Statistická analýza semestrální práce z výnosu brambor

Stanovení vlivu podílu sadby brambor na jeho výnos v zemědělských podnicích metodou statistického seskupování a korelační analýzy. Výpočet variačních indexů. Analýza dynamiky výnosu a hrubé produkce brambor.

• viz text práce

• Dílo si můžete stáhnout zde

• kompletní informace o práci

• celý seznam podobných děl

Odeslat svou dobrou práci do znalostní báze je jednoduché. Použijte níže uvedený formulář

Studenti, postgraduální studenti, mladí vědci, kteří využívají znalostní základnu při studiu a práci, vám budou velmi vděční.

v disciplíně „statistika“

Téma: „Statistická analýza výnosu brambor“

Oddíl 1. Statistické seskupování údajů.

1.1 Teoretická ustanovení.

1.2 Kalkulační část.

Oddíl 2. Variace.

2.1 Teoretická ustanovení.

2.2 Kalkulační část.

Sekce 3. Korelace.

3.1 Teoretická ustanovení.

3.2 Kalkulační část.

Oddíl 4. Dynamické řady.

4.1 Teoretická ustanovení.

4.2 Kalkulační část.

Sekce 5. Indexová analýza.

5.1 Teoretická ustanovení.

5.2 Kalkulační část.

Sklizeň a produktivita jsou nejdůležitější výkonnostní ukazatele rostlinné výroby a zemědělské výroby obecně. Úroveň výnosu plodin odráží vliv ekonomických a příjmových podmínek, ve kterých je zemědělská výroba provozována, a kvalitu organizační a ekonomické činnosti každého podniku.

Cílem statistiky plodin a výnosů je:

– správně určit úrovně sklizně a výnosu, jejich změnu ve srovnání s předchozími obdobími a plánem;

— prostřednictvím analýzy odhalit důvody změn dynamiky a faktory, které určovaly rozdíly ve výnosech mezi zónami, regiony a skupinami zemědělských podniků;

— vyhodnotit účinnost různých faktorů produktivity; identifikovat nevyužité rezervy pro zvýšení výnosů plodin.

Brambory jsou nejdůležitější potravinářskou, průmyslovou a krmnou plodinou. Obsahem sacharidů se brambory vyrovnají pečivu a obilninám a jejich bílkoviny se svým složením blíží živočišným bílkovinám. Brambory slouží jako surovina pro lihový, textilní, chemický, potravinářský, obuvnický a polygrafický průmysl. Brambory byly v Rusku dlouho považovány za druhý chléb. V jídelníčku Rusů zaujímá velmi významné místo a jeho role vzrostla zejména v souvislosti se znatelným snížením životních nákladů.

V současné době se brambory pěstují téměř ve všech zemích světa. Významné objemy její produkce jsou soustředěny v Číně, zemích Evropského hospodářského společenství, Polsku a USA. Je třeba poznamenat, že celosvětová produkce brambor od roku 1970 klesá o více než 20 %. Zvláště velký pokles produkce brambor byl pozorován v posledních 10–12 letech v Rusku.

Práce obsahuje látku teoretického i praktického významu.

Cílem předmětu je statistická analýza výnosu brambor.

— metodou statistického sdružování a korelační analýzy určit vliv podílu výsadeb brambor umístěných podle nejlepších předchůdců na výnos brambor ve 20 zemědělských podnicích;

— vypočítat hlavní ukazatele odchylky;

— provést analýzu dynamiky výnosů brambor v zemědělském podniku za posledních 9 let;

— provést indexovou analýzu výnosu a hrubé produkce brambor pro 5 zemědělských podniků.

Oddíl 1. Statistické seskupování údajů

1.1 Teoretická ustanovení

Seskupování je rozdělení jednotek do skupin v souladu s následujícím principem: rozdíly mezi jednotkami přiřazenými do jedné skupiny by měly být menší než mezi jednotkami přiřazenými do různých skupin.

Seskupování je základem pro veškerou další práci se shromážděnými informacemi. Na základě seskupení se pro skupiny vypočítávají souhrnné ukazatele, které umožňují jejich srovnání, analýzu důvodů rozdílů mezi skupinami a studium vztahů mezi znaky.

Homogenita dat je výchozí podmínkou pro jejich statistický popis a analýzu – výpočet a interpretace obecných ukazatelů, konstrukce regresních rovnic, měření korelace, statistická inference.

Význam seskupování tedy spočívá v tom, že tato metoda umožňuje zobecnění dat, jejich prezentaci v kompaktní, přehledné formě. Seskupování navíc poskytuje základ pro následnou sumarizaci a analýzu dat.

Souhrnné ukazatele pro jednotlivé skupiny jsou typické a stabilní, pokud je seskupování za prvé provedeno správně a za druhé jsou skupiny dostatečně velké. První podmínka souvisí s tím, že rozdělení do skupin není vždy zřejmé. Druhá podmínka musí být splněna, protože při dostatečně velkém počtu jednotek (alespoň 5 jednotek ve skupině) se náhodné charakteristiky v souhrnných ukazatelích navzájem ruší a objevují se pravidelné, typické.

K vyřešení problému seskupování je nutné stanovit pravidla pro přiřazení každé jednotky do určité skupiny.

Tato pravidla obsahují definice těch charakteristik (vlastností), podle kterých bude seskupování prováděno (tzv. seskupovací prvky) a jejich hodnoty oddělující jednu skupinu od druhé (intervaly seskupování).

Seskupení se nazývá jednoduché (monotetické), pokud je k jeho konstrukci použit jeden seskupovací prvek. Pokud se seskupení provádí podle několika charakteristik, nazývá se komplexní (polytetické). Obvykle se takové seskupování provádí jako kombinace, tj. skupiny identifikované jednou charakteristikou jsou rozděleny do podskupin podle jiné charakteristiky. Alternativou je provedení vícerozměrných seskupení nebo vícerozměrných klasifikací.

Je zřejmé, že metoda seskupování je úzce spjata s prezentací dat ve formě skupinových nebo kombinačních tabulek a také s grafickým znázorněním struktury souboru jeho částí a vztahů mezi nimi.

Seskupování se provádí za účelem stanovení statistických vztahů a vzorců, sestavení popisu objektu a identifikace struktury studované populace. Rozdíly v zamýšleném účelu seskupení jsou vyjádřeny v klasifikaci seskupení existujících v domácí statistice: typologická, strukturální, analytická.

Typologické seskupení slouží k rozlišení socioekonomických typů. Tento typ seskupení je do značné míry určen představami odborníků o tom, jaké typy se pravděpodobně vyskytují ve studované populaci.

Strukturální seskupení charakterizuje strukturu populace podle jednoho znaku.

Analytické seskupení charakterizuje vztah mezi dvěma nebo více rysy, z nichž jeden je považován za výsledek, druhý (ostatní) za faktor (faktory).

Průměrné hodnoty jsou široce používány ve statistice. Průměrné hodnoty charakterizují kvalitativní ukazatele komerční činnosti: distribuční náklady, zisk, ziskovost atd.

Průměr je jednou z běžných technik zobecňování. Správné pochopení podstaty průměru určuje jeho zvláštní význam v podmínkách tržního hospodářství, kdy průměr prostřednictvím individuálního a náhodného umožňuje identifikovat obecné a nezbytné, identifikovat tendenci zákonitostí ekonomického vývoje.

Průměrná hodnota je obecný ukazatel, který vyjadřuje působení obecných podmínek a zákonitostí studovaného jevu.

Statistické průměry jsou počítány na základě hmotnostních dat ze správně statisticky organizovaného pozorování hmoty (kontinuální a výběrové). Statistický průměr však bude objektivní a typický, pokud bude vypočítán na základě hromadných dat pro kvalitativně homogenní populaci (masové jevy).

Všechny typy průměrů výkonu lze získat ze vzorců průměrného výkonu:

kde: — střední síla;

n je počet možností.

Na základě dat metodou statistického sdružování určit vliv podílu výsadeb brambor umístěných podle nejlepších předchůdců na výnos brambor ve 20 zemědělských podnicích. Vyberte tři skupiny, každou charakterizujte průměrným výnosem a průměrným podílem sadby brambor umístěných podle nejlepších předchůdců, které je nutné vypočítat jako vážený aritmetický průměr.

Tabulka 1.1 Počáteční údaje

Provést analýzu dynamiky výnosů brambor v zemědělském podniku za 9 let. Za tímto účelem vypočítejte hlavní ukazatele dynamiky výnosů (absolutní nárůsty, rychlosti růstu, rychlosti růstu, hodnoty jednoho procenta růstu), zarovnejte dynamickou řadu pomocí metody nejmenších čtverců pomocí lineárního trendu, vyhodnoťte trendovou rovnici na základě korelačního koeficientu a vykreslete graf.

Tabulka 4.1 Počáteční údaje

Výnos brambor na 1 ha, ca

Tabulka 4.2 Dynamika výnosu brambor za 9 let

Výnos brambor na 1 ha

Absolutní hodnota zvýšení o 1 %.

1) Absolutní růst je definován jako rozdíl mezi dvěma úrovněmi dynamické řady.

Průměrný absolutní nárůst:

Průměrná roční míra růstu:

Průměrná míra růstu:

4) Na základě absolutního růstu a temp růstu řetězce vypočítáme absolutní hodnotu 1% růstu:

Pro momentovou řadu je průměrná úroveň definována jako chronologický průměr v případě rovnosti období:

5) Nakreslíme graf podle původní řady (obr. 3):

Obr. Dynamika výnosu brambor na 1 ha od roku 1999 do roku 2007.

Umístění teček na grafu ukazuje, že trend je lineární. Proto lze pro zarovnání použít lineární trendovou rovnici:

kde y_t — úroveň dynamických řad; t — pořadové číslo úrovně řádku; Aa₁ — parametry rovnice.

Pro určení parametrů rovnice a0 a a1 je nutné vyřešit soustavu normálních rovnic:

Hodnoty ?y, ?t, ?yt a ?t2 určíme na základě dat dynamických řad (tabulka 4.3) a dosadíme je do rovnic.

Tabulka 4.3. Data pro dynamické vyrovnání řady

Úroveň dynamické řady

Pořadové číslo roku (tečka)

Vyrovnaný výnos brambor na 1 ha, ca

Po vyřešení soustavy rovnic získáme hodnoty:

Rovnice lineárního trendu je:

Vypočítejme hodnotu y_t za každý rok a údaje zapište do tabulky 4.3.

6) Vyhodnoťme, do jaké míry trendová rovnice odráží skutečné úrovně dynamické řady pomocí korelačního koeficientu:

Obr Dynamika výnosu brambor na 1 ha, 1999-2007, s trendovou linií.

Na základě analýzy dynamiky výnosů brambor u zemědělského podniku za 9 let byl průměrný absolutní nárůst 4 centy, koeficient růstu 1,022, tzn. Výnosy brambor vzrostly v průměru o 2,2 % ročně. Nejvyšší nárůst byl zaznamenán v letech 2005 a 2007. Výnos se oproti roku 2004 zvýšil o 37 centů s růstovým koeficientem 1,23 a tempem růstu 22,98 %. S rostoucím výnosem brambor se zvyšuje hodnota zvýšení o 1 %. V roce 2007 znamenal 1% růst nárůst výnosu o 1,67 centů.

V lineární trendové rovnici koeficient a₁ = 5,93 ukazuje průměrný nárůst výnosu brambor za rok, volný termín a = 136 — výnos brambor v období předcházejícím počátečnímu.

Korelační koeficient je 0,616, což ukazuje na znatelný charakter síly spojení výsledná trendová rovnice v průměru odráží trend změn ve výnosu brambor, vysvětluje 37,9 % jeho variace (r 2 = 0,379).