Применение закона больших чисел. Понятия закона больших чисел

Министерство образования и науки

Государственное образовательное учреждение

Высшего профессионального образования

«Самарский Государственный Университет»

Юридический факультет

Кафедра__________________

__________________

__________________

КОНТРОЛЬНАЯ РАБОТА

по курсу: «Правовая статистика»

Вариант № 3

Выполнил: студент

3 курса заочного отделения

юридического факультета

09303.30 группы

Несмеянова Дарья Сергеевна

САМАРА 2011

1 Закон больших чисел и его значение в правовой статистике 3

2 Статические таблицы и их виды 6

Задача 1 8

Задача 2 9

Список используемой литературы 10

1 Закон больших чисел и его значение в правовой статистике

В решении важнейшей задачи - установления и количествен­ного выражения закономерностей и взаимозависимости социальных явлений статистическая наука опирается на закон больших чисел (ЗБЧ), смысл которого состоит в том, что правильности и за­кономерности социальных явлении могут быть обнаружены только при их массовом наблюдении.

Конечно, всякая наука, каждая в своей области, имеет дело с мас­совыми явлениями, ибо в законе отражается массовидное, суще­ственное, необходимое. И хотя любая закономерность носит об-ший, а потому массовый характер, но в статистике понятие массовости специфично. Оно становит­ся очевидным, если вспомнить деление закономерностей на ди­намические и статистические. Статистика оперирует не родовыми, а групповыми понятиями, в которых речь идет о сред­них результатах, и то время как в родовых - о каждой входящей в него единице. Поэтому в правовой статистике знание о правонарушаемости как статистической совокупности не есть одновре­менно знание о конкретных преступлениях, входящих в нее. Хо­тя в данном случае статистик имеет дело не с чисто случайными явлениями, а с индивидуальными, которым присущи случайные отклонения.

В этом и заключается специфика статистического количест­венного анализа социальных процессов, в котором проявляется смысл закона больших чисел: сделанные на его основе выводы, обнару­женная тенденция, закономерность относятся к совокупности («большому числу») как таковой. То есть ЗБЧ лежит в основе са­мой логики статистического умозаключения; на основе ЗБЧ вы­является массовая закономерность.

Для статистических закономерностей весьма характерно слож­ное переплетение внутренних и внешних причин, необходимого и случайного.

И эти закономерности образуются отнюдь не в ходе «игры слу­чая», а прежде всего в результате действия внутренних необходи­мых причин. Множество вариаций и случайных отклонений, сглаживаются (элиминируют) именно в массе, что приводит к образованию статистических закономерностей. Проявление такой закономерности и есть результат действия за­кона больших чисел, которое состоит в том, что совокупность боль­шого числа случайных явлений имеет определенные, не завися­щие от случая характеристики, выражаемые количественными показателями. То есть представление о ЗБЧ и его действии нель­зя отрывать от представления о статистической закономерности как формы, в которую облекается закономерность массового яв­ления, изучаемая статистикой с количественной стороны. При­чем ЗБЧ проявляется тем отчетливее, чем крупнее статистичес­кая совокупность.

Массовые закономерности, а вместе с ними и ЗБЧ проявля­ются в самых различных областях действительности. Особенно на­глядны они в демографии, в криминальной статистике. Так, в странах с рыночной экономикой в рабочей среде рождаемость и смертность обратно пропорциональны уровню заработной пла­ты; во всех странах с высокой продолжительностью жизни женщины долговечнее мужчин; смертность мужчин во всех возраст­ных когортах, начиная с детской и кончая самой пожилой, в 2- 3 раза превышает смертность женщин; постоянную величину состав­ляют число браков, половое распределение преступников, мотивов, орудий убийств; обнаруживает­ся значительная устойчивость несчастных случаев в отдельные периоды года и часы суток; по данным русской почтово-телеграфной статистики, констатировалась значительная устойчивость вы­нутых на каждый миллион из почтовых ящиков писем (1906-1910 гг.) без указания адресата (25-27) или без указания места назначе­ния (21-29) и др.В малом числе наблюдений (например, отдельные преступле­ния) случайные факторы не дают возможности обнаружить зако­номерность. Напротив, при суммировании большого числа еди­ничных явлений случайности парализуют друг друга, что позво­ляет установить законы, которые при малых масштабах маскиру­ются индивидуальными отклонениями. Статистическая закономерность - это не особая форма дви­жения материи, а лишь внешнее проявление этого движения в статистических распределениях и обобщающих статистических характеристиках. Статистически установленные правильности в изменениях количественных показателей, повторяемость и ус­тойчивость фактов свидетельствуют лишь о том, что в исследуе­мом массовом явлении заложена известная закономерность, вскрытие которой составляет задачу соответствующей науки (на­пример, криминологии).

Закономерность массового явления, объективные связи, зало­женные в этом явлении, находят свое выражение не в отдельных показателях, а в средней величине, в характере распределения. Сред­няя арифметическая большого числа случайных величин - прак­тически величина не случайная, а необходимая, закономерная. В эТом-то и состоит действие ЗБЧ, если подходить к его трактовке с философско-методологических позиции. Поэтому иногда ЗБЧ называют еще законом средних величин.

Рассмотрение ЗБЧ как одного из законов объективной дейст­вительности вместе с тем исключает его отношение к уровню кон­статированных им обобщающих статистических характеристик. Этот уровень определяется условиями, вытекающими из самой при­роды массового явления. Правильно отмечается, что ЗБЧ не со­здает уровней, а лишь регулирует случайные отклонения от задан­ных природой данного явления уровней1.

Из сказанного ясно, что ЗБЧ основывается на понятии случай­ности и вероятности - уменьшение степени случайности и возрас­тание степени вероятности наличия определенного признака проис­ходит по мере увеличения статистической совокупности. Это может быть проиллюстрировано таким примером: если известно, что на­селение города представлено соотношением 48% мужчин и 52% жен­щин, то небольшая совокупность людей (например, посетителей театра, футбольного матча и т.д.) может значительно отклониться от этих характеристик; если же увеличивать исследуемую совокуп­ность, то последует приближение к указанным характеристикам.

Естественнонаучное обоснование, точная формулировка и ус­ловия применимости ЗБЧ даются в теории вероятностей. Други­ми словами, теория вероятностей является математическим обос­нованием ЗБЧ. С ее помощью вычисляются шансы возможного наступления случайного события.

Вероятность- математическая, числовая характеристика сте­пени возможности появления какого-либо определенного собы­тия в тех или иных определенных, могущих повторяться неогра­ниченное число раз условиях2.

Вероятность обычно обозначается буквой Р. Например, выражение Р(Л) = 0,5 означает, что вероятность наступления события Л равна 0,5.

Вероятность принято классифицировать по следующей шкале:

0,00 - полностью исключено

0,10 - в высшей степени неопределенно.

0,20 - весьма неправдоподобно

0,30-0,40 - неправдоподобно

0,60 - вероятно

0,70 - весьма вероятно

0,80-0,90 - в высшей степени вероятно

1,00 - полностью достоверно.

Таким образом, вероятность получает определенное количест­венное выражение, несмотря на то, что наличие того или иного признака или его колебания является случайным.

Если в урну поместить черный и белый шары, то при выемке одинаково можно обнаружить любой из них. При этом проявля­ется альтернативная изменчивость, которая заключается в возмож­ности лишь двух исходов: из урны можно вынуть только белый шар либо только черный шар. То же происходит и при подбрасывании монеты. Это обстоятельство одинаковой возможности выпада­ния любой стороны монеты называется равновозможностью. Со­бытие называется равновозможным, если нет причин, делающих одно из этих событий более возможным, чем другое. Событие на­зывается несовместимым в том случае, когда появление одного де­лает появление другого невозможным.

При многократном подбрасывании монеты или при многократ­ной выемке шаров из урны образуется совокупность единичных опытов, которая обладает свойствами статистической совокупно­сти. В отдельном опыте результат может быть различным - орел или решка, черный или белый шар, а в совокупности опытов про­является определенная закономерность в соотношении между числом выпавших гербов и решек или числом вынутых черных и бе­лых шаров.

Результат каждого единичного опыта с монетой или шарами также зависит от двух групп факторов: основных, связанных со свой­ствами явления, и случайных, не связанных с этими свойствами. Однако удобством монетной или урновой модели является, во-пер­вых, то, что в ней легко отделить основные причины и свойства явления от побочных; во-вторых, на этой модели легко просле­дить, как действует каждая группа причин и что является резуль­татом действия каждой из них.

В рассматриваемых примерах главное свойство монеты - ее симметричность, в силу чего при подбрасывании шансы на вы­падение герба или решки совершенно равны; главное свойство ур­ны с шарами - соотношение между числом черных и белых ша­ров. Если, например, в урне 100 черных и 100 белых шаров, то при выемке одного шара шансы на появление черного или бе­лого шара совершенно одинаковы, а если в урне в два раза боль­ше черных, чем белых, то соответственно больше и шансов вы­емки черного шара.

Чтобы априори, т.е. до опыта, определить вероятность наступ­ления какого-либо случайного явления, нужно знать число шан­сов, благоприятствующих его наступлению, а также число всех воз­можных шансов (как благоприятствующих, так и неблагоприятствующих). Отношение первой величины ко второй называется математической вероятностью. Она выражается в виде дроби, где в числителе указывается число благоприятствующих шансов, а в знаменателе - число всех возможных шансов. Например, при подбрасывании монеты возможны два исхода. Если считать выпадение орла благоприятным исходом, то вероятность его рав­на 1/2. Если считать благоприятным исходом появление черно­го шара из урны, в которой находится 70 черных шаров и 30 бе­лых шаров, то вероятность благоприятного исхода при выемке од­ного шара равна 70/100, а вероятность неблагоприятного исхода равна 30/100.

Если вероятность благоприятного исхода обозначить р, а ве­роятность неблагоприятного исхода q, то во всех случаях альтер­нативной изменчивости, т.е. когда возможны лишь два исхода, p + q= 1. В опыте с шарами 70/100 + 30/100 = 1, в опыте с монетой 1/2 + 1/2 = 1.

Веро­ятность является оценкой степени объективной возможности то­го или иного результату при отборе на удачу одной единицы из всей совокупности.

Это определение вероятности, данное П.С.Лапласом, являет­ся определением простейшей, так называемой классической веро­ятности, приложимой к весьма узкому кругу явлений. Для мас­совых (например, правонарушений) более подходит статистиче­ское или частотное понятие вероятности, определяемое как по­стоянное число, вокруг которого колеблются частости.

Применение теории вероятностей к социальным явлениям, в ча­стности к преступности, обусловлено наряду с независимостью от­дельных событий (иррегулярностью преступлений) еще и их из­вестной устойчивостью.

Преступность представляет типичную статистическую сово­купность, обладающую относительно устойчивыми характерис­тиками, позволяющими конкретно изучать ее и даже прогнозиро­вать ее изменения. Поэтому «невозможно говорить об определен­ной вероятности преступления как о «незыблемой закономерно­сти». Она меняется вместе с изменением условий. Но пока дей­ствуют данные определенные условия, действует и та или иная оп­ределенная вероятность. Это и дает возможность изучения этих явлений на основе методов математической статистики». Если условия в си­лу определенных причин остаются неизменными, то в среднем ус­тойчиво и число преступлений, что позволяет установить вероятность, с которой они совершаются.

2 Статистические таблицы и их виды

Особое место в статистике занимает табличный метод, который имеет универсальное значение. С помощью статистических таблиц осуществляется представление данных результатов статистического наблюдения, сводки и группировки. Поэтому обычно статистическая таблица определяется как форма компактного наглядного представления статистических данных.

Анализ таблиц позволяет решать многие задачи при изучении изменения явлений во времени, структуры явлений и их взаимосвязей. Таким образом, статистические таблицы выполняют роль универсального средства рационального представления, обобщения и анализа статистической информации.

Внешне статистическая таблица представляет собой систему построенных особым образом горизонтальных строк и вертикальных столбцов, имеющих общий заголовок, заглавия граф и строк, на пересечении которых и записываются статистические данные.

Каждая цифра в статистических таблицах - это конкретный показатель, характеризующий размеры или уровни, динамику, структуру или взаимосвязи явлений в конкретных условиях места и времени, то есть определенная количественно-качественная характеристика изучаемого явления.

Если таблица не заполнена цифрами, то есть имеет только общий заголовок, заглавия граф и строк, то мы имеем макет статистической таблицы. Именно с его разработки и начинается процесс составления статистических таблиц.

Основными элементами статистической таблицы являются подлежащее и сказуемое таблицы.

Подлежащее таблицы - это объект статистического изучения, то есть отдельные единицы совокупности, их группы или вся совокупность в целом.

Сказуемое таблицы - это статистические показатели, характеризующие изучаемый объект.

Подлежащее и показатели сказуемого таблицы должны быть определены очень точно. Как правило подлежащее располагается в левой части таблицы и составляет содержание строк, а сказуемое - в правой части таблицы и составляет содержание граф.

Закон больших чисел

Практика изучения случайных явлений показывает, что хотя результаты отдельных наблюдений, даже проведенных в одинаковых условиях, могут сильно отличаться, в то же время средние результаты для достаточно большого числа наблюдений устойчивы и слабо зависят от результатов отдельных наблюдений. Теоретическим обоснованием этого замечательного свойства случайных явлений является закон больших чисел. Общий смысл закона больших чисел- совместное действие большого числа случайных факторов приводит к результату, почти не зависящему от случая.

Центральная предельная теорема

Теорема Ляпунова объясняет широкое распространение нормального закона распределения и поясняет механизм его образования. Теорема позволяет утверждать, что всегда, когда случайная величина образуется в результате сложения большого числа независимых случайных величин, дисперсии которых малы по сравнению с дисперсией суммы, закон распределения этой случайной величины оказывается практически нормальным законом. А поскольку случайные величины всегда порождаются бесконечным количеством причин и чаще всего ни одна из них не имеет дисперсии, сравнимой с дисперсией самой случайной величины, то большинство встречающихся в практике случайных величин подчинено нормальному закону распределения.

Остановимся подробнее на содержании теорем каждой из этих групп

В практических исследованиях очень важно знать, в каких случаях можно гарантировать, что вероятность события будет или достаточно мала, или как угодно близка к единице.

Под законом больших чисел и понимается совокупность предложений, в которых утверждается, что с вероятностью, как угодно близкой к единице (или нулю), произойдет событие, зависящее от очень большого, неограниченно увеличивающегося числа случайных событий, каждое из которых оказывает на него лишь незначительное влияние.

Точнее, под законом больших чисел понимается совокупность предложений, в которых утверждается, что с вероятностью, как угодно близкой к единице, отклонение средней арифметической достаточно большого числа случайных величин от постоянной величины -средней арифметической их математических ожиданий, не превзойдет заданного как угодно малого числа.

Отдельные, единичные явления, которые мы наблюдаем в природе и в общественной жизни, часто проявляются как случайные (например, регистрируемый смертный случай, пол родившегося ребенка, температура воздуха и др.) вследствие того, что на такие явления действует много факторов, не связанных с существом возникновения или развития явления. Предсказать суммарное действие их на наблюдаемое явление нельзя, и они различно проявляются в единичных явлениях. По результатам одного явления нельзя ничего сказать о закономерностях, присущих многим таким явлениям.

Однако давно было замечено, что средняя арифметическая числовых характеристик некоторых признаков (относительные частоты появления события, результатов измерений и т. д.) при большом числе повторений опыта подвержена очень незначительным колебаниям. В средней как бы проявляется закономерность, присущая существу явлений, в ней взаимно погашается влияние отдельных факторов, которые делали случайными результаты единичных наблюдений. Теоретически объяснить такое поведение средней можно с помощью закона больших чисел. Если будут выполнены некоторые весьма общие условия относительно случайных величин, то устойчивость средней арифметической будет практически достоверным событием. Эти условия и составляют наиболее важное содержание закона больших чисел.

Первым примером действия этого принципа и может служить сближение частоты наступления случайного события с его вероятностью при возрастании числа испытаний – факт, установленный в теореме Бернулли (швейцарский математик Якоб Бернулли (1654- 1705)).Теорема Бернулл является одной из простейших форм закона больших чисел и часто используется на практике. Например, частоту встречаемости какого-либо качества респондента в выборке принимают заоценку соответствующей вероятности).

Выдающийся французский математик Симеон Денни Пуассон (1781- 1840) обобщил эту теорему и распространил ее на случай, когда вероятность событий в испытании меняется независимо от результатов предшествующих испытаний. Он же впервые употребил термин «закон больших чисел».

Великий русский математик Пафнутий Львович Чебышев (1821 - 1894) доказал, что закон больших чисел действует в явлениях с любой вариацией и распростаняется также на закономерность средней.

Дальнейшее обобщение теорем закона больших чисел связано с именамиА.А.Маркова, С.Н.Бернштейна, А.Я.Хинчина и А.Н.Колмлгорова .

Общаясовременная постановка задачи, формулировка закона больших чисел, развитие идей и методов доказательства теорем, относящихся к этому закону, принадлежит русским ученым П. Л. Чебышеву, А. А. Маркову и А. М. Ляпунову .

НЕРАВЕНСТВО ЧЕБЫШЕВА

Рассмотрим сначала вспомогательные теоремы: лемму и неравенство Чебышева, с помощью которых легко доказывается закон больших чисел в форме Чебышева.

Лемма (Чебышев).

Если среди значений случайной величины Х нет отрицательных, то вероятность того, что она примет какое-нибудь значение, превосходящее положительное число А, не больше дроби, числитель которой - математическое ожидание случайной величины, а знаменатель -число А:

Доказательство. Пусть известен закон распределения случайной величины Х:

(i = 1, 2, ..., ), причем значения случайной величины мы считаем расположенными в возрастающем порядке.

По отношению к числу А значения случайной величины разбиваются на две группы: одни не превосходят А, а другие больше А. Предположим, что к первой группе относятся первые значений случайной величины ().

Так как , то все члены суммы неотрицательны. Поэтому, отбрасывая первые слагаемых в выражении получим неравенство:

Поскольку

,

то

что и требовалось доказать.

Случайные величины могут иметь различные распределения при одинаковых математических ожиданиях. Однако для них лемма Чебышева даст одинаковую оценку вероятности того или иного результата испытания. Этот недостаток леммы связан с ее общностью: добиться лучшей оценки сразу для всех случайных величин невозможно.

Неравенство Чебышева .

Вероятность того, что отклонение случайной величины от ее математического ожидания превзойдет по абсолютной величине положительное число , не больше дроби, числитель которой - дисперсия случайной величины, а знаменатель -квадрат

Доказательство. Поскольку случайная величина, которая не принимает отрицательных значений, то применим неравенство из леммы Чебышева для случайной величины при :

что и требовалось доказать.

Следствие. Поскольку

,

то

- другая форма неравенства Чебышева

Примем без доказательства факт, что лемма и неравенство Чебышева верны и для непрерывных случайных величин.

Неравенство Чебышева лежит в основе качественных и количественных утверждений закона больших чисел. Оно определяет верхнюю границу вероятности того, что отклонение значения случайной величины от ее математического ожидания больше некоторого заданного числа. Замечательно, что неравенство Чебышева дает оценку вероятности событиядля случайной величины, распределение которой неизвестно, известны лишь ее математическое ожидание и дисперсия.

Теорема. (Закон больших чисел в форме Чебышева)

Если дисперсии независимых случайных величин ограничены одной константой С, а число их достаточно велико, то как угодно близка к единице вероятность того, что отклонение средней арифметическойэтих случайных величин от средней арифметической их математических ожиданий не превзойдет по абсолютной величине данного положительного числа , каким бы малым оно ни было:

.

Теорему примем без доказательства.

Следствие 1. Если независимые случайные величины имеют одинаковые, равные , математические ожидания, дисперсии их ограничены одной и той же постоянной С, а число их достаточно велико, то, сколько бы мало на было данное положительное число , как угодно близка к единице вероятность того, что отклонение средней арифметической этих случайных величин от не превзойдет по абсолютной величине .

То, что за приближенное значение неизвестной величиныпринимают среднюю арифметическую результатов достаточно большого числа ее измерений, произведенных в одних и тех же условиях, можно обосновать этой теоремой. Действительно, результаты измерений являются случайными, так как на них действует очень много случайных факторов. Отсутствие систематических ошибокозначает, что математические ожидания отдельных результатов измерений одинаковые и равны . Следовательно, по закону больших чисел средняя арифметическая достаточно большого числа измерений практически будет как угодно мало отличаться от истинного значения искомой величины.

(Напомним, что ошибки называются систематическими, если они искажают результат измерения в одну и ту же сторону по более или менее ясному закону. К ним относятся ошибки, появляющиеся в результате несовершенства инструментов (инструментальные ошибки), вследствие личных особенностей наблюдателя (личные ошибки) и др.)

Следствие 2 . (Теорема Бернулли.)

Если вероятность наступления события А в каждом из независимых испытаний постоянна, а их число достаточно велико, то сколь угодно близка к единице вероятность того, что частота появления события как угодно мало отличается отвероятности его появления:

Теорема Бернулли, утверждает, что если вероятность события одинакова во всех испытаниях, то с увеличением числа испытаний частота события стремится к вероятности события и перестает быть случайной.

На практике сравнительно редко встречаются опыты, в которых вероятность появления события в любом опыте неизменна, чаще онаразная в разных опытах. К схеме испытаний такого типа относится теорема Пуассона:

Следствие 3 . (Теорема Пуассона.)

Если вероятность появления события в -омиспытании не меняется, когда становятся известными результаты предыдущих испытаний, а их число достаточно велико, то сколь угодно близка к единице вероятность того, что частота появления события как угодно мало отличается отсредней арифметической вероятностей :

Теорема Пуассона утверждает, что частота события в серии независимых испытаний стремится к среднему арифметическому его вероятностей и перестает быть случайной.

В заключение заметим, что ни одна из рассмотренных теорем не дает ни точного, ни даже приближенного значения искомой вероятности, а указывается лишь нижняя или верхняя граница ее. Поэтому, если требуется установить точное или хотя бы приближенное значение вероятностей соответствующих событий, возможности этих теорем весьма ограничены.

Приближенные значения вероятностей при больших значениях можно получить только с помощью предельных теорем. В них или на случайные величины налагаются дополнительные ограничения (как это имеет место, например, в теореме Ляпунова), или рассматриваются случайные величины определенного вида (например, в интегральной теореме Муавра-Лапласа).

Теоретическое значение теоремы Чебышева, являющейся весьма общей формулировкой закона больших чисел, велико. Однако если мы будем применять ее при решении вопроса о возможности применить закон больших чисел к последовательности независимых случайных величин, то при утвердительном ответе теорема часто будет требовать, чтобы случайных величин было гораздо больше, чем необходимо для вступления в силу закона больших чисел. Указанный недостаток теоремы Чебышева объясняется общим характером ее. Поэтому желательно иметь теоремы, которые точнее указывали бы нижнюю (или верхнюю) границу искомой вероятности. Их можно получить, если наложить на случайные величины некоторые дополнительные ограничения, которые для встречающихся на практике случайных величин обычно выполняются.

ЗАМЕЧАНИЯ О СОДЕРЖАНИИ ЗАКОНА БОЛЬШИХ ЧИСЕЛ

Если число случайных величин достаточно велико и они удовлетворяют некоторым весьма общим условиям, то, как бы они ни были распределены, практически достоверно, что средняя арифметическая их сколь угодно мало отклоняете а от постоянной величины - - средней арифметической их математических ожиданий, т. е. является практически постоянной величиной. Таково содержание теорем, относящихся к закону больших чисел. Следовательно, закон больших чисел - одно из выражений диалектической связи между случайностью и необходимостью.

Можно привести очень много примеров возникновения новых качественных состояний как проявления закона больших чисел, в первую очередь среди физических явлений. Рассмотрим один из них.

По современным представлениям газы состоят из отдельных частиц- молекул, которые находятся в хаотическом движении, и нельзя точно сказать, где в данный момент будет находиться, и с какой скоростью будет двигаться та или иная молекула. Однако наблюдения показывают, что суммарное действие молекул, например давление газа на

стенку сосуда, проявляется с поразительным постоянством. Оно определяется числом ударов и силой каждого из них. Хотя первое и второе является делом случая, приборы не улавливают колебаний давления газа, находящегося в нормальных условиях. Объясняется это тем, что благодаря огромному числу молекул даже в самых небольших объемах

изменение давления на заметную величину практически невозможно. Следовательно, физический закон, утверждающий постоянство давления газа, является проявлением закона больших чисел.

Постоянство давления и некоторых других характеристик газа в свое время служило веским аргументом против молекулярной теории строения вещества. Впоследствии научились изолировать сравнительно небольшое число молекул, добиваясь того, чтобы влияние от дельных молекул еще оставалось, и тем самым закон больших чисел не мог проявиться в достаточной степени. Тогда удалось наблюдать колебания давления газа, подтверждающие гипотезу о молекулярном строении вещества.

Закон больших чисел лежит в основе различных видов страхования (страхование жизни человека на всевозможные сроки, имущества, скота, посевов и др.).

При планировании ассортимента товаров широкого потребления учитывается спрос на них населения. В этом спросе проявляется действие закона больших чисел.

Широко применяемый в статистике выборочный метод находит свое научное обоснование в законе больших чисел. Например, о качестве привезенной из колхоза на заготовительный пункт пшеницы судят по качеству зерен, случайно захваченных в небольшую мерку. Зерна в мерке немного по сравнению со всей партией, но во всяком случае мерку выбирают такой, чтобы зерен в ней было вполне достаточно для

проявления закона больших чисел с точностью, удовлетворяющей потребности. Мы вправе принять за показатели засоренности, влажности и среднего веса зерен всей партии поступившего зерна соответствующие показатели в выборке.

Дальнейшиеусилия ученых по углублению содержания закона больших чисел былинаправлены па получен наиболее общих условий применимостиэтого закона к последовательности случайных величин. В этом направлении долго не было принципиальных успехов. После П. Л. Чебышева и А. А. Маркова только в 1926 г. советскому академику А. Н. Колмогорову удалось получить условия, необходимые и достаточные для того, чтобы к последовательности независимых случайных величин был применим закон больших чисел. В 1928 г. советский ученый А. Я. Хинчин показал, что достаточным условием применимости закона больших чисел к последовательности независимых одинаково распределенных случайных величин является существование у них математического ожидания.

Для практики исключительно важно полностью выяснить вопрос о применимости закона больших чисел к зависимым случайным величинам, так как явления в природе и обществе находятся во взаимной зависимости и взаимно обусловливают друг друга. Много работ посвящено выяснению ограничений, которые необходимо наложить

на зависимые случайные величины, чтобы к ним можно было применить закон больших чисел, причем наиболее важные принадлежат выдающемуся русскому ученому А. А. Маркову и крупным советским ученым С. Н. Бернштейну и А. Я. Хинчину.

Основной результат этих работ состоит в том, что закон больших чисел приложим к зависимым случайным величинам, если только сильная зависимость существует между случайными величинами с близкими номерами, а между случайными величинами с далекими номерами зависимость достаточно слаба. Примерами случайных величин такого типа являются числовые характеристики климата. На погоду каждого дня заметно влияет погода предыдущих дней, причем влияние заметно ослабевает с удалением дней друг от друга. Следовательно, многолетняя средняя температура, давление и другие характеристики климата данной местности в соответствии с законом больших чисел практически должны быть близки к своим математическим ожиданиям. Последние являются объективными характеристиками климата местности.

В целях экспериментальной проверки закона больших чисел в разное время были произведены следующие опыты.

1. Опыт Бюффона . Монета брошена 4040 раз. Герб выпал 2048 раз. Частость его выпадения оказалась равной 0,50694 =

2. Опыт Пирсона . Монета брошена 12 000 и 24 000 раз. Частость выпадения герба в первом случае оказалась равной 0,5016, в Втором - 0,5005.

З. Опыт Вестергаарда . Из урны, в которой было поровну белых и черных шаров, получено при 10 000 извлечений (с возвратом очередного вынутого шара в урну) 5011 белых и 4989 черных шаров. Частость белых шаров составила 0,50110 = (), а черных - 0,49890.

4. Опыт В. И. Романовского . Четыре монеты брошены 21160 раз. Частоты и частости различных комбинаций выпадения герба и решетки распределились следующим образом:

Комбинации числа выпадений герба и решки	Частоты	Частости
		Эмпирические	Теоретические
4 и 0	1 181	0,05858	0,0625
3 и 1	4909	0,24350	0,2500
2 и 2	7583	0,37614	0,3750
1 и 3	5085	0,25224	0,2500
1 и 4		0,06954	0,0625
Итого	20160	1,0000	1,0000

Результаты экспериментальных проверок закона больших чисел убеждают нас в большой близости опытных частостей вероятностям.

ЦЕНТРАЛЬНАЯ ПРЕДЕЛЬНАЯ ТЕОРЕМА

Нетрудно доказать, что сумма любого конечного числа независимых нормально распределенных случайных величин также распределена по нормальному закону.

Если независимые случайные величины не распределены по нормальному закону, то можно наложить на них некоторые весьма нежесткие ограничения, и их сумма будет все-таки распределена нормально.

Эту задачу поставили и решили в основном русские ученые П. Л. Чебышев и его ученики А. А. Марков и А. М. Ляпунов.

Теорема (Ляпунов).

Если независимые случайные величины имеютконечные математические ожидания и конечные дисперсии , число их достаточно велико, а при неограниченном возрастании

,

где - абсолютные центральные моменты третьего порядка, то сумма их с достаточной степенью точности имеет распределение

(Фактически мы приводим не теорему Ляпунова, а одно из следствий из нее, так как этого следствия вполне достаточно для практических приложений. Поэтому условие , которое названо условием Ляпунова, является более сильным требованием, чем необходимо для доказательства собственно теоремы Ляпунова.)

Смысл условия состоит в том, что действие каждого слагаемого (случайной величины) невелико по сравнению с суммарным действием их всех. Многие случайные явления, встречающиеся в природе и в общественной жизни, протекают именно по такой схеме. В связи с этим теорема Ляпунова имеет исключительно большое значение, а нормальный закон распределения является одним из основныхзаконов в теории вероятностей.

Пусть, например, производится измерение некоторой величины . Различные уклонения наблюдаемых значений от истинного ее значения (математического ожидания)получаются в результате воздействия очень большого числа факторов, каждый из которых порождает малую ошибку , причем . Тогда суммарная ошибка измерения является случайной величиной, которая по теореме Ляпунова должна быть распределена по нормальному закону.

При стрельбе из орудия под влиянием очень большого числа причин случайного характера происходит рассеяние снарядов на некоторой площади. Случайные воздействия на траекторию снаряда можно считать независимыми. Каждая причина вызывает лишь незначительное изменение траектории по сравнению с суммарным изменением под воздействием всех причин. Поэтому следует ожидать, что отклонение места разрыва снаряда от цели будет случайной величиной, распределенной по нормальному закону.

По теореме Ляпунова мы вправе ожидать, что, например, рост взрослого мужчины является случайной величиной, распределенной по нормальному закону. Эта гипотеза, как и рассмотренные в предыдущих двух примерах, хорошо согласуется с наблюдениями.В подтверждение приведем распределение по росту 1000 взрослых рабочихмужчини соответствующие теоретические численности мужчин, т. е. число мужчин, которые должны иметь рост указанных групп, если исходить из предположения о распределении роста мужчин по нормальному закону.

Рост, см	количество мужчин
	экспериментальные данные	теоретические прогнозы
143-146
146-149
149-152
152-155
155-158
158- 161
161- 164
164-167
167-170
170-173
173-176
176-179
179 -182
182-185
185-188

Более точного совпаденияэкспериментальных данных с теоретическими трудно было ожидать.

Можно легко доказать как следствие теоремы Ляпунова -предложение, которое будет необходимо в дальнейшем для обоснования выборочного метода.

Предложение.

Сумма достаточно большого числа одинаково распределенных случайных величин имеющих абсолютные центральные моменты третьего порядка, распределена по нормальному закону.

Предельные теоремы теории вероятностей, теоремы Муавра-Лапласа объясняют природу устойчивости частоты появлений события. Природа эта состоит в том, что предельным распределением числа появлений события при неограниченном возрастании числа испытаний (если вероятность события во всех испытаниях одинакова) является нормальное распределение.

Система случайных величин.

Рассмотренные выше случайные величины были одномерными, т.е. определялись одним числом, однако, существуют также случайные величины, которые определяются двумя, тремя и т.д. числами. Такие случайные величины называются двумерными, трехмерными и т.д.

В зависимости от типа, входящих в систему случайных величин, системы могут быть дискретными, непрерывными или смешанными, если в систему входят различные типы случайных величин.

Более подробно рассмотрим системы двух случайных величин.

Определение. Законом распределения системы случайных величин называется соотношение, устанавливающее связь между областями возможных значений системы случайных величин и вероятностями появления системы в этих областях.

Пример. Из урны, в которой находятся 2 белых и три черных шара вынимают два шара. Пусть - число вынутых белых шаров, а случайная величина определяется следующим образом:

Составим таблицу распределения системы случайных величин :

Поскольку - вероятность того, что белых шаров не вынуто (значит, вынуто два черных шара), при этом , то

.

Вероятность

.

Вероятность

Вероятность - вероятность того, что белых шаров не вынуто(и, значит, вынуто два черных шара), при этом , тогда

Вероятность - вероятность того, что вынут один белый шар (и, значит, один черный), при этом , тогда

Вероятность - вероятность того, что вынуто два белых шара (и, значит, ни одного черного), при этом , тогда

.

Таким образом, ряд распределения двумерной случайной величины имеет вид:

Определение. Функцией распределения системы двух случайных величин называется функция двух аргументов F ( x , y ) , равная вероятности совместного выполнения двух неравенств X < x , Y < y .

Отметим следующие свойства функции распределения системы двух случайных величин:

1) ;

2) Функция распределения является неубывающей функцией по каждому аргументу:

3) Верно следующее:

4)

5) Вероятность попадания случайной точки (X , Y ) в произвольный прямоугольник со сторонами, параллельными координатным осям, вычисляется по формуле:

Плотность распределения системы двух случайных величин.

Определение. Плотностью совместного распределения вероятностей двумерной случайной величины (X , Y ) называется вторая смешанная частная производная от функции распределения.

Если известна плотность распределения, то функция распределения может быть найдена по формуле:

Двумерная плотность распределения неотрицательна и двойной интеграл с бесконечными пределами от двумерной плотности равен единице.

По известной плотности совместного распределения можно найти плотности распределения каждой из составляющих двумерной случайной величины.

; ;

Условные законы распределения.

Как было показано выше, зная совместный закон распределения можно легко найти законы распределения каждой случайной величины, входящей в систему.

Однако, на практике чаще стоит обратная задача – по известным законам распределения случайных величин найти их совместный закон распределения.

В общем случае эта задача является неразрешимой, т.к. закон распределения случайной величины ничего не говорит о связи этой величины с другими случайными величинами.

Кроме того, если случайные величины зависимы между собой, то закон распределения не может быть выражен через законы распределения составляющих, т.к. должен устанавливать связь между составляющими.

Все это приводит к необходимости рассмотрения условных законов распределения.

Определение. Распределение одной случайной величины, входящей в систему, найденное при условии, что другая случайная величина приняла определенное значение, называется условным законом распределения .

Условный закон распределения можно задавать как функцией распределения так и плотностью распределения.

Условная плотность распределения вычисляется по формулам:

Условная плотность распределения обладает всеми свойствами плотности распределения одной случайной величины.

Условное математическое ожидание.

Определение. Условным математическим ожиданием дискретной случайной величины Y при X = x (х – определенное возможное значение Х) называется произведение всех возможных значений Y на их условные вероятности.

Для непрерывных случайных величин:

,

где f ( y / x ) – условная плотность случайной величины Y при X = x .

Условное математическое ожидание M ( Y / x )= f ( x ) является функцией от х и называется функцией регрессии Х на Y .

Пример. Найти условное математическое ожидание составляющей Y при

X = x 1 =1 для дискретной двумерной случайной величины, заданной таблицей:

Y
	x 1 =1	x 2 =3	x 3 =4	x 4 =8
y 1 =3	0,15	0,06	0,25	0,04
y 2 =6	0,30	0,10	0,03	0,07

Аналогично определяются условная дисперсия и условные моменты системы случайных величин.

Зависимые и независимые случайные величины.

Определение. Случайные величины называются независимыми , если закон распределения одной из них не зависит от того какое значение принимает другая случайная величина.

Понятие зависимости случайных величин является очень важным в теории вероятностей.

Условные распределения независимых случайных величин равны их безусловным распределениям.

Определим необходимые и достаточные условия независимости случайных величин.

Теорема. Y были независимы, необходимо и достаточно, чтобы функция распределения системы ( X , Y ) была равна произведению функций распределения составляющих.

Аналогичную теорему можно сформулировать и для плотности распределения:

Теорема. Для того, чтобы случайные величины Х и Y были независимы, необходимо и достаточно, чтобы плотность совместногораспределения системы ( X , Y ) была равна произведению плотностей распределения составляющих.

Практически используются формулы:

Для дискретных случайных величин:

Для непрерывных случайных величин:

Корреляционный момент служит для того, чтобы охарактеризовать связь между случайными величинами. Если случайные величины независимы, то их корреляционный момент равен нулю.

Корреляционный момент имеет размерность, равную произведению размерностей случайных величин Х и Y . Этот факт является недостатком этой числовой характеристики, т.к. при различных единицах измерения получаются различные корреляционные моменты, что затрудняет сравнение корреляционных моментов различных случайных величин.

Для того, чтобы устранить этот недостаток применятся другая характеристика – коэффициент корреляции.

Определение. Коэффициентом корреляции r xy случайных величин Х и Y называется отношение корреляционного момента к произведению средних квадратических отклонений этих величин.

Коэффициент корреляции является безразмерной величиной. Для независимых случайных величин коэффициент корреляции равен нулю.

Свойство: Абсолютная величина корреляционного момента двух случайных величин Х и Y не превышает среднего геометрического их дисперсий.

Свойство: Абсолютная величина коэффициента корреляции не превышает единицы.

Случайные величины называются коррелированными , если их корреляционный момент отличен от нуля, и некоррелированными , если их корреляционный момент равен нулю.

Если случайные величины независимы, то они и некоррелированы, но из некоррелированности нельзя сделать вывод о их независимости.

Если две величины зависимы, то они могут быть как коррелированными, так и некоррелированными.

Часто по заданной плотности распределения системы случайных величин можно определить зависимость или независимость этих величин.

Наряду с коэффициентом корреляции степень зависимости случайных величин можно охарактеризовать и другой величиной, которая называется коэффициентом ковариации . Коэффициент ковариации определяется формулой :

Пример. Задана плотность распределения системы случайных величин Х и независимы. Разумеется, они также будут и некоррелированы.

Линейная регрессия.

Рассмотрим двумерную случайную величину (X , Y ), где X и Y – зависимые случайные величины.

Представим приближенно одну случайную величину как функцию другой. Точное соответствие невозможно. Будем считать, что эта функция линейная.

Для определения этой функции остается только найти постоянные величины a и b .

Определение. Функция g ( X ) называется наилучшим приближением случайной величины Y в смысле метода наименьших квадратов , если математическое ожидание

Принимает наименьшее возможное значение. Также функция g ( x ) называется среднеквадратической регрессией Y на X .

Теорема. Линейная средняя квадратическая регрессия Y на Х вычисляется по формуле:

в этой формуле m x = M ( X случайной величины Y относительно случайной величины Х. Эта величина характеризует величину ошибки, образующейся при замене случайной величины Y линейной функцией g ( X ) = a Х + b .

Видно, что если r = ± 1, то остаточная дисперсия равна нулю, и, следовательно, ошибка равна нулю и случайная величина Y точно представляется линейной функцией от случайной величины Х.

Прямая среднеквадратичной регрессии Х на Y определяется аналогично по формуле: Х и Y имеют в отношении друг друга линейные функции регрессии, то говорят, что величины Х и Y связаны линейной корреляционной зависимостью .

Теорема. Если двумерная случайная величина ( X , Y ) распределена нормально, то Х и Y связаны линейной корреляционной зависимостью.

Е.Г. Hикифорова

Фото (с) LF Academy

Представители Центробанка, Минфина, Росфинмонторинга, Минюста, а также юристы и научные деятели собрались в четверг на конференции «Финансовые технологии и право: наведение фокуса», чтобы обсудить нормативно-правовое регулирование новых финансовых технологий и проблемы гражданско-правового характера, возникающие в связи со смарт-контрактами, криптовалютами и блокчейном..

Участники обсудили текущее состояние регулирования этих инноваций в финансовой сфере в России и за рубежом, поспорили о предлагаемых в законопроектах терминах (сейчас на рассмотрении Госдумы находятся три соответствующих законопроекта), а также подняли вопрос – а нужно ли регулировать криптовалюты и блокчейн вообще, ведь апологеты этих технологий придерживаются мнения, что эти технологии сами, без внешнего контроля обеспечивают доверие контрагентов друг к другу.

Не раз также поднимался вопрос, следует ли регулирование криптовалют подвести под уже существующие нормы – например, те, что действуют на рынке ценных бумагах (в США, так и сделали). К единому мнению участники не пришли, дискуссия будет продолжена.

«Вопрос не просто в стадии проработки, вопрос в стадии постановки, прежде всего, с точки зрения права. Огромное поле для работы, фактически, возвышается на этом поле только несколько кустиков», — сказал, подводя итоги основной панельной дискуссии, модератор, статс-секретарь – заместитель директора федеральной службы Российской Федерации по финансовому мониторингу Павел Ливадный .

Законопроекты о криптовалютах

На рассмотрении Госдумы в настоящее время находятся следующие законопроекты, ни один из них пока не прошёл ни одного чтения.

По словам участников мероприятия, споры вокруг этих документов до сих пор не стихают (их даже называли законопроектами «спящих мер» — имеются в виду обильные отсылки из этих законопроектов к другим законам и НПА), не исключено, что все три будут объединены.

Позиции ЦБ и Минфина как основных регуляторов

В октябре прошлого года президент Владимир Путин правительству и ЦБ определить статус криптовалют и отрегулировать ICO. По мнению президента, использование криптовалют несёт серьёзные риски, однако он обратил внимание на необходимость использовать преимущества, которые дают новые технологические решения в банковской сфере.

Напомним, что ЦБ и Минфин имеют разногласия по «О цифровых финансовых активах» в части предусмотренной возможности обмена криптовалют на рубли, иностранную валюту и/или иное имущество. По Банка России, такие сделки должны быть разрешены только в отношении токенов, выпускаемых с целью привлечения финансирования (здесь термин «токен» обозначает криптозащищённые, существующие только в цифровом виде цифровые обязательства организации, инициирующей выпуск криптовалюты. – ред.).

В четверг на конференции свои позиции представили директор юридического департамента Центробанка Алексей Гузнов и директор департамента финансовой политики Минфина Яна Пурескина .

По мнению представителя ЦБ как органа, который вырабатывает кредитно-денежную политику, пока преждевременно вводить в правовое поле понятия цифрового права, цифровых активов и тем более криптовалюты как самостоятельных объектов гражданского права.

Гузнов заинтересовался недалёкой историей криптовалют – откуда они возникли, «как они проникли в наш мир». Одна из точек зрения – криптовалюты обязаны возникновению геймерам, которые пользовались криптовалютами для покупки игровых артефактов. Ещё одна, не противоречащая и не альтернативная первой: философия криптовалют родилась в среде криптопанков и наследует философии анархизма. Этим число вариантов не ограничивается.

«Криптовалюта – это не валюта, это что-то, что пытается назвать себя валютой», — заявил Гузнов.

«Мы к цифровым валютам как к легализованному средству платежей относимся очень осторожно, а юридически это вообще невозможно», — отметил он далее и предложил, если и вводить понятие цифровые валюты в правовое поле, то на уровне сделок «по доброй воле», не требующих государственной поддержки. В этом случае регулировать обращение криптовалют, действительно, не требуется.

Говоря о позициях Центробанков других стран, он отметил, что цифровая валюта либо запрещена, либо к ней относятся с известной долей опасения.

Гузнов отметил, что банки чувствуют влияние финтеха прежде всего в том, что всё больше клиентов не посещают офисы кредитных учреждений. Но мнение ряда представителей финтеха (высказанные два-три года назад) о том, что скоро банков не будет, а будет один финтех, представитель ЦБ не разделяет. «Сейчас оказывается, что банки во многом стимулируют развитие финтеха и вовлекают его в стандартный банковский оборот».

Большим шагом он назвал принятие в конце прошлого года клиентов банков. «Там решены важные задачи, которые позволят при сохранении персональных данных обеспечивать доступ к финансовым технологиям по формуле 24/7/365».

Представитель ЦБ не согласился с тем, что в стране может возникнуть «неконтролируемый вал операций с криптовалютой». Для регулирования «данных сущностей», по его мнению, можно рассматривать оборотоспособность – свободна она или ограничена. Сейчас, по его мнению, у государства нет других точек, где оно может воздействовать на происходящее, кроме точки перехода – из одного мира [валют] в другой [криптовалют, и наоборот].

Представитель Минфина выступила кратко, поскольку пленарное заседание сильно выбилось из графика.

Яна Пурескина считает правильным идти по пути регулирования, она ещё раз напомнила о трёх законодательных инициативах, находящихся на рассмотрении Госдумы. Минфин полагает, что надо настраиваться на уже существующие правовые конструкции, исходя из допущения, что криптовалюта – это временное явление (и в этом позиция министерства близка к позиции Минюста), на базе новых финансовых технологий будут появляться новые субъекты [регулирования], поэтому определять правила на каждый такой случай нецелесообразно.

В частности, спор о том, является ли криптовалюта объектом гражданских прав (т.е. может ли быть взыскана кредиторами или входить в наследственную базу), можно разрешить уже существующим законодательством. В нём прописано, что к объектам гражданских прав относятся вещи, включая наличные деньги и документарные ценные бумаги, иное имущество, в том числе безналичные денежные средства, бездокументарные ценные бумаги, имущественные права; результаты работ и оказание услуг; охраняемые результаты интеллектуальной деятельности и приравненные к ним средства индивидуализации (интеллектуальная собственность); нематериальные блага. Криптовалюты вполне можно отнести к «иному имуществу».

Основная идея нового регулирования состоит в том, чтобы обеспечить защиту сторон, участвующих в криптовалютных сделках: «Явление имеет место быть, оно растёт по объему, и в законопроекте о цифровых финансовых активах мы решаем эту основную задачу [защиты]». Задача в том, чтобы при возникновении спорных ситуаций стороны конфликта – участники ICO – смогли обращаться в суды за правовой защитой.

«Необходимо найти баланс между потребностями в том, чтобы обеспечить экономике новые способы привлечения инвестирования, а такие потребности в экономике сейчас есть, облегчить привлечение инвестиций для малого, среднего бизнеса, которым сейчас в меньшей степени доступно банковское кредитование, которым трудно выходить на биржевую инфраструктуру», — сказала Пурескина. По её словам, остается ещё открытым вопрос налогообложения майнинга и перевода криптовалют в фиатные деньги.

Пленарное заседание (слева-направо): Алексей Гузнов, Павел Ливадный, Герман Клименко, Николай Черногор, Яна Пурескина. Фото (с) Татьяна Костылева

Особое мнение

Приводим также наиболее интересные мнения других участников дискуссии.

Павел Ливадный (Росфинмониторинг): «Евангелисты блокчейна говорят – все сидят и всё видят. Предположим, что я свою квартиру не продавал, а у меня в блокчейне отобразилось, что я её продал. Я подошел через час к компьютеру и это увидел, а с квартирой проведено еще 10-15 сделок. Каким образом я докажу, что я это не делал? Особенно если учесть, что апологеты блокчейна не хотят государственного регулирования. Блокчейн – это лжеидея».

Представитель ММВБ сообщил, что биржа организовывать секцию криптовалют пока не готова.

Директор департамента информационно-коммуникационных технологий и аналитического осуществления внешнего государственного аудита (контроля) аппарата Счётной палаты Алексей Скляр : «В госсекторе технология блокчейн может применяться в очень ограниченных сферах, где может быть полная открытость между госорганами – учёт имущества, для формирования бюджетной отчетности».

Заместитель директора института законодательства и сравнительного правоведения при правительстве Российской Федерации Николай Черногор : «Возникновение финтеха – это проявление стремления выйти из-под жёсткого регулирования государства. Сейчас право стремится вторгнутся во все закоулки общественного взаимодействия».

Доцент кафедры теории и истории права факультета права Высшей школы экономики, юрисконсульт IBM Александр Савельев , о предложенном в законопроекте определении цифрового права. «Признак [цифрового права] – возможность в любой момент ознакомиться с описанием объекта. Вспомним, что сейчас , и многие ресурсы лежат, поэтому в любой момент можно и не ознакомиться. Имеет смысл уточнить ряд моментов [в законопроекте]. Получается, что, если хотя бы одно требование не выполнено, судебной защиты нет».

Вторая секция — юристы спорят о проблемах терминологии, о реализации прав и исполнении обязанностей граждан

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Министерство образования и науки Российской Федерации

Федеральное агентство по образованию

Государственное образовательное учреждение высшего профессионального образования

«Северо-Кавказский государственный технический университет»

ФУП и ЗО (ИУП)

КОНТРОЛЬНАЯ РАБОТА

ПО ДИСЦИПЛИНЕ ПРАВОВАЯ СТАТИСТИКА

Ставрополь 2012

1. Назовите виды (источники) информации и дайте им краткую характеристику. Какие требования предъявляются к статистической информационной базе

Статистические данные - это составная часть глобальной информационной системы, которая формируется в соответствии с концепцией информатизации, разработанной в Российской Федерации. Государственная политика в сфере формирования информационных ресурсов и информатизации направлена на создание условий эффективного и качественного информационного обеспечения решения стратегических и оперативных задач социального и экономического развития страны.

Формирование информационной базы статистического исследования социальных явлений и процессов - сложный, многоступенчатый процесс.

В этом процессе выделяются следующие обязательные этапы (иногда, как отмечалось, их именуют стадиями) исследования: статистическое наблюдение, сводка и группировка собранного материала, обработка и анализ сводных статистических данных (информации). Последние два этапа составляют научную обработку статистических данных.

Перечисленные этапы неразрывно связаны между собой, проводятся по предварительному плану и только в своей совокупности составляют законченный вид всякого статистического исследования.

Статистическое наблюдении - первый этап статистического исследования - планомерное, научно организованное и, как правило, систематическое получение данных (сбор сведений) о массовых явлениях и процессах социальной и экономической жизни путем регистрации существенных признаков каждой единицы их совокупности.

Например, во время проведения переписи населения в отношении каждого жителя страны, подлежащего переписи, регистрируются такие признаки, как пол, возраст, национальность, семейное положение, образование, источник средств существования и т.д. А при регистрации преступления в соответствующих документах единого учета (форма № 1 - статистическая карточка на выявленное преступление) учитываются существенные уголовно-правовые признаки (квалификация преступления, категория преступления, объект и предмет преступного посягательства, способ его совершения и т.д.), уголовно-процессуальные (кем и когда возбуждено уголовное дело, чья подследственность и т.д.), криминологические (виктимологические) - число потерпевших, их пол, возраст, отношение к виновному в совершении преступления и другие значимые в научно-практическом отношении признаки.

Статистическое наблюдение как целенаправленный, научно организованный и методически контролируемый учет признаков и свойств массовых явлений, событий, фактов - основополагающий способ сбора данных во всех сферах общественной жизни, в том числе и в сфере реализации государственных мер социального контроля над правонарушениями.

Статистическая сводка - представляет собой проверку, систематизацию, научную обработку материалов статистического наблюдения (подсчет первичного статистического материала, например карточек на лиц, совершивших преступления), подытоживание отдельных единиц и сведения их в массы или совокупности в целях получения обобщенной характеристики изучаемого явления по ряду существенных для него признаков (например, число несовершеннолетних, совершивших преступления).

Различают первичную и вторичную сводку. Первичная сводка - обработка и подсчет первичных данных (по документам первичного учета), непосредственно собранных в процессе статистического наблюдения; вторичная сводка - обработка и подсчет сведенных данных первичной сводки. Она производится по данным отчетности и специально.

Целью сводки является систематизация первичных данных и получение на этой основе сводной характеристики объекта исследования в целом при помощи обобщающих статистических показателей. То есть если при статистическом наблюдении собирают данные о тех или иных признаках каждой единицы совокупности, то результатом сводки являются подробные сведения, отражающие в целом всю совокупность.

2. Сущность закона больших чисел и его роль в исследовании социально-правовых явлений. Какова вероятность того, что при бросании игральной кости у нас выпадет число очков, делящееся на 3? Что является математическим обоснованием закона больших чисел

Закон Больших Чисел в теории вероятностей утверждает, что эмпирическое среднее (среднее арифметическое) достаточно большой конечной выборки из фиксированного распределения близко к теоретическому среднему этого распределения. В зависимости от вида сходимости различают слабый закон больших чисел, когда имеет место сходимость по вероятности, и усиленный закон больших чисел, когда имеет место сходимость почти всюду.

Всегда найдётся такое количество испытаний, при котором с любой заданной наперёд вероятностью относительная частота появления некоторого события будет сколь угодно мало отличаться от его вероятности.

Общий смысл закона больших чисел - совместное действие большого числа случайных факторов приводит к результату, почти не зависящему от случая.

На этом свойстве основаны методы оценки вероятности на основе анализа конечной выборки. Наглядным примером является прогноз результатов выборов на основе опроса выборки избирателей.

Под законом больших чисел и понимается совокупность предложений, в которых утверждается, что с вероятностью, как угодно близкой к единице (или нулю), произойдет событие, зависящее от очень большого, неограниченно увеличивающегося числа случайных событий, каждое из которых оказывает на него лишь незначительное влияние.

Точнее, под законом больших чисел понимается совокупность предложений, в которых утверждается, что с вероятностью, как угодно близкой к единице, отклонение средней арифметической достаточно большого числа случайных величин от постоянной величины - средней арифметической их математических ожиданий, не превзойдет заданного как угодно малого числа.

Отдельные, единичные явления, которые мы наблюдаем в природе и в общественной жизни, часто проявляются как случайные (например, регистрируемый смертный случай, пол родившегося ребенка, температура воздуха и др.) вследствие того, что на такие явления действует много факторов, не связанных с существом возникновения или развития явления. Предсказать суммарное действие их на наблюдаемое явление нельзя, и они различно проявляются в единичных явлениях. По результатам одного явления нельзя ничего сказать о закономерностях, присущих многим таким явлениям.

Однако давно было замечено, что средняя арифметическая числовых характеристик некоторых признаков (относительные частоты появления события, результатов измерений и т.д.) при большом числе повторений опыта подвержена очень незначительным колебаниям. В средней как бы проявляется закономерность, присущая существу явлений, в ней взаимно погашается влияние отдельных факторов, которые делали случайными результаты единичных наблюдений. Теоретически объяснить такое поведение средней можно с помощью закона больших чисел. Если будут выполнены некоторые весьма общие условия относительно случайных величин, то устойчивость средней арифметической будет практически достоверным событием. Эти условия и составляют наиболее важное содержание закона больших чисел.

Первым примером действия этого принципа и может служить сближение частоты наступления случайного события с его вероятностью при возрастании числа испытаний - факт, установленный в теореме Бернулли (швейцарский математик Якоб Бернулли (1654- 1705)).Теорема Бернулл является одной из простейших форм закона больших чисел и часто используется на практике. Теорема Бернулли: Если вероятность события А в каждом из п независимых испытаний постоянна и равна р, то при достаточно большом п для произвольного e >0 справедливо неравенство

Переходя к пределу, имеем

Вероятность того, что при бросании игральной кости выпадет число, которое делится на 3, равна 2/6. Так как игральная кость имеет 6 сторон, а на три делятся всего 2 числа - 3 и 6.

3. Назовите основные задачи анализа данных уголовно-правовой статистики. Основные направления исследования преступности на основе данных уголовно-правовой статистики

Уголовно-правовая статистика, призвана играть самую серьезную роль в изучении преступности и выработке практических мер контроля над ней. Она ставит перед собой и решает следующие основные задачи:

1) определение количественно-качественных характеристик преступности;

2) выявление обстоятельств (причин, условий, факторов), детерминирующих преступность;

3) изучение лиц, совершивших преступления;

4) изучение всей системы государственных мер социального контроля над преступностью.

Очевидно, все перечисленные задачи практически связаны друг с другом, поскольку исследование преступности ведется, как правило, в связи с оценкой деятельности государственных органов, осуществляющих контроль над ней.

В процессе анализа используются следующие виды источников информации:

Документы первичного учета и статистической отчетности правоохранительных органов и суда;

Данные обобщения уголовных дел и материалов о преступлениях;

Данные прокурорских проверок состояния законности;

Данные социально-экономической, социально-демографической статистики;

Результаты изучения общественного мнения о преступности и криминологических исследований, если они проводились на обследуемой территории;

Данные об иных правонарушениях и показателях моральной статистики (пьянство, алкоголизм, наркомания и др.).

В самом общем плане основными направлениями изучения преступности являются:

Изучение тенденций преступности и обусловливающих ее факторов в целях получения прогностических выводов о возможных изменениях этих тенденций и разработки на этой основе перспективных программ (общегосударственных, региональных и т.д.) социального контроля над ней;

Исследование отдельных проблем борьбы с преступностью и охраны общественного порядка. Например, анализ состояния некоторых категорий и видов преступлений (должностных, в сфере экономики - финансовых, налоговых, таможенных, связанных с наркотиками, заказных убийств, угона автомототранспортных средств, преступлений, совершаемых несовершеннолетними, квартирных краж и т.д.);

Текущий (непрерывный) анализ оперативной обстановки на основе суточной, декадной и месячной информации. Осуществляемый непрерывно, он служит потребностям оперативного руководства, позволяет быстро обнаруживать те или иные изменения в оперативной обстановке и принимать нужные управленческие решения. В органах внутренних дел это изучение практически осуществляется всеми отраслевыми службами. Однако основной объем данной работы ложится на их штабные подразделения и дежурные части, располагающие необходимой оперативной информацией и средствами ее накопления (картотеки, журналы, схемы, графики, магнитопланы и т.п.);

Систематический анализ преступности, при котором она анализируется последовательно из года в год (или по более длительным периодам - три, пять лет);

Комплексный анализ преступности с учетом большинства известных факторов, оказывающих или способных оказать влияние на их особенности.

Преступность анализируется не в статике, а в динамике. При этом, как отмечалось, поскольку «душа» анализа - сравнение во времени и пространстве, постольку важен как ретроспективный анализ, т.е. взгляд на тенденции и состояние преступности в прошлом, так и перспективный - выявление ее возможных тенденций, характеристик.

Говоря о динамике преступности за многолетний период, надо учитывать обстоятельства, влияющие на эту динамику: изменение исторических и социально-экономических условий (специфика в этом отношении советского и настоящего периода - постсоветского); движение населения (опережающие темпы роста смертности по сравнению с рождаемостью и связанные с этим процессы изменения удельных весов отдельных возрастных когорт и старения населения, процессы вынужденной миграции - беженцы и переселенцы и др.); изменение уголовного закона и др.

Указанные обстоятельства предопределяют необходимость выделения из всей совокупности сопоставимого массива преступлений, который мог бы быть базовым при анализе преступности во времени и пространстве. Опыт свидетельствует, что при этом следует учитывать ряд моментов: стабильность уголовно-правового запрета; распространенность преступлений не должна зависеть от каких-то особых, специфических условий места и времени, уровень терпимости населения к выявлению тех или иных преступлений, наказанию виновных и др.

Сопоставимый массив преступлений должен отражать видовой объект уголовно-правовой зашиты и включать следующие основные блоки:

1) преступления против личности (насильственная преступность): умышленные убийства, причинение вреда здоровью, изнасилование, посягательство на жизнь сотрудника правоохранительного органа и т.п.;

2) преступления в сфере экономики: а) против собственности (кражи, грабежи, разбои, вымогательство и др.); б) в сфере кредитно-денежных отношений - кредитно-банковские злоупотребления и фальшивомонетничество; в) в сфере внешнеэкономической деятельности - контрабанда; г) в сфере потребительского рынка; г) в сфере приватизации и др.;

3) преступления против общественной безопасности и общественного порядка (бандитизм, хулиганство, преступления, связанные с незаконным оборотом оружия, наркотиков, и др.);

4) преступления против интересов государственной власти (злоупотребление должностными полномочиями, взяточничество и др.).

Приведенный перечень может расширяться в зависимости от конкретного состояния преступности и практических потребностей анализа.

Кроме того, наряду с отмеченными блоками преступности, выделяемыми по характеру совершенных преступлений, в теории и аналитической практике важное значение имеет анализ основных показателей рецидивной преступности: ее уровень и интенсивность - число преступлений, совершенных лицами, ранее совершавшими преступления, число лиц, ранее совершавших преступления, структура рецидива по сопоставимому массиву преступлений, ее организованность - доля преступлений, совершенных группой лиц без предварительного сговора, группой лиц по предварительному сговору, организованной группой, преступным сообществом (преступной организацией).

правовой статистика автоматизированный

4. Раскройте особенности оценки деятельности правоохранительных органов и суда по утверждению в стране режима конституционной законности. Назовите основные направления создания автоматизированной системы обработки данных правовой статистики

Суды (аналитические подразделения судебных департаментов) и соответствующие отделы статистики и аналитических обобщений органов юстиции всех уровней на основе данных судебной статистики определяют показатели работы судов по трем направлениям:

а) рассмотрение уголовных дел;

б) рассмотрение гражданских дел;

в) исполнение судебных решений.

По рассмотрению уголовных дел показатели работы судов первой инстанции характеризуют, в частности:

Количество поступивших уголовных дел, общее число осужденных судами первой инстанции, состояние судимости (уровень, темпы роста, структура судимости по различным уголовно-правовым и криминологическим признакам и пр.);

Карательная практика - структура и динамика мер наказаний, что в известной степени показывает направление уголовной политики и характеризует степень общественной опасности преступности (имея в виду соотношение групп осужденных к лишению свободы и осужденных к мерам наказания, не связанным с лишением свободы);

Законность и обоснованность постановлений судов первой инстанции - общее число судебных решений, отмененных и измененных вышестоящими судами;

Оперативность судебного разбирательства - количество дел, разрешенных районными (городскими) судами с нарушением процессуальных сроков, в том числе по делам вышестоящих судов.

Итак, работу судов по рассмотрению уголовных дел можно характеризовать по объему, срокам и качеству (как по абсолютным, так и по обобщающим показателям).

Объем работы определяется и по числу уголовных дел, рассмотренных судом за отчетный период, и по показателям средней нагрузки на одного судью.

Качество рассмотрения уголовных дел по сложившейся практике характеризуют такими показателями, как число отмененных и измененных кассационной или надзорной инстанциями приговоров и постановлений.

Эффективность любой деятельности существенно зависит от качественно-количественных показателей ее информационного обеспечения и быстроты их получения. Поэтому проблеме информатизации различных аспектов юридической деятельности ныне уделяется самое серьезное внимание. Средства быстродействующей вычислительной техники, связи и информатики используются в правотворческой, правоприменительной и правоохранной деятельности. Особое внимание уделяется компьютеризации системы уголовной юстиции. Восьмой конгресс ООН о предупреждении преступности и обращению с правонарушителями (Гавана, 1990 г.) принял специальную резолюцию «Компьютеризация уголовного правосудия»1, Девятый конгресс ООН (Каир, 1995 г.) организовал международный семинар-практикум по данной проблеме.

В компьютеризации юридической деятельности можно условно выделить три группы систем:

1) автоматизированные информационные системы о нормативных актах, включающие в себя банки законодательных, правительственных и ведомственных актов, решения Конституционного Суда, постановления Пленума Верховного Суда, материалы судебной и арбитражной практики;

2) автоматизированные информационные системы, обеспечивающие оперативно-розыскную деятельность, расследование преступлений, охрану общественного порядка, где отражены банки данных криминального учета лиц - владельцев оружия и автотранспорта, лиц, разыскиваемых и без вести пропавших и единиц разыскиваемого оружия и т. д.;

3) автоматизированные информационные системы регистрации и учета преступлений, лиц, их совершивших, осужденных, заключенных, иной статистической информации о деятельности правоохранительных органов, судов, других юридических учреждений.

Все эти системы тесно связаны между собой. Они могут формировать единую информационно-вычислительную сеть органов внутренних дел, налоговой полиции, таможенной службы, прокуратуры и судов. Информация одной автоматизированной информационной системы может быть важной для другой и наоборот. Поэтому стратегическая цель при информатизации деятельности правоохранительных органов - это применение новейших информационных технологий на базе создания интегрированных банков данных справочного, статистического и аналитического характера, объединяя их в единое информационное пространство, доступное с рабочих мест сотрудникам правоохранительных органов1. В 1995 т. была принята Президентская программа «Правовая информатизация органов государственной власти РФ», в которой определены перспективы развития автоматизированных информационных систем в правовой сфере.

Размещено на Allbest.ru

Подобные документы

Математические методы систематизации и использования статистических данных для научных и практических выводов. Формирование закономерностей массовых социально-экономических процессов. Толкование экономических явлений посредством закона больших чисел.

контрольная работа , добавлен 28.10.2010


Понятие статистической совокупности и ее структура. Понятие генеральной и выборочной совокупности. Обеспечение репрезентативности выборочной совокупности. Вероятность наступления в выборочной совокупности какого-либо события. Закон больших чисел.

презентация , добавлен 19.05.2012


Краткая история зарождения и развития статистики как науки. Предмет изучения и характеристика основных задач статистики. Статистические методы сбора и обработки данных для получения достоверных оценок и результатов. Источники статистических данных.

лекция , добавлен 13.02.2011


Исследование направлений движения статистической информации. Сбор первичных данных в ходе статистического наблюдения. Сводка, группировка, обработка данных, осуществляемая органами государственной статистики. Использование статистической информации.

реферат , добавлен 26.05.2014


Законы распределения случайных величин. Закон распределения Пуассона. Свойства плотности вероятности. Критериальные случайные величины. Свойство коэффициента корреляции. Закон больших чисел и его следствия. Предельные теоремы теории вероятностей.

курс лекций , добавлен 11.03.2011


Понятие о статистической информации. Статистическое наблюдение как стадия экономико-статистического исследования. Задачи и данные статистики при изучении доходов, расходов. Домашние хозяйства как источник информации. Доходная и расходная часть баланса.

контрольная работа , добавлен 06.12.2010


Понятие экономического анализа как науки, его сущность, предмет, общая характеристика методов и социально-экономическая эффективность. Основные группы эконометрических методов анализа и обработки данных. Факторный анализ экономических данных предприятия.

реферат , добавлен 04.03.2010


Основные понятия статистики. Организация статистического наблюдения. Ряды распределения, табличный метод представления данных. Статистическая сводка и группировка. Объекты уголовно-правовой, гражданско-правовой и административно-правовой статистики.

реферат , добавлен 29.03.2013


Понятие статистики как научного направления, предмет и методы ее изучения. Методы организации государственной статистики в РФ и международной практике, требования к данным. Сущность и порядок реализации корреляционно-регрессивного анализа и связей.

учебное пособие , добавлен 07.02.2010


Организационные формы и субъекты экономического анализа. Элементы информационной системы анализа, цели предоставления и степень точности информации. Состав информации, необходимой для принятия управленческого решения; справочно-правовые базы данных.

Особенности статистической методологии.

Своеобразие статистики как науки и метода познания состоит в том, что она изучает количественные отношения в неразрывной связи с качественной стороной процессов общественной жизни. Неизбежным следствием такого своеобразия являются и особенности статистического анализа. Эти особенности, в частности, заключаются и в том, что статистические методы исследования органически сочетаются с методами той науки, предмет которой изучается, а исследователь, как правило, является специалистом двух научных дисциплин. Аспект конкретности в анализе общественных явлений, обусловленных определенным пространством и временем, предопределяет необходимость сочетания статистических и специфических методов для данной сферы объектов, устанавливаемых определенной научной дисциплиной.

Можно назвать, по крайней мере, три особенности статистической методологии или принципа статистического изучения явлений:

Статистика изучает массовые количественные отношения в неразрывной связи с качественными особенностями процессов и явлений;

Статистика рассматривает с помощью сводных показателей любой процесс в целом, в совокупности факторов, черт и сторон изучаемых явлений;

Статистика стремится показать совокупность явлений и их развитие в дифференциации, в многообразии их типов, рассмотреть взаимосвязи и отношения между последними.

Особенно большое значение для вскрытия специфики статистики имеет трактовка таких философских категорий, как качество и количество, причинность, необходимость и случайность, общее, частное и отдельное, закон и закономерность.

КАЧЕСТВО - это внутренняя определенность, или сущность явления непосредственно связанная с законом его развития. Качество обнаруживается в сочетании многообразных сторон, свойств, признаков явления.

КОЛИЧЕСТВО - это внешняя определенность явления, выступающая в виде величины, числа, степени проявления того или иного его свойства. Количество находится в единстве с качеством, составляя меру явления.

СУЩНОСТЬ - это внутренняя относительно устойчивая сторона действительности, скрытая за поверхностью явления.

ЯВЛЕНИЕ - это внешняя более подвижная сторона действительности, выступающая формой выражения сущности.

СЛУЧАЙНОСТЬ - это то, что имеет причину не в самом себе, не в сущности явлений, вытекает не из внутренних, но побочных, внешних связей, а поэтому может быть, но может и не быть, может произойти так или по другому.

НЕОБХОДИМОСТЬ - это то, что имеет причину в себе самом, с неизбежностью вытекает из сущности, внутренних связей явлений, поэтому неизбежно должно произойти в главном так, а не иначе.

Сущность и явление не совпадают друг с другом. Задача всякой науки, в том числе и статистики, заключается в том, чтобы за явлениями, которые только и попадают в поле зрения исследователя, увидеть, вскрыть сущность.

Таким образом, руководствуясь названными категориями объективной действительности, статистик вправе рассчитывать, что на основе собираемых им статистических данных он может раскрыть сущность изучаемого общественного процесса.

Одним из выражений связи между случайностью и необходимостью выступает ЗАКОН БОЛЬШИХ ЧИСЕЛ.

Иными словами, закон больших чисел выражает общий принцип, в силу которого в большом числе явлений при некоторых общих условиях почти устраняется влияние случайных факторов.

Закон больших чисел получил свое математическое доказательство в теории вероятностей, а также подтверждение в многочисленных экспериментальных проверках. Так, французский естествоиспытатель А.Бюффон поставил следующий опыт: подбросил монету 4040 раз, при этом орел выпал 2048 раз, а решка 1992 раза. Отсюда, частность выпадения орла составила 2048/4040 = 0,507 и отклонилась от вероятности его выпадения в каждом отдельном случае, равной 1/2, лишь на 0,007 (0,507 - 0,500).

Это говорит о том, что в рассматриваемом опыте почти полностью проявилось влияние основных, постоянных причин, а случайные причины отклонили результаты только на весьма незначительную величину. Т.е. в результате взаимопогашения случайных отклонений средние, исчисленные для величин одного и того же вида, становятся типичными, отражающими действие постоянных и существенных факторов в данных условиях времени и места.

В силу закона больших чисел случайные отклонения и ошибки в измерении величин взаимопогашаются в массе явлений. Опять-таки в силу этого же свойства следует изучать основные закономерности в большой совокупности объектов, а не на отдельных объектах, на величину которых, кроме основной закономерности, действуют двоякого рода погрешности: индивидуальные особенности данного события (объекта) и неточности, связанные с измерением его величины.

При определенных условиях величину отдельного элемента в совокупности можно рассматривать как случайную величину, имея в виду, что она является не только автоматическим результатом какой-то общей закономерности, но в то же время и сама определена действием множества факторов, не зависящих от этой общей закономерности.

Поэтому в основе статистического исследования всегда лежит массовое наблюдение фактов. Но подчеркнем, что закон больших чисел не является регулятором процессов, изучаемых статистикой. Ошибочно считать его основным законом статистики. Он характеризует лишь одну из форм проявления закономерностей в массовых количественных отношениях, которую в науке называют статистической закономерностью.

СТАТИСТИЧЕСКАЯ ЗАКОНОМЕРНОСТЬ - одна из форм проявления всеобщей связи явлений в природе и обществе. Впервые этот термин стал употребляться в естественных науках в противоположность понятию динамической закономерности, т.е. такой формы закономерности, когда строго определенным значениям каких-либо факторов всегда соответствуют строго определенные значения величин, зависимых от этих факторов. При динамической закономерности количественные соотношения между величинами остаются справедливыми для каждого отдельного случая, каждого элемента совокупности, охваченного действием известного закона. Указанные соотношения могут быть выражены математическими строго определенными формулами, системой уравнений и т.д.

Примером динамической закономерности являются закономерности соотношений силы тяжести, массы и расстояний между телами, определяемые законом всемирного тяготения.

СТАТИСТИЧЕСКАЯ ЗАКОНОМЕРНОСТЬ - другая форма закономерности, когда какое-либо правило, закон, количественное соотношение выявляются только в достаточно большом числе элементов совокупности, находят свое выражение только в массе явлений. Наступление отдельного события при этой закономерности связано с известной вероятностью (т.е. отдельное событие может наступить или не наступить). Но в массе случаев общая закономерность необходимо найдет свое проявление. Характеристика связи между числом событий и степенью действия общей закономерности, при некоторых простых условиях, дается законом больших чисел. Одной из форм математического выражения связи причин и следствий при статистической закономерности служат уравнения регрессии (корреляции).