Artur Zimny Statystyka Opisowa Ksiazka PDF

Pastwowa Wysza Szkoa Zawodowa w Koninie
___________________________________________________________________________________________________________
Materiay dydaktyczne 17
ARTUR ZIMNY
STATYSTYKA OPISOWA
Materiay pomocnicze do wicze
wydanie drugie zmienione
Konin 2010
Tytu
Statystyka opisowa
Materiay pomocnicze do wicze
wydanie drugie zmienione
Autor
Artur Zimny
Recenzja naukowa
dr Kazimierz Kruszka
Rada Wydawnicza
prof. nadzw. dr hab. Wojciech Poznaniak przewodniczcy,
prof. nadzw.dr hab. Jan Grzesiak prof. PWSZ, dr Marek Naglewski,
prof. nadzw.dr hab. Mirosaw Pawlak, prof. dr hab. Marian Walczak,
mgr in. Ewa Kapyszewska sekretarz Rady
Opracowanie redakcyjne i korekta
Maria Sierakowska
Projekt okadki
Agnieszka Jankowska
amanie i skad
Krzysztof Przybylak
Druk i oprawa
ISBN 978-83-88335-56-3
Copyright by Pastwowa Wysza Szkoa Zawodowa w Koninie

Copyright by Artur Zimny
Wydawnictwo Pastwowej Wyszej Szkoy Zawodowej w Koninie
ul. kard. S. Wyszyskiego 3C, 62-510 Konin
tel. (063) 249-72-09
e-mail:wydawnictwo@konin.edu.pl
SPIS TRECI
OD AUTORA ......................................................................................................... 5
1. WPROWADZENIE ........................................................................................... 7
1.1. Informacje oglne ......................................................................................... 7
1.2. Zbiorowo, jednostka i cecha statystyczna ................................................. 7
1.3. Istota i etapy badania statystycznego ............................................................ 8
1.4. Materia statystyczny i sposoby jego prezentacji .......................................... 8
1.5. Metody analizy statystycznej ........................................................................ 9
1.6. Zastosowanie programw komputerowych w statystyce............................ 10
1.7. Suby statystyki publicznej w Polsce i Unii Europejskiej ......................... 11
1.8. Przykady .................................................................................................... 12
2. ANALIZA STRUKTURY ZBIOROWOCI ................................................ 21
2.1. Informacje oglne ....................................................................................... 21
2.2. Wskaniki struktury i natenia .................................................................. 21
2.3. Miary przecite (pooenia) ........................................................................ 22
2.3.1. rednie klasyczne ............................................................................. 23
2.3.2. rednie pozycyjne ............................................................................ 24
2.4. Miary zmiennoci (dyspersji) ..................................................................... 28
2.4.1. Klasyczne miary zmiennoci............................................................ 29
2.4.2. Pozycyjne miary zmiennoci............................................................ 31
2.5. Miary asymetrii (skonoci) ........................................................................ 32
2.5.1. Bezwzgldne miary asymetrii .......................................................... 34
2.5.2. Wzgldne miary asymetrii ............................................................... 35
2.6. Miary koncentracji ...................................................................................... 36
2.6.1. Kurtoza (eksces) ............................................................................... 37
2.6.2. Nierwnomierno podziau zjawiska w zbiorowoci ..................... 38
2.7. Przykady .................................................................................................... 39
2.8. Zadania ........................................................................................................ 50
Spis treci
3. ANALIZA WSPZALENOCI ZJAWISK ............................................. 62

3.1. Informacje oglne ........................................................................................ 62
3.2. Analiza korelacji .......................................................................................... 62
3.2.1. Wspczynnik korelacji liniowej Pearsona ....................................... 63
3.2.2. Korelacja cech jakociowych ............................................................ 65
3.3. Analiza regresji ............................................................................................ 66
3.3.1. Metoda Najmniejszych Kwadratw (MNK) ..................................... 66
3.3.2. Ocena oszacowanej funkcji regresji.................................................. 68
3.4. Przykady ..................................................................................................... 69
3.5. Zadania ........................................................................................................ 79
4. ANALIZA DYNAMIKI ZJAWISK ................................................................ 87
4.1. Informacje oglne ........................................................................................ 87
4.2. Metody indeksowe ....................................................................................... 87
4.2.1. Przyrosty absolutne ........................................................................... 88
4.2.2. Przyrosty wzgldne ........................................................................... 88
4.2.3. Indywidualne indeksy dynamiki ....................................................... 89
4.2.4. Agregatowe indeksy dynamiki ......................................................... 91
4.3. Dekompozycja szeregu czasowego ............................................................. 93
4.3.1. Wyodrbnianie tendencji rozwojowej (trendu) ................................ 93
4.3.2. Wyodrbnianie waha okresowych (sezonowych) ........................... 97
4.3.3. Wyodrbnianie waha przypadkowych (losowych) ....................... 100
4.4. Przykady ................................................................................................... 101
4.5. Zadania ...................................................................................................... 110
5. PODSUMOWANIE ........................................................................................ 119
ROZWIZANIA ZADA ................................................................................. 123
BIBLIOGRAFIA ................................................................................................ 126
OD AUTORA
Opracowanie, ktre znalazo si w Pastwa rkach, jest efektem mojego
kilkuletniego dowiadczenia w prowadzeniu wicze ze statystyki opisowej na
specjalnociach ekonomicznych w Pastwowej Wyszej Szkole Zawodowej
w Koninie. Jest przeznaczone przede wszystkim dla studentw specjalnoci ekonomicznych PWSZ, cho oczywicie mog z niego korzysta rwnie poszukujcy wiedzy o podstawowych narzdziach statystycznych potrzebnych np. w pracy
zawodowej.
Przygotowujc ten podrcznik chciaem przybliy podstawowe metody
analizy statystycznej i ich praktyczne wykorzystanie. Mimo e Czytelnik zetknie
si z wieloma wzorami i formuami obliczeniowymi, to ich zastosowanie nie wymaga pogbionej wiedzy z matematyki. Wystarczy znajomo podstawowych
dziaa arytmetycznych i kolejnoci ich wykonywania. Obok niezbdnej wiedzy
teoretycznej, ktr przedstawiem w moliwie zwizy i przystpny sposb, zawarem w opracowaniu rwnie liczne przykady i zadania przeznaczone zarwno do
rozwizywania podczas wicze, jak i do samodzielnej pracy. Przy ich konstruowaniu korzystaem, gdy tylko byo to moliwe z dydaktycznego punktu widzenia,
z danych empirycznych obrazujcych aktualne problemy spoeczno-ekonomiczne
kraju i regionu. rdem tych danych byy przede wszystkim publikacje Gwnego
Urzdu Statystycznego oraz Bank Danych Regionalnych GUS.
Opracowanie skada si z piciu rozdziaw, a jego ukad i tre s cile
zwizane z tematyk wicze ze statystyki opisowej na specjalnociach ekonomicznych w PWSZ w Koninie. W rozdziale pierwszym przedstawione zostay
podstawowe pojcia i zagadnienia, ktrych znajomo jest konieczna dla zrozumienia materiau prezentowanego w dalszej czci opracowania. Rozdzia drugi
powicono metodom analizy struktury zbiorowoci, omawiajc przy tym podstawowe grupy miar charakteryzujcych rozkad jednej zmiennej. Rozdzia trzeci
wprowadza Czytelnika w problematyk analizy wspzalenoci zjawisk, czyli
sposobw okrelania kierunku, siy oraz ksztatu zalenoci midzy badanymi
zjawiskami. W rozdziale czwartym natomiast gwnym tematem s metody analizy dynamiki zjawisk. W podsumowaniu zawarto zestaw zada, ktre pozwol
usystematyzowa i utrwali wiedz oraz umiejtnoci zdobyte przez studentw
w trakcie cyklu wicze ze statystyki opisowej. Z kolei doczona bibliografia
przedmiotu powinna uatwi zainteresowanym pogbienie wiedzy poprzez dotarcie do innych podrcznikw ze statystyki.
Od Autora
Mam nadziej, e to opracowanie speni swoje zadanie. Jednoczenie majc wiadomo, e nie jest pozbawione bdw i niecisoci, bd bardzo
wdziczny za ich wskazanie, co pozwoli na wprowadzenie odpowiednich udoskonale i modyfikacji.
Artur Zimny
1. WPROWADZENIE
1.1. Informacje oglne
Statystyka to nauka zajmujca si metodami badania prawidowoci zachodzcych
w procesach masowych oraz ich ilociow lub jakociow analiz z punktu widzenia dyscypliny naukowej, w ktrej skad procesy te wchodz. Zadaniem statystyki
jest dostarczanie wiarygodnych informacji niezbdnych do podejmowania decyzji
w rnych dziedzinach.
Statystyka jako nauka dzieli si na:
statystyk opisow (opis statystyczny), ktra zajmuje si metodami gromadzenia, opracowania i prezentacji danych wraz z ich sumarycznym opisem,
statystyk matematyczn (wnioskowanie statystyczne), ktra zajmuje si
metodami wnioskowania o caej zbiorowoci na podstawie zbadania pewnej jej
czci, czyli prby.
1.2. Zbiorowo, jednostka i cecha statystyczna
Zbiorowo statystyczna (populacja) to zbir jednostek (osb, przedmiotw, zdarze) objtych badaniem statystycznym, ktre maj jedn lub kilka cech wsplnych oraz wiele cech rnicujcych (zmiennych). Zbiorowo statystyczna musi
by jednoznacznie okrelona pod wzgldem rzeczowym, przestrzennym oraz czasowym.
Jednostka statystyczna to najmniejszy element zbiorowoci statystycznej objtej
badaniem.
Cechy statystyczne (zmienne) to waciwoci jednostek statystycznych tworzcych
badan zbiorowo. Dzieli si je na cechy:
jakociowe (niemierzalne),
ilociowe (mierzalne)
o skokowe (dyskretne),
o cige,
o quasi cige.
1. Wprowadzenie
1.3. Istota i etapy badania statystycznego

Badanie statystyczne to zesp czynnoci zmierzajcych do uzyskania, za pomoc
metod statystycznych, informacji charakteryzujcych zbiorowo statystyczn
objt badaniem. Badanie statystyczne umoliwia wykrycie lub potwierdzenie
istniejcych prawidowoci statystycznych.
Etapy badania statystycznego:
przygotowanie badania,
obserwacja statystyczna,
opracowanie i prezentacja materiau statystycznego,
analiza statystyczna.
1.4. Materia statystyczny i sposoby jego prezentacji
Materia statystyczny to zbir danych uzyskanych w wyniku obserwacji statystycznej. Dzieli si on na materia:
pierwotny, ktry stanowi dane specjalnie gromadzone dla celw okrelonego
badania,
wtrny, ktry stanowi dane gromadzone dla innych celw, a ktre podmiot
badajcy wykorzystuje w swoim badaniu.
Spord licznych rde danych statystycznych na szczegln uwag zasuguj
publikacje Gwnego Urzdu Statystycznego oraz urzdw statystycznych (m.in.
Rocznik Statystyczny RP, May Rocznik Statystyczny, roczniki statystyczne wojewdztw, branowe roczniki statystyczne i wiele innych), ktre rozpowszechniane s zarwno w formie tradycyjnej (ksikowej), jak i elektronicznej (na dyskach
CD-ROM oraz na stronie internetowej Urzdu <www.stat.gov.pl>).
Szereg statystyczny to zbir wynikw badania jednostek statystycznych przedstawiony w formie uporzdkowanej lub uporzdkowanej i pogrupowanej wedug
wariantw badanej cechy zmiennej. Szeregi statystyczne dziel si:
ze wzgldu na form na:
o szeregi proste (wyliczajce),
o szeregi rozdzielcze (strukturalne), a te na:
jednostopniowe (punktowe),
wielostopniowe (przedziaowe);
ze wzgldu na tre na:
o szeregi czasowe (dynamiczne),
o szeregi przestrzenne (geograficzne).
A. Zimny, Statystyka opisowa
Tablica statystyczna suy do prezentacji zebranego materiau statystycznego za

pomoc liczb. Poprawnie zbudowana tablica powinna skada si z trzech elementw:
tytuu,
tablicy waciwej,
rda danych statystycznych i ewentualnych uwag wyjaniajcych.
Jeeli niemoliwe jest wypenienie danego miejsca w tablicy wartoci liczbow,
to stosuje si nastpujce znaki umowne:
kreska () zjawisko nie wystpio,
zero (0) lub (0,0) zjawisko istniao w wielkoci mniejszej od 0,5 (0,05),
kropka (.) zupeny brak informacji albo brak informacji wiarygodnych,
znak x wypenienie pozycji jest niemoliwe lub niecelowe,
znak # dane nie mog by opublikowane ze wzgldu na konieczno zachowania tajemnicy statystycznej w rozumieniu ustawy o statystyce publicznej,
w tym oznacza, e nie podaje si wszystkich skadnikw sumy.
Wykres statystyczny suy do prezentacji zebranego materiau statystycznego za
pomoc obrazu graficznego, tj. wielkoci, ksztatu lub barwy. Poprawnie wykonany wykres powinien skada si z nastpujcych elementw:
tytuu,
pola wykresu,
skali,
legendy,
rda danych statystycznych i ewentualnych uwag wyjaniajcych.
1.5. Metody analizy statystycznej
W ramach statystyki opisowej mona wyrni trzy podstawowe dziay analizy:
analiz struktury zbiorowoci, ktra pozwala ustali, jak s rozoone poszczeglne warianty cechy zmiennej wrd jednostek badanej zbiorowoci statystycznej,
analiz wspzalenoci zjawisk, ktra zajmuje si badaniem powiza midzy rnymi cechami zmiennymi charakteryzujcymi zbiorowo statystyczn,
analiz dynamiki zjawisk, ktrej zadaniem jest okrelenie zmian zachodzcych w ksztatowaniu si cechy zmiennej w czasie.
10
1. Wprowadzenie
Metody analizy statystycznej

Analiza struktury
zbiorowoci
Analiza wspzalenoci
zjawisk
Analiza dynamiki
zjawisk
Wskaniki struktury
i natenia
Analiza korelacji
Metody indeksowe
Miary pooenia
(przecitne)
Analiza regresji
Dekompozycja szeregu
czasowego
Miary zmiennoci
(dyspersji)
Miary asymetrii
(skonoci)
Miary koncentracji
Schemat 1.1. Podzia metod analizy statystycznej

rd o : Opracowanie wasne.
1.6. Zastosowanie programw komputerowych w statystyce

Prowadzenie bada statystycznych, a zwaszcza opracowanie i analiza duych
zbiorw danych, wymaga wykorzystania komputerw. Zastosowanie programw
komputerowych pozwala zredukowa czas potrzebny na pracochonne obliczenia
do niezbdnego minimum. Upowszechnianie si metod statystycznych sprawia, e
obecnie nawet podstawowe oprogramowanie zawiera elementarne procedury statystyczne. Na szczegln uwag zasuguje arkusz kalkulacyjny Microsoft Excel,
ktry dziki wbudowanym funkcjom statystycznym oraz opcji Analiza danych
moe znacznie uatwi analiz statystyczn. Wykorzystanie Excela sygnalizuje
moliwoci programw komputerowych do oblicze statystycznych i powinno
stanowi pierwszy krok do samodzielnego stosowania profesjonalnych pakietw
statystycznych (Statgraphics, Statistica, SPSS, SAS i innych). Pakiety te, s stosunkowo proste w obsudze, jednak wymagaj pewnej wiedzy ze statystyki, aby
11
mona byo poprawnie uywa zawarte w nich procedury oraz interpretowa uzyskane wyniki.
1.7. Suby statystyki publicznej w Polsce i Unii Europejskiej
Centralnym organem administracji rzdowej w Polsce, waciwym w sprawach
statystyki, jest Prezes Gwnego Urzdu Statystycznego, ktry wykonuje swoje
zadania przy pomocy sub statystyki publicznej. Zgodnie z ustaw z 29 czerwca
1995 r. o statystyce publicznej, suby statystyki publicznej stanowi Prezes Gwnego Urzdu Statystycznego, podlegli mu dyrektorzy szesnastu urzdw statystycznych oraz inne jednostki statystyki1. Do zada sub statystyki publicznej
naley:
rozpoznawanie zapotrzebowania na informacje i analizy statystyczne oraz
przygotowywanie na tej podstawie projektw programw bada statystycznych
statystyki publicznej,
organizowanie i prowadzenie bada statystycznych oraz ustalanie ich metodologii,
zbieranie, gromadzenie i opracowywanie danych statystycznych oraz ich analizowanie,
przeprowadzanie spisw powszechnych,
przechowywanie danych statystycznych,
opracowywanie standardowych klasyfikacji, nomenklatur i definicji podstawowych kategorii, ustalanie wzajemnych relacji midzy nimi oraz ich interpretacja,
udostpnianie i rozpowszechnianie wynikowych informacji statystycznych,
w tym podstawowych wielkoci i wskanikw,
opracowywanie i ogaszanie prognoz demograficznych oraz statystycznych
prognoz gospodarczych i spoecznych,
przedstawianie Prezydentowi, Sejmowi i Senatowi, organom administracji rzdowej, Najwyszej Izbie Kontroli, Narodowemu Bankowi Polskiemu, organom
jednostek samorzdu terytorialnego oraz innym instytucjom rzdowym wynikowych informacji statystycznych w zakresie, terminach i formach okrelonych
w programie bada statystycznych,
prowadzenie krajowych rejestrw urzdowych: podmiotw gospodarki narodowej i podziau terytorialnego kraju,
prowadzenie bada i analiz statystycznych wynikajcych z przyjtych przez
Rzeczpospolit Polsk zobowiza midzynarodowych,
Ustawa z 29 czerwca 1995 r. o statystyce publicznej, Dz.U. z 1995 r., nr 88, poz. 439, art. 22-29.
12
1. Wprowadzenie
dokonywanie statystycznych porwna midzynarodowych i ogaszanie ich

wynikw,
wykonywanie przyjtych przez Rzeczpospolit Polsk zobowiza przekazywania danych statystycznych organizacjom midzynarodowym,
wsppraca z wyspecjalizowanymi w dziedzinie statystyki organizacjami midzynarodowymi, regionalnymi oraz organami i urzdami innych krajw,
prowadzenie prac naukowych i badawczo-rozwojowych w zakresie metodologii
bada statystycznych i standardw klasyfikacyjnych oraz zastosowa metod
matematycznych i informatyki w statystyce,
prowadzenie szkolenia, doksztacania i doskonalenia w dziedzinie statystyki,
popularyzacja wiedzy o statystyce.
Instytucj, ktra zajmuje si sprawami statystyki w Unii Europejskiej jest Eurostat
(The Statistical Office of the European Communities)2. Urzd sporzdza analizy
i prognozy istotne dla podejmowania decyzji przez organy wsplnotowe oraz koordynuje i monitoruje prace narodowych urzdw statystycznych w celu unifikacji
stosowanych przez nie metod bada, a take konsoliduje statystyki krajowe,
pastw czonkowskich. Ponadto, do kompetencji Eurostatu naley analizowanie
i prognozowanie tendencji rozwoju Unii Europejskiej.
1.8. Przykady
Przykad 1.8.1.
Obserwacji poddano studentw I roku PWSZ w Koninie w dniu 15 lutego 2010 r.
Zbiorowo statystyczna studenci I roku PWSZ w Koninie w dniu 15 lutego
2010 r.
Jednostka statystyczna student I roku PWSZ w Koninie w dniu 15 lutego 2010 r.
<www.ec.europa.eu/eurostat>
13
Przykady cech statystycznych (zmiennych)

Zbiorowo
statystyczna
studenci I roku
PWSZ w Koninie
w dniu 15 lutego
2010 r.
Cecha
statystyczna
Warianty cechy
Okrelenie cechy
wiek
19, 20, 22, 21, 19, 23, 19

itd.
ilociowa
(mierzalna), ciga
pe
kobieta, mczyzna
jakociowa
(niemierzalna)
wzrost
173, 181, 185, 179, 176,

169 itd.
ilociowa
(mierzalna), ciga
filologia, fizjoterapia, informacja naukowa

i bibliotekoznawstwo, inynieria rodowiska, mechanika i budowa maszyn,
kierunek studiw
pedagogika, pielgniarstwo,
politologia, praca socjalna,
turystyka i rekreacja, wychowanie fizyczne, zarzdzanie
liczba
rodzestwa
0, 2, 3, 1, 2, 0 itd.
jakociowa
(niemierzalna)
ilociowa (mierzalna), skokowa
rd o : Dane umowne.
Przykad 1.8.2.
Obserwacji poddano 30 pracownikw koniskiej firmy Zet biorc pod uwag
liczb posiadanych dzieci. Wyniki obserwacji przedstawiaj si nastpujco (stan
z 1 lutego 2010 r.)
3, 1, 0, 2, 3, 0, 5, 1, 2, 5, 4, 5, 1, 0, 3, 2, 4, 6, 4, 2, 1, 0, 0, 1, 1, 2, 3, 2, 1, 3
Zbiorowo statystyczna pracownicy koniskiej firmy Zet w dniu 1 lutego
2010 r.
Jednostka statystyczna pracownik koniskiej firmy Zet w dniu w dniu 1 lutego
2010 r.
Cecha statystyczna (zmienna) liczba posiadanych dzieci
14
1. Wprowadzenie
Porzdkowanie materiau statystycznego szereg prosty

rosnco 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 4,
5, 5, 5, 6
malejco 6, 5, 5, 5, 4, 4, 4, 3, 3, 3, 3, 3, 2, 2, 2, 2, 2, 2, 1, 1, 1, 1, 1, 1, 1,
0, 0, 0, 0, 0
Grupowanie materiau statystycznego szereg rozdzielczy jednostopniowy
(punktowy)
Liczba
dzieci (xi)
0
1
2
3
4
5
6
Razem
Liczba
pracownikw (ni)
5
7
6
5
3
3
1
30
rd o : Dane umowne.
Przykad 1.8.3.
Obserwacji poddano 30 pracownikw koniskiej firmy Zet ze wzgldu wysoko pacy netto w styczniu 2010 r. (w z). Uzyskane wyniki uporzdkowano
wzrastajco, otrzymujc poniszy cig informacji szereg prosty:
1220, 1249, 1258, 1280, 1290, 1310, 1310, 1315, 1318, 1320, 1320, 1320, 1320,
1320, 1328, 1380, 1385, 1385, 1390, 1395, 1395, 1398, 1410, 1420, 1420, 1430,
1430, 1450, 1480, 1499
Zbiorowo statystyczna pracownicy koniskiej firmy Zet w styczniu 2010 r.
Jednostka statystyczna pracownik koniskiej firmy Zet w styczniu 2010 r.
Cecha statystyczna (zmienna) wysoko pacy netto (w z)
Okrelenie rozstpu
R = x max x min = 1499 1220 = 279
Ustalenie liczby przedziaw klasowych: przyjcie k = 6
15
Ustalenie rozpitoci przedziaw klasowych:
max
xmin
= 279/6 = 46,5
po zaokrgleniu 47
Grupowanie materiau statystycznego szereg rozdzielczy wielostopniowy
(przedziaowy)
Wysoko pacy
netto w z (xi)
1220-1266
1267-1313
1314-1360
1361-1407
1408-1454
1455-1501
Razem
Liczba
pracownikw (ni)
3
4
8
7
6
2
30
rd o : Dane umowne.
Grna granica przedziau nie pokrywa si z doln granic przedziau nastpnego, wic
nie ma problemu z zakwalifikowaniem jednostki do odpowiedniego przedziau.
Zaokrglenie rozpitoci przedziaw klasowych do 50, w celu atwiejszego obliczenia miernikw statystycznych.
Wysoko pacy
netto w z (xi)
Liczba
pracownikw (ni)
1200-1250
1250-1300
1300-1350
1350-1400
1400-1450
1450-1500
2
3
10
7
5
3
Razem
30
rd o : Dane umowne.
16
1. Wprowadzenie
Grna granica przedziau pokrywa si z doln granic przedziau nastpnego, wic

pojawia si problem zakwalifikowania jednostki do odpowiedniego przedziau.
Przyjmuje si wwczas zasad lewostronnego domknicia przedziau, tj. <1200;
1250), <1250; 1300) itd.
Przykad 1.8.4.
Szereg o rwnych przedziaach klasowych, zamknity doem i gr
Polskie wojewdztwa wedug stopy bezrobocia w roku 2009 (stan na 30 czerwca)
Stopa bezrobocia (w %)
Liczba wojewdztw
7-10
10-13
13-16
16-19
4
6
5
1
Razem
16
rd o : Opracowanie wasne na podstawie Bezrobotni oraz stopa bezrobocia

wg wojewdztw, podregionw i powiatw, <www.stat.gov.pl>.
Szereg o rwnych przedziaach klasowych, otwarty doem i gr

Ludno Polski wedug grup wiekowych w roku 2008 (stan na 31 grudnia)
Wiek (w latach)
Liczba osb (w tys.)
poniej 20
20-40
40-60
60-80
80 i wicej
8 449,7
11 841,3
10 765,8
5 878,8
1 200,2
Razem
38 135,9
rdo: Opracowanie wasne na podstawie Banku Danych Regionalnych GUS, 2008.
17
Szereg o nierwnych przedziaach klasowych, otwarty doem i gr

Polskie miasta wedug liczby mieszkacw w roku 2008 (stan na 31 grudnia)
Liczba mieszkacw
(w tys. osb)
poniej 10
10-20
20-50
50-100
100-200
200 i wicej
Razem
Liczba miast
492
180
134
47
22
17
892
rdo: Opracowanie wasne na podstawie: Ludno. Stan i struktura

w przekroju terytorialnym. Stan w dniu 31 XII 2008 r., <www.stat.gov.pl>.
Przykad 1.8.5.
Tablica prosta
Podmioty gospodarki narodowej zarejestrowane w Polsce
wedug wielkoci w roku 2008 (stan na 31 grudnia)
Wielko
(liczba zatrudnionych)
0-9
10-49
50-249
250-999
1 000 i wicej
Ogem
Liczba podmiotw
3 568 137
154 833
29 323
3 996
804
3 757 093
18
1. Wprowadzenie
Tablica zoona kombinowana

Zgony w Polsce wedug pci i wieku w 2008 r.
Wiek (w latach)
Ogem
Mczyni
Kobiety
0
1-9
10-19
20-29
30-39
40-49
50-59
60 i wicej
2 338
635
1 711
4 615
7 279
19 718
52 011
291 092
1 305
373
1 206
3 721
5 723
14 705
36 916
138 394
1 033
262
505
894
1 556
5 013
15 095
152 698
Ogem
379 399
202 343
177 056
rdo: Opracowanie wasne na podstawie Rocznika Demograficznego 2009, GUS,

Warszawa 2009.
Tablica zoona zbiorcza

Nauczyciele akademiccy i studenci w Polsce wedug typw szk wyszych w 2008 r.
Typ szkoy wyszej
uniwersytety
wysze szkoy techniczne
wysze szkoy rolnicze
wysze szkoy ekonomiczne
wysze szkoy pedagogiczne
akademie medyczne
wysze szkoy morskie
akademie wychowania fizycznego
wysze szkoy artystyczne
wysze szkoy teologiczne
pozostae szkoy wysze
Ogem
Nauczyciele akademiccy
Studenci
31 460
19 527
5 505
9 922
4 514
10 011
607
1 821
3 402
729
12 639
526 381
322 111
87 556
356 561
107 668
10 103
58 015
28 184
15 736
7 392
391 813
100 137
1 911 520
19
Przykad 1.8.6.
Wykres liniowy
30
25
mln
20
15
10
5
0
1997
1998
1999
2000
Wiek przedprodukcyjny
2001
Wiek produkcyjny
2002
2003
2004
Wiek poprodukcyjny
Ludno w Polsce wedug ekonomicznych grup wiekowych w latach 2001-2008

(stan na 31 grudnia)
rdo: Opracowanie wasne na podstawie Rocznikw Statystycznych
Rzeczypospolitej Polskiej z lat 2002-2009, GUS, Warszawa.
Wykresy bryowe
odsetek wskaza
60
40
20
0
Zdrowie
P ienidze
Rodzina
P raca
(dobrobyt)
Mio
P ozytywne Stabilizacja
relacje z
Mczyni
Kobiety
yciowa
ludmi
Komponenty udanego ycia w opinii Polakw (ze wzgldu na pe)

rd o : Opracowanie wasne na podstawie Co jest w yciu najwaniejsze?,
komunikat z bada CBOS, Warszawa, maj 2006, s. 6, <www.cbos.pl>.
20
1. Wprowadzenie
adnego
Jedno
Dwoje
T roje
Czworo
Picioro i wicej
T yle, ile si zdarzy
T rudno powiedzie
0
10
20
30
40
50
odsetek wskaza
Potrzeby prokreacyjne Polakw (ile dzieci chcieliby mie w swoim yciu Polacy?)
rd o : Opracowanie wasne na podstawie Potrzeby prokreacyjne oraz preferowany i realizowany model rodziny, komunikat z bada CBOS, Warszawa, marzec 2006, s. 2, <www.cbos.pl>.
Wykres powierzchniowy
W ogle nie
imprezuj
2%
Pub, kawiarnia
24%
Grill, ognisko
40%
Dom
34%
Miejsca imprez i spotka towarzyskich Polakw

rd o : Opracowanie wasne na podstawie Imprezy,
Instytut Badania Opinii RMF FM, maj 2005, <www.rmf.fm/instytut>.
2. ANALIZA STRUKTURY ZBIOROWOCI

Zadaniem analizy struktury zbiorowoci jest odzwierciedlenie zasadniczych
waciwoci w budowie badanej zbiorowoci. Analiz t przeprowadza si za pomoc tzw. parametrw opisowych, ktre umoliwiaj dokonanie skrconego opisu
struktury zbiorowoci (z punktu widzenia badanej cechy zmiennej) oraz porwna
midzy zbiorowociami.
Parametry opisowe dzieli si na:
parametry klasyczne, ktre liczone s na podstawie wartoci cechy zmiennej
wszystkich jednostek badanej zbiorowoci,
parametry pozycyjne, ktre wyznaczane s na podstawie wartoci cechy
zmiennej wybranych jednostek badanej zbiorowoci zajmujcych szczegln
pozycj w szeregu statystycznym.
Zakres analizy struktury zbiorowoci:
wskaniki struktury i natenia,
miary pooenia (przecitne),
miary zmiennoci (dyspersji),
miary asymetrii (skonoci),
miary koncentracji.
2.2. Wskaniki struktury i natenia
Wskanik struktury (czsto, liczebno wzgldna, frakcja, odsetek) to stosunek
liczby jednostek o danej wartoci cechy zmiennej do cznej liczebnoci zbiorowoci
ni
,
N
gdzie:
ni liczebno czstkowa okrelajca, ile jednostek zbiorowoci przypada na dan
warto cechy zmiennej,
N liczebno zbiorowoci.
22
2. Analiza struktury zbiorowoci
Wskanikiem struktury jest rwnie stosunek czci wartoci cechy zmiennej do

sumy wartoci zmiennej
xi
,
xi
gdzie:
xi warto cechy zmiennej,
xi suma wartoci cechy zmiennej.
Wskanik natenia to stosunek liczby jednostek (wartoci cechy) danej zbiorowoci do liczby jednostek (wartoci cechy) innej zbiorowoci, ktre pozostaj
w przyczynowym lub logicznym zwizku
ni
,
mi
gdzie:
ni liczba jednostek jednej zbiorowoci,
mi liczba jednostek drugiej zbiorowoci.
2.3. Miary przecite (pooenia)
Miary przecitne (pooenia) charakteryzuj zbiorowo statystyczn niezalenie
od rnic wystpujcych midzy poszczeglnymi jednostkami wchodzcymi w jej
skad. Dokonuj one charakterystyki podobiestw zbiorowoci ze wzgldu na wyrnion cech zmienn.
Podzia miar pooenia:
klasyczne
o rednia arytmetyczna (zwyka, waona),
o rednia chronologiczna,
o rednia harmoniczna,
o rednia geometryczna,
pozycyjne
o dominanta,
o kwantyle,
kwartyle (kwartyl pierwszy, mediana, kwartyl trzeci),
decyle,
percentyle (centyle).
23
2.3.1. rednie klasyczne

rednie klasyczne liczone s na podstawie wartoci cechy zmiennej wszystkich
jednostek badanej zbiorowoci, ukazujc redni poziom tej cechy w zbiorowoci.
Maj one charakter abstrakcyjny, poniewa ich wartoci musz spenia warunek
xmin x x max ,
gdzie:
xmin minimalna warto cechy zmiennej,
xmax maksymalna warto cechy zmiennej,
ale nie musz (cho mog) pokrywa si z pewn wartoci badanej cechy zmiennej. Najbardziej popularna jest rednia arytmetyczna. Charakteryzuje ona redni
(przecitny) poziom cechy zmiennej w zbiorowoci. Robi to tym lepiej, im mniejsze jest zrnicowanie midzy wartociami badanej zmiennej (wartoci skrajne
mog bowiem znieksztaci rezultat oblicze).
Sposb obliczania redniej arytmetycznej:
szereg prosty (wyliczajcy) rednia arytmetyczna zwyka
N
xa
i 1
gdzie:
N liczebno zbiorowoci;
szereg rozdzielczy jednostopniowy (punktowy) rednia arytmetyczna waona
k
xa
x n
i
i 1
gdzie:
ni liczebno czstkowa okrelajca, ile jednostek zbiorowoci przypada na dan
warto cechy zmiennej;
24
szereg rozdzielczy wielostopniowy (przedziaowy) rednia arytmetyczna

waona
k
xa
x' n
i
i 1
gdzie:
xi rodek przedziau klasowego,
ni liczebno czstkowa okrelajca, ile jednostek zbiorowoci przyjmuje warto cechy zmiennej z danego przedziau klasowego.
W szeregu przedziaowym redni arytmetyczn mona obliczy jeeli przedziay
klasowe s rwne, a szereg jest zamknity doem i gr (jeeli tak nie jest, to mona dokona zamknicia szeregu pod warunkiem, e w otwartym przedziale znajduje si nie wicej ni 5% ogu jednostek badanej zbiorowoci).
2.3.2. rednie pozycyjne
Przecitne pozycyjne oparte s na wartociach cechy zmiennej wybranych jednostek zbiorowoci charakteryzujcych si szczeglnym pooeniem. Mona je dokadnie wyznaczy w szeregach prostych (wyliczajcych) i rozdzielczych jednostopniowych (punktowych), natomiast w szeregach rozdzielczych wielostopniowych (przedziaowych) mona wskaza jedynie przedzia, w ktrym znajduje si
przecitna pozycyjna, a nastpnie oszacowa jej wartoci przy wykorzystaniu
wzoru interpolacyjnego.
2.3.2.1. Dominanta
Dominanta to warto cechy zmiennej, ktra wystpuje najczciej w badanej
zbiorowoci (warto dominujca).
Sposb wyznaczania dominanty:
szereg prosty (wyliczajcy) wyznaczenie dominanty polega na wskazaniu
najczciej powtarzajcej si wartoci cechy zmiennej,
szereg rozdzielczy jednostopniowy (punktowy) wyznaczenie dominanty polega na wskazaniu wartoci cechy zmiennej, ktrej odpowiada maksymalna liczebno,
25
szereg rozdzielczy wielostopniowy (przedziaowy) wyznaczenie dominanty

polega na wskazaniu przedziau, w ktrym znajduje si dominanta (przedzia
o najwikszej liczebnoci), a nastpnie oszacowaniu jej wartoci w oparciu
o wzr interpolacyjny
D x0 c0
nd nd 1
(nd nd 1 ) (nd nd 1 )
gdzie:
x0 dolna granica przedziau dominanty,
c0 rozpito przedziau dominanty,
nd liczebno przedziau dominanty,
nd-1 liczebno przedziau poprzedzajcego przedzia dominanty,
nd+1 liczebno przedziau nastpujcego po przedziale dominanty.
W szeregu przedziaowym dominant mona oszacowa tylko wtedy, gdy przedzia dominanty oraz przedziay ssiednie (poprzedzajcy i nastpujcy) maj tak
sam rozpito. Jeeli rozkad jest symetryczny, to mona skorzysta z formuy
D x 3 ( x M e ) . W szeregu przedziaowym dominant mona wyznaczy
rwnie graficznie, za pomoc histogramu (zob. przykad 2.7.3).

2.3.2.2. Kwantyle
Kwantyle to wartoci cechy zmiennej, ktre dziel badan zbiorowo na okrelone czci pod wzgldem liczby jednostek. Wyrnia si kwartyle dzielce zbiorowo na cztery czci, decyle dzielce zbiorowo na 10 czci oraz percentyle
(centyle) dzielce zbiorowo na 100 czci.
Mediana (kwartyl drugi) to warto cechy zmiennej, ktra dzieli badan zbiorowo na dwie czci w taki sposb, e poowa jednostek zbiorowoci charakteryzuje si wartociami nie wyszymi, a poowa nie niszymi od mediany.
Sposb wyznaczania mediany:
szereg prosty (wyliczajcy):
o nieparzysty mediana jest wartoci rodkow w szeregu
N 1
,
2
M e xk ,
26
gdzie:
N liczebno zbiorowoci,
xk warto danej cechy zmiennej;
o
parzysty mediana jest redni arytmetyczn dwch wartoci rodkowych
N
,
2
Me
xk xk 1
;
2
szereg rozdzielczy jednostopniowy (punktowy) wyznaczenie mediany polega

na wskazaniu w kolumnie cechy zmiennej wartoci odpowiadajcej cum N/2
(dla szeregu parzystego) lub cum (N+1)/2 (dla szeregu nieparzystego);
szereg rozdzielczy wielostopniowy (przedziaowy) wyznaczenie mediany
polega na wskazaniu przedziau, w ktrym znajduje si mediana, a nastpnie
oszacowaniu jej wartoci w oparciu o wzr interpolacyjny
M e Q2 x0
c0 N
( cumn1 ) ,
n0 2
gdzie:
x0 dolna granica przedziau mediany,
c0 rozpito przedziau mediany,
n0 liczebno przedziau mediany,
cumn-1 skumulowana liczebno przedziau poprzedzajcego przedzia mediany.
Kwartyl pierwszy (dolny) to warto cechy zmiennej, ktra dzieli badan zbiorowo w taki sposb, e 25% jednostek zbiorowoci charakteryzuje si wartociami
nie wyszymi, a 75% jednostek nie niszymi od kwartyla pierwszego.
Sposb wyznaczania kwartyla pierwszego:
o nieparzysty
N 1
,
4
Q1 xk ,
gdzie:
o parzysty
N
,
4
Q1
xk xk 1
;
2
27
szereg rozdzielczy jednostopniowy (punktowy) wyznaczenie kwartyla pierwszego polega na wskazaniu w kolumnie cechy zmiennej wartoci odpowiadajcej cum N/4 (dla szeregu parzystego) lub cum (N+1)/4 (dla szeregu nieparzystego);
szereg rozdzielczy wielostopniowy (przedziaowy) wyznaczenie kwartyla
pierwszego polega na wskazaniu przedziau, w ktrym znajduje si kwartyl,
a nastpnie oszacowaniu jego wartoci w oparciu o wzr interpolacyjny
Q1 x0
c0 N
( cumn1 ) ,
n0 4
gdzie:
x0 dolna granica przedziau, w ktrym znajduje si kwartyl pierwszy,
c0 rozpito przedziau, w ktrym znajduje si kwartyl pierwszy,
n0 liczebno przedziau, w ktrym znajduje si kwartyl pierwszy,
cumn-1 skumulowana liczebno przedziau poprzedzajcego przedzia kwartyla pierwszego.
Kwartyl trzeci (grny) to warto cechy zmiennej, ktra dzieli badan zbiorowo
w taki sposb, e 75% jednostek zbiorowoci charakteryzuje si wartociami nie
wyszymi od kwartyla trzeciego, a 25% jednostek nie niszymi od kwartyla trzeciego.
Sposb wyznaczania kwartyla trzeciego:
o nieparzysty
3( N 1)
,
4
Q3 xk ,
gdzie:
o
parzysty
3N
,
4
Q3
xk xk 1
;
2
szereg rozdzielczy jednostopniowy (punktowy) wyznaczenie kwartyla trzeciego polega na wskazaniu w kolumnie cechy zmiennej wartoci odpowiadajcej cum 3N/4 (dla szeregu parzystego) lub cum 3(N+1)/4 (dla szeregu nieparzystego);
28
szereg rozdzielczy wielostopniowy (przedziaowy) wyznaczenie kwartyla

trzeciego polega na wskazaniu przedziau, w ktrym znajduje si kwartyl,
a nastpnie oszacowaniu jego wartoci w oparciu o wzr interpolacyjny
Q3 x0
c0 3 N
(
cumn1 ) ,
n0
4
gdzie:
x0 dolna granica przedziau, w ktrym znajduje si kwartyl trzeci,
c0 rozpito przedziau, w ktrym znajduje si kwartyl trzeci,
n0 liczebno przedziau, w ktrym znajduje si kwartyl trzeci,
cumn-1 skumulowana liczebno przedziau poprzedzajcego przedzia kwartyla trzeciego.
W szeregu przedziaowym kwartyle mona wyznaczy graficznie, za pomoc
krzywej liczebnoci skumulowanych (zob. przykad 2.7.3).
2.4. Miary zmiennoci (dyspersji)
Miary zmiennoci (dyspersji) charakteryzuj zbiorowo statystyczn, uwzgldniajc rnice midzy poszczeglnymi jednostkami wchodzcymi w jej skad.
Dokonuj one charakterystyki stopnia zrnicowania zbiorowoci ze wzgldu na
wyrnion cech zmienn.
Podzia miar zmiennoci:
klasyczne:
o wariancja,
o odchylenie standardowe,
o typowy obszar zmiennoci,
o klasyczny wspczynnik zmiennoci;
pozycyjne:
o rozstp,
o odchylenie wiartkowe,
o kwartylowy obszar zmiennoci,
o kwartylowy wspczynnik zmiennoci.
29
2.4.1. Klasyczne miary zmiennoci

Klasyczne miary zmiennoci liczone s na podstawie wartoci cechy zmiennej
wszystkich jednostek badanej zbiorowoci, ukazujc jednoczenie rnice midzy
wartociami badanej cechy dla poszczeglnych jednostek, a wartoci centraln
(zazwyczaj redni arytmetyczn).
2.4.1.1. Wariancja (drugi moment centralny)
Wariancja to rednia arytmetyczna z kwadratw odchyle poszczeglnych wartoci cechy od redniej arytmetycznej tej cechy. Jest ona stosowana przy konstrukcji
wielu parametrw, ale jej wyniku nie interpretuje si.
Sposb obliczania wariancji:
szereg prosty (wyliczajcy)
x x
N
s 2 ( x)
i 1
gdzie:
x rednia arytmetyczna cechy zmiennej,
szereg rozdzielczy jednostopniowy (punktowy)
x x
N
ni
s ( x)
i 1
gdzie:
ni liczebno czstkowa okrelajca, ile jednostek zbiorowoci przypada na
dan
warto cechy zmiennej;
szereg rozdzielczy wielostopniowy (przedziaowy)
x'
N
s 2 ( x)
i 1
x ni
N
gdzie:
ni liczebno przedziau klasowego.
30
2.4.1.2. Odchylenie standardowe

Odchylenie standardowe jest bezwzgldn miar zrnicowania, ktra informuje,
o ile przecitnie poszczeglne jednostki badanej zbiorowoci rni si pod
wzgldem cechy zmiennej (in plus lub in minus) od redniej arytmetycznej tej
zmiennej. Odchylenie jest pierwiastkiem kwadratowym z wariancji.
Sposb obliczania odchylenia standardowego:
N
x x
N
s( x)
i 1
lub
s ( x)
gdzie:
x rednia arytmetyczna cechy zmiennej,
x
i 1
( x) 2 ,
x x
k
s ( x)
i 1
ni
,
gdzie:
ni liczebno czstkowa okrelajca, ile jednostek zbiorowoci przypada na
dan warto cechy zmiennej;

2
x' x
k
s( x)
i 1
ni
,
gdzie:
ni liczebno przedziau klasowego.
31
2.4.1.3. Typowy obszar zmiennoci

Jeeli rozkad cechy w zbiorowoci jest rozkadem normalnym, to w granicach
typowego obszaru zmiennoci mieci si okoo 2/3 jednostek badanej zbiorowoci
x s( x) xtyp x s( x) .
Z odchyleniem standardowym wie si tzw. regua 3 sigm (twierdzenie Czebyszewa), ktra mwi, e jeeli rozkad cech w zbiorowoci jest rozkadem normalnym, to wyniki obserwacji ukadaj si tak, e w przedziale:
x 2s( x) mieci si okoo 95% wszystkich jednostek badanej zbiorowoci,
x 3s( x) mieci si okoo 99,74% wszystkich jednostek badanej zbiorowoci.
2.4.1.4. Klasyczny wspczynnik zmiennoci

Klasyczny wspczynnik zmiennoci jest wzgldn miar zrnicowania, ktra
informuje o sile zrnicowania badanej zbiorowoci pod wzgldem cechy zmiennej oraz umoliwia ocen redniej arytmetycznej. Im warto wspczynnika jest
wysza, tym zrnicowanie jest silniejsze, i odwrotnie
Vx
s ( x)
100 .
x
2.4.2. Pozycyjne miary zmiennoci

Pozycyjne miary zmiennoci oparte s na wartociach cechy zmiennej wybranych
jednostek zbiorowoci charakteryzujcych si szczeglnym pooeniem. Zazwyczaj s obliczane wtedy, gdy niemoliwe lub niewskazane jest wykorzystanie miar
klasycznych.
2.4.2.1. Rozstp (empiryczny obszar zmiennoci)
Rozstp okrela cakowit zmienno wartoci badanej cechy i tym samym suy
wstpnej ocenie dyspersji
R xmax xmin ,
gdzie:
xmin minimalna warto cechy zmiennej,
xmax maksymalna warto cechy zmiennej.
32
2.4.2.2. Odchylenie wiartkowe

Odchylenie wiartkowe jest bezwzgldn miar zrnicowania, ktra okrela
przecitne zrnicowanie poowy jednostek zbiorowoci jednostek rodkowych,
czyli skupionych wok mediany (po odrzuceniu 25% jednostek o najniszych
wartociach cechy zmiennej i 25% jednostek o wartociach najwyszych)
Q3 Q1
,
2
gdzie:
Q1 kwartyl pierwszy,
Q3 kwartyl trzeci.
2.4.2.3. Kwartylowy obszar zmiennoci
W granicach kwartylowego obszaru zmiennoci mieci si 50% jednostek badanej
zbiorowoci
Me Q < kwartylowy obszar zmiennoci < Me + Q.
2.4.2.4. Kwartylowy wspczynnik zmiennoci
Kwartylowy wspczynnik zmiennoci jest wzgldn miar zrnicowania, ktra
informuje o sile zrnicowania badanej zbiorowoci pod wzgldem cechy zmiennej oraz umoliwia ocen mediany. Im warto wspczynnika jest wysza, tym
zrnicowanie jest silniejsze, i odwrotnie
VQ
Q
100 .
Me
2.5. Miary asymetrii (skonoci)

Miary asymetrii (skonoci) okrelaj kierunek rozkadu cech zmiennych w zbiorowoci (rozkad moe by symetryczny lub asymetryczny lewostronnie lub prawostronnie) oraz stopie odchylenia rozkadu cechy zmiennej od rozkadu symetrycznego3.
3
Asymetria oznacza deformacj rozkadu cechy zmiennej w zwizku z wydueniem ramienia

krzywej liczebnoci w prawo lub w lewo w stosunku do dominanty. Im asymetria rozkadu jest
wiksza, tym mniejsza jest warto poznawcza redniej arytmetycznej oraz pozostaych miar klasycznych, i odwrotnie.
Podzia miar asymetrii:

bezwzgldne
o wskanik asymetrii,
o kwartylowy wskanik asymetrii,
o trzeci moment centralny,
wzgldne
o klasyczno-pozycyjny wspczynnik skonoci,
o kwartylowy wspczynnik skonoci,
o trzeci moment centralny standaryzowany.
Schemat 2.1. Rozkady cech zmiennych o rnej asymetrii (skonoci)

33
34
2.5.1. Bezwzgldne miary asymetrii

Bezwzgldne miary asymetrii okrelaj kierunek asymetrii. Kierunek ten mona
ustali rwnie przez porwnanie pooenia redniej arytmetycznej, mediany
i dominanty:
rozkad symetryczny x Me D ,
rozkad asymetryczny prawostronnie (asymetria dodatnia) x Me D ,
rozkad asymetryczny lewostronnie (asymetria ujemna) x Me D .
2.5.1.1. Wskanik asymetrii
As x D
Jeeli:
rozkad jest symetryczny, to As = 0,
rozkad jest asymetryczny prawostronnie, to As > 0,
rozkad jest asymetryczny lewostronnie, to As < 0.
2.5.1.2. Kwartylowy wskanik asymetrii
AQ Q1 Q 3 2Me
Jeeli:
rozkad jest symetryczny, to AQ = 0,
rozkad jest asymetryczny prawostronnie, to AQ > 0,
rozkad jest asymetryczny lewostronnie, to AQ < 0.
2.5.1.3. Trzeci moment centralny
Sposb obliczania trzeciego momentu centralnego:
3
x x
N
i 1

3
x x
k
35
i 1
ni
;

3
x' x
k
i 1
ni
.
Jeeli:
rozkad jest symetryczny, to 3 = 0,
rozkad jest asymetryczny prawostronnie, to 3 > 0,
rozkad jest asymetryczny lewostronnie, to 3 < 0.
2.5.2. Wzgldne miary asymetrii
Wzgldne miary asymetrii okrelaj zarwno kierunek, jak i si asymetrii. Im
warto bezwzgldna poszczeglnych miar (wspczynnikw) jest wysza, tym
asymetria jest silniejsza, i odwrotnie.
2.5.2.1. Klasyczno-pozycyjny wspczynnik skonoci
Was
xD
s (x)
Jeeli:
rozkad jest symetryczny, to Was = 0,
rozkad jest asymetryczny prawostronnie, to Was > 0,
rozkad jest asymetryczny lewostronnie, to Was < 0.
2.5.2.2. Kwartylowy wspczynnik skonoci
WQ
Q1 Q 3 2 Me
2Q
36
Jeeli:
rozkad jest symetryczny, to WQ = 0,
rozkad jest asymetryczny prawostronnie, to WQ > 0,
rozkad jest asymetryczny lewostronnie, to WQ < 0.
2.5.2.3. Trzeci moment centralny standaryzowany
s 3 ( x)
Jeeli:
rozkad jest symetryczny, to 3 = 0,
rozkad jest asymetryczny prawostronnie, to 3 > 0,
rozkad jest asymetryczny lewostronnie, to 3 < 0.
2.6. Miary koncentracji
Miary koncentracji okrelaj stopie skupienia poszczeglnych jednostek zbiorowoci ze wzgldu na badan cech zmienn wok redniej arytmetycznej tej
zmiennej (kurtoza) lub stopie nierwnomiernoci podziau zjawiska w zbiorowoci.
Podzia miar koncentracji:
skupienie zbiorowoci wok redniej (kurtoza):
o czwarty moment centralny,
o czwarty moment centralny standaryzowany;
nierwnomierny podzia zjawiska w zbiorowoci:
o wielobok koncentracji Lorenza,
o wspczynnik koncentracji.
37
Schemat 2.2. Rozkady cech zmiennych o rnym skupieniu

2.6.1. Kurtoza (eksces)

Koncentracja, rozumiana jako stopie skupienia poszczeglnych jednostek zbiorowoci ze wzgldu na badan cech zmienn wok redniej arytmetycznej tej
zmiennej, oznacza deformacj rozkadu w zwizku ze spaszczeniem lub smukoci krzywej liczebnoci. Im bardziej krzywa liczebnoci jest wysmuka, tym koncentracja (stopie skupienia) jest silniejsza, a im bardziej krzywa liczebnoci jest
spaszczona, tym koncentracja (stopie skupienia) jest sabsza.
2.6.1.1. Czwarty moment centralny
Sposb obliczania czwartego momentu centralnego:
4
x x
N
i 1

4
x x
k
i 1
ni
;
38
x' x
k
i 1
ni
.
2.6.1.2. Czwarty moment centralny standaryzowany
s ( x)
Jeeli:
rozkad jest wysmuky, o skupieniu silniejszym od normalnego, to 4 > 3,
rozkad jest normalny (3= 0), to 4 = 3,
rozkad jest spaszczony, o skupieniu sabszym od normalnego, to 4 < 3.
2.6.2. Nierwnomierno podziau zjawiska w zbiorowoci
Koncentracja rozumiana jako nierwnomierny podzia zjawiska w zbiorowoci
oznacza nierwnomierne rozoenie wartoci cechy zmiennej pomidzy poszczeglne jednostki tej zbiorowoci. Jeli wszystkie jednostki zbiorowoci dysponuj
tak sam wartoci cechy zmiennej, to koncentracja nie wystpuje, natomiast jeli
jedna jednostka zbiorowoci dysponuje ca sum wartoci cechy zmiennej to wystpuje wwczas koncentracja zupena.
2.6.2.1. Wielobok koncentracji Lorenza
Wielobok koncentracji Lorenza pozwala oceni koncentracj zjawiska w sposb
graficzny, za pomoc krzywej Lorenza. Koncentracja zjawiska jest tym wiksza,
im wiksza jest powierzchnia zawarta midzy krzyw Lorenza, a lini rwnomiernego rozdziau (krzywa Lorenza jest bardziej wypuka w stosunku do linii rwnomiernego rozdziau), i odwrotnie. Jeeli krzywa Lorenza pokrywa si z lini rwnomiernego rozdziau to koncentracja nie wystpuje (zob. przykad 2.7.4).
2.6.2.2. Wspczynnik koncentracji
Wspczynnik koncentracji to stosunek powierzchni zawartej midzy krzyw Lorenza a lini rwnomiernego rozdziau do powierzchni trjkta, ktry powstaje
39
z poczenia na ukadzie wsprzdnych punktw (0;0), (100;0), (100;100).

Wskanik przyjmuje warto z przedziau <0; 1>. Im warto wskanika jest blisza 1, tym koncentracja jest silniejsza, a im bliej 0, tym koncentracja jest sabsza.
Jeeli k = 0, to brak koncentracji, a jeeli k = 1, to koncentracja jest zupena
5000 Pi
5000
gdzie:
Pi pole powierzchni pod krzyw koncentracji Lorenza (suma pola trjkta i pl
trapezw),
pole trjkta: (a*h)/2,
pole trapezu: [(a+b)*h]/2.
2.7. Przykady
Przykad 2.7.1.
Wartoci temperatur (w stopniach C) zaobserwowanych w dniu 18 lipca 2009 r.
o godzinie 12.00 w miastach wojewdzkich byy nastpujce (rdo:
www.pogoda.onet.pl): 19, 24, 27, 27, 28, 29, 28, 29, 26, 19, 22, 25, 23, 25, 28, 26.
Na podstawie powyszych informacji naley:
okreli zbiorowo, jednostk i cech statystyczn,
obliczy redni arytmetyczn oraz wskaza przecitne pozycyjne (dominant,
median, kwartyle).
Rozwizanie
Zbiorowo statystyczna miasta wojewdzkie
Jednostka statystyczna miasto wojewdzkie
Cecha statystyczna (zmienna) temperatura (w stopniach C) zaobserwowana
18 lipca 2009 r. o godzinie 12:00
Porzdkowanie wariantw cechy (rosnco): 19, 19, 22, 23, 24, 25, 25, 26, 26, 27,
27, 28, 28, 28, 29, 29
rednia arytmetyczna zwyka
N
xa
i 1
405 / 16 25,31
40
Speniony jest warunek x min 19 x 25,31 x max 29 , ale rednia jest wartoci
abstrakcyjn.
rednia temperatura 18 lipca 2009 r. o godzinie 12:00 w miastach wojewdzkich
wynosia 25,31oC.
Dominanta
D = 28
Wrd miast wojewdzkich dominoway te, w ktrych temperatura 18 lipca
2009 r. o godzinie 12:00 wynosia 28oC.
Mediana
Szereg parzysty (n = 16), wic4:
k
xk xk 1 x8 x9 26 26
N
26 .
16 / 2 8 , M e
2
2
2
2
W poowie miast wojewdzkich temperatura 18 lipca 2009 r. o godzinie 12:00

bya nie wysza ni 26oC, a w poowie nie nisza ni 26oC.
Kwartyl pierwszy
x xk 1 x4 x5 23 24
N
23,5 .
16 / 4 4 , Q1 k
2
2
2
4
W 1/4 miast wojewdzkich temperatura 18 lipca 2009 r. o godzinie 12:00 bya nie
wysza ni 23,5oC, a w 3/4 nie nisza ni 23,5oC.
Kwartyl trzeci
Gdyby szereg by nieparzysty (np. n = 15), to
M e x k x8 26
5
Gdyby szereg by nieparzysty (np. n = 15), to
Q1 xk x4 23
6
k ( N 1) / 2 (15 1) / 2 8 ,
k ( N 1) / 4 (15 1) / 4 4 ,
Gdyby szereg by nieparzysty (np. n = 15), to k 3( N 1) / 4 3(15 1) / 4 12 ,
Q3 xk x12 28
41
x x k 1 x12 x13 28 28
3N
28 .
48 / 4 12 , Q3 k
2
2
2
4
W 3/4 miast wojewdzkich temperatura 18 lipca 2009 r. o godzinie 12:00 bya nie
wysza ni 28oC, a w 1/4 nie nisza ni 28oC.
Przykad 2.7.2.
W dniu 20 kwietnia 2009 r. grupie studentw PWSZ w Koninie dano do rozwizania zadanie ze statystyki. Czas rozwizywania tego zadania (w minutach) przez
poszczeglne osoby zosta przedstawiony w poniszej tabeli.
Czas rozwizywania
zadania (w min.)
Liczba studentw
rd o : Dane umowne.

median, kwartyle).
Rozwizanie
Zbiorowo statystyczna grupa studentw PWSZ w Koninie

Jednostka statystyczna student PWSZ w Koninie
Cecha statystyczna (zmienna) czas rozwizywania zadania (w min.) w dniu
20 kwietnia 2009 r.
Obliczenia pomocnicze
Czas rozwizywania Liczba studentw
zadania (xi)
(ni)
xi ni
cum ni
4
5
6
7
8
6
4
3
2
2
24
20
18
14
16
6
10
13
15
17
17
92
42
rednia arytmetyczna waona

k
x n
i
xa
i 1
92 / 17 5,41 .
Speniony jest warunek xmin 4 x 5,41 xmax 8 , ale rednia jest wartoci
abstrakcyjn.
Przecitny czas rozwizywania zadania ze statystyki przez studentw PWSZ
w Koninie wynosi 5,41 minut.
Dominanta
D=4
W grupie studentw PWSZ w Koninie dominoway osoby, ktre rozwizay zadanie w cigu 4 minut.
Mediana
Szereg nieparzysty (n = 17), wic7:
k
N 1
(17 1) / 2 9 , cumn i k cumn i 9 M e 5 .
2
Poowa studentw rozwizywaa zadanie nie duej ni 5 minut, a poowa nie krcej ni 5 minut.
Kwartyl pierwszy
k
N 1
(17 1) / 4 4,5 , cumn i k cumni 4,5 Q1 4 .
4
1/4 studentw rozwizywaa zadanie nie duej ni 4 minuty, a 3/4 nie krcej ni
4 minuty.
Gdyby
szereg
by
parzysty
cumn i k cumn i 9 M e 5 .
8
(np.
18),
to
k N / 2 18 / 2 9 ,
Gdyby szereg by parzysty (np. n = 18), to k N / 4 18 / 4 4,5 ,
cumni 4,5 Q1 4 .
cumn i k
43
Kwartyl trzeci
3 * ( N 1)
3 * (17 1) / 4 13,5 , cumn i k cumni 13,5 Q3 7 .
4
3/4 studentw rozwizywao zadanie nie duej ni 7 minut, a 1/4 nie krcej ni
7 minut.
Przykad 2.7.3.
Wysoko wydatkw na pieczywo (w z) poniesionych w grudniu 2009 r. przez

200 losowo wybranych gospodarstw domowych z Konina ksztatowaa si nastpujco:
Wydatki (w z)
Liczba gospodarstw
30-40
40-50
50-60
60-70
70-80
80-90
90-100
12
25
37
62
34
22
rd o : Dane umowne.
W oparciu o powysze informacje naley:

obliczy miary pooenia, dyspersji, asymetrii i koncentracji,
wyznaczy graficznie dominant, median i kwartyle.
Rozwizanie
Zbiorowo statystyczna losowo wybrane gospodarstwa domowe z Konina

Jednostka statystyczna losowo wybrane gospodarstwo domowe z Konina
Cecha statystyczna (zmienna) wysoko wydatkw na pieczywo (w z) poniesionych w grudniu 2009 r.
Gdyby szereg by parzysty (np. n = 18), to k 3N / 4 54 / 4 13,5 ,
cumni 13,5 Q1 7 .
cumn i k
44
rednia arytmetyczna waona

k
xa
x' n
i
i 1
12790 / 200 63,95 .
Przecitne wydatki na pieczywo poniesione w grudniu 2009 r. przez losowo wybrane gospodarstwa domowe wynosiy 63,95 z.
Dominanta
D x0 c0
n d n d 1
62 37
60 10 *
64,72
(n d n d 1 ) (n d n d 1 )
(62 37) (62 34)
Wrd losowo wybranych gospodarstw dominoway te, ktre w grudniu 2009 r.

przeznaczyy na pieczywo 64,72 z.
Mediana
Szereg parzysty (n = 200), wic:
N
200 / 2 100 , cumn i k cumni 100 ,
2
c N
10
M e Q2 x0 0 ( cumn 1 ) 60 (100 74) 64,19 .
n0 2
62
Poowa gospodarstw przeznaczya w grudniu 2009 r. na pieczywo nie wicej ni

64,19 z, a poowa nie mniej ni 64,19 z.
45
Kwartyl pierwszy
k
N
200 / 4 50 , cumn i k cumni 50 ,
4
Q1 x0
10
c0 N
( cumn 1 ) 50 (50 37) 53,51 .
37
n0 4
1/4 gospodarstw przeznaczya w grudniu 2009 r. na pieczywo nie wicej ni

53,51 z, a 3/4 nie mniej ni 53,51 z.
Kwartyl trzeci
3N
600 / 4 150 , cumn i k cumni 150 ,
4
10
c 3N
Q3 x0 0 (
cumn 1 ) 70 (150 136) 74,12 .
4
34
n0
k
3/4 gospodarstw przeznaczyo w grudniu 2009 r. na pieczywo nie wicej ni

74,12 z, a 1/4 nie mniej ni 74,12 z.
Rozstp (empiryczny obszar zmiennoci)
R x max x min 100 30 70

Rnica midzy gospodarstwem z najwyszymi wydatkami na pieczywo a gospodarstwem z najniszymi wydatkami wynosia 70 z.
46
Odchylenie standardowe
2
x' x
k
s ( x)
i 1
ni
43679
14,78
200
Wydatki na pieczywo w grupie losowo wybranych gospodarstw domowych odchylay si od wydatkw rednich przecitnie o 14,78 z.
Typowy obszar zmiennoci
x s( x) xtyp x s( x)
63,95 14,78 xtyp 63,95 14,78
49,17 xtyp 78,73
Okoo 2/3 gospodarstw domowych przeznaczyo w grudniu 2009 r. na pieczywo

od 49,17 do 78,73 z.
Klasyczny wspczynnik zmiennoci
Vx
s( x)
14,78
100
100 23,11%
63,95
x
Gospodarstwa domowe s jednorodne pod wzgldem wysokoci poniesionych

wydatkw na pieczywo, a rednia arytmetyczna dobrze charakteryzuje przecitne
wydatki10.
Wskanik asymetrii
As x D 63,95 64,72 0,77

Rozkad wydatkw poniesionych na pieczywo przez losowo wybrane gospodarstwa domowe jest asymetryczny lewostronnie (ujemnie), tzn. wikszo gospodarstw poniosa wydatki wysze od wydatkw przecitnych11.
10
Wraz ze wzrostem wartoci wspczynnika wzrasta zrnicowanie zbiorowoci, a tym samym

maleje warto poznawcza redniej arytmetycznej.
11
Warto wskanika wiksza od zera oznaczaaby, e rozkad wydatkw poniesionych na pieczywo jest asymetryczny prawostronnie (dodatnio), tzn. e wikszo gospodarstw poniosa wydatki nisze od wydatkw przecitnych. Z kolei warto wskanika rwna zero oznaczaaby, e
rozkad wydatkw poniesionych na pieczywo jest symetryczny, tzn. e wikszo gospodarstw
poniosa wydatki rwne wydatkom przecitnym.
47
Klasyczno-pozycyjny wspczynnik skonoci

x D 63,95 64,72
0,05
s ( x)
14,78
Was
Rozkad wydatkw poniesionych na pieczywo przez losowo wybrane gospodarstwa domowe jest asymetryczny lewostronnie (ujemnie), tzn. wikszo gospodarstw poniosa wydatki wysze od wydatkw przecitnych, a nasilenie tej asymetrii jest bardzo mae12.
Czwarty moment centralny standaryzowany
4
x' x
k
ni
i 1
s ( x)
24152669,64
120763,35
200
120763,35
2,53
47719,70
Rozkad wydatkw poniesionych na pieczywo przez losowo wybrane gospodarstwa domowe ma charakter spaszczony, tzn. koncentracja wysokoci wydatkw
wok wydatkw przecitnych jest sabsza ni w rozkadzie normalnym13.
Obliczenia pomocnicze przykad 2.7.3.
Wydatki
w z (xi)
Liczba
gospodarstw (ni)
xi
30-40
12
35
420
12
-28,95
838,10
10 057,20
702 415,80
8 428 989,60
40-50
25
45
1 125
37
-18,95
359,10
8 977,50
128 954,61
3 223 865,25
50-60
37
55
2 035
74
-8,95
80,10
2 963,70
6 416,41
237 407,17
60-70
62
65
4 030
136
1,05
1,10
68,20
1,22
75,64
70-80
34
75
2 550
170
11,05
122,10
4 151,40
14 909,02
506 906,68
80-90
22
85
1 870
192
21,05
443,10
9 748,20
19 6339,83
4 319 476,26
90-100
95
760
200
31,05
964,10
7 712,80
929 493,63
7 435 949,04
24 152 669,64
12
200
xi ni
12 790
cumni
xi
(xi
x )2
(xi
x )2 ni
43 679,00
(xi
x )4
(xi
x )4 ni
Wraz ze wzrostem wartoci wspczynnika nasilenie asymetrii wzrasta.

Warto wskanika wiksza od 3 oznaczaaby, e rozkad wydatkw poniesionych na pieczywo ma charakter wysmuky, tzn. koncentracja wysokoci wydatkw wok wydatkw przecitnych
jest silniejsza ni w rozkadzie normalnym. Z kolei warto wskanika rwna 3 oznaczaaby, e
rozkad wydatkw poniesionych na pieczywo jest rozkadem normalnym.
13
48

Grupy wojewdztw wg
liczby spek z udziaem
kapitau zagranicznego
Liczba
wojewdztw
Liczba
spek
Odsetek
wojewdztw
Odsetek
spek
Skumulowany odsetek
wojewdztw
spek
poniej 200
275
12,50
1,48
12,50
1,48
200-500
1 329
25,00
7,18
37,50
8,66
500-1000
2 121
18,75
11,46
56,25
20,12
1000-2000
6 812
31,25
36,79
87,50
56,91
2000 i wicej
7 978
12,50
43,09
100,00
100,00
16
18 515
100,00
100,00
Przykad 2.7.4.
Na podstawie danych zawartych w poniszej tabeli naley ustali za pomoc metody graficznej i rachunkowej koncentracj spek z udziaem kapitau zagranicznego w polskich wojewdztwach w 2007 r.
Grupy wojewdztw wg liczby
spek z udziaem kapitau
zagranicznego
Liczba wojewdztw
Liczba spek
poniej 200
275
200-500
1 329
500-1000
2 121
1000-2000
6 812
2000 i wicej
7 978
Rozwizanie
O wystpowaniu koncentracji spek z udziaem kapitau zagranicznego w polskich wojewdztwach wiadczy zarejestrowanie w dwch wojewdztwach (mazowieckie i dolnolskie) ponad 40% wszystkich spek.
49
Metoda graficzna wielobok koncentracji Lorenza
linia
rwnomiernego
rozdziau
krzywa Lorenza
3
1
Z wykresu wynika, e koncentracja spek z udziaem kapitau zagranicznego

w polskich wojewdztwach w 2007 r. bya do silna14.
Metoda rachunkowa wspczynnik koncentracji
Wyszczeglnienie
pole trjkta
pole I trapezu
pole II trapezu
pole III trapezu
pole IV trapezu
5000 Pi
Pola figur (Pi)

(1,48*12,5)/2 = 9,25
[(8,66+1,48)*25,00]/2 = 126,75
[(20,12+8,66)*18,75]/2 = 269,81
[(56,91+20,12)*31,25]/2 = 1 203,59
[(100+56,91)*12,50]/2 = 980,69
2 590,59
5000 2590,59
0,482
5000
5000
Wspczynnik rwny 0,482 wiadczy o do silnej koncentracji spek z udziaem
kapitau zagranicznego w polskich wojewdztwach w 2007 r.
k
14
Koncentracja jest tym wiksza, im wiksza jest powierzchnia zawarta midzy krzyw Lorenza
a lini rwnomiernego rozdziau.
50
2.8. Zadania
Zadanie 2.8.1.
W poniszej tabeli przedstawiono warto aktyww i pasyww firmy X S.A.

w latach 2005-2008 (w tys. z).
WYSZCZEGLNIENIE
2005
2006
2007
2008
AKTYWA
A. Aktywa trwae
B. Aktywa obrotowe
101 979
153 506
124 594
175 468
158 078
200 820
191 989
213 731
Aktywa razem
255 485
300 062
358 898
405 720
PASYWA
A. Kapita wasny
B. Zobowizania i rezerwy na
zobowizania
88 654
166 831
116 012
184 050
178 263
180 635
211 890
193 830
Pasywa razem
255 485
300 062
358 898
405 720
rd o : Opracowanie wasne na podstawie sprawozda finansowych firmy X S.A.
Na podstawie powyszych danych naley obliczy i zinterpretowa wskaniki

struktury aktyww i pasyww.
51
Zadanie 2.8.2.
W poniszej tabeli przedstawiono warto aktyww i pasyww firmy Y sp.

z o.o. w latach 2005-2008 (w tys. z).
WYSZCZEGLNIENIE
2005
2006
2007
2008
4 093
6 036
5 785
9 459
4 650
9 056
4 954
10 372
10 129
15 244
13 706
15 326
7 693
2 436
11 382
3 862
10 124
3 582
11 201
4 125
10 129
15 244
13 706
15 326
AKTYWA
A. Aktywa trwae
B. Aktywa obrotowe
Aktywa razem
PASYWA
A. Kapita wasny
B. Zobowizania i rezerwy na
zobowizania
Pasywa razem
rd o : Opracowanie wasne na podstawie sprawozda finansowych firmy Y S.A.
Na podstawie powyszych danych naley obliczy i zinterpretowa wskaniki

struktury aktyww i pasyww.
Zadanie 2.8.3.
Na podstawie poniszych danych dotyczcych budetu miasta Konina w 2007 r.

(rdo: Bank Danych Regionalnych GUS, 2007) naley ustali wskaniki natenia, tj. wysoko dochodw i wydatkw przypadajcych na jednego mieszkaca
(per capita):
dochody budetowe 357 991,68 tys. z,
wydatki budetowe 385 376,12 tys. z,
liczba mieszkacw w roku 2007 (stan na 30 VI) 80 195 osb.
52
Zadanie 2.8.4.
Na podstawie poniszych danych dotyczcych budetu gminy lesin w 2007 r.

(rdo: Bank Danych Regionalnych GUS, 2007) naley ustali wskaniki natenia, tj. wysoko dochodw i wydatkw przypadajcych na jednego mieszkaca
(per capita):
dochody budetowe 31 550,98 tys. z,
wydatki budetowe 34 346,32 tys. z,
liczba mieszkacw w roku 2007 (stan na 30 VI) 13 519 osb.
Zadanie 2.8.5.
W styczniu 2010 r. odnotowano nastpujce zuycie wody (w m3) wrd gospodarstw domowych zamieszkaych w budynku przy ulicy Wesoej 4 w Koninie
(rdo: dane umowne):
10, 12, 4, 15, 7, 6, 8, 4, 9, 7, 12, 6, 13, 3, 11, 10, 12, 5, 2, 8.
median, kwartyle).
Zadanie 2.8.6.
Cena kilograma truskawek (w z) na 19 stoiskach koniskiego targowiska ksztatoway si 20 czerwca 2009 r. ceny kilograma truskawek (w z) na 19 stoiskach
zlokalizowanych na koniskim targowisku ksztatoway si nastpujco (rdo:
dane umowne):
3,50; 3,40; 4,60; 3,70; 3,20; 4,10; 5,00; 4,80; 3,60; 3,50; 3,90; 4,00; 4,30; 4,70;
4,50; 3,50; 3,70; 4,00; 3,50.
median, kwartyle).
53
Zadanie 2.8.7.
W urzdzie gminy dokonano przegldu list obecnoci pracownikw z IV kwartau

2009 r., co pozwolio ustali liczb spnie do pracy. Pogrupowane wyniki odpowiednich oblicze zostay przedstawione w poniszej tabeli.
Liczba spnie
Liczba pracownikw
rd o : Dane umowne.

median, kwartyle).
Zadanie 2.8.8.
Pracownikw firmy Igrek zapytano o wielko ich gospodarstw domowych mierzon liczb osb. Uzyskane informacje pogrupowano, tworzc poniszy szereg
(stan na 31 grudnia 2009 r.).
Liczba osb
w gospodarstwie
Liczba pracownikw
14
25
32
17
10
rd o : Dane umowne.

median, kwartyle).
54
Zadanie 2.8.9.
Poniszy szereg przedstawia rozkad powierzchni mieszka w bloku nr 6 przy

ul. Nowej w Kole. Opierajc si na dostpnych informacjach naley:
obliczy redni arytmetyczn oraz oszacowa przecitne pozycyjne,
Powierzchnia (w m2)
15-25
25-35
35-45
45-55
55-65
65-75
75-85
14
18
28
10
Liczba mieszka
rd o : Dane umowne.
Zadanie 2.8.10.
Ponisza tabela przedstawia rozkad firm zlokalizowanych w Supcy ze wzgldu

na warto ich aktyww (stan na 31 grudnia 2009 r.). Opierajc si na dostpnych
informacjach naley:
obliczy redni arytmetyczn oraz oszacowa przecitne pozycyjne,
Warto aktyww
(w tys. z)
Liczba firm
0-50
7
50-100 100-150 150-200 200-250 250-300 300-350

10
12
rd o : Dane umowne.
Zadanie 2.8.11.
Ceny samochodw oferowanych do sprzeday na koniskiej giedzie w dniu

13 wrzenia 2009 r. ksztatoway si nastpujco:
Cena samochodu
(w tys. z)
Liczba samochodw
0-4
4-8
8-12
12-16
16-20
20-24
24-28
28-32
30
25
15
10
rd o : Dane umowne.
55

obliczy miary pooenia, dyspersji i asymetrii,
Zadanie 2.8.12.
Czas obsugi przy kasie 200 losowo wybranych klientw koniskiego hipermarketu Zet w dniu 30 wrzenia 2009 r. przedstawia si nastpujco:
Czas obsugi
(w sekundach)
20-40
40-60
60-80
80-100
Liczba klientw
16
32
50
100-120 120-140 140-160 160-180

60
20
10
rd o : Dane umowne.

obliczy miary pooenia, dyspersji i asymetrii,
Zadanie 2.8.13.
Dysponujc informacjami na temat wieku pracownikw dwch firm (A i B) zlokalizowanych w Koninie, naley przeprowadzi kompleksow analiz porwnawcz
badanych zbiorowoci (stan na 31 grudnia 2009 r.).
Wiek (w latach)
24-26
26-28
28-30
30-32
32-34
34-36
36-38
38-40
40-42
Liczba pracownikw
firmy A
44
56
92
31
27
25
14
Liczba pracownikw
firmy B
29
35
47
56
64
79
32
rd o : Dane umowne.
56
Zadanie 2.8.14.
Dysponujc informacjami na temat liczby punktw uzyskanych z pracy kontrolnej

ze statystyki opisowej przez studentw dwch specjalnoci ekonomicznych PWSZ
w Koninie w roku akademickim 2008/2009, naley przeprowadzi kompleksow
analiz porwnawcz badanych zbiorowoci.
Liczba punktw
0-2
2-4
4-6
6-8
8-10
10-12
12-14
14-16
16-18
Liczba studentw
specjalno FiRP
18
34
27
Liczba studentw
Specjalno ZIiN
17
20
18
11
rd o : Dane umowne.
Zadanie 2.8.15.
Struktura Polakw ze wzgldu na przynaleno do poszczeglnych grup wiekowych w 2008 r. przedstawiaa si nastpujco:
Wiek (w latach)
Liczba osb (w tys.)
19 i mniej
20-39
40-59
60-79
80 i wicej
8 449,7
11 841,3
10 765,8
5 878,8
1 200,2
rd o : Bank Danych Regionalnych GUS, 2008.
Na podstawie powyszych informacji naley obliczy redni arytmetyczn.

Zadanie 2.8.16.
W drodze badania ankietowego zapytano uytkownikw 50 gospodarstw domowych o wysoko ich miesicznych wydatkw na ywno (w z). Otrzymano nastpujce informacje (rdo: dane umowne):
6 gospodarstw wydaje mniej ni 800 z,
16 gospodarstw wydaje mniej ni 1000 z,
34 gospodarstwa wydaj mniej ni 1200 z,
44 gospodarstwa wydaj mniej ni 1400 z.
57
Biorc po uwag, e maksymalna wysoko wydatkw wrd gospodarstw objtych badaniem wynosi nie wicej ni 1600 z, a minimalna nie mniej ni 600 z,
wyznaczy redni wysoko miesicznych wydatkw na ywno.
Zadanie 2.8.17.
Znane s informacje o stau pracy pracownikw pewnego przedsibiorstwa (rdo: dane umowne):
xmin = 4 lata,
xmax = 17 lat.
Ktra z podanych niej liczb jest redni arytmetyczn stau pracy wszystkich
pracownikw tego przedsibiorstwa?
3, 20, 9.
Zadanie 2.8.18.
Struktura wieku osb, ktre zawary zwizek maeski w Polsce w 2008 r.,
przedstawiaa si nastpujco:
Wiek nowoecw
(w latach)
19 i mniej
Liczba nowoecw
16 173
20-24
25-29
158 165 206 194
30-39
40-49
50 i wicej
94 643
18 198
18 158
Na podstawie powyszych informacji naley oszacowa dominant.
58
Zadanie 2.8.19.
Obserwacj objto pracownikw pewnego zakadu ze wzgldu na ich wzrost. Rezultaty obserwacji prezentuje ponisza tabela.
Parametry
Wzrost w cm
xa
175,0
Me
173,5
D
s(x)
172,0
9,0
rd o : Dane umowne.
Podany zesp parametrw naley uzupeni i zinterpretowa otrzymane wyniki.

Zadanie 2.8.20.
Oszacuj median, dysponujc nastpujcymi danymi:

liczebno zbiorowoci jest rwna 60,
dolna granica przedziau mediany wynosi 8,
rozpito przedziau mediany jest rwna 2,
suma liczebnoci przedziaw poprzedzajcych przedzia mediany wynosi 27,
suma liczebnoci przedziaw wraz z przedziaem mediany jest rwna 39.
Zadanie 2.8.21.
Analiza czasu dojazdu do pracy (w minutach) osb zatrudnionych w pewnej firmie

dostarczya nastpujcych informacji:
Parametry
Mczyni
Kobiety
xa
50
45
Me
44
D
s(x)
52
6
rd o : Dane umowne.
59
Wykorzystujc te informacje naley:

uzupeni zesp parametrw w obydwu grupach,
przeprowadzi analiz porwnawcz zbiorowoci.
Zadanie 2.8.22.
Analiza wysokoci miesicznych wynagrodze (w z) 30 mczyzn i 10 kobiet

zatrudnionych w pewnym przedsibiorstwie dostarczya nastpujcych informacji:
Parametry
Mczyni
Kobiety
xa
1800
1600
Me
1900
1500
D
s(x)
2000
1400
200
300
rd o : Dane umowne.
Wykorzystujc te informacje, naley ustali:

ktra grupa pracownikw uzyskuje wysze wynagrodzenie i dlaczego,
ile wynosi rednie wynagrodzenie w odniesieniu do wszystkich pracownikw.
Zadanie 2.8.23.
Dysponujc poniszymi wielkociami wyznaczonymi na podstawie szeregu przedziaowego, naley scharakteryzowa za pomoc parametrw opisowych rozkad
dochodw (w tys. z) w prbie 100 gospodarstw domowych oraz naszkicowa
przybliony wykres krzywej liczebnoci i zaznaczy pooenie miar tendencji centralnej.
k
x
i 1
'
i
ni 760 ,
(x
i 1
k
(x
i 1
'
i
x) 2 ni 484 ,
'
i
x) 4 ni 7196,82 ,
D 7,5 ,
M e 7,6 .
60
Zadanie 2.8.24.
Poniszy szereg rozdzielczy przedstawia struktur osb ze wzgldu na wiek, ktre

rozwiody si w Polsce w 2008 r.
Wiek rozwodzcych
si osb (w latach)
Odsetek osb
24 i mniej
25-29
30-39
40-49
50 i wicej
4,21
15,95
39,21
24,34
16,29

obliczy miary pooenia, dyspersji i asymetrii.
Zadanie 2.8.25.
Na podstawie danych zawartych w poniszej tabeli naley ustali za pomoc metody

graficznej i rachunkowej koncentracj ludnoci w polskich miastach w 2008 r.
Grupy miast wg liczby
ludnoci (w tys. osb)
Liczba miast
Liczba ludnoci
(w tys. osb)
poniej 10
492
2 273,4
10-20
180
2 643,9
20-50
134
4 192,3
50-100
47
3 211,0
100-200
22
3 044,4
200 i wicej
17
7 923,1
rdo: Ludno. Stan i struktura w przekroju terytorialnym. Stan w dniu 31 XII 2008 r.,
<www.stat.gov.pl>.
61
Zadanie 2.8.26.
Na podstawie danych zawartych w poniszej tabeli naley ustali za pomoc metody graficznej i rachunkowej koncentracj powierzchni gospodarstw rolnych
w Polsce w 2007 r.
Grupy gospodarstw
wg powierzchni (w ha)
Liczba gospodarstw
Powierzchnia gospodarstw (w ha)
poniej 2
1 193 583
944 139
2-5
613 978
1 989 940
5-10
399 868
2 836 174
10-20
243 909
3 352 972
20-50
102 315
2 955 545
50 i wicej
21 461
2 339 429
rdo: Charakterystyka gospodarstw rolnych w 2007 r., <www.stat.gov.pl>.
3. ANALIZA WSPZALENOCI ZJAWISK

Jednostki tworzce zbiorowo statystyczn charakteryzowane s zazwyczaj za

pomoc wielu cech zmiennych, ktre nierzadko pozostaj ze sob w pewnym
zwizku. Okrelenie siy, kierunku oraz ksztatu tego zwizku moliwe jest dziki
analizie wspzalenoci zjawisk.
Zakres analizy wspzalenoci zjawisk:
analiza korelacji,
analiza regresji.
3.2. Analiza korelacji
Analiza korelacji pozwala okreli si zalenoci midzy zmiennymi, a w przypadku zalenoci liniowej dwch zmiennych take kierunek tej zalenoci.
Si zwizku midzy zmiennymi okrela si za pomoc szeregu miar, ktrych wybr zaley od tego, czy zmienne maj charakter mierzalny, czy te niemierzalny.
W pierwszym przypadku mona wykorzysta wspczynnik korelacji liniowej
Pearsona, natomiast w drugim m.in. skorygowany wspczynnik kontyngencji,
wspczynnik Czuprowa i wspczynnik zbienoci V-Cramera.
63
Schemat 3.1. Rodzaje korelacji dwch zmiennych mierzalnych

rdo: Opracowanie wasne.
3.2.1. Wspczynnik korelacji liniowej Pearsona
Wspczynnik korelacji Pearsona okrela kierunek i si zalenoci dwch zmiennych mierzalnych. Przyjmuje on wartoci z przedziau <1; 1>, przy czym im jego
warto jest blisza 1 lub 1, tym zaleno jest silniejsza, a im blisza 0, tym zaleno jest sabsza.
n
r xy
i 1
( x i x )( y i y )
n s( x) s( y)
lub
r xy
1
n
xy
i 1
xy
s( x) s( y)
64
3. Analiza wspzalenoci zjawisk
gdzie:
2
x x
n
s ( x)
i 1
lub
s ( x)
y y
i
s( y )
i 1
lub
s( y)
( x) 2 ,
i 1
y
i 1
( y) 2 ,
xi warto zmiennej x,
yi warto zmiennej y,
x rednia arytmetyczna zmiennej x,
y rednia arytmetyczna zmiennej y,
n liczba par obserwacji.
Wspczynnik korelacji mona wyznaczy rwnie na podstawie wspczynnikw
kierunkowych liniowej funkcji regresji15:
r xy b y b x ,
gdzie:
bx wspczynnik kierunkowy funkcji regresji x a by ,
by wspczynnik kierunkowy funkcji regresji y a bx .

Wasnoci wspczynnika korelacji liniowej Pearsona:
r xy 0 , gdy brak wspzalenoci,
r xy 1 , gdy zaleno funkcyjna (korelacja doskonaa),
1 r xy 0 , gdy korelacja ujemna, tzn. wraz ze wzrostem wartoci jednej
zmiennej malej wartoci drugiej zmiennej, i odwrotnie,
0 r xy 1 , gdy korelacja dodatnia, tzn. wraz ze wzrostem wartoci jednej
zmiennej rosn wartoci drugiej zmiennej, i odwrotnie,
rxy 0 ,3 , gdy korelacja niewyrana,
0 ,3 rxy 0 ,5 , gdy korelacja rednia,
rxy 0 ,5 , gdy korelacja wyrana.

15
Zob. szerzej: rozdz. 3.3.1. Metoda Najmniejszych Kwadratw (MNK).
65
3.2.2. Korelacja cech jakociowych
Si zalenoci midzy zmiennymi niemierzalnymi mona okreli za pomoc

skorygowanego wspczynnika kontyngencji, wspczynnika Czuprowa lub
wspczynnika zbienoci V-Cramera, ktre w swej konstrukcji opieraj si na
tecie niezalenoci chi-kwadrat16. Wspczynniki te przyjmuj wartoci z przedziau <0; 1>, przy czym ich warto blisza 1 oznacza, e zaleno jest silniejsza, natomiast warto blisza 0 informuje o sabszej zalenoci.
3.2.2.1. Skorygowany wspczynnik kontyngencji
C skor
C xy
C max
gdzie:
C xy
2 n
r 1
k 1
r
k
,
2
C max
r
i 1 j 1
(nij n ij ) 2
^
n ij
n ij
ni. n. j
n
r liczba wierszy w tablicy wielodzielczej,

k liczba kolumn w tablicy wielodzielczej,
n liczebno prby,
nij liczba jednostek na przeciciu i-tego wiersza i j-tej kolumny tablicy wielodzielczej (liczebno empiryczna),
n ij liczebno teoretyczna,
16
Przy obliczaniu testu niezalenoci chi-kwadrat naley oprze si na dostatecznie duej prbie, oraz w taki sposb podzieli obszar wartoci X i Y na grupy, aby w kadej kratce tablicy wielodzielczej znalaza si dostatecznie dua liczebno teoretyczna (5).
66
ni. nij liczebno brzegowa liczona dla i-tego wiersza po wszystkich koj
lumnach,
n. j nij liczebno brzegowa liczona dla j-tej kolumny po wszystkich wierszach.
3.2.2.2. Wspczynnik Czuprowa
Txy
2
n (r 1)(k 1)
3.2.2.3. Wspczynnik zbienoci V-Cramera
Vc
2
n g
gdzie:
g = min (r 1, k 1).
3.3. Analiza regresji
Analiza regresji pozwala okreli powizania midzy zmiennymi, tj. zmienn niezalen (objaniajc) a zmienn zalen (objanian), za pomoc odpowiedniej
funkcji matematycznej (funkcji regresji).
3.3.1. Metoda Najmniejszych Kwadratw (MNK)
Rozkad punktw na diagramie korelacyjnym (zob. schemat 3.1) wskazuje, czy

midzy zmiennymi wystpuje zwizek, a jeli tak, to umoliwia wybr typu funkcji, ktrej wykres najlepiej opisywaaby ten zwizek. Jeeli zaleno ma charakter liniowy, to wwczas funkcje regresji przyjmuj posta
y a y by x ,
x a x bx y ,
67
gdzie:
ax, ay wyraz wolny,
bx wspczynnik regresji zmiennej x wzgldem y,
by wspczynnik regresji zmiennej y wzgldem x.
Parametry powyszych funkcji mona oszacowa posugujc si metod najmniejszych kwadratw. Pozwala ona znale takie wspczynniki rwna regresji, aby
suma kwadratw odchyle poszczeglnych wartoci empirycznych od wartoci
teoretycznych zmiennej bya jak najmniejsza
n
(y
i 1
(x
i 1
y i ) ( y i a y b y x) min ,
i 1
x i ) ( xi a x bx y ) min .
i 1
Powysze wyraenia s funkcjami dwch zmiennych a i b, wic problem sprowadza si do znalezienia minimum tych funkcji. Obliczajc pochodne czstkowe
wzgldem a i b oraz przyrwnujc je do zera (w celu sprawdzenia warunku koniecznego istnienia ekstremum funkcji dwch zmiennych) otrzymujemy tzw. ukad
rwna normalnych:
dla funkcji regresji zmiennej y wzgldem x:
yi na y by xi
i 1
n
x y
i 1
i 1
a y xi b y x
i 1
i 1
2
i
dla funkcji regresji zmiennej x wzgldem y:
xi na x bx yi
i 1
n
i 1
xi yi a x yi bx yi2
i 1
i 1
i 1
68
Rozwizujc powysze ukady rwna otrzymujemy odpowiednio
by
i 1
i 1
i 1
n xi y i xi y i
n
n xi2 xi
i 1
i 1
n
a y y by x
a x x bx y .
oraz
bx
i 1
i 1
i 1
n xi y i xi y i
n
n yi2 yi
i 1
i 1
n
Wspczynniki rwna regresji mona oszacowa rwnie porednio, wykorzystujc relacj midzy wspczynnikiem korelacji linowej i odchyleniami standardowymi badanych zmiennych
b y rxy
s( y)
,
s ( x)
bx rxy
s ( x)
.
s( y )
3.3.2. Ocena oszacowanej funkcji regresji
Ocena oszacowanej funkcji regresji (ocena stopnia dobroci) pozwala okreli,

czy funkcja regresji jest dobrze dopasowana do danych empirycznych, tzn. czy
dobrze opisuje ilociow stron zalenoci midzy badanymi zmiennymi. W celu
dokonania oceny oblicza si m.in.:
odchylenie standardowe skadnika resztowego (bd standardowy szacunku), ktre informuje, o ile rednio wartoci empiryczne zmiennej odchylaj si
od wartoci teoretycznych obliczonych na podstawie oszacowanej funkcji regresji:
n
Sx
(x
i 1
xi )2
n2
s( x) 1
2
xy

n
Sy
69
( yi y i )2
i 1
s( y) 1
;
xy
n2
wspczynnik determinacji okrelajcy stopie, w jakim oszacowana funkcja
regresji wyjania zmienno zmiennej y lub x; wspczynnik przyjmuje wartoci z przedziau <0, 1>; im bliej 1, tym oszacowana funkcja regresji jest lepiej
dopasowana do danych empirycznych, i odwrotnie:
R2
xy
wspczynnik zgodnoci, ktry wskazuje, jaka cz zmiennoci zmiennej y

lub x nie jest objaniona za pomoc oszacowanej funkcji regresji; wspczynnik przyjmuje wartoci z przedziau <0, 1>; im bliej 0, tym dopasowanie
funkcji jest lepsze, i odwrotnie:
wspczynnik zmiennoci resztowej, ktry informuje, jaki odsetek poziomu

zmiennej objanianej stanowi wahania losowe; im bliej 0, tym dopasowanie
jest lepsze:
Sy
100 .
y
3.4. Przykady
Przykad 3.4.1.
Zbadano zaleno midzy powierzchni nieruchomoci zlokalizowanych w okolicach Konina a ich wartoci. Uzyskane informacje przedstawiono w poniszej
tabeli.
Powierzchnia nieruchomoci (w m2)
219
80
222
100
211
133
182
269
Warto (w tys. z)
380
140
390
265
370
230
248
420
rd o : Dane umowne.
70

sporzdzi diagram korelacyjny i zinterpretowa rozkad punktw,
okreli kierunek i si zwizku korelacyjnego; zinterpretowa otrzymany wynik,
wyznaczy linie regresji,
oszacowa warto nieruchomoci o powierzchni 150 m2,
obliczy jaka bdzie powierzchnia nieruchomoci, ktrej warto wynosi
200 tys. z.
Rozwizanie
Diagram korelacyjny
yi 500
400
300
200
100
0
0
50
100
150
200
250
300
xi
Z diagramu korelacyjnego wynika, e midzy powierzchni nieruchomoci a ich

wartoci zachodzi dodatni zwizek korelacyjny, tzn. wraz ze wzrostem powierzchni wzrasta warto nieruchomoci, i odwrotnie.
Warto
w tys. z (yi)
xi x
yi y
219
80
222
100
211
133
182
269
380
140
390
265
370
230
248
420
42,00
-97,00
45,00
-77,00
34,00
-44,00
5,00
92,00
1416
2443
Powierzchnia
w m2 (xi)
y i y )2
xi x )
*(
yi y )
x i x )2
74,62
-165,38
84,62
-40,38
64,62
-75,38
-57,38
114,62
1 764,00
9 409,00
2 025,00
5 929,00
1 156,00
1 936,00
25,00
8 464,00
5 568,14
27 350,54
7 160,54
1 630,54
4 175,74
5 682,14
3 292,46
13 137,74
3 134,04
16 041,86
3 807,90
3 109,26
2 197,08
3 316,72
-286,90
10 545,04
30 708,00
67 997,84
41 865,00
71

N
xa
i 1
ya
1416 / 8 177 ,
i 1
2443 / 8 305,38
2
x x
n
s ( x)
i 1
30708
61,96 ,
8
2
y y
n
s( y )
i 1
67997,84
92,19
8
Wspczynnik korelacji liniowej Pearsona

n
r xy
(x
i 1
x )( y i y )
n s( x) s( y)
41865
0 , 92
8 61 ,96 92 ,19
Midzy powierzchni nieruchomoci a ich wartoci zachodzi bardzo silna, dodatnia zaleno17.
Wspczynnik determinacji
R2
2
xy
0 , 92 2 0 ,85
Zmiany wartoci nieruchomo s w 85% uwarunkowane zmianami ich powierzchni, a w 15% zmianami innych czynnikw o charakterze losowym lub pozalosowym.
Linie regresji
y a y by x
17
Zarwno w przedstawionym przykadzie, jak i zaproponowanych zadaniach oparto si na maych prbach. W zwizku z tym, naleaoby zweryfikowa istotno zalenoci midzy zmiennymi
za pomoc testu dla wspczynnika korelacji liniowej. Kwestia ta zostaa jednak pominita w niniejszym opracowaniu, bo stanowi element wnioskowania statystycznego, a nie statystyki opisowej.
72
s( y)
(x x)
s( x)
92 ,19
y 305 , 38 0 , 92
( x 177 )
61 , 96
y y r xy
y 1, 37 x 63 , 09
Przy wzrocie powierzchni nieruchomoci o 1 m2 mona spodziewa si wzrostu

wartoci rednio o 1,37 tys. z.
x a x bx y
s(x)
( y y)
s( y)
61 ,96
x 177 0 ,92
( y 305 , 38 )
92 ,19
x x r xy
x 0 , 62 y 11 ,82
Wzrost wartoci nieruchomoci o 1 tys. z oznacza, e powierzchnia zwikszya

si rednio o 0,62 m2.
Linie regresji graficznie
y 1, 37 x 63 , 09
x 0 , 62 y 11 ,82
(0; 63,09) (250; 405,59)

(50,18; 100) (236,18; 400)
73
Warto nieruchomoci o powierzchni 150 m2
y 1, 37 x 63 , 09
x = 150
y 1, 37 150 63 , 09 268 , 59
Warto nieruchomoci o powierzchni 150 m2 wynosiaby 268,59 tys. z, gdyby

korelacja bya doskonaa (zaleno funkcyjna, linie regresji pokrywayby si,
r = 1). Poniewa tak nie jest, dokonany szacunek naley skorygowa o bd standardowy szacunku (odchylenie standardowe skadnika resztowego):
S y s ( y ) 1 r xy 92 ,19 1 0 ,92 2 36 ,13 ,
2
268,59 36,13 < y x 150 < 268,59 + 36,13 ,
232,46 < y x 150 < 304,72 .

Warto nieruchomoci o powierzchni 150 m2 powinna waha si w granicach od
232,46 do 304,72 tys. z.
Powierzchnia nieruchomoci, ktrej warto wynosi 200 tys. z
x 0 , 62 y 11 ,82
y = 200
x 0 , 62 200 11 ,82 112 ,18
Powierzchnia nieruchomoci, ktrej warto wynosi 200 tys. z byaby rwna

112,18 m2, gdyby korelacja bya doskonaa (zaleno funkcyjna, linie regresji
pokrywayby si, r = 1). Poniewa tak nie jest, dokonany szacunek naley skorygowa o bd standardowy szacunku (odchylenie standardowe skadnika resztowego):
S x s ( x ) 1 r xy 61 ,96 1 0 ,92 2 24 , 28 ,
2
112,18 24,28 < x y 200 < 112,18 + 24,28 ,
87,9 < x y 200 < 136,46 .

Powierzchnia nieruchomoci, ktrej warto wynosi 200 tys. z powinna waha si
w granicach od 87,9 do 136,46 m2.
74
Wspczynnik zmiennoci resztowej
Sy
36 ,13
100
100 11 ,83 %
305 ,38
y
Wahania losowe stanowi 11,83% redniej wartoci nieruchomoci.

Przykad 3.4.2.
Jednostkowe koszty produkcji oraz wielko produkcji pewnego dobra w siedmiu

przedsibiorstwach nalecych do tej samej brany zostay przedstawione w poniszej tabeli.
Wielko produkcji
(w tys. szt.)
34
46
60
82
86
90
100
Jednostkowe koszty
produkcji (w z)
120
100
76
68
64
60
56
rd o : Dane umowne.

oszacowa koszt jednostkowy w przedsibiorstwie produkujcym 70 tys.
sztuk,
obliczy ile powinna wynosi wielko produkcji w przedsibiorstwie, w ktrym koszt jednostkowy ksztatuje si na poziomie 80 z.
75
Rozwizanie
Diagram korelacyjny
yi 150
120
90
60
30
0
0
20
40
60
80
100
120
xi
Z diagramu korelacyjnego wynika, e midzy wielkoci produkcji a jednostkowym kosztem produkcji pewnego dobra zachodzi ujemny zwizek korelacyjny,
tzn. wraz ze wzrostem wielkoci produkcji maleje koszt jednostkowy, i odwrotnie.
Jednostkowe
koszty
produkcji
w z (yi)
xi x
yi y
( x i x )2
34
120
-37,14
42,29
1 379,59
1 788,08
-1 570,61
46
100
-25,14
22,29
632,16
496,65
-560,33
60
76
-11,14
-1,71
124,16
2,94
19,10
82
68
10,86
-9,71
117,88
94,37
-105,47
86
64
14,86
-13,71
220,73
188,08
-203,76
90
60
18,86
-17,71
355,59
313,80
-334,04
100
56
28,86
-21,71
832,73
471,51
-626,61
498
544
3 662,84
3 355,43
-3 381,72
Wielko
produkcji
w tys. szt.
(xi)
yi
y )2
( xi x )
*(
yi y )
76

N
xa
i 1
ya
498 / 7 71,14
i 1
544 / 7 77,71
2
x x
n
s ( x)
i 1
y y
n
3662,84
22,87
7
s( y )
i 1
3355,43
21,89
7
Wspczynnik korelacji liniowej Pearsona

n
r xy
(x
i 1
x )( y i y )
n s( x) s( y)
3381 , 72
0 ,97
7 22 ,87 21 ,89
Midzy wielkoci produkcji a jednostkowym kosztem produkcji pewnego dobra

zachodzi bardzo silna, ujemna zaleno.
R2
xy
( 0 , 97 ) 2 0 , 94
Zmiany jednostkowych kosztw produkcji pewnego dobra s w 94% uwarunkowane zmianami wielkoci produkcji, a w 6% zmianami innych czynnikw o charakterze losowym lub pozalosowym.
Linie regresji
y a y by x
y y r xy
s( y)
(x x)
s(x)
y 77 , 71 ( 0 , 97 )
21 ,89
( x 71 ,14 )
22 ,87
y 0 , 93 x 143 , 76
Przy wzrocie wielkoci produkcji o 1 tys. sztuk, mona spodziewa si spadku

kosztu jednostkowego rednio o 0,93 z.
77
x a x bx y
s(x)
( y y)
s( y)
22 ,87
x 71 ,14 ( 0 ,97 )
( y 77 , 71 )
21 ,89
x x r xy
x 1, 01 y 149 ,89
Wzrost jednostkowego kosztu produkcji o 1 z oznacza, e wielko produkcji

zmniejszya si rednio o 1,01 tys. sztuk.
Linie regresji graficznie
y 0 , 93 x 143 , 76
x 1, 01 y 149 ,89
(0; 143,76) (100; 50,76)

(48,89; 100) (99,39; 50)
78
Koszt jednostkowy w przedsibiorstwie produkujcym 70 tys. sztuk
y 0 , 93 x 143 , 76
x = 70
y 0 , 93 70 143 , 76 78 , 66
Koszt jednostkowy w przedsibiorstwie produkujcym 70 tys. sztuk pewnego dobra, wynosiby 78,66 z, gdyby korelacja bya doskonaa (zaleno funkcyjna,
linie regresji pokrywayby si, r = 1). Poniewa tak nie jest, dokonany szacunek
naley skorygowa o bd standardowy szacunku (odchylenie standardowe skadnika resztowego):
S y s ( y ) 1 r xy 21 ,89 1 ( 0 ,97 ) 2 5 ,32 ,
2
78,66 5,32 < y x 70 < 78,66 + 5,32 ,
73,34 < y x 70 < 83,98 .

Koszt jednostkowy w przedsibiorstwie produkujcym 70 tys. sztuk powinien waha si w granicach od 73,34 do 83,98 z.
Wielko produkcji w przedsibiorstwie, w ktrym koszt jednostkowy ksztatuje
si na poziomie 80 z
x 1, 01 y 149 ,89
y = 80
x 1, 01 80 149 ,89 69 , 09

si na poziomie 80 z, wynosiaby 69,09 tys. sztuk, gdyby korelacja bya doskonaa (zaleno funkcyjna, linie regresji pokrywayby si, r = 1). Poniewa tak nie
jest, dokonany szacunek naley skorygowa o bd standardowy szacunku (odchylenie standardowe skadnika resztowego):
S x s ( x ) 1 r xy 22 ,87 1 ( 0 ,97 ) 2 5 ,56 ,
2
69,09 5,56 < x y 80 < 69,09 + 5,56 ,
63,53 < x y 80 < 74,65 .

si na poziomie 80 z, powinna waha w granicach od 63,53 do 74,65 tys. sztuk.
79
Sy
5 ,32
100
100 6 ,85 %
77 , 71
y
Wahania losowe stanowi 6,85% redniej wysokoci jednostkowych kosztw produkcji.

3.5. Zadania
Zadanie 3.5.1.
Liczba zawartych maestw i orzeczonych rozwodw w siedmiu wojewdztwach

wschodniej Polski (mazowieckie, maopolskie, lubelskie, podkarpackie, podlaskie,
witokrzyskie, warmisko-mazurskie) ksztatowaa si w 2008 roku nastpujco:
Liczba zawartych
maestw (w tys.)
34,0
22,0
14,8
13,9
7,8
8,6
10,0
Liczba orzeczonych
rozwodw (w tys.)
9,2
4,4
1,9
2,3
1,8
1,3
2,8
Na podstawie danych zawartych w powyszej tabeli naley:

oszacowa liczb rozwodw w wojewdztwie, w ktrym zostaoby zawartych
15 tys. maestw,
obliczy ile powinna wynosi liczba zawartych maestw w wojewdztwie,
w ktrym liczba orzeczonych rozwodw wynosiaby 5 tys.
Zadanie 3.5.2.
W siedmiu wojewdztwach zachodniej Polski (lubuskie, wielkopolskie, zachodniopomorskie, dolnolskie, opolskie, kujawsko-pomorskie, pomorskie) odnotowano w 2007 r. nastpujc liczb zarejestrowanych samochodw osobowych
oraz liczb wypadkw drogowych:
80
Liczba samochodw
(w tys. sztuk)
405,9
1 483,1
570,6
1 097,2
429,6
733,8
852,9
Liczba wypadkw
drogowych (w tys.)
0,9
4,9
1,9
3,1
1,1
2,0
3,1
rdo: Transport wyniki dziaalnoci w 2007 r., GUS, Warszawa 2008 oraz Bank Danych Regionalnych GUS.
Na podstawie danych zawartych w powyszej tabeli naley:

oszacowa liczb wypadkw drogowych w wojewdztwie, w ktrym byoby
zarejestrowanych 1000 tys. samochodw osobowych,
obliczy ile powinno by zarejestrowanych samochodw osobowych w wojewdztwie, w ktrym liczba wypadkw wynosiaby 4 tys.
Zadanie 3.5.3.
W serwisie internetowym motoAllegro odnaleziono kilka ofert sprzeday samochodw marki Volkswagen Golf, odnotowujc jednoczenie rok produkcji aut oraz
ich cen. Informacje te przedstawiono w poniszej tabeli.
Wiek samochodu
(w latach)
Cena (w tys. z)
55
38
36
33
25
20
rdo: Serwis internetowy motoAllegro z 9 lipca 2009 r., <moto.allegro.pl>.

oszacowa cen 6-letniego samochodu marki Volkswagen Golf,
obliczy ile powinien wynosi wiek samochodu oferowanego za 30 tys. z.
81
Zadanie 3.5.4.
Przeprowadzono badanie zalenoci midzy cen biletw oferowanych przez sze

przedsibiorstw transportowych za przejazd 100 km a liczb pasaerw korzystajcych z usug tych przedsibiorstw w cigu tygodnia. Uzyskane informacje przedstawiono w poniszej tabeli.
Cena biletu za przejazd
100 km (w z)
Liczba pasaerw
15
20
25
30
35
40
440
430
430
380
360
350
rd o : Dane umowne.

oszacowa liczb pasaerw przedsibiorstwa oferujcego bilety w cenie 17 z,
oszacowa, ile bdzie wynosia cena biletu w przedsibiorstwie, z ktrego
usug korzysta 400 osb.
Zadanie 3.5.5.
Dane s dwie liniowe funkcje regresji:
y 15,6 1,4 x ,
x 11 0,7 y ,
gdzie:
x sta pracy robotnikw (w latach),
y odsetek brakw powstaych przy wytwarzaniu przez robotnikw pewnego wyrobu (w szt.).
Okrel kierunek i si zwizku korelacyjnego.
82
Zadanie 3.5.6.
Oszacowano liniowe funkcje regresji w postaci:
y 1,66 0,3 x ,
x 4,6 2,9 y .
Czy funkcje regresji zostay oszacowane poprawnie?

Zadanie 3.5.7.
Oce korelacj midzy cechami x i y w przypadku, gdy rwnania regresji maj

posta:
y 3,
x 5.
Zadanie 3.5.8.
W pewnym zakadzie ustalono zaleno midzy czasem nieprzerwanej pracy

(w h) a wydajnoci pracy (w sztukach/h) w odniesieniu do 10 pracownikw zatrudnionych bezporednio przy produkcji. Otrzymano wspczynnik korelacji na
poziomie r = -1,08. Zinterpretuj wynik.
Zadanie 3.5.9.
Ponisze rwnanie regresji przedstawia zaleno pomidzy czasem eksploatacji

kserokopiarek nalecych do pewnej firmy (x w latach) a czasem powicanym
w cigu miesica na ich konserwacje i naprawy (y w godz.):
y 0,98 x 2,64 .
Ile powinien wynosi czas przeznaczony na konserwacj i naprawy 4-letniej kserokopiarki, przy zaoeniu, e r = 1?
83
Zadanie 3.5.10.
Ponisze rwnanie regresji przedstawia zaleno pomidzy powierzchni sklepw obuwniczych w pewnym miecie (x w m2) a wysokoci ich dziennego
utargu (y w tys. z):
x 3,5 y 27,2 .
Ile powinna wynosi powierzchnia sklepu, ktry osiga dzienny utarg na poziomie
800 z, przy zaoeniu, e r = 1.
Zadanie 3.5.11.
Zbadano zaleno midzy wysokoci dochodw wasnych uzyskanych w roku

2007 przez 11 gmin miejsko-wiejskich subregionu koniskiego (x w z per capita) a odsetkiem mieszkacw tych gmin obsugiwanych przez komunalne oczyszczalnie ciekw (y w %). Otrzymano nastpujce wyniki:
r xy 0 , 672
x 886,57
y 32,26
s( x) 676,23
s ( y ) 14,32
Wyznacz rwnanie regresji przedstawiajce zaleno odsetka mieszkacw obsugiwanych przez komunalne oczyszczalnie ciekw od wysokoci dochodw
wasnych uzyskiwanych przez gminy oraz oszacuj odsetek mieszkacw obsugiwanych przez oczyszczalnie ciekw w gminie, ktra osiga dochody wasne na
poziomie 1 tys. z w przeliczeniu na mieszkaca.
Zadanie 3.5.12.
Badanie wybranej grupy studentw PWSZ w Koninie ze wzgldu na odlego ich

miejsca zamieszkania od uczelni (x w km) oraz czas dojazdu do szkoy
(y w minutach) dao nastpujce wyniki:
zwizek midzy zmiennymi opisuje nastpujca funkcja regresji:
y 2,7 x 19,12 ,
99,74% studentw mieszkao w odlegoci od 1,48 do 37,35 km od uczelni,
zrnicowanie czasu dojazdu do szkoy, mierzone odchyleniem standardowym, wynosio 17,84 minut.
84
Majc te dane naley:

okreli si i kierunek badanego zwizku korelacyjnego,
oszacowa czas dojazdu studenta mieszkajcego 20 km od uczelni.
Zadanie 3.5.13.
Badanie przeprowadzone w 10 spkach pomidzy cen ich akcji (x w z) a wysokoci dywidendy wypaconej akcjonariuszom (y w z) dostarczyo nastpujcych wynikw:
przecitna cena akcji wynosia 65,5 z , a rednia wysoko dywidendy wypaconej od jednej akcji bya rwna 6,8 z,
wspczynnik zmiennoci cen akcji wynosi 37,78%, natomiast wzgldna dyspersja wysokoci dywidendy bya rwna 48,24%,
wspczynnik korelacji miedzy wyrnionymi zmiennymi wynosi 0,99.
wyznaczy lini regresji prezentujc zaleno wysokoci dywidendy od ceny
akcji,
oszacowa wysoko dywidendy dla akcji, ktrej cena wynosiaby 200 z,
okreli, w jakim stopniu zmienno cen akcji wyjania zmienno wysokoci
dywidendy.
Zadanie 3.5.14.
Zbadano zaleno midzy wysokoci dziennego obrotu (y w z) a liczb zatrudnionych ekspedientek (x w osobach) w 10 sklepach spoywczych. Liczba
ekspedientek w sklepach objtych badaniem wynosia ogem 50 osb, a suma ich
kwadratw 310. Dzienne obroty sklepw natomiast wynosiy cznie 20880 z,
a poowa sklepw osigna obroty nie wysze ni 2072 z. Wiadomo te, e rozkad dziennych obrotw jest asymetryczny prawostronnie, a natenie tej asymetrii
wynosi 0,05. Ponadto, okazao si, e przy wzrocie liczby ekspedientek o 1 osob
mona spodziewa si wzrostu dziennego obrotu rednio o 381 z. Na podstawie
tych informacji naley:
okreli si badanego zwizku i jego kierunek,
oszacowa dzienny obrt w sklepie zatrudniajcym 12 ekspedientek,
wyjani, czy jest moliwe, by wicej ni 10% zmiennoci dziennego obrotu
nie zostao wyjanione przez oszacowan funkcj regresji.
85
Zadanie 3.5.15.
Analizujc zaleno midzy staem pracy osb zatrudnionych w pewnej firmie

(x w latach) a wysokoci ich miesicznych zarobkw (y w tys. z), uzyskano
nastpujce informacje:
przecitny sta pracy wynosi 7,75 lat, a przecitny zarobek 2,68 tys. z,
wspczynnik zmiennoci stau pracy wynosi 48,6%, a wspczynnik dla pac
38,54%,
wspczynnik korelacji midzy staem a wysokoci pac by rwny 0,75.
wyznaczy w sposb rachunkowy lini regresji przedstawiajc zaleno wysokoci zarobkw od stau pracy,
oszacowa wysoko pacy dla 10-letniego stau pracy,
wyjani, czy prawd jest, e zmienno stau pracy wyjania zmienno zarobkw zatrudnionych osb w 75%.
Zadanie 3.5.16.
W pewnym przedsibiorstwie zebrano z lat 2000-2009 informacje o wielkoci

produkcji (w tys. sztuk) i cakowitych kosztach produkcji (w tys. z) w celu okrelenia zalenoci midzy nimi. Okazao si, e:
przecitna wielko produkcji wynosia 149,9 tys. sztuk, a jej odchylenie standardowe 89,45 tys. sztuk,
czne koszty produkcji w badanym okresie wynosiy 924 tys. z,
wspczynnik korelacji liniowej ksztatowa si na poziomie 0,95,
odchylenie standardowe skadnika resztowego (bd standardowy) przy szacowaniu cakowitych kosztw produkcji wzgldem wielkoci produkcji byo
rwne 9,84 tys. z.
Majc powysze dane naley:
okreli, czy przy wzrocie wielkoci produkcji o 1 tys. sztuk mona spodziewa si zwikszenia kosztw cakowitych przecitnie o 500 z,
ustali, czy jest moliwe, aby 15% zmiennoci kosztw zaleao od innych
czynnikw ni wielko produkcji,
oszacowa przy jakiej wielkoci produkcji koszty wynios 100 tys. z.
86
Zadanie 3.5.17.
Na podstawie informacji o czstotliwoci korzystania z internetu przez studentw

specjalnoci ekonomicznych PWSZ w Koninie (studia dzienne, rok akademicki
2004/2005) oraz ich miejsca zamieszkania, zbudowano ponisz tabel korelacyjn.
Miejsce
zamieszkania
Czstotliwo korzystania z internetu

codziennie
2-3 razy
w tygodniu
raz w tygodniu
rzadziej
Konin
68
26
19
31
miasta powiatowe
13
17
13
22
inne miejscowoci
28
41
56
108
rd o : Opracowanie wasne na podstawie bada ankietowych SKN Modych Ekonomistw.
Posugujc si powyszymi informacjami naley ustali, czy o czstotliwoci korzystania z internetu decyduje miejsce zamieszkania studentw (wykorzysta skorygowany wspczynnik kontyngencji, wspczynnik Czuprowa oraz wspczynnik zbienoci V-Cramera).
4. ANALIZA DYNAMIKI ZJAWISK

Analiza struktury zbiorowoci i analiza wspzalenoci zjawisk pozwalaj scharakteryzowa zbiorowo statystyczn pod wzgldem jednej lub kilku cech zmiennych (w izolacji lub powizaniu), ale tylko w ujciu statycznym. Z kolei zmiany
poziomu cechy zmiennej w czasie mona oceni dziki analizie dynamiki zjawisk.
Zakres analizy dynamiki zjawisk:
metody indeksowe,
dekompozycja szeregu czasowego.
4.2. Metody indeksowe
Zmiany, jakie zaszy w poziomie i strukturze badanego zjawiska w czasie mona

okreli za pomoc wskanikw dynamiki. W zalenoci od przyjtej podstawy
porwna wyrnia si:
wskaniki dynamiki o podstawie staej (jednopodstawowe), ktre okrelaj
zmiany (wzrosty, spadki), jakie nastpiy w poziomie badanego zjawiska w kolejnych okresach (momentach) w porwnaniu z okresem (momentem) podstawowym,
wskaniki dynamiki o podstawie zmiennej (acuchowe), ktre okrelaj
zmiany (wzrosty, spadki), jakie nastpiy w poziomie badanego zjawiska w kolejnych okresach (momentach) w porwnaniu z okresem (momentem) bezporednio poprzedzajcym okres (moment) badany.
Podzia wskanikw dynamiki:
przyrosty:
o absolutne,
o wzgldne;
indeksy dynamiki:
o indywidualne,
o agregatowe:
wielkoci absolutnych,
wielkoci stosunkowych.
88
4. Analiza dynamiki zjawisk
4.2.1. Przyrosty absolutne
Przyrosty absolutne (bezwzgldne) s wyraone w takich samych jednostkach

miary, jak badane zjawisko. W zalenoci od przyjtej podstawy porwna wyrnia si:
przyrosty absolutne o podstawie staej, ktre okrelaj, o ile wzrs lub spad
poziom badanego zjawiska w okresie badanym w porwnaniu z okresem bazowym:
Pab / 0 yt y0 ,
gdzie:
yt poziom zjawiska w badanym okresie,
y0 poziom zjawiska w okresie bazowym,
jeeli:
o nastpi spadek poziomu zjawiska, to Pab/0 < 0,
o nastpi wzrost poziomu zjawiska, to Pab/0 > 0,
o zjawisko pozostao na niezmienionym poziomie, to Pab/0 = 0;
przyrosty absolutne o podstawie zmiennej, ktre okrelaj, o ile wzrs lub

spad poziom badanego zjawiska w okresie badanym w porwnaniu z okresem
bezporednio poprzedzajcym okres badany:
Pab / t 1 yt yt 1 ,
gdzie:
yt-1 poziom zjawiska w okresie bezporednio poprzedzajcym okres badany,
jeeli:
o nastpi spadek poziomu zjawiska, to Pab/t-1 < 0,
o nastpi wzrost poziomu zjawiska, to Pab/t-1 > 0,
o zjawisko pozostao na niezmienionym poziomie, to Pab/t-1 = 0.
4.2.2. Przyrosty wzgldne
Przyrosty wzgldne s wyraone w procentach lub w postaci uamka dziesitnego.

W zalenoci od przyjtej podstawy porwna wyrnia si:
przyrosty wzgldne o podstawie staej, ktre okrelaj, o ile procent wzrs
lub spad poziom badanego zjawiska w okresie badanym w porwnaniu
z okresem bazowym:
Pwz / 0
yt y0
y0
lub
Pwz / 0
89
yt y0
100 ,
y0
gdzie:
jeeli:
o nastpi spadek poziomu zjawiska, to Pwz/0 < 0,
o nastpi wzrost poziomu zjawiska, to Pwz/0 > 0,
o zjawisko pozostao na niezmienionym poziomie, to Pwz/0 = 0;
przyrosty wzgldne o podstawie zmiennej, ktre okrelaj, o ile procent

wzrs lub spad poziom badanego zjawiska w okresie badanym w porwnaniu
z okresem bezporednio poprzedzajcym okres badany:
Pwz / t 1
y t y t 1
y t 1
lub
Pwz / t 1
y t y t 1
100 ,
y t 1
gdzie:
jeeli:
o nastpi spadek poziomu zjawiska, to Pwz/t-1 < 0,
o nastpi wzrost poziomu zjawiska, to Pwz/t-1 > 0,
o zjawisko pozostao na niezmienionym poziomie, to Pwz/t-1 = 0.
4.2.3. Indywidualne indeksy dynamiki
Indywidualne indeksy dynamiki okrelaj stosunek poziomu badanego zjawiska,

wyraonego w takich samych jednostkach miary (pieninych lub naturalnych),
w dwch rnych okresach (momentach). W zalenoci od przyjtej podstawy
porwna wyrnia si:
indywidualne indeksy dynamiki o podstawie staej, ktre okrelaj, o ile
wzrs lub spad poziom badanego zjawiska w okresie badanym w porwnaniu
z okresem bazowym:
it / 0
yt
y0
lub
it / 0
yt
100 ,
y0
90
gdzie:
jeeli:
o nastpi spadek poziomu zjawiska, to it/0 < 1 lub it/0 < 100%,
o nastpi wzrost poziomu zjawiska, to it/0 > 1 lub it/0 > 100%,
o zjawisko pozostao na niezmienionym poziomie, to it/0 = 1 lub it/0 = 100%;
indywidualne indeksy dynamiki o podstawie zmiennej, ktre okrelaj,

o ile wzrs lub spad poziom badanego zjawiska w okresie badanym w porwnaniu z okresem bezporednio poprzedzajcym okres badany:
it / t 1
yt
lub
y t 1
it / t 1
yt
100 ,
y t 1
gdzie:
jeeli:
o nastpi spadek poziomu zjawiska, to it/t-1 < 1 lub it/t-1 < 100%,
o nastpi wzrost poziomu zjawiska, to it/t-1 > 1 lub it/t-1 > 100%,
o zjawisko pozostao na niezmienionym poziomie, to it/t-1 = 1 lub it/t-1 = 100%.
redniookresowe tempo zmian to wskanik, ktry informuje, o ile procent, przecitnie biorc, zmienia si poziom zjawiska z okresu na okres w caym przedziale
czasowym objtym obserwacj. Wskanik ten mona wyznaczy tylko wtedy, gdy
zmiany w poziomie badanego zjawiska miay charakter jednokierunkowy (albo
wzrosty, albo spadki).
Sposb obliczania redniookresowego tempa zmian:

dla danych w postaci indeksw acuchowych
S t / t 1
n 1
i
t 2
t / t 1
100 ,
91
gdzie:
it/t-1 indywidualny indeks dynamiki o podstawie zmiennej (w postaci
uamka dziesitnego),
n liczba badanych okresw;
dla danych w postaci wartoci absolutnych:
S t / t 1 n 1
yn
100 ,
y1
gdzie:
yn poziom zjawiska w ostatnim badanym okresie,
y1 poziom zjawiska w pierwszym badanym okresie,
jeeli:
o nastpowa spadek poziomu zjawiska z okresu na okres, to
S t / t 1 < 100%,
o nastpowa wzrost poziomu zjawiska z okresu na okres, to
S t / t 1 > 100%.
Na podstawie danych o redniookresowym tempie zmian mona prognozowa
poziom badanego zjawiska w przyszoci wykorzystujc w tym celu formu:
( p n )
ytp y n S t / t 1 ,
gdzie:
S t / t 1 redniookresowe tempo zmian (wyraone w postaci uamka dziesitnego),
yn poziom zjawiska w ostatnim badanym okresie,
n liczba badanych okresw,
p numer okresu, ktrego dotyczy prognoza.
4.2.4. Agregatowe indeksy dynamiki
Indeksy agregatowe (zespoowe) umoliwiaj badanie zmian zachodzcych

w zjawiskach, ktrych wielko wyraona jest w rnych jednostkach miary.
Wrd agregatowych indeksw dynamiki wyrnia si:
agregatowy indeks wartoci, ktry informuje, o ile wzrosa lub spada warto badanej grupy dbr w okresie badanym w porwnaniu z okresem podstawowym
92

n
q p
i
Iw
i 1
n
p0
100 ,
i 1
gdzie:
qi ilo w okresie badanym,
q0 ilo w okresie podstawowym,
pi cena w okresie badanym,
p0 cena w okresie podstawowym;
agregatowe indeksy iloci, ktre informuj, o ile wzrosa lub spada ilo
badanej grupy dbr w okresie badanym w porwnaniu z okresem podstawowym, przy unieruchomieniu cen na poziomie z okresu:
o podstawowego agregatowy indeks iloci Laspeyresa
n
q p
i
Iq
i 1
n
p0
100
i 1
badanego agregatowy indeks iloci Paaschego

n
q p
i
Iq
i 1
n
pi
100 .
i 1
Agregatowe indeksy iloci Laspeyresa i Paaschego okrelaj granice przedziau,

w ktrym zawarta jest prawdziwa warto indeksu, natomiast za dobre przyblienie indeksu poprawnie mierzcego zmiany iloci uznaje si agregatowy indeks
iloci Fishera. Informuje on, o ile rednio zmienia si ilo badanej grupy dbr
w okresie badanym w porwnaniu z okresem podstawowym:
F
Iq
Iq P Iq ;
93
agregatowe indeksy cen, ktre informuj, o ile wzrosy lub spady ceny badanej grupy dbr w okresie badanym w porwnaniu z okresem podstawowym,
przy unieruchomieniu iloci na poziomie z okresu:
o podstawowego agregatowy indeks cen Laspeyresa
n
p q
i
Ip
i 1
n
q0
100 ,
i 1
badanego agregatowy indeks cen Paaschego

n
p q
i
Ip
i 1
n
qi
100 .
i 1
Agregatowe indeksy cen Laspeyresa i Paaschego okrelaj granice przedziau,

w ktrym zawarta jest prawdziwa warto indeksu, natomiast za dobre przyblienie indeksu poprawnie mierzcego zmiany cen uznaje si agregatowy indeks
cen Fishera. Informuje on, o ile rednio zmieniy si ceny badanej grupy dbr
w okresie badanym w porwnaniu z okresem podstawowym:
F
Ip
I p P Ip .
4.3. Dekompozycja szeregu czasowego
Dekompozycja szeregu czasowego polega na wyodrbnieniu poszczeglnych

skadnikw szeregu czasowego i dokonaniu ich pomiaru. Do skadnikw tych nale tendencja rozwojowa (trend), wahania okresowe (sezonowe) oraz wahania
przypadkowe (losowe).
4.3.1. Wyodrbnianie tendencji rozwojowej (trendu)
Tendencja rozwojowa to powolne, regularne i systematyczne zmiany (wzrosty lub

spadki) badanego zjawiska obserwowane w dostatecznie dugim okresie, bdce
rezultatem dziaania przyczyn gwnych.
94
Schemat 4.1. Rodzaje tendencji rozwojowej

Wyodrbnienia tendencji rozwojowej (wygadzenia szeregu dynamicznego) mona dokona, wykorzystujc m.in. metody mechaniczne i analityczne.
4.3.1.1. Metoda mechaniczna rednia ruchoma
Czsto stosowana mechaniczna metoda wyrwnywania szeregw czasowych polega na obliczeniu tzw. rednich ruchomych, czyli rednich arytmetycznych
z okrelonej liczby wyrazw szeregu. Wyznaczenie rednich ruchomych polega na
zastpowaniu danych empirycznych z kolejnych okresw rednimi poziomami
z okresu badanego i kilku okresw ssiednich, dziki czemu eliminuje si wystpujce wahania.
Jeeli kolejne wartoci szeregu dynamicznego (chronologicznego) oznaczymy
jako y1, y2 yn , to redni ruchom oblicza si w nastpujcy sposb:
rednia ruchoma trzyokresowa
_
yn 1
yn 2 yn 1 yn
,
3
rednia ruchoma piciookresowa

_
yn2
yn 4 yn 3 yn 2 yn 1 yn
.
5
Jeeli w szeregu wystpuj wahania sezonowe, naley obliczy rednie ruchome

obejmujce wszystkie wyrazy cyklu waha (np. dla rocznego cyklu waha wyra-
95
onego szeregiem danych miesicznych stosuje si rednie ruchome dwunastookresowe, a dla cyklu wyraonego szeregiem danych kwartalnych czterookresowe). Poniewa liczba okresw jest wtedy zazwyczaj parzysta, pojawia si problem z przyporzdkowaniem uzyskanych rednich do odpowiednich okresw. Oblicza si wwczas tzw. rednie ruchome scentrowane.
Jeeli kolejne wartoci szeregu dynamicznego (chronologicznego) oznaczymy
jako y1, y2 yn , to redni ruchom scentrowan czterookresow oblicza si
w nastpujcy sposb:
y n2
1
1
yn 4 yn 3 yn 2 yn 1 yn
2
2
.
4
4.3.1.2. Metoda analityczna metoda najmniejszych kwadratw
Najczciej stosowana analityczna metoda wyrwnywania szeregw czasowych

polega na dopasowaniu odpowiedniej funkcji matematycznej (funkcji trendu) do
danych empirycznych wedug kryterium minimalizacji sumy kwadratw odchyle
midzy wartociami teoretycznymi i empirycznymi. Std nazwa metody (metoda
najmniejszych kwadratw MNK)18.
Etapy wyznaczania funkcji trendu:
wybr klasy aproksymanty trendu na podstawie wykresu (o odcitych ilustruje czas, natomiast o rzdnych poziom badanego zjawiska); rozkad punktw wskazuje na posta funkcji, ktra swym ksztatem najlepiej pasuje do naniesionych wartoci empirycznych, np. funkcja liniowa, wykadnicza, paraboliczna itd.;
oszacowanie parametrw funkcji trendu w przypadku funkcji liniowej
naley oszacowa parametry rwnania
y t a bt ,
18
Por. rozdz. 3.3.1. Metoda Najmniejszych Kwadratw (MNK).
96
z tego:
n
y
t 1
yt b t
t 1
b t
n
n y t t y t t
t 1
t 1
t 1
2
n t t
t 1
t 1
n
gdzie:
a poziom badanego zjawiska w okresie wyjciowym (tzn. dla t = 0),
b okresowy wzrost (b > 0) lub spadek (b < 0) wielkoci badanego zjawiska,
t numer okresu, gdzie t = 1, 2,...,n,
n liczba okresw;
ocena stopnia dobroci, czyli dopasowania oszacowanej funkcji trendu do

danych empirycznych; oceny tej dokonuje si za pomoc, m.in.:
o odchylenia standardowego skadnika resztowego, ktre informuje, o ile
rednio wartoci empiryczne odchylaj si od wartoci teoretycznych wyznaczonych na podstawie funkcji trendu:
Sy
1
nk
t 1
yt y t ,
gdzie:
k liczba szacowanych parametrw (w przypadku funkcji liniowej k = 2),
nk liczba stopni swobody,
o wspczynnika zbienoci wskazujcego, jaka cz zmiennoci badanego
zjawiska nie zostaa wyjaniona przez skonstruowan funkcj trendu;
wspczynnik przyjmuje wartoci z przedziau <0,1>, przy czym uznaje
si, e funkcja jest dobrze dopasowana do danych empirycznych, gdy
wspczynnik nie przekracza wartoci 0,2:
n
t 1
n
t
y
y
t 1
yt
97
o wspczynnika determinacji okrelajcego stopie, w jakim skonstruowana funkcja trendu wyjania zmienno badanego zjawiska; wspczynnik przyjmuje wartoci z przedziau <0,1>:
R2 1 2 ,
o wspczynnika zmiennoci resztowej informujcego, jaki odsetek redniego poziomu zjawiska w badanym okresie stanowi wahania przypadkowe:
V Sy
Sy
yt
100 .
4.3.2. Wyodrbnianie waha okresowych (sezonowych)
Wahania okresowe to systematyczne wahania powtarzajce si w cile okrelonych odstpach czasu. Na ich wystpowanie wpyw ma najczciej pora dnia, pora
roku, zwyczaje, unormowania prawne itp.
98
Schemat 4.2. Rodzaje waha okresowych

Wyodrbnienia waha sezonowych mona dokona za pomoc rnych metod,

ktrych wybr zaley od tego, czy wahania te wspwystpuj z trendem, czy te
nie, oraz od amplitudy waha. Najpopularniejsze metody to:
metoda rednich jednoimiennych okresw,
metoda wskanikw.
4.3.2.1. Metoda rednich jednoimiennych okresw
Metoda rednich jednoimiennych okresw jest stosowana w przypadku niewystpowania trendu. Polega na ustaleniu wzgldnych wskanikw sezonowoci dla
kolejnych podokresw, ktre informuj, o ile procent poziom badanego zjawiska
w danym podokresie rni si od przecitnego poziomu tego zjawiska w caym
badanym okresie. Wzgldny wskanik sezonowoci wyznacza si za pomoc formuy:
w
gi
yi
y
gdzie:
y i redni poziom zjawiska dla i-tego podokresu w caym badanym okresie,
y redni poziom zjawiska dla caego badanego okresu.
W oparciu o wzgldne wskaniki sezonowoci mona wyznaczy bezwzgldne

wskaniki sezonowoci, ktre informuj, o ile poziom badanego zjawiska w da-
99
nym podokresie rni si (w wartociach absolutnych) od przecitnego poziomu

tego zjawiska w caym badanym okresie:
b
g i y ( w g i 1) .
4.3.2.2. Metoda wskanikw
Metoda wskanikw jest stosowana w przypadku wspwystpowania waha sezonowych z trendem. Polega na wyznaczeniu urednionych wskanikw sezonowoci dla poszczeglnych faz cyklu waha. Procedura wyznaczania wskanikw
rni si w zalenoci od amplitudy waha (rodzaju sezonowoci):
sezonowo addytywna charakteryzuje si sta absolutn amplitud waha;
w celu wyodrbnienia waha oblicza si tzw. surowe wskaniki sezonowoci
addytywnej, ktre informuj, o ile poziom badanego zjawiska w danym podokresie rni si (w wartociach absolutnych) od poziomu tego zjawiska wynikajcego z trendu, na skutek oddziaywania zarwno waha sezonowych, jak
i przypadkowych; wskaniki wyznacza si za pomoc nastpujcej formuy:
gi
1
ni
ni
( yt y t ) ,
i 1
gdzie:
yt faktyczny poziom badanego zjawiska,
y t - teoretyczny poziom badanego zjawiska wynikajcy z funkcji trendu,
ni liczba obliczonych rnic dla jednoimiennych podokresw.
Jeeli suma obliczonych wskanikw dla wszystkich podokresw nie jest rwna 0, wwczas naley wyznaczy czyste wskaniki sezonowoci addytywnej,
ktre informuj, o ile poziom badanego zjawiska w danym podokresie rni
si (w wartociach absolutnych) od poziomu tego zjawiska wynikajcego
z trendu, na skutek oddziaywania wycznie waha sezonowych:
S i g i wkor ,
gdzie:
wkor
g
i 1
n liczba podokresw;
100
sezonowo multiplikatywna charakteryzuje si sta wzgldn amplitud

waha; w celu wyodrbnienia waha oblicza si tzw. surowe wskaniki sezonowoci multiplikatywnej, ktre informuj, o ile procent poziom badanego
zjawiska w danym podokresie rni si od poziomu tego zjawiska wynikajcego z trendu, na skutek oddziaywania zarwno waha sezonowych, jak i przypadkowych; wskaniki wyznacza si za pomoc nastpujcej formuy:
1
gi
ni
ni
i 1
yt
yt
gdzie:
yt faktyczny poziom badanego zjawiska,
y t teoretyczny poziom badanego zjawiska wynikajcy z funkcji trendu,
ni liczba obliczonych ilorazw dla jednoimiennych podokresw.
Jeeli suma obliczonych wskanikw dla wszystkich podokresw nie jest rwna liczbie podokresw, wwczas naley wyznaczy czyste wskaniki sezonowoci multiplikatywnej, ktre informuj, o ile procent poziom badanego
zjawiska w danym podokresie rni si od poziomu tego zjawiska wynikajcego z trendu, na skutek oddziaywania wycznie waha sezonowych:
S i g i wkor ,
gdzie:
wkor
g
i 1
n liczba podokresw.
4.3.3. Wyodrbnianie waha przypadkowych (losowych)
Wahania przypadkowe s wywoane przyczynami ubocznymi lub katastroficznymi. Nie maj one wpywu na tendencj rozwojow, gdy powodujc zarwno
spadki, jak i wzrosty badanego zjawiska, w duszym okresie znosz si wzajemnie.
Dysponujc funkcj trendu oraz informacjami na temat waha sezonowych o staej
absolutnej amplitudzie (sezonowo addytywna), mona wyodrbni wahania
przypadkowe za pomoc formuy
101
z t yt y t S i ,
a przecitne zrnicowanie siy ich oddziaywania ustali przy wykorzystaniu
formuy
n
Sz
z
t 1
2
t
n ni 2
gdzie:
n liczba podokresw,
ni liczba jednoimiennych podokresw.
4.4. Przykady
Przykad 4.4.1.
Na podstawie danych dotyczcych skupu zb podstawowych w Polsce w latach

2004-2008 naley ustali przyrosty absolutne, wzgldne oraz indywidualne indeksy dynamiki. Otrzymane wyniki naley zinterpretowa.
Lata
Skup zb podstawowych
(w kg na 1 ha uytkw rolnych)
2004
371
2005
433
2006
398
2007
352
2008
350
rdo: Rolnictwo z lat 2004-2008, GUS, Warszawa.
Rozwizanie
Przyrosty absolutne
jednopodstawowe (rok 2004 = 100)
Pab / 0 yt y0
102
rok 2004 371 371 = 0

rok 2005 433 371 = 62
...
rok 2008 350 371 = -21
Skup zb podstawowych w Polsce wzrs w 2005 r. o 62 kg na 1 ha uytkw
rolnych w porwnaniu z rokiem 2004. Z kolei w 2008 r. skup zmala o 21 kg
w odniesieniu do roku 2004.
acuchowe (rok poprzedni = 100)
Pab / t 1 yt yt 1
rok 2004 371 X = X
rok 2005 433 371 = 62
rok 2008 350 352 = -2

Skup zb podstawowych w Polsce wzrs w 2005 r. o 62 kg na 1 ha uytkw
rolnych w porwnaniu z rokiem 2004. Z kolei w 2008 r. skup zmala o 2 kg w odniesieniu do roku 2007.
Przyrosty wzgldne
Pwz / 0
yt y 0
100
y0
rok 2004 [(371 371) / 371] * 100 = 0

rok 2005 [(433 371) / 371] * 100 = 16,71%
rok 2008 [(350 371) / 371] * 100 = -5,66%
Pwz / t 1
yt yt 1
100
yt 1
rok 2004 [(371 X) / X] * 100 = X

rok 2005 [(433 371) / 371] * 100 = 16,71%
rok 2008 [(350 352) / 352] * 100 = -0,57%
103
Indywidualne indeksy dynamiki
it / 0
yt
100
y0
rok 2004 (371 / 371) * 100 = 100%

rok 2005 (433 / 371) * 100 = 116,71%
rok 2008 (350 / 371) * 100 = 94,34%

Skup zb podstawowych w Polsce wzrs w 2005 r. o 16,71% w porwnaniu
z rokiem 2004. Z kolei w 2008 r. skup zmala o 5,66% w stosunku do roku 2004.
it / t 1
yt
100
y t 1
rok 2004 (371 / X) * 100 = X

rok 2005 (433 / 371) * 100 = 116,71%
rok 2008 (350 / 352) * 100 = 99,43%

Skup zb podstawowych w Polsce wzrs w 2005 r. o 16,71% w porwnaniu
z rokiem 2004. Z kolei w 2008 r. skup zmala o 0,57% w stosunku do roku 2007.
Przykad 4.4.2.
Ponisze zestawienie obrazuje wielko sprzeday trzech artykuw gospodarstwa

domowego w pewnej hurtowni oraz ich ceny w latach 2005 i 2009.
Artyku
Wielko sprzeday
(w tys. szt.)
Ceny jednostkowe (w z)
2005
2009
2005
2009
kuchnia
3,0
4,5
1300
900
lodwka
4,5
4,0
1000
1200
pralka
1,5
3,5
1100
800
rdo: Dane umowne.
104
Posugujc si indeksami zespoowymi, naley przeanalizowa dynamik wartoci

i wielkoci sprzeday oraz cen w 2009 r. w stosunku do roku 2005 dla trzech artykuw cznie. Otrzymane wyniki zinterpretowa.
Rozwizanie
Agregatowy indeks wartoci

n
q p
i
Iw
i 1
n
100
p0
11650
100 115,92%
10050
i 1
Warto sprzeday trzech artykuw gospodarstwa domowego w pewnej hurtowni

wzrosa w roku 2009 o 15,92% w porwnaniu z rokiem 2005.
Agregatowe indeksy iloci
Laspeyresa
n
q p
i
Iq
i 1
n
100
p0
13700
100 136,32%
10050
i 1
Wielko sprzeday trzech artykuw gospodarstwa domowego w pewnej hurtowni wzrosa w roku 2006 o 36,32% w porwnaniu z rokiem 2002, przy zaoeniu
staych cen z roku 2002.
Paaschego
n
q p
i
Iq
i 1
n
pi
100
11650
100 125,27%
9300
i 1
Wielko sprzeday trzech artykuw gospodarstwa domowego w pewnej hurtowni wzrosa w roku 2009 o 25,27% w porwnaniu z rokiem 2005, przy zaoeniu
staych cen z roku 2005.
105
Fishera
L
Iq
Iq P Iq 136,32 125,27 130,68%
Wielko sprzeday trzech artykuw gospodarstwa domowego w pewnej hurtowni wzrosa w roku 2009 w porwnaniu z rokiem 2005 rednio o 30,68%.
Agregatowe indeksy cen
Laspeyresa
n
p q
i
Ip
i 1
n
100
q0
9300
100 92,54%
10050
i 1
Ceny trzech artykuw gospodarstwa domowego w pewnej hurtowni zmalay

w 2009 r. o 7,46% w porwnaniu z 2005 r., przy zaoeniu staych wielkoci
sprzeday z 2005 r.
Paaschego
n
p q
i
Ip
i 1
n
qi
100
11650
100 85,04%
13700
i 1

w 2009 r. o 14,96% w porwnaniu z 2005 r., przy zaoeniu staych wielkoci
sprzeday z 2009 r.
Fishera
Ip
Ip P Ip 92,54 85,04 88,71%

w roku 2009 w porwnaniu z rokiem 2005 rednio o 11,29%
106

Przyrosty wzgldne
Indeksy dynamiki
Przyrosty absolutne
Skup zb pod(w %)
(w %)
stawowych
Rok
Rok
Rok
(w kg na 1 ha
uytkw rolnych) 2004 = 100 poprzedni = 2004 = 100 poprzedni = 2004 = 100 poprzedni =
= 100
= 100
= 100
Lata
2004
371
0,00
100,00
2005
433
62
62
16,71
16,71
116,71
116,71
2006
398
27
-35
7,28
-8,08
107,28
91,92
2007
352
-19
-46
-5,12
-11,56
94,88
88,44
2008
350
-21
-2
-5,66
-0,57
94,34
99,43

Artyku
Kuchnia
Lodwka
Pralka
Wielko sprzeday
(w tys. szt.)
Ceny jednostkowe
(w z)
q0 * p0
qi * pi
qi * p0
q0 * pi
900
1200
800
3 900
4 500
1 650
4 050
4 800
2 800
5 850
4 000
3 850
2 700
5 400
1 200
10 050
11 650
13 700
9 300
2005 (q0)
2009 (qi)
2005 (p0)
2009 (pi)
3,0
4,5
1,5
4,5
4,0
3,5
1300
1000
1100
Przykad 4.4.3.
Liczba aptek w Polsce w latach 2000-2008 przedstawiaa si nastpujco:

Lata
2000
2001
2002
2003
2004
2005
2006
2007
2008
Liczba aptek
(w tys.)
8,3
9,0
9,3
9,6
9,8
10,0
10,3
10,6
10,6
rd o : Rocznik Statystyczny Rzeczypospolitej Polskiej z lat 2001-2009, GUS, Warszawa.
107
Wyznacz tendencj rozwojow w sposb analityczny. Oszacuj liczb aptek w roku

2011 oraz oce stopie dopasowania funkcji trendu do danych empirycznych.
Rozwizanie
Apteki w Polsce w latach 2000-2008
yt 12
10
8
6
4
2
0
2000
2001
2002
2003
2004
2005
2006
2007
2008
t
Z wykresu wynika, e liczba stacji aptek w Polsce w latach 2000-2008 wzrastaa

z roku na rok (wyjtek stanowi jedynie rok 2004). Rozkad punktw wskazuje, e
tendencj t mona opisa za pomoc funkcji liniowej w postaci y t a bt .

Okresowy wzrost/spadek badanego zjawiska
t 1
t 1
t 1
2
n y t t y t t
n
n
n t 2 t
t 1
t 1
9 453,9 87,5 45
0,27
9 285 45 2
Liczba aptek w Polsce w latach 2000-2008 wzrastaa z roku na rok rednio

o 0,27 tys.
Poziom zjawiska w okresie wyjciowym tzn. w roku 1999 (t = 0)
n
y
t 1
b t
n
t 1
87,5 0,27 45
8,37
9
108
Liczba aptek w roku 1999 wynosia teoretycznie 8,37 tys.; teoretycznie, tzn. gdyby
na zjawisko nie oddziayway wahania przypadkowe (gdyby przebiegao ono
zgodnie z oszacowan funkcj trendu).
Funkcja trendu
y t a bt
y t 0,27t 8,37
Liczba aptek w roku 2011, tj. t = 12
y t 0,27t 8,37
y 12 0,27 12 8,37
y 12 11,61
Uwzgldniajc przecitny roczny wzrost liczby aptek w Polsce mona szacowa,
e w roku 2011 liczba ta wyniesie 11,61 tys. Jest to jednak szacunek obarczony
pewnym bdem i w zwizku z tym naley obliczy bd szacunku, czyli odchylenie standardowe skadnika resztowego.
Sy
1
nk
Sy
1
0 , 21 0 ,17
92
yt y t
t 1
11,61 0,17 < y 12 < 11,61 + 0,17
11,44 < y 12 < 11,78

Faktyczna liczba aptek w Polsce w latach 2000-2008 odchylaa si od liczby teoretycznej wyznaczonej na podstawie funkcji trendu rednio o 0,17 tys. W roku 2011
liczba aptek powinna waha si w granicach od 11,44 do 11,78 tys.
Wspczynnik zbienoci
2
yt y t
0 , 21 0 , 04
t 1n
2
4 , 70
y t yt
t 1
109
Tylko 4% zmiennoci liczby aptek w Polsce w latach 2000-2008 nie zostao wyjanione przez skonstruowan funkcj trendu.
R 2 1 1 0 , 04 0 ,96
2
Okoo 96% zmiennoci liczby aptek w Polsce w latach 2000-2008 zostao wyjanione przez skonstruowan funkcj trendu.
Sy
0 ,17
Sy
100
100 1, 75 %
9 , 72
yt
Wahania losowe stanowiy 1,75% redniej liczby aptek w Polsce w latach 20002008.
Lata
2000
2001
2002
2003
2004
2005
2006
2007
2008
Liczba
aptek
(w tys.)
8,3
9,0
9,3
9,6
9,8
10,0
10,3
10,6
10,6
87,5
yt * t
t2
yt
yt y t
( yt y t ) 2
y y
1
2
3
4
5
6
7
8
9
45
8,30
18,00
27,90
38,40
49,00
60,00
72,10
84,80
95,40
453,90
1
4
9
16
25
36
49
64
81
285
8,64
8,91
9,18
9,45
9,72
9,99
10,26
10,53
10,80
X
-0,34
0,09
0,12
0,15
0,08
0,01
0,04
0,07
-0,20
X
0,12
0,01
0,01
0,02
0,01
0,00
0,00
0,00
0,04
0,21
2,02
0,52
0,18
0,01
0,01
0,08
0,34
0,77
0,77
4,70
110
4.5. Zadania
Zadanie 4.5.1.
Na podstawie danych dotyczcych wysokoci dochodw budetowych wielkopolskich gmin w latach 1997-2001 naley ustali przyrosty absolutne, wzgldne oraz
indywidualne indeksy dynamiki. Otrzymane wyniki zinterpretowa.
1997
Dochody budetowe
w mln z
3 181
1998
3 775
1999
2 709
2000
2 938
2001
3 176
Lata
rd o : Rocznik Statystyczny Wojewdztwa Wielkopolskiego z lat 2000-2002,

US w Poznaniu, Pozna oraz Bank Danych Regionalnych GUS.
Zadanie 4.5.2.
Na podstawie danych dotyczcych wysokoci wydatkw budetowych wielkopolskich gmin w latach 1997-2001 naley ustali przyrosty absolutne, wzgldne oraz
indywidualne indeksy dynamiki. Otrzymane wyniki zinterpretowa.
1997
Wydatki budetowe
w mln z
3 287
1998
3 917
1999
2 788
2000
3 108
2001
3 326
Lata
rd o : Rocznik Statystyczny Wojewdztwa Wielkopolskiego z lat 2000-2002,

US w Poznaniu, Pozna oraz Bank Danych Regionalnych GUS.
111
Zadanie 4.5.3.
Liczba mieszkacw miasta Konina w latach 2003-2008 przedstawiaa si nastpujco (stan na 31 grudnia):
Lata
2003
2004
2005
2006
2007
2008
Liczba mieszkacw
81 774
81 266
80 838
80 471
80 140
79 829
99,38
99,47
99,55
99,59
99,61
Indeksy (rok
poprzedni = 100)
rdo: Ludno. Stan i struktura w przekroju terytorialnym z lat 2003-2008, GUS, Warszawa.
Na podstawie powyszych informacji:

ustali, o ile, przecitnie biorc, liczba mieszkacw malaa z roku na rok,
dokona prognozy na rok 2011.
Zadanie 4.5.4.
Ponisze zestawienie obrazuje wielko spoycia trzech artykuw nabiaowych

przez czteroosobow rodzin oraz ich ceny w latach 2004 i 2009.
Artyku
Wielko spoycia
2004
2009
2004
2009
440
400
1,20
1,50
maso (w kg)
12
10
6,20
7,10
jaja (w szt.)
350
325
0,35
0,25
mleko (w litrach)
rdo: Dane umowne.
Posugujc si indeksami zespoowymi, przeanalizowa dynamik wartoci i wielkoci spoycia oraz cen w 2009 r. w stosunku do roku 2004 dla trzech artykuw
cznie. Otrzymane wyniki zinterpretowa.
112
Zadanie 4.5.5.
Ponisze zestawienie obrazuje wielko sprzeday trzech artykuw spoywczych

w pewnym sklepie oraz ich ceny w latach 2005 i 2008.
Artyku
Wielko sprzeday
2005
2008
2005
2008
kawa (w opak.)
900
1 100
4,2
3,8
dem (w szt.)
660
620
2,5
2,2
cukier (w kg)
860
800
3,0
3,3
rdo: Dane umowne.
Posugujc si indeksami zespoowymi przeanalizowa dynamik wartoci i wielkoci sprzeday oraz cen w 2008 r. w stosunku do roku 2005 dla trzech artykuw
cznie. Otrzymane wyniki zinterpretowa.
Zadanie 4.5.6.
Wykorzystujc dane zawarte w poniszej tabeli, zbada dynamik wartoci i wielkoci sprzeday oraz cen czterech produktw rolnych oferowanych przez pewnego
rolnika w sierpniu 2008 r. w porwnaniu z sierpniem 2007 r. Otrzymane wyniki
zinterpretowa.
Produkt
Ceny sprzeday (w z/kg)
Wielko sprzeday (w kg)
VIII 2007
VIII 2007
VIII 2008
ziemniaki
0,5
2 000
ogrki
3,0
500
pomidory
4,5
1 000
papryka
5,0
200
VIII 2008
rdo: Dane umowne.
Brakujce miejsca w tabeli uzupeni w oparciu o nastpujce informacje:

absolutne przyrosty wielkoci sprzeday w sierpniu 2008 r. w porwnaniu
z sierpniem 2007 r. uksztatoway si na nastpujcym poziomie:
o ziemniaki: 500 kg,
113
o ogrki: 200 kg,

o pomidory: 500 kg,
o papryka: 50 kg;
indywidualne indeksy dynamiki cen uksztatoway si w sierpniu 2008 r.
w porwnaniu z sierpniem 2007 r. na nastpujcym poziomie (VIII 2007 =
= 100%):
o ziemniaki: 260%,
o ogrki: 50%,
o pomidory: 44,44%,
o papryka: 90%.
Zadanie 4.5.7.
Wykorzystujc dane zawarte w poniszej tabeli zbada dynamik wartoci i wielkoci importu oraz cen czterech wyrobw papierniczych w pewnej hurtowni
w lutym 2009 r. w porwnaniu z lutym 2006 r. Otrzymane wyniki zinterpretowa.
Wyrb
Ceny zakupu
(w euro/opak.)
II 2006
II 2009
Wielko importu
(w tys. opakowa)
II 2006
papier
13
karton
15
tektura
11
bibua
12
II 2009
rdo: Dane umowne.
Brakujce miejsca w tabeli uzupeni w oparciu o nastpujce informacje:

absolutne przyrosty wielkoci importu w lutym 2009 r. w porwnaniu z lutym
2006 r. uksztatoway si na nastpujcym poziomie:
o papier: 1 tys. opakowa,
o karton: 8 tys. opakowa,
o tektura: +3 tys. opakowa,
o bibua: 2 tys. opakowa;
indywidualne indeksy dynamiki cen uksztatoway si w lutym 2009 r. w porwnaniu z lutym 2006 r. na nastpujcym poziomie (II 2006 = 100%):
o papier: 120%,
o karton: 133,33%,
o tektura: 90,90%,
o bibua: 114,29%.
114
Zadanie 4.5.8.
Liczba osb pracujcych w Polsce w ochronie zdrowia i pomocy spoecznej

w latach 1999-2007 przedstawiaa si nastpujco:
Lata
Liczba pracujcych (w tys.)
1999
967,0
2000
908,2
2001
869,0
2002
851,7
2003
704,8
2004
703,8
2005
707,1
2006
715,4
2007
737,9
Wyznacz tendencj rozwojow w sposb mechaniczny, wykorzystujc redni ruchom trzy- i piciookresow.
Sporzd wykres szeregu pierwotnego
(danych empirycznych) i szeregw
rednich ruchomych (danych teoretycznych).
rdo: Bank Danych Regionalnych GUS.
Zadanie 4.5.9.
Liczba mieszka oddanych do uytkowania w Polsce w latach 1999-2008 ksztatowaa si nastpujco:

Lata
Liczba mieszka oddanych

do uytkowania (w tys.)
1999
82,0
2000
87,8
2001
106,0
2002
97,6
2003
162,7
2004
108,1
2005
114,1
2006
115,4
2007
133,7
2008
165,2
Wyznacz tendencj rozwojow w sposb mechaniczny, wykorzystujc

redni ruchom trzy- i piciookresow. Sporzd wykres szeregu pierwotnego (danych empirycznych)
i szeregw rednich ruchomych (danych teoretycznych).
rdo: Warunki ycia ludnoci z lat 1999-2008, GUS, Warszawa.
115
Zadanie 4.5.10.
Lata
2003
2004
2005
Pora roku
wiosna
lato
jesie
zima
wiosna
lato
jesie
zima
wiosna
lato
jesie
zima
Liczba turystw
(w tys.)
649
999
721
332
801
1275
886
424
910
1389
956
467
W niniejszej tabeli przedstawiona

zostaa liczba turystw zagranicznych
korzystajcych z obiektw hotelowych w Polsce w latach 2003-2005.
Na podstawie dostpnych informacji
wyznacz tendencj rozwojow w sposb mechaniczny. Sporzd wykres
szeregu pierwotnego (danych empirycznych) i szeregw rednich ruchomych (danych teoretycznych).
rdo: Opracowanie wasne na podstawie Turystyka z lat 2003-2005, GUS, <www.stat.gov.pl>.
Zadanie 4.5.11.
Lata
2003
2004
2005
Kwarta
Stopa bezrobocia (w %)
I
II
III
IV
I
II
III
IV
I
II
III
IV
20,6
19,4
19,4
19,3
20,7
19,1
18,2
18,0
18,9
18,1
17,4
16,7
W niniejszej tabeli przedstawiono

ksztatowanie si stopy bezrobocia
(wg metodologii BAEL) w Polsce
w latach 2003-2005.
Na podstawie dostpnych informacji
wyznacz tendencj rozwojow w sposb mechaniczny. Sporzd wykres
szeregu pierwotnego (danych empirycznych) i szeregw rednich ruchomych (danych teoretycznych).
rdo: Kwartalna informacja o aktywnoci ekonomicznej ludnoci z lat 2003-2005, GUS,

<www.stat.gov.pl>.
116
Zadanie 4.5.12.
Liczba uczniw w gimnazjach w Polsce w latach 2001-2008 ksztatowaa si nastpujco:

Lata
Liczba uczniw
(w tys.)
2001
1 743,1
2002
1 709,0
2003
1 681,2
2004
1 648,7
2005
1 596,8
2006
1 528,8
2007
1 453,2
2008
1 381,4
Wyznacz tendencj rozwojow w sposb analityczny. Oszacuj liczb gimnazjalistw w roku 2011 oraz oce stopie dopasowania funkcji trendu do
danych empirycznych.
Zadanie 4.5.13.
Dugo czynnej sieci kanalizacyjnej w Polsce w latach 1999-2008 przedstawiaa

si nastpujco:
Lata
Dugo sieci
kanalizacyjnej (w tys. km)
1999
46,8
2000
51,1
2001
55,5
2002
61,0
2003
68,9
2004
73,9
2005
80,1
2006
84,9
2007
89,5
2008
94,7
Wyznacz tendencj rozwojow w sposb analityczny. Oszacuj dugo sieci

kanalizacyjnej w roku 2012 oraz oce
stopie dopasowania funkcji trendu do
danych empirycznych.
rdo: Infrastruktura komunalna z lat 2000-2009, GUS, Warszawa.
117
Zadanie 4.5.14.
W poniszej tabeli przedstawiono dzienn warto sprzeday pieczywa (w z)

w pewnym sklepie w cigu czterech kolejnych tygodni.
Tydzie
1
2
3
4
Warto sprzeday (w z)
Pn
Wt
Cz
Pt
So
Nd
540
558
532
544
366
350
372
364
426
448
434
444
402
396
390
410
660
678
638
646
234
248
252
240
106
98
94
102
rdo: Dane umowne.
Na podstawie powyszych informacji naley wyodrbni wahania okresowe.

Zadanie 4.5.15.
Ponisza tabela przedstawia liczb zakadw sektora prywatnego w Polsce, ktre

w poszczeglnych kwartaach lat 2005-2007 zgosiy zwolnienia grupowe pracownikw.
Lata
2005
2006
2007
Kwarta
Liczba
zakadw
I
II
III
IV
I
II
III
IV
I
II
III
IV
167
304
305
335
93
118
154
153
61
81
102
107
Wiedzc, e liniowa funkcja trendu ma
posta y t 18,18t 283,18 , wyodrbnij wahania sezonowe.
rdo: Kwartalna informacja o rynku pracy z lat 2005-2007, GUS, <www.stat.gov.pl>.
118
Zadanie 4.5.16.
Ponisza tabela przedstawia liczb ofert pracy zgoszonych do urzdw pracy

w Polsce w poszczeglnych kwartaach lat 2005-2007.
Lata
2005
2006
2007
Kwarta
Liczba ofert
(w tys.)
192
II
240
III
260
IV
193
237
II
326
III
313
IV
242
300
II
366
III
323
IV
253
Wiedzc, e liniowa funkcja trendu ma
posta y t 9,43t 209,12 , wyodrbnij wahania sezonowe.
rdo: Kwartalna informacja o rynku pracy z lat 2005-2007, GUS, <www.stat.gov.pl>.
5. PODSUMOWANIE
Zadanie 5.1.
Rezultaty badania dotyczcego wysokoci miesicznych wydatkw na czasopisma

(w z) ponoszonych przez emerytw z dwch miast Konina i Koa, przedstawiaj
si nastpujco:
Parametry
Emeryci
z Konina
z Koa
xa
15
12
Me
14
13
D
xtyp
13
14
Vx
55%
Was
0,4
Wykorzystujc podane informacje

naley:
okreli zbiorowo, jednostk
i cech statystyczn,
uzupeni podany zesp parametrw,
przeprowadzi analiz porwnawcz obydwu zbiorowoci.
rd o : Dane umowne.
Zadanie 5.2.
Rezultaty badania dotyczcego powierzchni gospodarstw rolnych (w ha) w dwch

gminach Kramsk i Krzymw, przedstawiaj si nastpujco:
Parametry
Gospodarstwa
w Kramsku
w Krzymowie
xa
8,0
6,0
Me
8,6
5,4
D
xtyp
9,0
5,0
Vx
20%
Was
-0,2
Wykorzystujc podane informacje

naley:
okreli zbiorowo, jednostk
i cech statystyczn,
uzupeni podany zesp parametrw,
przeprowadzi analiz porwnawcz obydwu zbiorowoci.
rd o : Dane umowne.
120
5. Podsumowanie
Zadanie 5.3.
Ponisze rwnania regresji przedstawiaj zaleno pomidzy powierzchni

mieszka (x w m2) a ich cen (y w tys. z) w dwch miastach A i B:
miasto A: y 3,5 x 5 ,
miasto B: y 2,5 x 5 .
Wska i uzasadnij, w ktrym miecie s tasze mieszkania. Oszacuj cen 40-metrowego mieszkania w miecie A, wiedzc, e:
rxy = 0,95 ,
s(y) = 32,05 .
Zadanie 5.4.
Ponisze rwnania regresji przedstawiaj zaleno pomidzy wysokoci rocznych dochodw uytkownikw gospodarstw domowych (x w tys. euro) a spoyciem ryb w cigu roku (y w kg/osob) w dwch krajach A i B:
kraj A: y 0,5 x 0,5 ,
kraj B: y 0,8 x 0,5 .
Wska i uzasadnij, w ktrym kraju spoywa si wicej ryb. Oszacuj spoycie ryb
(w przeliczeniu na osob) w gospodarstwie z kraju B uzyskujcym roczne dochody na poziomie 20 tys. euro, wiedzc, e:
rxy = 0,93 ,
s(y) = 10 .
Zadanie 5.5.
Wspzaleno midzy miesicznymi dochodami czonkw gospodarstw domowych (x w tys. z) a ich wydatkami na zakup kaszanki (y w z) opisuj nastpujce linie regresji:
y 3 x 23,5
x 0,25 y 6,7
121

zinterpretowa rwnanie regresji opisujce zaleno wysokoci wydatkw na
kaszank od wysokoci miesicznych dochodw,
okreli kierunek oraz si zwizku korelacyjnego i zinterpretowa otrzymany
wynik.
Zadanie 5.6.
Wspzaleno midzy wielkoci sprzeday pewnego artykuu (y w kg) a jego

cen (x w z) w kolejnych miesicach 2009 r. opisuj nastpujce linie regresji:
y 20 x 277 ,
x 0,045 y 12 .

zinterpretowa rwnanie regresji opisujce zaleno wielkoci sprzeday artykuu od jego ceny,
okreli kierunek oraz si zwizku korelacyjnego i zinterpretowa otrzymany
wynik.
Zadanie 5.7.
Dynamika liczby studentw uczelni publicznych w Polsce w latach 2004-2008

ksztatowaa si nastpujco:
Lata
2004
2005
2006
2007
2008
Indeksy
(rok 2004 = 100)
100
99,13
96,74
94,85
94,09
Zinterpretuj indeks liczby studentw w 2008 r. w porwnaniu z 2004 r. Wiedzc,

e w 2005 r. liczba studentw uczelni publicznych wynosia 1319,10 tys. osb,
ustal:
absolutn liczb studentw w poszczeglnych latach,
przyrost absolutny liczby studentw w 2008 r. w porwnaniu z rokiem 2004.
122
5. Podsumowanie
Zadanie 5.8.
Dynamika liczby zarejestrowanych bezrobotnych w Polsce w latach 2004-2008

ksztatowaa si nastpujco:
Lata
2004
2005
2006
2007
2008
Indeksy
(rok 2004 = 100)
100
92,45
76,99
58,23
49,13
Zinterpretuj indeks liczby zarejestrowanych bezrobotnych w 2008 r. w porwnaniu z 2004 r. wiedzc, e w 2005 r. liczba bezrobotnych wynosia 2 mln 773 tys.
osb, ustal:
absolutn liczb zarejestrowanych bezrobotnych w poszczeglnych latach,
przyrost absolutny liczby bezrobotnych w 2008 r. w porwnaniu z rokiem
2004.
Zadanie 5.9.
Liniowa funkcja trendu dla liczby osb w wieku poprodukcyjnym (w tys.) w Polsce w latach 1995-2008 ma nastpujc posta (rdo: obliczenia wasne na podstawie Banku Danych Regionalnych GUS):
y t 5280,96 60,51t
Zinterpretuj parametry rwnania oraz oszacuj liczb osb w wieku poprodukcyjnym w 2011 r., wiedzc, e Sy = 33,10.
Zadanie 5.10.
Liniowa funkcja trendu dla liczby podmiotw sektora prywatnego (w tys.) zarejestrowanych w Polsce w latach 1998-2008 ma nastpujc posta (rdo: obliczenia wasne na podstawie Banku Danych Regionalnych GUS):
y t 2846,98 77,41t
Zinterpretuj parametry rwnania oraz oszacuj liczb podmiotw zarejestrowanych
w 2012 r., wiedzc, e Sy = 92,14.
ROZWIZANIA ZADA
_
2.8.5. xa 8,2 ; D=12; M e 8 ; Q1 5,5 ; Q3 11,5

_
2.8.6. xa 3,97 ; D=3,50; M e 3,90 ; Q1 3,50 ; Q3 4,50

_
2.8.7. xa 2,52 ; D=1; M e 2 ; Q1 1 ; Q3 4

_
2.8.8. xa 3,9 ; D=4; M e 4 ; Q1 3 ; Q3 5

_
2.8.9. xa 53,33 ; D 58,57 ; M e 55,36 ; Q1 42,50 ; Q3 63,39

_
2.8.10. xa 128,33 ; D 120 ; M e 122,92 ; Q1 71,25 ; Q3 176,39

_
2.8.11. xa 16,8 ; D 15,31 ; M e 16,64 ; Q1 13,2 ; Q3 21,07 ; R 32 ;

s( x) 6,46 ; 10,34 xtyp 23,26 ; V x 38,45% ; As 1,49 ; Was 0,23
_
2.8.12. xa 95,8 ; D 104 ; M e 97,6 ; Q1 76,25 ; Q3 114,67 ; R 160 ;
s( x) 29,84 ; 65,96 xtyp 125,64 ; V x 31,15% ; As 8,2 ; Was 0,27

_
2.8.13.a. xa 29,87 ; D 28,74 ; M e 29,09 ; Q1 27,11 ; Q3 32,15 ; R 18 ;

s( x) 3,78 ; 26,09 xtyp 33,65 ; Vx 12,65% ; Was 0,3 ; 4 3,05
_
2.8.13.b. xa 35,46 ; D 38,48 ; M e 36 ; Q1 32,66 ; Q3 38,59 ; R 18 ;
s( x) 3,77 ; 31,69 x typ 39,23 ; V x 10,63% ; Was 0,8 ; 4 2,31

_
2.8.14.a. xa 9,13 ; D 9,39 ; M e 9,24 ; Q1 7,28 ; Q3 11,07 ; R 18 ;
s( x) 3,11 ; 6,02 x typ 12,24 ; Vx 34,06% ; Was 0,08 ; 4 3,35

_
2.8.14.b. xa 7,69 ; D 7,2 ; M e 7,5 ; Q1 5,12 ; Q3 9,94 ; R 18 ;

s( x) 3,67 ; 4,02 x typ 11,36 ; Vx 47,72% ; Was 0,13 ; 4 2,82
_
2.8.16. xa 1100
2.8.19. 166 x typ 184 ; V x 5,14% ; Was 0,33
2.8.20. M e 8,5
2.8.21. mczyni: Me = 50,67; 44 xtyp 56 ; V x 12% ; Was 0,33
kobiety: D = 42; 41 xtyp 49 ; V x 8,89% ; Was 0,75

_
2.8.22. xa 1750
124
Rozwizania zada
_
2.8.23. xa 7,6 , s( x) 2,2 ; 5,4 xtyp 9,8 ; V x 28,95% ; Was 0,045 ;

4 3,07
2.8.24. M e 37,61 ; Q1 31,23 ; Q3 46,42 ; Q 7,60 ;
30,01 < kwartylowy obszar zmiennoci < 45,21; VQ 20,21% ; AQ 2,43 ;
WQ 0,16
2.8.25. k 0,684
2.8.26. k 0,64
3.5.1. r xy 0 ,95 ; R 2 0 ,9 ; y 0,28 x 1,05 ; x 3,22 y 4,95 ;
3,75< y x 20 < 5,35; 18,35 < x y 5 < 23,75; V 23 , 60 %
3.5.2. r xy 0 ,97 ; R 2 0 ,94 ; y 0,003x 0,34 ; x 270,69 y 138,38 ;
2,35 < y x 1000 < 2,97; 1133,62 < x y 4 < 1308,66; V 12 , 76 %
3.5.3. r xy 0 ,95 ; R 2 0 ,9 ; y 5,07 x 59,83 ; x 0,18 y 11,15 ;
25,95 < y x 6 < 32,87; 5,1 < x y 30 < 6,4; V 10 , 03 %
3.5.4. r xy 0 ,96 ; R 2 0 , 92 ; y 4,07 x 510,4 ; x 0,23 y 117,59 ;
431,06 < y x 17 < 451,36; 23,2< x y 400 < 27,98; V 2 ,55 %

3.5.5. r xy 0 ,99
3.5.9. y 6 ,56
3.5.10. x 30
3.5.11. y 0,014 x 19,64 ; 23,04 < y x 1000 < 44,24
3.5.12. r xy 0 , 91 ; 27,48 < y x 20 < 42,28
3.5.13. y 0,13 x 1,72 ; 23,82 < y x 200 < 24,74; R 2 0 ,98
3.5.14. r xy 0 ,97 ; 4521,62 < y x 12 < 4988,38; 2 0 , 06
3.5.15. y 0,2 x 1,13 ; 2,45 < y x 10 < 3,81; R 2 0 , 56
3.5.16. by=0,33; 2 0 ,1 ; 142,49< x y 100 < 198,35

3.5.17. C skor 0,434 ; Txy 0,25 ; Vc 0,277
125
9
78685
4.5.3. S t / t 1 99,52% ; y 2011
4.5.4. I w 103,77% ; L I q 90,46% ; P I q 90,34% ; F I q 90,4% ;

L
I p 114,87% ; P I p 114,72% ; F I p 114,79%
4.5.5. I w 102,17% ; L I q 106,99% ; P I q 106,15% ; F I q 106,57% ;

L
I p 96,25% ; P I p 95,5% ; F I p 95,87%
4.5.6. I w 97,81% ; L I q 126,88% ; P I q 125,2% ; F I q 126,04% ;

L
I p 78,13% ; P I p 77,09% ; F I p 77,61%
4.5.7. I w 93,01% ; L I q 84,41% ; P I q 79,72% ; F I q 82,03% ;

L
I p 116,67% ; P I p 110,19% ; F I p 113,38%
4.5.12. y t 51,43t 1824,21 ; 1231,91 < y 11 < 1285,05 0 , 04 ;

R 2 0 ,96 ; V
Sy
1, 67 %
4.5.13. y t 5,51t 40,34 ; 116,46 < y 14 < 118,50; 0 , 003 ; R 2 0 ,997 ;
Sy
1, 44 %
4.5.15. S I 0,53 ; S II 0,88 ; S III 1,16 ; S IV 1,42

4.5.16. g I 13,27 ; g II 44,97 ; g III 23,53 ; g IV 55,23 ; S i g i
5.1. Emeryci z Konina: s ( x) 5 ; 10 xtyp 20 ; V x 33,33% ,
emeryci z Koa: s ( x) 6,6 ; 5,4 xtyp 18,6 ; Was 0,3

5.2. Gospodarstwa w Kramsku: s ( x) 5 ; 3 xtyp 13 ; V x 62,5% ,
gospodarstwa w Krzymowie: s ( x) 1,2 ; 4,8 xtyp 7,2 ; Was 0,83
5.3. 125 < y x 40 < 145
5.4. 12,82 < y x 20 < 20,18

5.5. r xy 0 ,87
5.6. r xy 0 ,95
5.7. Pab / 0 78,64
5.8. Pab / 0 1525,83
5.9. 6276,53 < y 17 < 6342,73
5.10. 3915,99 < y 15 < 4100,27
BIBLIOGRAFIA
Chromiska M., Ignatczyk W., Statystyka. Teoria i zastosowanie, WSB, Pozna
2004.
Jwiak J., Podgrski J., Statystyka od podstaw, PWE, Warszawa 2009.
Kukua K., Elementy statystyki w zadaniach, PWN, Warszawa 2003.
Metody statystyczne. Teoria i zadania, red. C. Domaski, U, d 2001.

Metody statystyczne. Zarys teorii, przykady i zadania, red. J. Suchecka, Wydzia
Zarzdzania Politechniki Czstochowskiej, Czstochowa 2002.
Podgrski J., Statystyka dla studiw licencjackich, PWE, Warszawa 2005.
Puaska-Turyna B., Statystyka dla ekonomistw, Difin, Warszawa 2005.
Sobczyk M., Statystyka, PWN, Warszawa 2007.
Statystyka pod red. J. Paradysza, AE, Pozna 2005.

Statystyka. Zbir zada, red. H. Kassyk-Rokicka, PWE, Warszawa 2005.
Trzpiot G., Koczak G., Statystyka opisowa w przykadach i zadaniach, GWSH,
Katowice 2009.
Zelia A., Paweek B., Wanat S,, Metody statystyczne. Zadania i sprawdziany,
PWE, Warszawa 2002.
Wysocki F., Lira J., Statystyka opisowa, AR, Pozna 2007.

Artur Zimny Statystyka Opisowa Ksiazka PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Artur Zimny Statystyka Opisowa Ksiazka PDF

Uploaded by

Copyright:

Available Formats

Pastwowa Wysza Szkoa Zawodowa w Koninie

Copyright by Pastwowa Wysza Szkoa Zawodowa w Koninie

3. ANALIZA WSPZALENOCI ZJAWISK ............................................. 62

1.3. Istota i etapy badania statystycznego

A. Zimny, Statystyka opisowa

Tablica statystyczna suy do prezentacji zebranego materiau statystycznego za

Metody analizy statystycznej

Schemat 1.1. Podzia metod analizy statystycznej

1.6. Zastosowanie programw komputerowych w statystyce

A. Zimny, Statystyka opisowa

dokonywanie statystycznych porwna midzynarodowych i ogaszanie ich

A. Zimny, Statystyka opisowa

Przykady cech statystycznych (zmiennych)

19, 20, 22, 21, 19, 23, 19

173, 181, 185, 179, 176,

filologia, fizjoterapia, informacja naukowa

ilociowa (mierzalna), skokowa

Porzdkowanie materiau statystycznego szereg prosty

A. Zimny, Statystyka opisowa

Ustalenie rozpitoci przedziaw klasowych:

Grna granica przedziau pokrywa si z doln granic przedziau nastpnego, wic

rd o : Opracowanie wasne na podstawie Bezrobotni oraz stopa bezrobocia

Szereg o rwnych przedziaach klasowych, otwarty doem i gr

Liczba osb (w tys.)

rdo: Opracowanie wasne na podstawie Banku Danych Regionalnych GUS, 2008.

A. Zimny, Statystyka opisowa

Szereg o nierwnych przedziaach klasowych, otwarty doem i gr

rdo: Opracowanie wasne na podstawie: Ludno. Stan i struktura

rdo: Opracowanie wasne na podstawie Banku Danych Regionalnych GUS, 2008.

Tablica zoona kombinowana

rdo: Opracowanie wasne na podstawie Rocznika Demograficznego 2009, GUS,

Tablica zoona zbiorcza

rdo: Opracowanie wasne na podstawie Banku Danych Regionalnych GUS, 2008.

A. Zimny, Statystyka opisowa

Ludno w Polsce wedug ekonomicznych grup wiekowych w latach 2001-2008

Komponenty udanego ycia w opinii Polakw (ze wzgldu na pe)

Miejsca imprez i spotka towarzyskich Polakw

2. ANALIZA STRUKTURY ZBIOROWOCI

2. Analiza struktury zbiorowoci

Wskanikiem struktury jest rwnie stosunek czci wartoci cechy zmiennej do

A. Zimny, Statystyka opisowa

2.3.1. rednie klasyczne

2. Analiza struktury zbiorowoci

szereg rozdzielczy wielostopniowy (przedziaowy) rednia arytmetyczna

A. Zimny, Statystyka opisowa

szereg rozdzielczy wielostopniowy (przedziaowy) wyznaczenie dominanty

D x 3 ( x M e ) . W szeregu przedziaowym dominant mona wyznaczy

rwnie graficznie, za pomoc histogramu (zob. przykad 2.7.3).

2. Analiza struktury zbiorowoci

parzysty mediana jest redni arytmetyczn dwch wartoci rodkowych

szereg rozdzielczy jednostopniowy (punktowy) wyznaczenie mediany polega

A. Zimny, Statystyka opisowa

2. Analiza struktury zbiorowoci

szereg rozdzielczy wielostopniowy (przedziaowy) wyznaczenie kwartyla

A. Zimny, Statystyka opisowa

2.4.1. Klasyczne miary zmiennoci

szereg rozdzielczy jednostopniowy (punktowy)

2. Analiza struktury zbiorowoci

2.4.1.2. Odchylenie standardowe

szereg rozdzielczy jednostopniowy (punktowy)

szereg rozdzielczy wielostopniowy (przedziaowy)

A. Zimny, Statystyka opisowa

2.4.1.3. Typowy obszar zmiennoci