу его вариации во всей совокупности. Предназначенный для данной цели показатель должен учитывать и обобщать все различия значений признака в совокупности без исключения. Число таких различий равно числу сочетаний по два из всех единиц совокупности; по данным табл. 5.6 оно составит: С^ = 10 153. Однако нет необходимости рассматривать, вычислять и осреднять все отклонения. Проще использовать среднюю из отклонений отдельных значений признака от среднего арифметического значения признака, а таковых всего 143. Но среднее отклонение значений признака от средней арифметической величины согласно известному свойству последней равно нулю. Поэтому показателем силы вариации выступает не алгебраическая средняя отклонений, а средний модуль отклонений:

По данным табл. 5.6 средний модуль, или среднее линейное отклонение, по абсолютной величине вычисляется как взвешенное по частоте отклонение по модулю середин интервалов от средней арифметической величины, т.е. по формуле

Это означает, что в среднем урожайность в изучаемой совокупности хозяйств отклонялась от средней урожайности по области на 6,85 ц/га. Простота расчета и интерпретации составляют положительные стороны данного показателя, однако математические свойства модулей «плохие»: их нельзя поставить в соответствие с каким-либо вероятностным законом, в том числе и с нормальным распределением, параметром которого является не средний модуль отклонений, а среднее квадратическое отклонение (в англоязычных программах для ЭВМ называемое «the standard deviation», сокращенно «s.d.» или просто « s », в русскоязычных - СКО). В статистической литературе среднее квадратическое отклонение от средней величины принято обозначать малой (строчной) греческой буквой сигма (ст) или s (см. гл. 7):

для ранжированного ряда

для интервального ряда

По данным табл. 5.6 среднее квадратическое отклонение урожайности зерновых составило:

Следует указать, что некоторое округление средней величины и середин интервалов, например до целых, мало отражается на величине σ, которая составила бы при этом 8,55 ц/га.

Среднее квадратическое отклонение по величине в реальных совокупностях всегда больше среднего модуля отклонений. Соотношение (у: а зависит от наличия в совокупностях резких, выделяющихся отклонений и может служить индикатором «засоренности» совокупности неоднородными с основной массой элементами: чем это соотношение больше, тем сильнее подобная «засоренность». Для нормального закона распределения σ : а = 1,2.

Понятие дисперсии

Квадрат среднего квадратического отклонения дает величину дисперсии σ 2 . Формула дисперсии:

простая (для несгруппйрованных данных):

взвешенная (для сгруппированных данных):

На дисперсии основаны практически все методы математической статистики. Большое практическое значение имеет правило сложения дисперсий (см. гл. 6).

Другие меры вариации

Еще одним показателем силы вариации, характеризующим ее не по всей совокупности, а лишь в ее центральной части, служит среднее квартцлъное расстояние, т.е. средняя величина разности между квартилями, обозначаемое далее как q:

Для распределения сельхозпредприятий по урожайности в табл. 5.2

q = (36,25 - 25,09): 2 = 5,58 ц/га. Сила вариации в центральной части совокупности, как правило, меньше, чем в целом по всей совокупности. Соотношение между средним модулем отклонений и средним квартальным отклонением также служит для изучения структуры вариации: большое значение такого соотношения говорит о наличии слабоварьирующего «ядра» и сильно рассеянного вокруг этого ядра окружения, или «гало» в изучаемой совокупности. Для данных табл. 5.6 соотношение а: q = 1,23, что говорит о небольшом различии силы вариации в центральной части совокупности и на ее периферии.

Для оценки интенсивности вариации и для сравнения ее в разных совокупностях и тем более для разных признаков необходимы относительные показатели вариации. Они вычисляются как отношения абсолютных показателей силы вариации, рассмотренных ранее, к средней арифметической величине признака. Получаем следующие показатели:

1) относительный размах вариации р:

2) относительное отклонение по модулю т:

3) коэффициент вариации как относительное квадратическое отклонение v :

4) относительное квартальное расстояние d:

где q - среднее квартильное расстояние.

Для вариации урожайности по данным табл. 5,6 эти показатели составляют:

ρ = 42,4: 30,3 = 1,4, или 140%;

т = 6,85: 30,3 = 0,226, или 22,6%;

v = 8,44: 30,3 = 0,279,или 27,9%;

d = 5,58: 30,3 = 0,184,или 18,4%.

Оценка степени интенсивности вариации возможна только для каждого отдельного признакам совокупности определенного состава. Так, для совокупности сельхозпредприятий вариация урожайности в одном и том же природном регионе может быть оценена как слабая, если v < 10%, умеренная при 10% < v < 25% и сильная при v > 25%.

Напротив, вариация роста в совокупности взрослых мужчин или женщин уже при коэффициенте, равном 7%, должна быть оценена и воспринимается людьми как сильная. Таким образом, оценка интенсивности вариации состоит в сравнении наблюдаемой вариации с некоторой обычной ее интенсивностью, принимаемой за норматив. Мы привыкли к тому, что урожайность, заработок или доход на душу, число жилых комнат в здании могут различаться в несколько и даже десятки раз, но различие роста людей хотя бы в полтора раза уже воспринимается как очень сильное.

Различная сила, интенсивность вариации обусловлены объективными причинами. Например, цена продажи доллара США в коммерческих банках Санкт-Петербурга на 24 января 1997 г. варьировала от 5675 до 5640 руб. при средней цене 5664 руб. Относительный размах вариации ρ = 35:5664 = 0,6%. Такая малая вариация вызвана тем, что при значительном различии курса доллара немедленно произошел бы отлив покупателей из «дорогого» банка в более «дешевые». Напротив, цена килограмма картофеля или говядины в разных регионах России варьирует очень сильно - на десятки процентов и более. Это объясняется разными затратами на доставку товара из региона-производителя в регион-потребитель, т.е. пословицей «телушка за морем - полушка, да рубль перевоз».

5.9. Моменты распределения и показатели его формы

Центральные моменты распределения

Для дальнейшего изучения характера вариации используются средние значения разных степеней отклонений отдельных величин признака от его средней арифметической величины. Эти показатели получили название центральных моментов распределения порядка, соответствующего степени, в которую возводятся отклонения (табл. 5.7), или просто моментов (нецентральные моменты используются редко и здесь не будут рассматриваться). Величина третьего момента ц-, зависит, как и его знак, от преобладания положительных кубов отклонений над отрицательными кубами либо наоборот. При нормаль- ном и любом другом строго симметричном распределении сумма положительных кубов строго равна сумме отрицательных кубов.

Показатели асимметрии

На основе момента третьего порядка можно построить показатель, характеризующий степень асимметричности распределения:

As называют коэффициентом асимметрии. Он может быть рассчитан как по сгруппированным, так и по несгруппированным данным. По данным табл. 5.6 показатель асимметрии составил:

т.е. асимметрия незначительна. Английский статистик К. Пирсон на основе разности между средней величиной и модой предложил другой показатель асимметрии

Таблица 5.7

Центральные моменты

По данным табл. 5.6 показатель Пирсона составил:

Показатель Пирсона зависит от степени асимметричности в средней части ряда распределения, а показатель асимметрии, основанный на моменте третьего порядка, - от крайних значений признака. Таким образом, в нашем примере в средней части распределения асимметрия более значительна, что видно и по графику (рис. 5.1). Распределения с сильной правосторонней и левосторонней (положительной и отрицательной) асимметрией показаны на рис. 5.3.

Характеристика эксцесса распределения

С помощью момента четвертого порядка характеризуется еще более сложное свойство рядов распределения, чем асимметрия, называемое эксцессом.

Рис. 5.3. Асимметрия, распределения

Показатель эксцесса рассчитывается по формуле

(5.30)

Часто эксцесс интерпретируется как «крутизна» распределения, но это неточно и неполно. График распределения может выглядеть сколь угодно крутым в зависимости от силы вариации признака: чем слабее вариация, тем круче кривая распределения при данном масштабе. Не говоря уже о том, что, изменяя масштабы по оси абсцисс и по оси ординат, любое распределение можно искусствен но сделать «крутым» и «пологим». Чтобы показать, в чем состоит эксцесс распределения, и правильно его интерпретировать, нужно сравнить ряды с одинаковой силой вариации (одной и той же величиной σ) и разными показателями эксцесса. Чтобы не смешать эксцесс с асимметрией, все сравниваемые ряды должны быть симметричными. Такое сравнение изображено на рис. 5.4.

Рис.5.4. Эксцесс распределений

Для вариационного ряда с нормальным распределением значе- i ний признака показатель эксцесса, рассчитанный по формуле (5.30), j равен трем.

Однако такой показатель не следует называть термином «эксцесс», что в переводе означает «излишество». Термин «эксцесс» следует применять не к самому отношению по формуле (5.30), а к сравнению такого отношения для изучаемого распределения с величиной данного отношения нормального распределения, т.е. с величиной 3. Отсюда окончательные формулы показателя эксцесса, т.е. излишества в сравнении с нормальным распределением при той же силе вариации, имеют вид:

для ранжированного ряда

для интервального и дискретного вариационного ряда

Наличие положительного эксцесса, как и ранее отмеченного значительного различия между малым квартальным расстоянием и большим средним квадратическим отклонением, означает, что в изучаемой массе явлений существует слабо варьирующее по данному признаку «ядро», окруженное рассеянным «гало». При существенном отрицательном эксцессе такого «ядра» нет совсем.

По значениям показателей асимметрии и эксцесса распределения можно судить о близости распределения к нормальному, что бывает существенно важно для оценки результатов корреляционного и регрессионного анализа, возможностей вероятностной оценки прогнозов (см. главы 7,8,9). Распределение можно считать нормальным, а точнее говоря - не отвергать гипотезу о сходстве фактического распределения с нормальным, если показатели асимметрии и эксцесса не превышают своих двукратных средних квадратических отклонений Стц. Эти средние квадратические отклонения вычисляются по формулам:

5.10. Предельно возможные значения показателей вариации и их применение

Применяя любой вид статистических показателей, полезно знать, каковы предельно возможные значения данного показателя для изучаемой системы и каково отношение фактически наблюдаемых значений к предельно возможным. Особенно актуальна эта проблема при изучении вариации объемных показателей, таких, как объем производства определенного вида продукции, наличие определенных ресурсов, распределение капиталовложений, доходов, прибыли. Рассмотрим теоретически и практически данный вопрос на примере распределения производства овощей между сельхозпредприятиями в районе.

Очевидно, что минимально возможное значение показателей вариации достигается при строго равномерном распределении объемного признака между всеми единицами совокупности, т. е. при одинаковом объеме производства в каждом из сельхозпредприятий. В таком предельном (конечно, весьма маловероятном на практике) распределении вариация отсутствует и все показатели, вариации равны нулю.

Максимально возможное значение показателей вариации достигается при таком распределении объемного признака в совокупности, при котором весь его объем сосредоточен в одной единице совокупности; например, весь объем производства овощей - в одном сельхозпредприятий района при отсутствии их производства в остальных хозяйствах. Вероятность такого предельно возможного сосредоточения объема признака в одной единице совокупности не столь уж мала; во всяком случае она гораздо больше вероятности строго равномерного распределения.

Рассмотрим показатели вариации при указанном предельном случае ее максимальности. Обозначим число единиц совокупности п, среднюю величину признака х ̅ , тогда общий объем признака в совокупности выразится как х ̅ п. Весь этот объем сосредоточен у одной единицы совокупности, так что х max = х ̅ п. х min = 0, откуда следует, что максимальное значение амплитуды (размаха вариации) равно:

Для вычисления максимальных значений средних отклонений по модулю и квадратического построим таблицу отклонений (табл. 5.8).

Таблица5.8

Модули и квадраты отклонений от средней при максимально возможной вариации

Номера единиц совокупности	Значения признака	Отклонения от средней x i - x ̅	Модули отклонений |x i - x ̅|	Квадраты отклонений (х i - х ̅ ) 2
	х ̅ п	х ̅ (п - 1) -x ̅ -x ̅ -x ̅	х ̅ (п - 1) х ̅ х ̅ х ̅	х ̅ 2 (п - 1) 2 х ̅ 2 х ̅ 2 х ̅ 2
	х ̅ п		2х ̅ (п - 1)	х ̅ 2 [(п - 1) 2 +(n-1 )]

Исходя из выражений, стоящих в итоговой строке табл. 5.8, получаем следующие максимально возможные значения показателей вариации.

Средний модуль отклонений, или среднее линейное отклонение:

Среднее квадратическое отклонение:

Относительное модульное (линейное) отклонение:

Коэффициент вариации:

Что касается квартального расстояния, то система с максимально возможной вариацией обладает вырожденной структурой распределения признака, в которой не существуют («не работают») характеристики структуры: медиана, квартили и им подобные.

Исходя из полученных формул максимально возможных значений основных показателей вариации, прежде всего следует вывод о зависимости этих значений от объема совокупности п. Эта зависимость обобщена в табл. 5.9.

Наиболее узкие пределы изменения и слабую зависимость от численности совокупности обнаруживают средний модуль и относительное линейное отклонение. Напротив, среднее квадратическое отклонение и коэффициент вариации сильно зависят от численности единиц совокупности. Эту зависимость следует учитывать при сравнении силы интенсивности вариации в совокупностях разной численности. Если в совокупности шести предприятий коэффициент вариации объема продукции составил 0,58, а в совокупности из 20 предприятий он составил 0,72, то справедливо ли делать вывод о большей неравномерности объема продукции во второй совокупности? Ведь в первой, меньшей, он составил 0,58: 2,24 = 25,9% максимально возможного, т.е. предельного, уровня концентрации производства в одном предприятии из шести, а во второй, большей совокупности, наблюдаемый коэффициент вариации составил только 0,72: 4,36 = 16,5% максимально возможного.

Таблица 5.9

Предельные значения показателей вариации объемного признака при разных численностях совокупности

Численность совокупностей	Максимальные значения показателей
			х ̅		х ̅
			1,5 х ̅		1,73 х ̅
			1,67 х ̅		2,24 х ̅
			1,80 х ̅		3 х ̅
			1,90 х ̅		4,36 х ̅
			1,96 х ̅		7 х ̅
			1,98 х ̅		9,95 х ̅
			2 х ̅

Имеет практическое значение и такой показатель, как отношение фактического среднего модуляотклонений к предельно возможному. Так, для совокупности шести предприятий это соотношение составило: 0,47: 1,67 = 0,281, или 28,1%. Интерпретация полученного показателя такова: для перехода от наблюдаемого распределения объема продукции между предприятиями, к равномерному распределению потребовалось бы перераспределить

, или 23,4% общего объема продукции в совокупности. Если степень фактической концентрации производства (фактическая величина σ или v ) составляет некоторую долю предельного значения при монополизации производства на одном предприятии, то отношение фактического показателя к предельному может характеризовать степень концентрации (или монополизации) производства.

Отношения фактических значений показателей вариации или изменения структуры к предельно возможным используются также при анализе структурных сдвигов (см. главу 11).

1. Джини К. Средние величины. - М.: Статистика, 1970.

2. Кривенкова Л. Н., Юзбашев М. М. Область существования показателей вариации и ее применение // Вестник статистики. - 1991. - №6. - С. 66-70.

3. Пасхавер И. С. Средние величины в статистике. - М.: Статистика. 1979.

4. Шураков В. В., Дайитбегов Д. М. и др. Автоматизированное рабочее место статистической обработки данных (Глава 4. Предварительная статистическая обработка данных). - М.: Финансы и статистика, 1990.

Важнейшим этапом исследования социально-экономических явлений и процессов является систематизация первичных данных и получение на этой основе сводной характеристики всего объекта при помощи обобщающих показателей, что достигается путем сводки и группировки первичного статистического материала.

Статистическая сводка - это комплекс последовательных операций по обобщению конкретных единичных фактов, образующих совокупность, для выявления типичных черт и закономерностей, присущих изучаемому явлению в целом. Проведение статистической сводки включает следующие этапы :

• выбор группировочного признака;
• определение порядка формирования групп;
• разработка системы статистических показателей для характеристики групп и объекта в целом;
• разработка макетов статистических таблиц для представления результатов сводки.

Статистической группировкой называется расчленение единиц изучаемой совокупности на однородные группы по определенным существенным для них признакам. Группировки являются важнейшим статистическим методом обобщения статистических данных, основой для правильного исчисления статистических показателей.

Различают следующие виды группировок: типологические, структурные, аналитические. Все эти группировки объединяет то, что единицы объекта разделены на группы по какому-либо признаку.

Группировочным признаком называется признак, по которому проводится разбиение единиц совокупности на отдельные группы. От правильного выбора группировочного признака зависят выводы статистического исследования. В качестве основания группировки необходимо использовать существенные, теоретически обоснованные признаки (количественные или качественные).

Количественные признаки группировки имеют числовое выражение (объем торгов, возраст человека, доход семьи и т. д.), а качественные признаки группировки отражают состояние единицы совокупности (пол, семейное положение, отраслевая принадлежность предприятия, его форма собственности и т. д.).

После того, как определено основание группировки следует решить вопрос о количестве групп, на которые надо разбить исследуемую совокупность. Число групп зависит от задач исследования и вида показателя, положенного в основание группировки, объема совокупности, степени вариации признака.

Например, группировка предприятий по формам собственности учитывает муниципальную, федеральную и собственность субъектов федерации. Если группировка производится по количественному признаку, то тогда необходимо обратить особое внимание на число единиц исследуемого объекта и степень колеблемости группировочного признака.

Когда определено число групп, то следует определить интервалы группировки. Интервал - это значения варьирующего признака, лежащие в определенных границах. Каждый интервал имеет свою величину, верхнюю и нижнюю границы или хотя бы одну из них.

Нижней границей интервала называется наименьшее значение признака в интервале, а верхней границей - наибольшее значение признака в интервале. Величина интервала представляет собой разность между верхней и нижней границами.

Интервалы группировки в зависимости от их величины бывают: равные и неравные. Если вариация признака проявляется в сравнительно узких границах и распределение носит равномерный характер, то строят группировку с равными интервалами. Величина равного интервала определяется по следующей формуле :

где Хmax, Хmin - максимальное и минимальное значения признака в совокупности; n - число групп.

Простейшая группировка, в которой каждая выделенная группа характеризуется одним показателем представляет собой ряд распределения.

Статистический ряд распределения - это упорядоченное распределение единиц совокупности на группы по определенному признаку. В зависимости от признака, положенного в основу образования ряда распределения, различают атрибутивные и вариационные ряды распределения.

Атрибутивными называют ряды распределения, построенные по качественным признакам, то есть признакам, не имеющим числового выражения (распределение по видам труда, по полу, по профессии и т.д.). Атрибутивные ряды распределения характеризуют состав совокупности по тем или иным существенным признакам. Взятые за несколько периодов, эти данные позволяют исследовать изменение структуры.

Вариационными рядами называют ряды распределения, построенные по количественному признаку. Любой вариационный ряд состоит из двух элементов: вариантов и частот. Вариантами называются отдельные значения признака, которые он принимает в вариационном ряду, то есть конкретное значение варьирующего признака.

Частотами называются численности отдельных вариант или каждой группы вариационного ряда, то есть это числа, которые показывают, как часто встречаются те или иные варианты в ряду распределения. Сумма всех частот определяет численность всей совокупности, ее объем. Частостями называются частоты, выраженные в долях единицы или в процентах к итогу. Соответственно сумма частостей равна 1 или 100%.

В зависимости от характера вариации признака различают три формы вариационного ряда: ранжированный ряд, дискретный ряд и интервальный ряд.

Ранжированный вариационный ряд - это распределение отдельных единиц совокупности в порядке возрастания или убывания исследуемого признака. Ранжирование позволяет легко разделить количественные данные по группам, сразу обнаружить наименьшее и наибольшее значения признака, выделить значения, которые чаще всего повторяются.

Дискретный вариационный ряд характеризует распределение единиц совокупности по дискретному признаку, принимающему только целые значения. Например, тарифный разряд, количество детей в семье, число работников на предприятии и др.

Если признак имеет непрерывное изменение, которые в определенных границах могут принимать любые значения («от - до»), то для этого признака нужно строить интервальный вариационный ряд . Например, размер дохода, стаж работы, стоимость основных фондов предприятия и др.

Примеры решения задач по теме «Статистическая сводка и группировка»

Задача 1 . Имеется информация о количестве книг, полученных студентами по абонементу за прошедший учебный год.

Построить ранжированный и дискретный вариационные ряды распределения, обозначив элементы ряда.

Решение

Данная совокупность представляет собой множество вариантов количества получаемых студентами книг. Подсчитаем число таких вариантов и упорядочим в виде вариационного ранжированного и вариационного дискретного рядов распределения.

Задача 2 . Имеются данные о стоимости основных фондов у 50 предприятий, тыс. руб.

Построить ряд распределения, выделив 5 групп предприятий (с равными интервалами).

Решение

Для решения выберем наибольшее и наименьшее значения стоимости основных фондов предприятий. Это 30,0 и 10,2 тыс. руб.

Найдем размер интервала: h = (30,0-10,2):5= 3,96 тыс. руб.

Тогда в первую группу будут входить предприятия, размер основных фондов которых составляет от 10,2 тыс. руб. до 10,2+3,96=14,16 тыс. руб. Таких предприятий будет 9. Во вторую группу войдут предприятия, размер основных фондов которых составит от 14,16 тыс. руб. до 14,16+3,96=18,12 тыс. руб. Таких предприятий будет 16. Аналогично найдем число предприятий, входящих в третью, четвертую и пятую группы.

Полученный ряд распределения поместим в таблицу.

Задача 3 . По ряду предприятий легкой промышленности получены следующие данные:

Произведите группировку предприятий по числу рабочих, образуя 6 групп с равными интервалами. Подсчитайте по каждой группе:

1. число предприятий
2. число рабочих
3. объем произведенной продукции за год
4. среднюю фактическую выработку одного рабочего
5. объем основных средств
6. средний размер основных средств одного предприятия
7. среднюю величину произведенной продукции одним предприятием

Результаты расчета оформите в таблицы. Сделайте выводы.

Решение

Для решения выберем наибольшее и наименьшее значения среднесписочного числа рабочих на предприятии. Это 43 и 256.

Найдем размер интервала: h = (256-43):6 = 35,5

Тогда в первую группу будут входить предприятия, среднесписочное число рабочих на которых составляет от 43 до 43+35,5=78,5 человек. Таких предприятий будет 5. Во вторую группу войдут предприятия, среднесписочное число рабочих на которых составит от 78,5 до 78,5+35,5=114 человек. Таких предприятий будет 12. Аналогично найдем число предприятий, входящих в третью, четвертую, пятую и шестую группы.

Полученный ряд распределения поместим в таблицу и вычислим необходимые показатели по каждой группе:

Вывод : Как видно из таблицы, вторая группа предприятий является самой многочисленной. В нее входят 12 предприятий. Самыми малочисленными являются пятая и шестая группы (по два предприятия). Это самые крупные предприятия (по числу рабочих).

Поскольку вторая группа самая многочисленная, объем произведенной продукции за год предприятиями этой группы и объем основных средств значительно выше других. Вместе с тем средняя фактическая выработка одного рабочего на предприятиях этой группы наибольшей не является. Здесь лидируют предприятия четвертой группы. На эту группу приходится и довольно большой объем основных средств.

В заключении отметим, что средний размер основных средств и средняя величина произведенной продукции одного предприятия прямо пропорциональны размерам предприятия (по числу рабочих).