Практическое занятие 1

ВАРИАЦИОННЫЕ РЯДЫ РАСПРЕДЕЛЕНИЯ

Вариационным рядом или рядом распределения называют упорядоченное распределение единиц совокупности по возрастающим (чаще) или по убывающим (реже) значениям признака и подсчет числа единиц с тем или иным значением признака.

Существует 3 вида ряда распределения:

1) ранжированный ряд – это перечень отдельных единиц совокупности в порядке возрастания изучаемого признака; если численность единиц совокупности достаточно велика ранжированный ряд становится громоздким, и в таких случаях ряд распределения строится с помощью группировки единиц совокупности по значениям изучаемого признака (если признак принимает небольшое число значений, то строится дискретный ряд, а в противном случае – интервальный ряд);

2) дискретный ряд – это таблица, состоящая из двух столбцов (строк) – конкретных значений варьирующего признака X i и числа единиц совокупности с данным значением признака f i – частот; число групп в дискретном ряду определяется числом реально существующих значений варьирующего признака;

3) интервальный ряд – это таблица, состоящая из двух столбцов (строк) – интервалов варьирующего признака X i и числа единиц совокупности, попадающих в данный интервал (частот), или долей этого числа в общей численности совокупностей (частостей).

Числа, показывающие, сколько раз отдельные варианты встречаются в данной совокупности, называются частотами или весами вариант и обозначаются строчной буквой латинского алфавита f . Общая сумма частот вариационного ряда равна объему данной совокупности, т. е.

где k – число групп, n – общее число наблюдений, или объем совокупности.

Частоты (веса) выражают не только абсолютными, но и от­носительными числами – в долях единицы или в процентах от общей численности вариант, составляющих данную совокуп­ность. В таких случаях веса называют относительными частотами или частостями. Общая сумма частностей равна единице

или
,

если частоты выражены в про­центах от общего числа наблюдений п. Замена частот частостями не обязательна, но иногда оказывается полезной и даже необхо­димой в тех случаях, когда приходится сопоставлять друг с дру­гом вариационные ряды, сильно отличающиеся по их объемам.

В зависимости от того, как варьирует признак – дискретно или непрерывно, в широком или узком диапазоне, – статистиче­ская совокупность распределяется в безынтервальный или интер­вальный вариационные ряды. В первом случае частоты относятся непосредственно к ранжированным значениям признака, которые приобретают положение отдельных групп или классов вариаци­онного ряда, во втором – подсчитывают частоты, относящиеся к отдельным промежуткам или интервалам (от – до), на которые разбивается общая вариация признака в пределах от минималь­ной до максимальной варианты данной совокупности. Эти проме­жутки, или классовые интервалы, могут быть равными и не рав­ными по ширине. Отсюда различают равно- и неравноинтервальные вариационные ряды. В неравноинтервальных рядах характер распределения час­тот меняется по мере изменения ширины классовых интервалов. Неравноинтервальную группировку в биологии применяют сравнительно редко. Как правило, биометрические данные рас­пределяются в равноинтервальные ряды, что позволяет не только выявлять закономерность варьирования, но и облегчает вычисле­ние сводных числовых характеристик вариационного ряда, сопо­ставление рядов распределения друг с другом.

Приступая к построению равноинтервального вариационного ряда, важно правильно наметить ширину классового интервала. Дело в том, что грубая группировка (когда устанавливают очень широкие классовые интервалы) искажает типичные черты варьи­рования и ведет к снижению точности числовых характеристик ряда. При выборе чрезмерно узких интервалов точность обобщающих числовых характеристик повышается, но ряд получается слишком растянутым и не дает четкой картины варьирования.

Для получения хорошо обозримого вариационного ряда и обеспечения достаточной точности вычисляемых по нему числовых характеристик следует разбить вариацию признака (в пределах от минимальной до максимальной варианты) на такое число групп или классов, которое удовлетворяло бы обоим требо­ваниям. Эту задачу решают делением размаха варьирования признака на число групп или классов, намечаемых при построе­нии вариационного ряда:

,

где h – величина интервала; X м a x и X min – максимальное и минимальное значения в совокупности; k – число групп.

При построении интервального ряда распределения необходимо выбирать оптимальное число групп (интервалов признака) и установливать длину (размах) интервала. Поскольку при анализе ряда распределения сравнивают частоты в разных интервалах, необходимо, чтобы длина интервалов была постоянной. Если приходится иметь дело с интервальным рядом распределения с неравными интервалами, то для сопоставимости нужно частоты или частости привести к единице интервала, полученное значение называется плотностью ρ , то есть
.

Оптимальное число групп выбирается так, чтобы достаточной мере отразилось разнообразие значений признака в совокупности и в то же время закономерность распределении, 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 ряду распределения определяют по формуле Стерждесса:

где n – численность совокупности.

Существенную помощь в анализе ряда распределения и его свойств оказывает графическое изображение. Интервальный ряд изображается столбиковой диаграммой, в которой основания столбиков, расположенные по оси абсцисс, – это интервалы значений варьирующего признака, а высоты столбиков – частоты, соответствующие масштабу по оси ординат. Диаграмма такого типа называется гистограммой.

Если имеется дискретный ряд распределения или используются середины интервалов, то графическое изображение такого ряда называется полигоном , которое получается соединением прямыми точек с координатами X i и f i .

Если по оси абсцисс откладывать значения классов, а по оси ординат – накопленные частоты с последующим соединени­ем точек прямыми линиями, получается график, называемый кумулятой. Накопленные частоты находят последо­вательным суммированием, или кумуляцией частот в направлении от первого класса до конца вариационного ряда.

Пример . Имеются данные о яйценоскости 50 кур-несушек за 1 год, содер­жащихся на птицеферме (табл. 1.1).

Т а б л и ц а 1.1

Яйценоскость кур-несушек

№ курицы-несушки	Яйценоскость, шт.	№ курицы-несушки	Яйценоскость, шт.	№ курицы-несушки	Яйценоскость, шт.	№ курицы-несушки	Яйценоскость, шт.	№ курицы-несушки	Яйценоскость, шт.

Требуется построить интервальный ряд распределения и отобразить его графически в виде гистограммы, полигона и кумуляты.

Видно, что признак варь­ирует от 212 до 245 яиц, полученных от несушки за 1 год.

В нашем примере по формуле Стерждесса определим число групп:

k = 1 + 3,322lg 50 = 6,643 ≈ 7.

Рассчитаем длину (размах) интервала по формуле:

.

Построим интервальный ряд с 7 группами и интервалом 5 шт. яиц (табл. 1.2). Для построения графиков в таблице рассчитаем середину интервалов и накопленную частоту.

Т а б л и ц а 1.2

Интервальный ряд распределения яйценоскости

	Группа кур-несушек по величине яйценоскости X i	Число кур-несушек f i	Середина интервала Х i ’	Накопленная частота f i ’

Построим гистограмму распределения яйценоскости (рис. 1.1).

Р и с. 1.1. Гистограмма распределения яйценоскости

Данные гистограммы 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 нормальному закону распределения, которое образуется, если на варьирующую переменную влияет большое число факторов, ни один из которых не имеет преобладающего значения.

Полигон и кумулята распределения яйценоскости имеют вид (рис. 1.2 и 1.3).

Р и с. 1.2. Полигон распределения яйценоскости

Р и с. 1.3. Кумулята распределения яйценоскости

Технология решения задачи в табличном процессоре Microsoft Excel следующая.

1. Введите исходные данные в соответствии с рис. 1.4.

2. Ранжируйте ряд.

2.1. Выделите ячейки А2:А51.

2.2. Щелкните левой кнопкой мыши на панели инструментов на кнопке <Сортировка по возрастанию > .

3. Определите величину интервала для построения интервального ряд распределения.

3.1. Скопируйте ячейку А2 в ячейку Е53.

3.2. Скопируйте ячейку А51 в ячейку Е54.

3.3. Рассчитайте размах вариации. Для этого введите в ячейку Е55 формулу =E54-E53 .

3.4. Рассчитайте число групп вариации. Для этого введите в ячейку Е56 формулу =1+3,322*LOG10(50) .

3.5. Введите в ячейку Е57 округленное число групп.

3.6. Рассчитайте длину интервала. Для этого введите в ячейку Е58 формулу =E55/E57 .

3.7. Введите в ячейку Е59 округленную длину интервала.

4. Постройте интервальный ряд.

4.1. Скопируйте ячейку Е53 в ячейку В64.

4.2. Введите в ячейку В65 формулу =B64+$E$59 .

4.3. Скопируйте ячейку В65 в ячейки В66:В70.

4.4. Введите в ячейку С64 формулу =B65 .

4.5. Введите в ячейку С65 формулу =C64+$E$59 .

4.6. Скопируйте ячейку С65 в ячейки С66:С70.

Результаты решения выводятся на экран дисплея в следующем виде (рис. 1.5).

5. Рассчитайте частоту интервалов.

5.1. Выполните команду Сервис , Анализ данных , щелкнув поочередно левой кнопкой мыши.

5.2. В диалоговом окне Анализ данных с помощью левой кнопки мыши установите: Инструменты анализа  <Гистограмма> (рис. 1.6).

5.3. Щелкните левой кнопкой мыши на кнопке <ОК>.

5.4. На вкладке Гистограмма установите параметры в соответствии с рис. 1.7.

5.5. Щелкните левой кнопкой мыши на кнопке <ОК>.

Результаты решения выводятся на экран дисплея в следующем виде (рис. 1.8).

6. Заполните таблицу «Интервальный ряд распределения».

6.1. Скопируйте ячейки В74:В80 в ячейки D64:D70.

6.2. Рассчитайте сумму частот. Для этого выделите ячейки D64:D70 и щелкните левой кнопкой мыши на панели инструментов на кнопке <Автосумма > .

6.3. Рассчитайте середину интервалов. Для этого введете в ячейку Е64 формулу =(B64+C64)/2 и скопируйте в ячейки Е65:Е70.

6.4. Рассчитайте накопленные частоты. Для этого скопируйте ячейку D64 в ячейку F64. В ячейку F65 введите формулу =F64+D65 и скопируйте в ячейки F66:F70.

Результаты решения выводятся на экран дисплея в следующем виде (рис. 1.9).

7. Отредактируйте гистограмму.

7.1. Щелкните правой кнопкой мыши на диаграмме на названии «карман» и на появившейся вкладке нажмите кнопку <Очистить>.

7.2. Щелкните правой кнопкой мыши на диаграмме и на появившейся вкладке нажмите кнопку <Исходные данные>.

7.3. В диалоговом окне Исходные данные измените подписи оси Х. Для этого выделите ячейки В64:С70 (рис. 1.10).

7.5. Нажмите клавишу .

Результаты выводятся на экран дисплея в следующем виде (рис. 1.11).

8. Постройте полигон распределения яйценоскости.

8.1. Щелкните левой кнопкой мыши на панели инструментов на кнопке <Мастер диаграмм > .

8.2. В диалоговом окне Мастер диаграмм (шаг 1 из 4) с помощью левой кнопки мыши установите: Стандартные  <График> (рис. 1.12).

8.3. Щелкните левой кнопкой мыши на кнопке <Далее>.

8.4. В диалоговом окне Мастер диаграмм (шаг 2 из 4) установите параметры в соответствии с рис. 1.13.

8.5. Щелкните левой кнопкой мыши на кнопке <Далее>.

8.6. В диалоговом окне Мастер диаграмм (шаг 3 из 4) введите названия диаграммы и ос Y (рис. 1.14).

8.7. Щелкните левой кнопкой мыши на кнопке <Далее>.

8.8. В диалоговом окне Мастер диаграмм (шаг 4 из 4) установите параметры в соответствии с рис. 1.15.

8.9. Щелкните левой кнопкой мыши на кнопке <Готово>.

Результаты выводятся на экран дисплея в следующем виде (рис. 1.16).

9. Вставьте на графике подписи данных.

9.1. Щелкните правой кнопкой мыши на диаграмме и на появившейся вкладке нажмите кнопку <Исходные данные>.

9.2. В диалоговом окне Исходные данные измените подписи оси Х. Для этого выделите ячейки Е64:Е70 (рис. 1.17).

9.3. Нажмите клавишу .

Результаты выводятся на экран дисплея в следующем виде (рис. 1.18).

Кумулята распределения строится аналогично полигону распределения на основе накопленных частот.

Ранжирование – процедура упорядочивания любых объектов по возрастанию или убыванию некоторого их свойства при условии, что они этим свойством обладают.

Можно ранжировать:

Государство по уровню жизни, рождаемости, безработице;

Профессии по престижности;

Товары по предпочтению потребителей;

Респондентов по политической активности, материальному положению;

Объектами ранжирования являются те объекты, которые непосредственно упорядочиваются. Основание ранжирование (ранжирующий признак) – то свойство, по которому объекты упорядочиваются. В результате ранжирования получаем ранжированный ряд, в котором каждому объекту приписывается свой индивидуальный ранг – место объекта в ранжированном ряду. Число мест и, соответственно, число рангов в ранжированном ряду равняется числу объектов.

Виды ранжированных рядов:

1) каждый объект имеет значение признака, отличное от значений признака других объектов, тогда каждому объекту ранжированного ряда присваивается свой, отличный от другого объекта, ранг;

2) несколько объектов имеют одинаковое значение признака, тогда этим объектам в ранжированном ряду присваивается одинаковые ранги, рассчитанные по определенной формуле. В этом случае ранжированный ряд называется ранжированным рядом со связанными рангами. При решении задач первый ранг будем присваивать наибольшему значению признака. Связанный ранг рассчитывается как среднее значение мест, занимаемых объектами, имеющими одинаковое значение признака. Установление статистической связи для 2-х и более ранжированных рядов осуществляется с помощью ранговых коэффициентов связи – такие коэффициенты, которые позволяют вычислять степень согласованности в ранжировании одних и тех же объектов по двум различным основаниям (признакам). Наиболее распространенным коэффициентом ранговой связи (ранговой корреляции) является коэффициент ρ-Спирмена.

Допустим, что н объектов упорядочены по признаку х и по признаку у. Пусть

Мера несовпадений рангов i-того объекта: d i = R x i - R y i

Свойства:

Изменяется в интервале от -1 до 1;

Ро = 1, если наблюдается полная согласованность ранжированных рядов; ранги одного и того же объекта по двум признакам совпадают.

Ро = -1, если полная несогласованность ранжированных рядов; такая ситуация возникает, если ранговые ряды имеют обратное направление: R x i – 1 2 3 4 5; R y i – 5 4 3 2 1.

Замечание: может рассчитываться для двух видов равных (если каждый объект свой ранг и если имеются связанные ранги).

Проверка гипотезы о статистической значимости коэффициента ρ-Спирмена.

H 0: ρ гс = 0

H 1: ρ гс ≠ 0

Нулевая гипотеза всегда утверждает, что ρ равен 0. Альтернативная – что значение ρ отлично от 0.

Уровень значимости как в таблицах сопряженности.

Государство	А	Б	В	Г	Д	Е	Ж	З	И
Качество жизни	6,8	7,0	6,5	5,9	4,6	5,7	4,5	5,8	4,0
Безработица	20,3	18,0	19,8	23,4			21,6	20,8
Ранг x
Ранг y
|d i |
d 2 i
Σ d 2 i

τ -Кендалла – разность между вероятностями правильного и неправильного порядка для двух наблюдений, извлечённых из совокупности случайно при условии, что связанные ранги отсутствуют. Свойства:

Изменяется от -1 до 1;

Если признаки х и у статистически независимы, то коэффициент τ обращается в 0; если τ равен 0, еще не значит, что признаки статистически независимы;

Если τ равен 1, это значит, что между признаками имеется полная прямая статистическая связь или ранжированные ряды полностью согласованы; если τ равно -1, это значит, что присутствует полная обратная статистическая связь, или ранжированные ряды являются несогласованными.

S – общее число пар объектов с согласованным правильным порядком по обоим объектам. D – общее число пар объектов с несогласованным неправильным порядком по обоим объектам.

Проверка гипотезы о статистической значимости коэффициента τ:

H 0: τ гс = 0

H 1: τ гс ≠ 0

Коэффициент τ является статистически значимым, если его значения для ГС отлично от 0.

|Z H | > Z кр => H 1

Если ранжированный ряд построим для малого числа объектов, то подтверждение нулевой гипотезы нам говорит о том, что нужно изучить большее количество объектов.

Если изучено достаточное количество объектов, то подтверждение нулевой гипотезы говорит о том, что связь между признаками отсутствует.

Множественный коэффициент ранговой связи

Применяется в тех случаях, когда необходимо измерить связь между более чем 2 ранжированными рядами (например, когда мы хотим оценить согласованность мнений экспертов (более 2) при оценке 1 и тех же объектов).

S – сумма квадратичных отклонений значений рангов по строке от среднего ранга для всей совокупности. k 2 – число переменных (число экспертов). n – число ранжируемых объектов.

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, дискретный, интервальный. Вариационный ряд часто называют рядом распределения. Этот термин употребляется при изучении вариации как количественных, так и неколичественных признаков. Ряд распределения представляет собой структурную группировку (гл. 6).

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

Ниже приведены сведения о крупных банках Санкт-Петербурга, ранжированных по размерам собственного капитала на 01.10.1999 г.

Название банка Собственный капитал, млн руб. Балтонэксим банк 169

Банк «Санкт-Петербург» 237

Петровский 268

Балтийский 290

Промстройбанк 1007

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

Определение числа групп

Число групп в дискретном вариационном ряду определяется числом реально существующих значений варьирующего признака. Если признак принимает дискретные значения, но их число очень велико (например, поголовье скота на 1 января года в разных сельскохозяйственных предприятиях может составить от нуля до десятков тысяч голов), то 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 одного 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).

Наиболее часто используются два вида интервальных вариационных рядов: равноинтервальный и равночастотный. Равноинтервальный ряд применяется, если вариация признака не очень сильна, т.е. для однородной совокупности, распределение которой по данному признаку близко к нормальному закону. (Такой ряд представлен в табл. 5.6.) Равночастотный ряд применяется, если вариация признака очень сильна, однако распределение не является нормальным, а, например, гиперболическим (табл. 5.5).

При построении равноинтервального ряда число групп выбирается так, чтобы в достаточной мере отразились 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.

Границы интервалов могут указываться разным образом: верхняя граница предыдущего интервала повторяет нижнюю границу следующего, как показано в табл. 5.5, 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 интервала 15,1-20, которая, строго говоря, уже будет равна не 17,5, а 17,55; соответственно при замене округленного интервала 40-60 на 40,1-60 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.

Равночастотный вариационный ряд необходим при очень сильной вариации признака потому, что при равноинтерваль- ном распределении большая часть единиц совокупности ока-

Таблица 5.5

Распределение 100 банков России по балансовой оценке активов на 01.01.2000 г.

Границы интервалов при равночастотном распределении - это фактические величины активов первого, десятого, одиннадцатого, двадцатого и так далее банков.

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 высота 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 (гр. histos - ткань).

Данные табл. 5.6 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 нор-

Таблица 5.6 Распределение хозяйств области по урожайности зерновых культур

мальное 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 вариации урожайности зерновых культур, как природных, так и агротехнических, экономических, создает близкое к нормальному закону распределения распределение хозяйств области по урожайности.

Рис. 5.2. Кумулята и огива распределения хозяйств по

урожайности

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.

Под группировкой в статистике понимают расчленение статистической совокупности на группы, однородные в каком-либо существенном отношении, характеристику выделенных групп системы показателей в целях выделения типов явлений, изучение их структуры и взаимосвязи. В процессе сводки первичного материала явления разделяются на группы по различным варьирующим признакам.

Варьирующий признак - это признак, принимающий различные значения у отдельных единиц совокупности.

Задачи, стоящие перед группировкой:

1. Выделение в составе массового явления тех его частей, которые однородны по качеству и условиям развития, и в которых действуют одни и те же закономерные влияния факторов;

2. Изучение и характеристика структуры и структурных сдвигов в исследуемых совокупностях;

3. Влияние взаимосвязи между отдельными признаками изучаемого явления.

Главным вопросом метода группировок является выбор группировочного признака, от правильного выбора которого зависят результаты группировки и всей работы в целом.

После отбора группировочного признака важно разделить единицы совокупности на группы.

Выделенные группы должны быть качественно однородными, а также иметь достаточно большую численность единиц, что позволит проявить типичные черты, свойственные массовым явлениям. Поэтому большое внимание уделяется определения числа групп и их границ. При решения этого вопроса учитывают вид группировки, характер группипровочного признака и задачи исследования.

Сгруппируем хозяйства. За группировочный признак возьмем удой от одной коровы, в кг. По уровню молочной продуктивности наблюдается большое различие в хозяйствах данной зоны. Этот признак колеблется в

С помощью метода статистической группировки различным различия между хозяйствами по уровню молочной продуктивности коров.

Первым этапом работы является построение ранжированного ряда. В ранжированном ряду все величины расположены по нарастанию или убыванию группировочного признака.

Ранжированный ряд показывает интенсивность изменения величины пределах от 1364 до 6270 кг. группировочного признака, по нему можно установить резкие переходы и выделить очень сильно отличающиеся по величине признака единиц.

Для составления ранжированного ряда используем данные молочной продуктивности коров в хозяйствах Ачинской зоны за 2003 г.

Результаты оформим в таблице 2.1.

Таблица 2.1.

	Название хозяйства	Удой от 1 коровы в год, кг
	ЗАО«Белоозерское» ЗАО « Шарыповское» САО «Ивановское» ЗАО «Оракское» АО «Сахаптинское» СЗАО «Анашенское» ЗАО «Энергетик» СЗАОТ «Бараитское» СЗАОТ «Игрышенское» СХПК «Белоярский» АОЗТ «Павловское» АОЗТ «Ададымское» АО «Краснополянское» АОЗТ «Дороховское» АО «Гляденское» СХАОЗТ «Легостаевское» ЗАО «Алтайское» ЗАО «Светлолобовское» АОЗТ «Подсосенское» АОЗТ «Крутоярское» ТОО п/з « Ачинский» ЗАО «Авангард» ОАО «Малиновский» САОЗТ «Навоселовское» АОЗТ «Назаровское»

Для большей наглядности изобразим ранжированный ряд графически, для чего построим огниву Галь тона.

Для этого на оси абсцисс расположим в порядке возрастания группировочного признака, а по оси - величину молочной продуктивности коров, соответствующий хозяйству, рис.2.1.

Ранжированный ряд хозяйств по уровню молочной продуктивности коров.

Проанализируем данные ранжированного ряда и его графика - оценим характер и интенсивность различий между хозяйствами и попытаемся выделить существенно отличные группы хозяйств. Между хозяйствами имеются существенные различия в уровне молочной продуктивности коров: размах колебаний составляет 6270 - 1364 = 4906 кг от 1 коровы, а уровень производства молока в хозяйстве №25 выше, чем в №1 в 4,6 раза (6720/1364).

Возрастания продуктивности молока от хозяйства к хозяйству происходит в основном постепенно, плавно, без больших скачков, но у последнего хозяйства удой от 1 коровы существенно отличается от остальной массы хозяйств. Но это хозяйство нельзя выделить в отдельную группу, а так же поскольку между остальными хозяйствами различия небольшие, без скачков и нет других данных, указывающих границы перехода от 1 группы к другой, то выделить типичные группы на снование анализа ранжированного ряда в данном случае нельзя. Поэтому далее необходимо построить интервальный ряд распределения хозяйств.

Интервальный вариационный ряд дает возможность получить представление о количестве и характере групп. В начале решим вопрос о числе групп, на которые следует распределить совокупность хозяйств. Приближенное число n можно определить по формуле (2.1):

n = 1+3.322LgN, (2.1)

где n - число групп, N - совокупность единиц.

Эта зависимость может служить ориентированной при определении числа групп в этом случае, если распределение единиц совокупности по данному признаку приближаются к нормальному и применяются равные интервалы в группах.

n = 1+3.322Lg25 = 1+3.322*1.5 ~ 6 групп.

i = (X max - X min) / n , где (2.2)

X max - максимальное значение признака в изучаемом ранжированном ряду,

X min - минимальное значение признака в изучаемом ранжированном ряду,

n - число групп.

I = (6270 - 1364)/6 = 818

Теперь построим ряд распределения хозяйств при этой величине интервала, значение X min = 818 кг, тогда верхняя граница первой группы составит: Xmin+i = 2182 кг. Эта граница одновременно является границей второй группы. Границы остальных групп определяются аналогично. Полученные данные Представлены в таблице 2.2.

Таблица 2.2

Интервальный ряд распределения совхозов (таблица 2.2.) показывает, что в совокупности преобладают хозяйства с удоем от одной коровы (11 хозяйств) от 1364 до 2182 кг. Группы хозяйств с высокой продуктивностью малочисленны, поэтому следует их объединить, то есть провести вторичную группировку, так как в четвертой группе нет ни одного хозяйства, а в пятой одно, но в каждой группе должно быть не менее трех хозяйств.

Интервальный ряд распределения хозяйств по уровню молочной продуктивности коров.

Таблица 2.3

Вторичная группировка хозяйств по уровню молочной продуктивности коров.

Сравнение в пределах каждой группы числа хозяйств можно сказать, что число хозяйств с низким уровнем продуктивности больше, чем с высоким в значительной мере.