Том 19. Ипотека и уравнения. Математика в экономике
Шрифт:
Допустим, что при сборе сведений о безработице в регионе с 8 миллионами жителей сформирована случайная выборка из 2000 человек. Из них 700 указали, что не имеют работы (35 % от 2000). Можно ли на основании этого сделать выводы об уровне безработицы? Иными словами, можно ли утверждать, что уровень безработицы приближается к 35 %? Цель исследования — получить результат с надежностью 95 %, то есть с уровнем значимости 5 % ( = 5/100 = 0,05).
Чтобы решить поставленную задачу, нужно сформулировать несколько статистических гипотез об уровне безработицы. Они не должны слишком отличаться от 0,35 (35 %): 34, 36, 33, 37, 32, 38 … Выбор гипотез следует продолжать до тех пор, пока мы не найдем значение, большее или меньшее 35 %, которое нужно будет отвергнуть. Так как требуемый уровень значимости составляет 5 %, чтобы проверить гипотезу, нужно проанализировать следующее
Гипотезы, соответствующие этому, отвергаются.
Аналогичные расчеты повторяются для разных гипотез. Каждой гипотезе соответствует определенное значение р (предполагаемый уровень безработицы в регионе). Нужно выбрать значения р, близкие к 0,35 (35 %), и использовать биномиальное распределение вероятности, так как в нашем случае рассматриваемая переменная может иметь всего два значения: «да» и «нет». Однако поскольку в нашем примере размер генеральной совокупности значителен (n = 8000000), вместо биномиального распределения с высокой точностью можно использовать нормальное распределение вероятности.
Выберем в качестве первой гипотезы значение р = 0,33. Найдем среднее значение и среднеквадратическое отклонение по формулам биномиального распределения:
откуда имеем
Число безработных k в генеральной совокупности, выходящее за границы доверительного интервала, равно |k — |, число безработных в нашей выборке, большее или меньшее среднего по выборке, равно |700 — |. Чтобы гипотеза р = 0,33 была верна, вероятность |k — | — |700 — | согласно биномиальному закону распределения должна быть меньше, чем = 0,05, что выражается следующим образом:
РВ(|k — 660| >= |700–660 |) < 0,05.
Преобразуем неравенство и получим:
Вместо биномиального распределения можно с высокой точностью использовать нормальное распределение, симметричное относительно среднего значения = 660 при р = 0,33. Следовательно,
PB(|k — 660)| >= 40) = РВ(620 >= k >= 700) = 2РВ(k >= 700), так как выделенные области равны.
Чтобы заменить биномиальный закон (РВ для дискретной переменной k) на нормальный (PN для непрерывной переменной х), нужно внести поправку:
PBinominal (k >= 1)
Таким образом, как можно видеть на графике,
PB(|k — 660)| >= 40) = 2РВ(k >= 700)
Теперь переменная х заменяется переменной z, соответствующей стандартизованному нормальному распределению, и мы сможем воспользоваться стандартными таблицами.
Как можно видеть на графике,
В таблицах значений, соответствующих стандартизованному нормальному распределению, значению z < 1,878 соответствует вероятность PNT (z <= 1,878) = 0,96999 и РВ(|k — 660 | >= 40)
Аналогичные расчеты следует провести и для других гипотез, соответствующих значениям р, близким к 35 % (р = 0,35), например 34, 36, 37, 38 %…
Затем можно составить таблицу полученных результатов и определить, стоит ли принимать или опровергать гипотезу для каждого значения р.
В соответствии с этой таблицей можно сделать вывод: значения выборки (700 безработных из 2000 опрошенных) могли быть взяты из генеральной совокупности, в которой уровень безработицы находится между 33 и 37 %, при этом возможная ошибка, или уровень значимости, составляет 5 %.
Чтобы гарантировать, что выборка корректно отражает свойства генеральной совокупности (то есть чтобы сделать статистический вывод), сначала необходимо рассчитать необходимый размер выборки, определить ее тип (способ выбора опрашиваемых), который будет лучше всего подходить для изучения рассматриваемой статистической переменной, примерные значения переменных, которые будут подвергаться оценке, и наиболее подходящие статистические методы.
Многие возмущаются, когда читают в прессе, что команда приобрела футболиста, баскетболиста или хоккеиста за астрономическую сумму. Какими могут быть экономические причины столь огромных трат? Ведь к стоимости перехода игрока следует прибавить его годовую зарплату, порой превышающую 5 миллионов евро.
Формулировка этой задачи достаточно сложна. Если команда заключает контракт со звездным игроком, то вполне возможно, что ее показатели улучшатся, и она одержит больше побед. Если команда побеждает, у нее становится больше болельщиков, которые будут приходить на стадион, фан-клуб пополнится новыми членами, возрастут доходы от членских взносов, продажи билетов, рекламы, атрибутики с цветами клуба, отчисления от телетрансляций, а за победу в турнирах команда получит значительные средства от национальных и международных федераций — организаторов соревнований. Таким образом, нужно определить, будут ли компенсированы высокие расходы на приобретение спортсмена и на выплату ему заработной платы дополнительными доходами.
Рассмотрим следующий пример: футбольная команда из 22 игроков уже несколько лет не выигрывала ни одного турнира. Для простоты предположим, что все расходы клуба ограничиваются зарплатами игроков, которые в среднем получают 3 миллиона евро в год, таким образом, суммарная зарплата составляет 66 миллионов евро.
Также будем предполагать, что команда получает доходы всего из двух источников: за выступление в чемпионате страны команда получает 10 миллионов от продажи билетов и телетрансляций, а также 5 миллионов евро в год от телетрансляций. Таким образом, общий доход клуба составляет 15 миллионов евро, расходы — 66 миллионов евро, убытки — 51 миллион евро ежегодно.