商务统计学习讲座 46页

离散概率分布连续概率分布其它分布狄利克雷■曲•矩阵常态分配-多变量常态分配-vonMises-Fisher•Wi密ner拟概率•Wisharl隐藏▲概率分布［查看•讨论・编辑・历史］多随机变量单随机变量均匀•们努利•AM••UW•超几何••负二项•玻尔兹曼•复合泊松•退化•高斯-库兹明•对数•拉徳Ewens抽样公式/，册;•Skcllam•Yulc-Simon•J•齐丿2•齐夫-曼德尔布罗特•抛物线分頑均匀•蛀•w•B（贝塔）•（第二类）•ME•—（卡方）•6（德尔塔）•Erlang•广义误差•F•衰落•Fisher的z•Fisher-Tippett•Y（伽玛）•广义极值•广义双曲•半逻辑•Hotelling的T平方•双曲止割•超指数•逆x?•逆高斯•广义逆高斯•逆Y•Kumaraswamy•Landau•拉普拉斯•列维•稳定•逻辑•对数止态•麦克斯韦-玻尔兹曼•妄斯韦速率分布律•玻色-爱因斯坦•费米-狄拉克•Pareto•Pearson•极角•余弓玄平力一•瑞利•相对论的Breit-Wigner•莱斯•t（学生氏）•巳•第•类Gumbel・第二类Gumbe1•Voigt•vonMises•韦氏•Wigner半鬪形康托尔分布*条件概率•指数分布族•infinitclydivisible•location-scalefam订y•marginal•maximumentropy•phase-type•posterior•prior•拟概率•抽样分配•singular\n三商务统计学习讲座雷钦礼刖5•一、商务统计课程的性质•二、商务统计学习的方法一、商务统计课程的性质•1、商务统计是全面系统论述商务与经济统计活动全过程中所用统计理论为方法的综合性课程,在调査分析师证书系列课程中是具有提纲挈领作用的一门课程。•2、商务统计课程的内容都是硕士研究牛入学考试必考的内容，是任何一个统计人员和调查分析人员都必须掌握的统计学的核心知识。二、商务统计学习的方法•1、商务统计是一门应用性统计学课程，在学习过程中应注重各种基本概念的含义和各种方法的基本原理与应川，要掌握每种方法的使川条件、计算步骤、以及结果的意义与解释。•2、要在理解和领会中记忆和掌握课程的内容。如对于各种统计分布的复朵的密度函数公式就不需记忆，但却需要熟练掌握其概念定义以及分布函数表的使用方法。第一章绪论»—、统计学的性质A二、统计学的作用A三、统计学的基本概念A四、统计指标体系的设计一、统计学的性质•（一）统计活动的内容与阶段•对各种数据资料的搜集、整理、分析和推断的活动过程称为统计活动，一项完整的统计活动过程可分为统计资料的搜集整理和统计资料的分析推断两大阶段。•（二）统计学的定义与分科•统计学就是关于数据资料的搜集、整理、分析和推断的科学。关于统计资料的搜集整理和分析推断的理论与方法构成了统计学的全部内容。•（1）理论统计学与应用统计学•（2）描述统计学与推断统计学二、统计学的作用•（-）统计学在科学研究中的作用——提出假说并判定假说的止确与否•（二）统计学在生产屮的作川——通过试验分析找出最佳工艺，并对生产过程进行统计质量控制。•（三）统计学在管理中的作用——抽样调查了解社会与市场，为决策提供依据；并可建立各种社会与经济发展模型，定量地模拟社会与经济的运行，既可分析社会与经济的发展及其结构变化，乂可进行政策效果的评价。三、统计学的基本概念•（一）总体和个体组成统计活动研究对象的全部爭物的全体集合，就称为统计总体，简称总体或母体；而总\n体中的各个事物则称为个体，总体中个体的数量称为总休容量。1、白然物体总体与人为划立个体的总体；2、有限总体与无限总体；3、具体总体与设想总体（抽象总体）。三、统计学的基本概念（二）统计指标及其测度用来测度统计活动研究对彖某种特征数量的概念称为统计指标，简称指标。其中，测度总体特征数量的概念称为总体指标，而测度个体特征数量的概念则称为个体指标。指标的测度计量尺度有（1）定类尺度，（2）定序尺度，（3）定距尺度，（4）定比尺度。三、统计学的基本概念（三）样本和统计推断1、样本—从总体屮随机抽出的部分个体所组成的集合称为样本或子样，样本中所含个体的数目称为样本容量。2、统计推断——根据样木观测资料來对总体的分布状况和分布特征进行推断。3、样木数据的分类一一（1）横截面数据，（2）时I'可序列数据。四、统计指标体系及其设计（一）统计指标体系的定义反映总体及其所含个体的各个方面特征数量的一系列相互联系、相互补充的统计指标所形成的体系，称为统计指标体系。（二）构建统计指标体系的意义（三）指标体系中指标的分类•1、水平指标——（1）存量指标与流量指标，（2）实物指标与价值指标。•2、比率指标一一（1）比例相对指标，（2）比值相对指标，（3）动态相对指标，（4）弹性相对指标，（5）强度相对指标。（四）指标体系设计的内容1、确定统计指标体系的框架；2、确定每一个指标的内涵和外延；3、确定每个统计指标的计量单位；4、确定每个统计指标的计算方法。（五）指标体系设计的原则1、目的性原则2、科学性原则3、可行性原则4、联系性原则第二章数据采集与整理一、数据采集的方式与程序•二、现场调查•三、试验观测•四、数据的整理显示一、数据采集fl勺方式•与程序（一）数据采集——根据统计指标体系的要求，对所研究总体中个体的相应指标进行观测记录取得数据的活动过程。\n（二）数据采集活动的基本要求——采集到的数据资料要具有代衣性和真实性。所谓代表性，\n是耍求所观测到的样本必须对所研究总体具有代表性；而所谓真实性，则是耍求所采集到的数据必须是真实的实际数据。（三）数据采集方式的分类——现场调查和试验观测一、数据采集的方式与程序•（四）数据采集的程序•1、制定数据采集方案——包括（1）采集数据的「I的，（2）采集总体和观测单位，（3）观测指标数值登记表，（4）采集方式和组织，（5）采集时间和期限。•2、现场观测登记•3、数据整理显示二、现场调查•（一）调查的取样方式•1、随机抽样调查•（1）简单随机抽样，（2）系统抽样，•（3）分层抽样，（4）整群抽样。2、非（1）任意抽样，（2）立意抽样，（3）配额抽样。3、概率抽样和非概率抽样的特点比较（二）现场调查的观测方式1、访问法（1）口头访问当而访问或电话访问（2）书面访问__邮局或互联网邮件传递，以及皆门送收2、观察法（三）现场调查的问卷设计•1、提问方式•（1）封闭型提问•（2）开放型提问•2、提问次序三、试验观测•（_）试验观测设计的原则•1、均衡分散性原则•2、整齐可比性原则•（二）试验观测的方法•1、完全随机试验观测•2、随机区组试验观测•3、拉丁方试验观测•4、正交试验观测四、数据整理与显示•（一）构建观测资料数据库的意义与方法\n•（二）观测数据的分类显示•1、观测个体的分类\n•（1）分类的功能与原则•（2）分类的方法•2、统计表的编制•（1）统计表的构成•（2）统计衣的编制规则一一内容安排科学合理，形式设计简练美观。第三章次数分布•一、次数分布的概念•二、次数分布表及其编制•三、次数分布图•四、次数分布的理论模型及其表示方法•五、离散变量概率分布模型•六、连续变量概率分布模型一、次数分布的概念•（一）次数分布：观测变量的各个不同取值及其出现次数的顺序排列，称为变量的次数分布。•（二）总体次数分布和样本次数分布•（三）次数分布的作川——观测变量的次数分布包含了观测变量取值的全部信息。根据观测变量的次数分布，可以对观测变量的各种分布特征进行描述和分析。二、次数分布表及其编制•（一）次数分布表的种类•1、单值分组次数分布表•2、组距分组次数分布表•（二）组距分纽次数分布表的编制方法1、确定组数等距分组的斯特吉斯公式：m=l+3.3221gN2、确定组距等距分组的参考组距：Max^-Min^VV—m3、确定组限4、计数各组的次数5、列出次数分布农三、次数分布图甞里阻业響型整豎響业甞型翌么称为次数分布图。•常用的次数分布图主要有柱状图、直方图和折线图等儿种。四、次数分布的理论模型•（一）理论分布模型的概念与意义•随机变量取某个数值或在某个区间取值是一个随机事件，使用概率理论计算的随机变量在各个数值上或在各个区间内取值的概率分布，就是随机变量的理论分布，计算此理论分布\n的概率理论模型就是其理论分布模型。•在现实生活中，各种观测变量的概率分布都可以用某个理论概论分布模型去近似描述。\n因此就对据此理论分布模世进行分析推断。四、次数分和的理论模型（二）理论分布模型的表示方法1、概率分布表2、概率分布图3、概率分布函数式五、离散变量概率分布模型记所考察的离散变量为x,假设该随机变量共可取m个不同的值，它取值为冶的概率为Pi，并记随机事件X=Xi的概率为P（x=Xi）,则离散随机变量的概率分布可表示为：P（x=Xj）=pi；i=l,2...,m.在统计分析推断中，常用的离散变量概率分布模型主要有两点分布、二项分布、超儿何分布和泊松分布等几种。（一）两点分布个，则有:假设总体中有两类共N个个体，其中取值为“是”的有M个，取值为“非"的有N。尸（x=1）=“\—p、'ZP（jv=O）==q（二）二项分布假设在0-1分布总体中，取“是”值的个体比例为P，取“非”值的比例为q,现从中有放回地随机抽取n个个体，记X为取“是”值的个体数目，则其中恰有n,个个体取“是”值、且有^n-n,个个体取“非”值的概率为：P（x=n.）=C^pniq^、'Z（三）超儿何分布假设0-1总体中共有N个个体，其中取“是”值的个体有M个，取“非”值的个体有No个。现从不放冋地随机抽取n个个体，记x为取“是”值的个体数目，则其中恰有m个个体取“是”值、且有个个体取“非”值的概率为：（四）泊松分布泊松分布是稀有事件出现次数的理论分布模型，如自然灾害、意外事故、机器故障等事件出现的次数都近似地服从泊松分布。泊松分布概率模型为：P{x=m）=——e~A加！泊松分布p（入）中只有一个参数入,它既是泊松分布的均值，也是泊松分布鬲方差。在实际事例中，当一个随机事件，例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的H血球等等，以固定的平均瞬时速率入（或称密\n度）随机且独立地出现时，那么这个事件在单位时间（血积或体积）内出现的次数或个数就近似地服从泊松分如。因此泊松分布在管理科学，运筹学以及自然科学的某些问题中都占有重耍的地位。六、连续变量概率分布模型连续型随机变量的取值范围可以是数轴上的某个区间，也可以是整个数轴。由于它可以取无穷多个不同的数值，所以描述其概率分布的最完善方法是概率函数式。在理论分析中，描述连续变量概率分布的最常用的概率函数式是概率分布密度函数。在统计分析推断中，常用的连续随机变量概率分布模型主要有均匀分布、正态分布、X2分布、（分布和F分布等儿种。（一）均匀分布若随机变量x在区间［比b］上服从均匀分布，则该随机变量的概率密度函数为:,ab.图3.4均匀分布的解緞曲线（二）正态分布若随机变量x服从止态分布，则其概率密度函数就为:\n（三）X?分布…、乙都服从标准正态分^IjN（OJ）,且两两Z间相互独立，则这些若随机变量Z1、z2厂V22r-(2丿0J.£2e2>0;,x<0.（四）t分布若随机变量z〜N（（M）,x〜x2（n）,且二者相互独立,则:服从学牛氏t分布，概率密度函数为:An\n（五）F分布若随机变量xm-X2（rn）,xn~X2（n）,旦二者相互独立，则：_x,JmX=；—Xn/n_-im+Hx2（〃+mx）T~>0;x<0-第四章分布特征测度•一、分布屮心•二、离散程度•三、偏度与峰度•四、相关程度一、分布中心测度的意义（一）分布中心的概念——所谓分布中心，就是指随机变量的一切取值的散布中心。（二）测度分布中心的意义1、随机变量的分布中心是随机变量一切取值的一个代表，口J以用來反映其数值的一般水平。2、随机变量的分布屮心可以揭示随机变量一切取值的次数分布在直角坐标系内的集屮位置,可以用来反映随机变量分布密度曲线的中心位置，即对称小心或尖峰位置。二、分布中心测度指标用来测度随机变量次数分布中心的指标可以有多种，其中在统计分析推断中常用的主要有算术平均数、中位数和众数等儿种。（一）算术平均数1、定义——算术平均数乂称算术均值，是随机变量的所有观测值总和与观测值个数的比值。2、计算方法«（1）简单算术平均数——适用于未分组整理的各个单个观测数值，其计算公式为：工兀\nx=^—\n(2)加权算术平均数——适用于已分组整理的次数分布数据，其计算公式为:Difii=\Z/壬=—/=!(3)算术平均数的变形——调和平均数。对于由观测变量的各个分组和各组变量总值顺序排列所形成的分组数据。算术平均数的公式需变换成调和平均数的形式:当各组的变量总值mi相等时，就可简化为:nz1=13、理论分布的算术平均数一学期望(1)定义对于离散型随机变量，假设有n个不同的取值，其屮取某个数值&的概率为pi，则该随机变量的数学期望对用算术平均数公式定义为：/=1对于连续型随机变量，仍可用算术平均数定义其数学期期，不过因为连续变量求和要用定积分，所以定义中需要用定积分符号代替总和符号，QP：)dx(2)例子例如，对于服从两点分布的随机变量x,其不同的取值只有1和0,其中取1的概率为p,取0的概率为q=l-p,则其数学期望为：“E(x)=工兀门=1xP+0Xg=p/=!又如，对于服从位置参数为U且尺度参数为。2的正态分布的随机变量X,由其概率密度函数可计算出其数学期望就是其位置参数》o标准止态分布随机变量的数学期望为0。(3)数学期望的性质①若c为常数，则必有：E(c)=c②若c为任意常数，x为随机变量，则必有：E(cx)=cE(x)③若X］、X2Xm均为随机变量，则必有：E(X|+X2+…+Xm)二E(x1)+E(X2)+…+E(Xm)④若X］、X2Xm均为随机变量，且相互独立，贝I」：E(X|X2...xm)=E(Xj)E(x2)...E(xm)⑤若X是随机变量，则必有：E(Ix|)$|E(x)I\n（二）中位数1、定义中位数是在按观测变量值的大小顺序排列所形成的变量值数列中点位置上的变量值。对于观测变量X,假设共取得n个观测值，各个观测值按大小顺序排列为x（|）、X（2）X（n）,则其中位数可定义为：卜『”小，〃为奇数；X=0②若c为常数，x为随机变量，则有：Var(cx)=cVar(x)③若随机变量X]、X2Xm均相互独立,则有：Var(xi+x2+...+xm)=Var(Xi)+Var(x2)+...+Var(xm)④若X为随机变量，C为任一常数，则有：E(x-c)2=E[x-玖x)F+[c・E(x)F⑤对于任意随机变量X,均有：Var(x)=E(x2)-[E(x)]2(四)离散系数1、离散系数的概念——各个衡量随机变量収值之间绝对差异的指标与算术平均数的比率，通称为离散系数。2、计算离散系数的意义一一消除量纲和数量级的差异，便于不同观测变量Z间的比较。3、计算公式=4x100%5=2x100%Xvs=5x100%\n六、测度偏度和峰度的意义•（一）概念——所谓偏度，就是观测变量取值分布的非对称程度；所谓峰度，就是观测变量取值分布密度曲线顶部的平坦程度或尖悄程度。•（二）意义•1、加深人们对观测变量取值的散布状况的认识；•2、将观测变量的偏度和峰度指标值与某种理论分布的偏度和峰度指标值进行•比较，以判断观测变量的分布与某种理论分布的近似程度。七、偏度的测度（一）直观偏度系数•1、皮尔逊偏度系数•2、鲍莱偏度系数（二）矩偏度系数1、矩的定义——原点矩和中心矩2、矩偏度系数八、峰度的测度•矩峰度系数一其计算公式为:随机变量的四阶中心矩与其标准差的四次方相除，所得比率就称为峰度系数,ku=]九、相关程度测度的意义（一）相关关系的概念对于两个观测变量，若一个变量的取值除了受另一个变量取值的影响外，还受各种随机因素的影响，则变量间的这种非确定性关系就称为相关关系。（二）相关关系测度的意义1、了解两个观测变量之间相关关系的方向;\n2、了解两个观测变量Z间相互依赖关系的程度，为构建观测变量Z间相互关系模型奠定基础。十、相关程度测度的指标•对两随机变量之间的相关关系及其密切程度进行测度，需要根据两变童观测值的复合分组次数分布进行，或在理论上根据两变量的联合概率分布模型进行。•测度观测变量Z间相关关系的指标主要有协方差和相关系数两个。(一)协方差•1、定义——协方差是两个随机变量成对观测值偏差乘积的算术平均数。工(X厂丘Xx-司乞=口Zz/=!•2、样本I办方差1”ZU-%X.y/-y)n,=i•3、总体协方差——对于两随机变量的理论分布，也可类似地定义其协方差。两随机变量x和y的理论分布的协方差常记作Cov(x,y)或。xy,其定义公式为：•°xy=Cov(x,y)=E[x-E(x)][y-E(y)]•例如，对于联合分布为二元止态分布的随机变量x和y,可得二变量的I办方差为：C"G，y)=匸匸(%-“IX》-仏)/(x，y^dy=P^\^2•4、协方差的性质①随机变量x与y的协方差和y与x的协方差相等。•Cov(x,y)=Cov(y,x)②若随机变量x和y相互独立,则有：Cov(x,y)=0③若入i和入2为任意常数，则有：•Cov(Xjx,X2y)=入]入？Cov(x,y)④对于任意三个随机变量，均有：•Cov(xi+x2,y)=Cov(xi,y)+Cov(x2,y)•Cov(x,yi+y2)=Cov(x,yJ+Cov(x,y2)⑤对于任意两随机变量，均有：•Cov(x,y)=E(xy)-[E(x)E(y)](二)相关系数•1、定义——相关系数是两个随机变量的协方差对其两标准差Z积的比率。•2、总体相关系数P=6%•3、样木相关系数•4、相关系数的取值范围•相关系数r的数值介于・1和+1Z间，其绝对值介于0和1Z间。即有:•JWrW+l\n•5、相关系数的作川（1）相关系数的符号可反映两随机变量相互依存关系的方向。相关系数为止，称为止相关；相关系数为负，称为负相关。（2）相关系数的绝对值的大小则可反映两随机变量线性相关关系的密切程度。第五章参数估计•一、总体参数及其估计量•二、构造估计量的方法——矩法估计•三、判断估计量优劣的标准•四、估计量的标准误•五、抽样分布的概念•六、基本的抽样分布•七、区间估计的概念•八、区间估计的方法•九、样木容量的确定一、总体参数及其估计量•总体指标又称为总体参数，根据样本数据來推断总体指标数值就称为参数估计。•集屮了样木屮冇关总体参数信息的样木指标称为统计量，该统计量就可川来估计所求的总体指标的数值。用来估计总体指标数值的统计量又称为该总体指标的估计量，该估计量的数值就称为该总体指标的估计值。•总体参数值是确定的，但是未知的；样本估计量是随机变量，其估计值是某个给定样本的计算值。二、构造估计量的方法一矩法估计（一）矩法估计的概念一一所谓矩法估计，概括•来说就是用样本矩作为总体同一矩的估计量，用样木矩的函数作为总体相应矩同一函数的估计量。（二）常用的总体参数及其矩法估计量In行元1■丄兀n汁1nNnN^Nxt-兀n/tiA2InzzT?T1局讦n/tiTsTTrT\nrz-£护n/ti三、判断估计量优劣的标准•为了保证川于估计总体指标的估计量准确可靠，就必须要求所使用的估计量具备一些优良的性质，这些性质就构成了判断一个估计量优劣的标准。•常用的标准主要有一致性、无偏性、有效性、充分性和稳健性等。（一）一致性•对于总体指标的一个估计量，若其取值随着样木容量的增大越來越接近于总体指标的真值，\n即估计谋差越来越小的可能性越来越人直至100%,则该估计量就称为总体指标的一致估计量,或称为相合估计量。•町以证明，山矩估计法所构造出的估计量都是所估计总体指标的一致估计量。如样本均值是总体均值的一致估计量，样木比例P是总体比例P的一致估计量，样木方差S?也是总体方差。2的一致估计量。（二）无偏性•对于总体指标的一个估计量，若其估计值的数学期望等于该总体指标的真值，即其估计误差的数学期望为0,则该估计量就称为是总体指标的无偏估计量。•可以证明，样木均值是总体均值的无偏估计量，而常规样木方差却并不是总体方差。2的无偏佔计量，修正样本方差S?是总体方差。$的无偏估计量。修止样本方差即无偏样本方差为：（三）有效性•对于任一总体指标，若存在两个无偏估计量，其中一个估计量的估计误差平均来说小于另一个估计量的估计谋差，则称询一个估计量比后一个估计量有效。•无偏估计量的估计误差大小可用其方差衡量，所以两个无偏估计量比较，方差较小者较为有效。•对于一个总体指标来说，若在其所有无偏估计量屮能够找到一个估计量，其方差最小，则该估计量就称为是该总体指标的最佳尢偏估计量。可以证明，样本均值是总体均值的最佳无偏估计量。•对于有偏估计量，衡量其有效性可用均方误差代替方差。估计量的均方误差为：（四）充分性•对于一个总体指标，若其佔计量提取了样本中包含的有关该总体指标的全部信息，则此估计量就称为该总体指标的充分估计量。•在多数情形下，矩法估计给出的总体指标的估计量均是充分的。如在正态分布总体之下，样木均值是总体均值的充分估计量，样本方差S?也是总体方差。2的充分估计量。（五）稳健性•如果川来估计总体指标的样本估计量对样本数据的污染不敏感，也就是说估计量的数值不受被污染数据的干扰或受其干扰不大，那么该估计量就是总体指标的一个稳健估计量。•实践中常用的一种估计总体均值的稳健估计量是切尾均值，切尾均值的计算公式为：四、估计量的标准误（一）标准误的概念样本估计量的标准差通常称为该估计量的标准误差，简称标准误。BP：标准误是衡量一个估计量抽样估计误差人小的一个尺度。（二）标准误的计算1、样本均值的标准误（1）放回抽样（2）不放回抽样（二）标准误的计算2、样本比例的标准误（1）放回抽样\n（2）不放回抽样（三）影响标准误的因素•1、总体中各个体之间的差异程度。总体中各个体取值之间的差异程度人即O'也大，各总体指标估计量的标准谋的数值也就大，抽样估计谋差也就大。•2、样木容量的大小。样木容量人,总体指标估计量的标准误则小，抽样估计误差也就越小；反Z,样本容量越小，抽样估计误差及其标准误也就越大。•3、抽取样木的方式方法。抽样方式方法不同，总体指标估计量的标准误就会不同,抽样估计误差的大小也就不同。五、抽样分布的概念•对于给定的总体和抽样方式以及样本容量，样本指标取值的概率分布就称为抽样分布。•确定样本容量下的扌rti样分布称为样本统计量的精确分布，而样本容量趋于无穷大时的抽样分布则称为样本统计量的极限分布。六、基本的抽样分布（一）样本均值的抽样分布•1、任意总体大样本•2、止态总体小样本六、基本的抽样分布（二）样本比例的抽样分布——大样本六、基本的抽样分布（三）样本方差的抽样分布——正态总体七、区间估计的概念记总体指标为0,样本估计量为，事先给定概率为1-«,若根据样本估计量的概率分布可计算出一个区间，使得该区I'可包含总体参数e的概率等于事先给定的概率,即有:成立，则该区间就称为总体参数。的置信区间，而概率1"就称为是置信概率或置信度。八、区间估计的方法•（一）均值的区间估计•1、大样本下均值的区间估计•由中心极限定理可知，对于大样本而言，样本均值的概率分布总可近似地看作是正态分布。若事先给定置信概率为1",则查标准正态分布概率数值表，可得标准正态分布的上侧分位数"就可得出总体均值□的置信区间为：（一）均值的区间估计•2、小样本下正态总体均值的区间估计•对于來自正态总体的一个小样本，在给定的置信概率l・a之下，查自由度为（ml）的t分布表，可得t分布的上侧分位数U/2,可得总体均值U的置信区间为：（二）比例的区间估计•总体比例是两点分布总体的均值，其估计量样木比例则是来自该总体的随机样本的均值。因此,在大样木条件下，可根据中心极限定理用类似于大样木情形下总体均值区间估计的方法来对总体比例进行区间估计。有：（三）方差的区间估计\n•由抽样分布理论可知，对丁•來口正态总体的一个简单随机样本，其修正样本方差S?与总体方差比值的（nJ）倍服从白由度为（ml）的X2分布。若给定置信概率1-0,查白由度为（n-1）的乂2分布表可得两个分位数和X“，则可得正态总体方差02的置信区间为：（四）单侧置信区间•所谓单侧置信区间，是将待估总体指标的上置信限或下置信限指定在英上界或下界值上，并根据给定的置信概率求出另一置信限而得到的置信区间。记待估计总体指标为9,其取值上界为，取值下界为，样本估计量为，对于给定的置信概率l・a,若有：或者，有：则称区间和为总体指标&的单侧置信区间。九、样本容量的确定•若在给定1-«的置信概率之下，要求用样本均值估计总体均值的抽样估计误差不超过§,则山总体均值的抽样估计误差限的计算公式，可计算出必需最小样本容量。•（一）放回抽样•（二）不放回抽样第六章假设检验•一、假设检验的原理•二、总体指标假设检验•三、分布假设检验•四、假设检验的两类错误及功效一、假设检验的原理•（一）统计假设和检验统计量•所谓统计假设，就是关于总体分布特征的某种论断。关于总体参数假设的检验，是假设检验的核心内容。记总体参数为0,若要判断0是否等于某已知数值00,则该参数假设可表示为：•H0:0=00,Hl:e00•其中，假设H0:0=00就是所要检验的假设，称为原假设或零假设；而假设H1:0e（）则称为对立假设或备择假设。•要检验某个假设是否正确，需根据样木所提供的信息来进行。包含总体分布特征的全部样本信息的样本指标，是进行假设检验的依据，称为检验统计量。（二）显著性水平和拒绝域•进行假设检验，概率论中关于小概率事件在一次试验中是不可能事件的原则是其所遵循的基本原则。通常取小概率事件的概率临界值为0.05或0.01,JIJa表示，称为假设检验的显苦性水平。•在原假设成立的条件下，由检验统计量的概率分布，对于给定的显苦性水平，就可确定出由抽样误差引起的样本估计值对总体参数原假设值的可能的故大偏离值，作为判断原假设止确与否的临界值。样本估计量偏离总体参数原假设值过大的区域，就是否定原假设的区域，称为否定域或拒绝域，而否定域以外的区域则称为接受域。\n（-）显著性水平和拒绝域1、双侧检验若要检验的假设为：Ho：9=e0，H】：eH°o则否定域应建立在与原假设值的止负偏离超出给定临界值的两边，这种检验方法称为双侧检验。（二）显著性水平和拒绝域2、左侧检验若要检验的假设为：Ho：0>eo，Hl：00o则否定域应建立在与原假设值的正偏离超出给定临界值的一边，这种检验方法称为右侧检验。（三）假设检验的p值•检验统汁量的取值落在其实际样本值之外的概率，就称为假设检验的p值。（四）假设检验的程序•⑴提出原假设Ho和备择假设Hi；•⑵规定检验的显著性水平a;•（3）构造用于检验的样木指标，即检验统计量；•（4）在原假设为真的假定卜，根据检验统计量的概率分布，确定出检验统计量的临界值，并由此临界值构造出检验的拒绝域和接受域；或者计算岀假设检验的p值；•（5）比綾检验统计量的实际样本值与其临界值，或者比较检验的p值与显著性水平a,并根据比较的结果做出拒绝或不能拒绝原假设的决策。二、总体指标假设检验（一）均值的检验1、单一总体均值的检验Ho:u=uo，Hi：uHu°或口卩（）（1）大样本情形止态分布z检验（2）小样本情形（正态总休）——t检验（一）均值的检验2、两总体均值的比较Ho：U]=u2，H1：U]HU2或卩1>卩2或卩1<卩2（1）大样本情形正态分彳|jZ检验（2）小样本情形（正态总体）——I检验其中S?为用自由度加权的两样木方差的平均数。\n（二）比例的检验1、单一总体比例的检验—大样木（1）假设Ho：P=P（）,Hi：PHP。或P>P（）或PP2或Pi(一)多元线性回归模型的设定>(二)模型参数的最小二乘估计>(三)多元线性回归模型的假设检验A(四)偏相关系数和复相关系数>(五)利用多元线性回归模型进行预测>(六)多元线性回归模型的推广五、线性回归诊断(-)回归诊断的内容1、线性回归分析的基本假定一一对于线性回归模型，通常假定随机误差Uj满足下列假定：(1)数学期望为0,即玖uj)=O；(2)具有同一方差。彳,即Var(Uj)=o2；(3)相互独立，即Cov(Ui,Uj)=0；(4)服从正态分布，即比〜N(0,«2)o2、回归诊断的内容——所谓回归诊断，主要就是诊断样木观测数据是否满足回归分析的基木假定，以及样木观测数据中是否存在不同于绝大部分数据的异常数据，等等。(二)回归诊断的方法1、残差图进行回归诊断，通常可用残差图进行。所谓残差图就是以因变量的观测值为或口变量值X】j、X2j、…、Xkj或因变量冋归值等为横坐标，II以残差或其标准化数值为纵坐标所作出的散点图。(二)回归诊断的方法2、界方差与方差稳定性变换所谓界方差，就是指因变量的方差不是常数，而是随着自身取值的变化而变化，或者随着\n某个或某些口变屋取值的变化|仃变化。对于具有这种杲方差性的样本数据，其残差图通常表现为在因变量冋归值较小的一端残差点的散布范围窄，而在因变量冋归值较人的一端残差点的散布范围宽，I大I而就可以用残差图來诊断是否存在异方差性。如果样本数据具有异方差性，那么可通过对因变量或一些口变量作变换，来改善方差的非齐性。这些变换统称为方差稳定化变换，（三）异常数据的诊断1、异常数据的概念所谓异常数据是指相对丁•多数观测数据而言残差绝对值较大的个别观测数据，通常称为奇异值或奇异点。2、异常数据的检测异常数据在样本的散点图上农现为远离绝人多数观测点的孤立点，在残差图上则表现为残差值很大而远离大多数残差点的孤立点，因此也可以用残差图来进行诊断样本数据中是否有异常点，以及判断哪些观测数据点可能是异常点。第九章时间序列分析•一、时间序列的采集与分类•二、时间序列特征指标测度•三、时间序列构成分析•四、时间序列口回归分析一、时间序列的采集与分类•所谓时间序列，就是按照时间顺序观测取得的某个统计指标的一系列观测值，也称为时间数列。•时间序列是对某个事物的发展过程按照时间顺序观测所取得的一个样本，而人们所研究事物的发展过程就是所要研究的总体。样本作为总体的代表，可以反映出事物发展过程的一些特点和规律。凶此，类似于截而数据，吋间序列作为一种重要的统计数据在统计分析中也具有重要的作用。（一）时间序列的采集1、瞬间采样。若所考察的统计指标是事物的存量指标，则可以每隔一定的时间，观测登记一次其在当时的现存数量，称为瞬间采样。2、累积采样。若所考察的统计指标是事物的流量指标，则可以每隔一定的吋间，计算登记一次其在以前某段时间内的累积发牛数量，称为累积采样。3、特征采样。对于所考察的事物，也可每隔一定的时间，计算沓记一次其在以前某段时间内的特征值，称为特征采样。（二）时间序列的分类1、按指标性质分类（1）时点序列。由瞬间采样方法得到的时间序列即存量指标的一系列顺序观测值序列，称为时点序列。（2）时期序列。由累积采样方法得到的时间序列即流量指标的一系列顺序观测值序列，称为时期序列。（3）特征序列。由特征采样方法得到的时间序列即特征指标的一系列顺序观测值序列，称为特征序列。（二）时间序列的分类2、按指标数值变化特征分类（1）平稳序列。如果一个时间序列中的指标数值不存在持续增长或下降的趋势，并且其波动的幅度在不同的时间也没有明显的差异，那么该时间序列就是一个平稳序列。（2）非平稳序列。如果一个时间序列中的指标数值存在着持续增长或下降的趋势，或者其波动的幅度在不同的时间有明显的差异，那么该时间序列就是一个非平稳序列。\n(二)时间序列分析的意义首先，揭示事物发展变化过程中的各种特征和特点，认识事物的运动方式，把握事物的发展方向，掌握其发展变化的趋势和规律。其次，运用已经学握的事物发展变化的特点和规律，对事物未来的发展变化进行有效的推断和预测。再次，揭示各种事物变动Z间的相互关系和相互作用方式，以便利用这些已经掌握的事物之间的作用方式，对某些事物的发展变化实施有效的控制。二、时间序列特征指标测度»—、时间序列均值的测度A二、时间序列的波动性与自相关性测度一、时间序列特征指标测度(一)时间序列均值的测度1、趋势平稳序列均值的计算对于不存在持续增长或下降趋势的时间序列即趋势平稳序列，其各个数值均围绕着一个固定的数值上下波动，其均值就代表了各个数值的波动中心，因此计算其均值是有意义的。设给定的均值平稳时间数列为旳、X2Xn,则其均值就为：(一)时间序列均值的测度2、趋势非平稳序列的平稳化变换(1)差分变换x(=△y(=yt-yt-i(2)环比变换(3)对数差分变换Xt=alog(yt)=log(yt)-log(yt.i)(一)时间序列均值的测度3、平均增长率的两种计算方法(1)几何平均法假设所给定的具有等比或近似等比增长趋势的时间序列为y。、刃、y2yn,则通过坏比变换，就可以得到一个环比发展速度序列为X］、X2Xn，则平均发展速度为：(一)时间序列均值的测度3、平均增长率的两种计算方法(2)代数平均法从最初水平出发，用平均发展速度等比增长推算，令各期推算水平之和等于各期实际水平Z和，则有方程式为：(二)时间序列的波动性与自相关性测度1、自协方差记给定的时间序列为X］、X2xn,则其自协方差可定义为：2、自相关系数三、时间序列构成分析(一)时间序列的构成因素与构成模型1、趋势变动T⑴\n2、季节变动S(t)3、循环变动C(t)4、随机变动I⑴加法模型:Y(t)=T(t)+S(t)+C(t)+I(t)乘法模型:Y(t)=T(t)-S(t)-C(t)-I(t)(-)长期趋势的测定1、常用的长期趋势模型T(t)a+btT(t)ablT(t)a+bt+ct2T(t)k+ablT(t)k/(l+ab‘)⑴直线趋势模型⑵指数曲线趋势⑶二次曲线趋势(4)修正指数曲线⑸逻辑曲线模型(6)龚珀茨曲线模型:(7)双指数曲线模型:T(t)=k+ae'°l+be'p*(一)长期趋势的测定2、趋势模型参数的估计方法(1)最小二乘法例如，对于直线趋势模型:T(t)=a+bt使川最小二乘法可得参数a和b估计值为：(一)长期趋势的测定2、趋势模型参数的估计方法(1)分段总和法例如，对丁•修正指数曲线趋势模型：T(t)=k+abl将时间序列等分为三段，各段分别求和，则得方程组为:(二)季节变动的测定1＞同期直接平均法(1)计算各季(月)平均数(2)计算总平均数(2)计算季节指数(二)季节变动的测定2、同期移动平均法(1)计算各期移动平均数(2)计算各期季节随机值(3)计算季节指数(4)分摊计算误差(三)循环变动的测定1、直接测定法(1)计算各期的年距环比发展速度(2)使用移动平均法计算循环指数\n（四）循环变动的测定2、剩余测定法（1）计算各期的循环随机值（2）使用移动平均法计算循环指数（五）随机变动的测定对于一个吋间序列，若已分别测定得出其长期趋势，季节变动和循环变动，则将这三种变动逐一分离出去，所余即为随机变动。QP：四、时间序列自回归分析（一）吋间序列自冋归模型的构建1、平稳时间序列口回归模型2、非平稳时间序列口回归模型（1）差分自回归模型（2）带趋势项的口回归模型（一）时间序列自冋归模型的构建3、季度或月份时间序列口回归模型（1）季节差分自冋归模型（2）带季节虚拟变量的自回归模型（二）时间序列自回归模型的估计与检验1、时间序列自回归模型阶数的选择——从最低阶开始进行比较2、时间序列自回归模型的估计——最小二乘法3、时间序列自回归模型的检验一一回归系数t检验（三）应用时间序列自回归模型进行预测根据时间序列自冋归模型进行预测，也就是将时间序列变量的现在和过去的实际值代入自回归模型得出未来的估计值，将现在和过去的实际值以及未来的估计值代入自回归模型，得出更远的未来的估计值。第十章统计决策分析•一、统计决策的要素和程序•二、非概率型决策•三、先验概率型决策•四、后验概率型决策一、统计决策的要素利程序（一）决策的概念一一针对面临的问题和客观环境，做岀某种行动决定的过程，就是决策。如果决策过程中所使川的分析推断方法主要是统计分析推断方法，那么这种决策就被称为统计决策。（二）决策的类型划分1、确定性决策2、非确定性决策——（1）概率型决策\n（2）非概率型决策一、统计决策的要素和程序•（三）统计决策三要素一一决策者面对的客观环境具有不确定性，需要使川统计分析推断方法对决策的行动结果进行分析，这是统计决策的主要特征。进行统计决策，必须具有以下三个基木要素。•（1）客观环境的可能状态集一一®={0i）•（2）决策者的可行行动集——A={aj}•（3）决策行动的收益函数或损失函数•一一收益函数Q3i,aj）或损失函数L（0i,aj）一、统计决策的要素和程序•（四）常用的损失函数1、线性损失函数•2、平方误差损失函数一、统计决策的要素和程序•（五）收益矩阵表和损失矩阵表•当客观环境的状态集和决策者的行动集都只包含有限个元素时，决策行动的收益函数或损失函数也对用收益矩阵表和损失矩阵表来表示。一、统计决策的要素和程序•一个完整的统计决策过程包括有下列四个步骤：•（1）确定决策目标•（2）拟定各种可行的行动方案•（3）通过比较分析选出最佳的行动方案•（4）决策的执行•统计决策的这四个步骤，又分别称为统计决策的参谋活动阶段，设计活动阶段，抉择活动阶段和任务执行阶段。二、非概率型决策•（一）非概率型决策的条件•非概率型决策就是决策者在仅仅知道客观环境可能有哪几种状态、但却不知道每-•种可能状态出现概率的条件卞的决策。这也就是说，非概率决策也就是在仅仅具备决策的三个基木要素的条件下的决策。（二）非概率型决策的准则•1、大中取大准则•人中取人准则也称为乐观准则，决策者按照对客观环境状态的最乐观的设想，寻求取得最人的收益。按照这种准则进行决策，首先对找出每个行动方案下收益两数的兹大值，然后再找出这些最人值屮的最人值，并将此最人值所属的行动方案作为最终选择出的行动方案。如果记人中取大准则下的最佳行动方案为则有：（二）非概率型决策的准则\n•2、小中取大准则•小中取人准则也称为悲观准则，决策者按照对客观环境状态的最悲观的设想，寻求取得最人的收益。按照这种准则进行决策，首先可找出毎个行动方案下收益函数的最小值，然后再找出这些最小值中的最大值，并将此最大值所属的行动方案作为最终选择出的行动方案。如果记小中取大准则下的最佳行动方案为『，则有：（二）非概率型决策的准则•3、折中准则•折屮准则乂称为赫维茨准则，决策者可以根据知识和经验选取一个系数值u,0（一）观测指标无量纲化方法对评价指标体系中各个观测指标的无量纲处理，就是通过某种变换将各个观测指标的计量单位消掉并使其数量级统一的变换过程。实践中常用的无量纲处理方法主要有标准化变换方法、规格化变换方法、功效系数方法、指数方法、秩次方法和分段打分方法，等等。（一）观测指标无量纲化方法1、标准化变换方法记观测变量Xj在第j个个体上的观测值为x»,该变量在全部个体上的平均值为，标准差为Sj,则标准化变换公式为：标准化变换后的指标知其全部n个个体的均值为0,方差为（一）观测指标无量纲化方法2、规格化变换方法记观测变量&在各个个体上的最小观测值为xmin,最人观测值为只叭丫，则规格化变换公式为：规格化变换后的指标值都在0和1之间。（一）观测指标无量纲化方法3、功效系数变换方法若根据所研究对彖的特点能事先确定出评价指标的满意值X（h）和不允许值X（s）,则可采用功效系数变换方法，其变换公式为：（一）观测指标无量纲化方法4、指数化变换方法若将所要评价的总体中的某个个体作为标准，其余各个个体的观测指标数值都与该个体的数值对比，计算出指数，则对实现无量纲化。记标准个体的观测指标值为Xi0,则指数化变换公式为：（一）观测指标无量纲化方法5、秩次变换方法这种变换方法是先将评价变量的各个观测值按大小顺序排列，然后取各个个体观测值的位次即秩次来代替原观测值，从而消除各个评价变量的计量单位并统一数量级。经过秩次变换后，每个评价变量的取值都在1〜nZ间，其最大值为m绘小值为1。在秩次变换过程中，如有若干个体在某个评价变量上的取值都相同，则可将这些个体的秩次都取定为它们所占秩次的平均值。（一）观测指标无量纲化方法6、分段打分变换方法\n这种方法是先将评价变量在各个个体上的观测值按大小顺序排列，并将其划分成若干个互不重叠的区间，然后每个区间给定一个分值。例如，按照变量值从小到大的顺序，各个区间依次给定分值为1,2,3,……o（一）观测指标无量纲化方法7、逆指标和适度指标的处理方法所谓逆指标是指数值越小越好的指标，如单位产品的成本等；所谓适度指标是指数值太大或太小都不好而只有适度才好的指标。对于逆指标，各种变换可作反方向处理；对于适度指标，可先确定出指标的最佳值，然后从最佳值处将该指标分作两部分，数值小于最佳值的一部分按正指标进行变换处理，数值人于最佳值的一部分按逆指标进行变换处理。（一）观测指标无量纲化方法•8、百分制与十分制的处理•在实践中，人们习惯于按订分制或十分制对所评价总体中的各个个体进行评分综合排队。为了将无量纲变换后的指标换算成百分制或十分制分数，可将上述各变换公式乘以100或10。•有时候综合评价的方法不允许各个评价指标出现0值利负值或者要求其值不低丁•某数，这时可在上述各变换公式中加上一个止值的常数项，使变换后的最小分值为正。（-）评价指标的合成方法对于各个评价指标进行合成，就是将无量纲化变换后的各个指标按照某种方法进行综合，得出一个可用于评价比较的综合指标。实践中最常用的合成方法主要有总利合成法、乘积合成法和混合合成法三种。（二）评价指标的合成方法1敢和厶用泮、侖单爲I合成法加权总和合成法简单算术平均法加权算术平均法（二）评价指标的合成方法2、乘积合成法简单乘积合成法加权乘和合成法简单几何平均法加权几何平均法（二）评价指标的合成方法3、混合合成法——将总和合成法为乘积合成法结合起来构造出综合评价合成模型。可有各种不同的结合方法为：（三）权数的确定方法1、专家评定法为了提高各评价指标权数确定的准确程度,综合评价往往需耍聘请评价对象所属领域若干专家对各个评价指标的巫要程度进行评定，给出权数。一般程序先是由各个专家单独对各评价指标的重要程度进行评定，然后由综合评价的人员对各个专家的评定结果进行综合。这种方法也称为德尔菲（Delph）方法o（三）权数的确定方法2、层次分析法层次分析法是通过各种评价指标两两相互比较确定出各h的相对重要程度，然后通过一定的客观运算来确定各评价指标权数的方法。层次分析法的程序有三（1）两两指标比较，建立判断矩阵；（2）根据判断矩阵，计算权\n数向量；（3）对判断矩阵和计算结果进行一致性检验。（三）权数的确定方法2、层次分析法（1）两两指标比较，建立判断矩阵。将综合评价指标体系中的各个评价指标两两进行比较，建立起评价指标体系中各评价指标之间相对重要程度的判断矩阵，记该判断矩阵为A,则有：A=（3ij）mxm其中元素a：j为评价指标冯对评价指标坷相对重要程度的比例标度,一般采用评分的方法给出。（三）权数的确定方法2、层次分析法建立判断矩阵的评分规则：①若Zi与Zj同样重要，则取：aij=l,aji=l；②若q比％稍微重要，则恥a；j=3,aji=l/3；③若q比可明显重要，则取：aij=5,ajj=l/5；④若Q比与强烈重要，则取：aij=7,aji=l/7；⑤若觀比与极端重要,则取:ajj=9,aji=l/9；⑥若N与Zj比较，二者的相对重要性介于上述各相邻判断之间，则取：aij=2,4,6,8；aji=l/2,1/4,l/6,l/8o（三）权数的确定方法2、层次分析法（2）根据判断矩阵，计算权数向量。记判断矩阵中各行元素的几何平均数为：则各个评价指标的重要性权数为：（三）权数的确定方法2、层次分析法（3）对判断矩阵进行一致性检验。①何为一-致性？若A>B,B>C,J1A>C,则为一致；若A>B,B>C,但AvC,则不一致。②一致性检验方法——根据判断矩阵的最大特征根，计算出随机一致性比率CR,若CRV0.1（）,则可认为判断矩阵具有一致性。第三节社会经济发展状况的综合评价>一、社会经济发展水平的综合评价>二、国民经济运行状况的监测评价三、社会经济发展状况的综合评价•（一）社会经济发展水平的综介评价•1、经济业绩指数（EPI）•2、实际生活质量指数（PQLI）（一）社会经济发展水平的综合评价\n3、ASHA指数4、国力动态方程指数美国学者克莱因（R.S.Klein）曾设计提出了一个数学方程，称为国力方程，其计算公式为：P=（C+E+M）X（S+W）其中，p为国家的综合国力；C为国家基本实体，表示人口和领土；E为国家经济实力；M为国家军事实力；S为国家战略目标；W为追求国家战略的意志。（二）国民经济运行状况的监测评价1、国民经济运行状况监测评价的概念对国民经济运行状况的监测评价也称为经济景气分析，是从牛产、贸易、金融、物价、成木、利润、库存、就业、投资、消费、国际收支等领域中选样若干个临测指标，并将所选出的监测指标分成先行、同步、滞后三类，分别对各类进行综合，得出各类的综合指数，用于对整个国民经济运行状况的评价判断。（二）国民经济运行状况的监测评价2、景气监测指标体系的选取景气监测指标体系由先行指标、同步指标和滞后指标三部分构成，其选取原则主要有四:（1）指标的经济重要性，即所选指标必须都是可反映经济运行状况的重要统汁指标；（2）指标的波动灵敏性，即所选指标要对经济的波动需有灵敏的反映；（3）指标的数据充足性，即所选的指标要有足够长的时间序列数据；（4）指标数据获得的适时性，即监测指标的数据要能及时取得。（二）国民经济运行状况的监测评价3、景气监测综合指数的合成对于选定的景气监测指标体系和己取得的监测指标数据，耍得出国民经济运行状态的总体综合判断，就还必须对这些监测指标进行综合。在经济景气监测评价中，所使用的综合评价指数主要有二，一是扩散指数，二是合成指数。（二）国民经济运行状况的监测评价4、扩散指数所谓扩散指数，简单地说，就是各类监测指标体系中与上期相比本期观测值非降的指标个数所占的比例。（1）无量纲化方法（2）扩散指数的计算（二）国民经济运行状况的监测评价（3）扩散指数的作用①根据其数值的人小来判断国民经济运行的状态。当其数值人于50%时，经济活动屮的人部分指标都处于上升状态，国民经济处于繁荣时期；而当其数值小于50%时，经济活动的大部分指标都处于下降状态，国民经济处于萧条时期。②根据其数值的变化来判断国民经济运行状态的转折点。如果与前期相比扩散指数的数值在增加，则表明国民经济活动在扩张，经济景气在上升；如果与前期相比扩散指数的数值在减小，则表明国民经济活动在收缩，经济景气在下降。（二）国民经济运行状况的监测评价5、合成指数（CompositeIndex）扩散指数的数值只取决于各个监测指标的数值与前期相比是否增加或减少，而与各个监测\n指标数值的增加或减少幅度无关。因此，并不能准确地度量国民经济扩张和收缩的程度。合成指数也是区分先行指标、同步指标以及滞后指标三类监测指标分别编制的，所得合成指数分别称为先行合成指数、同步合成指数和滞后合成指数。合成指数的计算不仅考虑了各个监测指标数值得变化方向，而且也考虑了其变化幅度，其编制要比扩散指数复杂的多。（二）国民经济运行状况的监测评价6、景气监测指标对企业经营管理的作用扩散指数与合成指数表明了国民经济在其周期运行过程中所处的阶段和经济扩张与收缩的幅度，是经济景气的指示器。显然，国民经济运行在其周期波动过程屮所处的阶段不同，整个国民经济扩张或收缩的幅度不同，企业的生产经营决策也应有所不同。因此，每一个企业和每一个企业家都应该十分关注整个国民经济的景气状况，以便在自己的生产经营过程屮能及时地采取适当的对策，在激烈的市场竞争中立于不败之地。