Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

Одним з недоліків даного підходу до оцінки характеру розподілу вважається наявність суб'єктивності в аналізі достатності величини відхилення Х від М₀ і Me. На практиці використовуються критерії Пірсону, Романовського, Ястремського, Колмогорова.

Будь-яка досліджувана сукупність разом із значеннями ознак, що склалися під впливом чинників, безпосередньо характерних для досліджуваної сукупності, може містити і значення ознак, отриманих під впливом інших чинників, не характерних для основної сукупності. Такі значення різко виділяються, тому використання методології статистичного аналізу даної сукупності без попереднього аналізу і вивчення аномальних спостережень приводить до серйозних помилок.

Причини появи в сукупності аномальних спостережень умовно підрозділяють таким чином:

1) зовнішні, такі, що виникають в результаті технічних помилок;

2) внутрішні, такі, що об'єктивно існують.

Такі спостереження для дослідника представляють особливий інтерес, оскільки можуть містити за рахунок впливу неврахованих чинників особливу інформацію. На практиці залежно від умов, місця і часу вплив одних чинників в кожен конкретний момент або проміжок часу значніший, ніж інших.

Вибір методу виявлення, аналізу аномальних спостережень визначається об'ємом сукупності, характером досліджуваних процесів і завдань (одновимірних або багатовимірних).

При реалізації одновимірних завдань при аналізі динамічної і статистичної інформації найбільш широкого поширення набув метод вияленія аномальних спостережень, заснований на визначенні q-статистики:

де y_t - окремі рівні ряду;

у - середній рівень ряду;

_y – середнє квадратичне відхилення значень ряду від їх середнього рівня.

Якщо для розрахункового значення виконується умова

q_t q_{tk p} (p)

із заздалегідь заданим рівнем вірогідності, то дані спостереження вважаються аномальними і після логіко-економічному аналізу причин помилок аномальності підлягають заміні скоректованим значенням (у разі помилки "I") і не підлягають коректуванню (у разі "II").

Коректування здійснюється по схемі.

1. Розраховується нове значення рівня ряду:

y_{i (1)} = q_kp (p)_y + y .

2. замінюється на .

3. Визначаються нові характеристики ряд з : та _.

4. y_i = q_kp (p)_y + y .

1. Перевіряється аномальність значення y_i :

y_i - y_i ,

де - заданий рівень точності определения y_{i .}

Якщо дана умова виконується, то значення y_i є скоректованим, не аномальним значенням, займає місце y_{i (1)} у ряду і аналізу піддається y_{i (2)} .

Якщо умова не виконується, то рекомендується розрахувати yi ₍₂₎ і перевірити на аномальність. Процес коректування носить ітераційний характер.

Найбільшого поширення набув при дослідженні динаміки метод Ірвіна, заснований на визначенні _i – статистики. Аномальні спостереження виявляються по схемі:

_i = y_i – y_i-1 / _y ,

Якщо розрахункове значення перевищить рівень критичного (із заданим рівнем точності і числом спостережень), то воно визнається аномальним.

Табульовані значення

Число спостережень	кр
	0,95	0,99
2		2,8	3,7
3		2,2	2,9
10		1,5	2,0
20		1,3	1,8
30		1,3	1,7
50		1,1	1,6
100		1,0	1,5

Схема реалізації даного методу аналогічна попередньою, тільки у замінюється на y_i-1 (попереднє значення ряду).

Спосіб, заснований на розрахунку q-статистики, застосовний для щодо стаціонарних рядів, оскільки при використанні для аналізу динамічних рядів, що мали яскраво виражену тенденцію, він приводить до помилок. Коректнішим є застосування статистики, в якій визначаються відхилення від теоретичних значень, отриманих по рівнянню тренда:

q _i = y_t - y_t / _y .

Доцільність виключення аномальних спостережень з сукупності, що вивчається, реалізується широким використанням методу угрупувань.

За допомогою методу угрупування явища, що вивчаються, підрозділяються на найважливіші типи, характерні групи і підгрупи по істотних ознаках. За допомогою угрупувань формують якісно однорідні частини статистичної сукупності.

У прикладних дослідженнях часто виникає необхідність з'ясувати, чи розрізняються генеральні сукупності, з яких узято дві незалежні вибірки. Наприклад, треба з'ясувати, чи впливає спосіб упаковки підшипників на їх споживчі якості через рік після зберігання. Або: чи відрізняється споживча поведінка чоловіків і жінок. Якщо відрізняється - рекламні ролики і плакати треба робити окремо для чоловіків і окремо для жінок. Якщо немає - рекламна кампанія може бути єдиною.

У математико-статистических термінах постановка завдання така: є дві вибірки x1, x2...,xm і y1, y2...,yn (тобто набори з m і п дійсних чисел), потрібно перевірити їх однорідність. Термін "однорідність" уточнюється нижче.

Протилежним поняттям є "відмінність". Можна переформуліровать завдання: потрібно перевірити, чи є відмінність між вибірками. Якщо відмінності немає, то для подальшого вивчення дві дані вибірки часто об'єднують в одну.

Наприклад, в маркетингу важливо виділити сегменти споживчого ринку. Якщо встановлена однорідність двох вибірок, то можливе об'єднання сегментів, з яких вони узяті, в один. Надалі це дозволить здійснювати по відношенню до ним однакову маркетингову політику (проводити одні і ті ж рекламні заходи і тому подібне). Якщо ж встановлена відмінність, то поведінка споживачів в двох сегментах різна, об'єднувати ці сегменти не можна, і можуть знадобитися різні маркетингові стратегії, своя для кожного з цих сегментів.

Традиційний метод перевірки однорідності (критерій Стьюдента). Для подальшого критичного розбору опишемо традиційний статистичний метод перевірки однорідності. Обчислюють вибіркові середні арифметичні в кожній вибірці

потім вибіркові дисперсії

і статистикові Стьюдента t, на основі якої ухвалюють рішення

По заданому рівню значущості а і числу мір свободи (m+n _ 2) з таблиць розподілу Стьюдента знаходять критичне значення tкр. Якщо |t|>tкр, то гіпотезу однорідності (відсутність відмінності) відхиляють, якщо ж |t|tкр перевіряють, що t>tкр; цю постановку розглядати не будемо, оскільки в ній немає принципових відмінностей від обговорюваної тут.)

У більшості технічних, економічних, медичних і інших завдань представляє інтерес не перевірка рівності математичних очікувань або інших характеристик розподілу, а виявлення відмінності генеральних совокупностей, з яких витягують вибірки, тобто перевірка гіпотези H0. Методи перевірки гіпотези H0 дозволяють виявити не тільки зміну математичного очікування, але і будь-які інші зміни функції розподілу результатів спостережень при переході від однієї вибірки до іншої (збільшення розкиду, поява асиметрії і т. д.). Як встановлено вище, методи, засновані на використанні статистик t Стьюдента і Т Крамера-уелча, не дозволяють перевіряти гіпотезу H0 . Апріорне припущення про приналежність функцій розподілу F(x) і G(x) до якого-небудь певного параметричного сімейства (наприклад, сімействам нормальних, логарифмічно нормальних, розподілів Вейбулла-гнеденко, гамма-распределеній і ін.), як також показано вище, зазвичай не можна достатньо надійно обгрунтувати. Тому для перевірки H0 слід використовувати методи, придатні при будь-якому виді F(x) і G(x), тобто непараметричні методи. (Нагадаємо, що термін "непараметричний метод" означає, що при використанні цього методу немає необхідності припускати, що функції розподілу результатів спостережень належать якому-небудь певному параметричному сімейству.)

Для перевірки гіпотези H0 розроблено багато непараметричних методів - критерії Смирнова, типу омега-квадрат (Лемана - Розенблатта), Вілкоксона (Манна-Уїтні), Ван-дер-вардена, Севіджа, хі-квадрат і ін. Розподіли статистик всіх цих критеріїв при справедливості H0 не залежать від конкретного виду співпадаючих функцій розподілу F(x)±G(x). Отже, таблицями точних і граничних (при великих об'ємах вибірок) розподілів статистик цих критеріїв і їх процентних можна користуватися при будь-яких безперервних функціях розподілу результатів спостережень.

1.3 Мета досліджень однорідності статистичної сукупності комерційних банків

Банківська статистика - галузь фінансової статистики, завданнями якої є отримання інформації для характеристики виконуваних банківською системою функцій, розробка аналітичних матеріалів для потреб управління грошово-кредитною системою країни, перш за все кредитного і касового планування і контролю за використанням планів.

Мета банківської статистики - забезпечити:

• характеристику діяльності банківської системи;

• оцінку її результатів;

• прогнозування результатів діяльності банку.

А також виявити чинники, що визначають результати і оцінку впливу банківської діяльності на розвиток ринкових відносин і її внесок в кінцеві економічні результати.

Суб'єктом статистичного аналізу є як самі банки, так і інші кредитні установи, реальні і потенційні клієнти і кореспонденти, фізичні і юридичні особи.

Завдання банківської статистики визначаються змістом і специфікою її предмету. Вони обмежуються статистичним вивченням сукупності об'єктивно обумовлених економічних відносин усередині банківської системи, а також відносин елементів банківської системи з фінансовою системою в цілому і її елементами.

Метод статистики фінансів є певною процедурою, що складається з ряду етапів.

1 етап. є визначальний для подальшого статистичного дослідження. Тут відбувається розробка наукової гіпотези. Вона припускає постановку завдань дослідження для досягнення конкретної мети, формулювання цієї мети, виділення і обмеження об'єкту спостереження, розробку системи показників, що дозволяють описати об'єкт, що вивчається.

2 етап. Статистичне спостереження, тобто збір необхідних відомостей про об'єкт, що вивчається.

3 етап - зведення і угрупування зібраних даних. Від якості роботи, проведеної на 1 і 2 етапах, залежить якість статистичного аналізу і виводів.

Об'єктивність результатів статистичного аналізу залежить від ступеня однорідності статистичної сукупності. Якісно і кількісно однорідною вважається сукупність, одиниці якої мають загальні якісні ознаки і близькі по значеннях кількісні (істотні) ознаки.

Таким чином, метою дослідження однорідності сукупності комерційних банків за ознакою "величина активів" є виділення однорідних груп банків з метою забезпечення достовірності подальших статистичних досліджень.

Розділ 2

2.1 Оцінка однорідності статистичної сокупності комерційних банків за допомогою показників їх діяльності

Перевіримо однорідність досліджуваної сукупності за допомогою розрахунків показників варіації:

Вибіркове середнє визначаємо за формулою середньої арифметичної зваженої:

Характеристики

Список файлов ВКР