أهم 4 طرق إحصائية لقياس المخاطر | شركة

تبرز النقاط التالية أهم أربع طرق إحصائية تستخدم لقياس المخاطر. الطرق هي: 1. الاحتمال 2. القيمة المتوقعة 3. التغير أو التشتت 4. الانحراف المعياري (SD).

الطريقة الإحصائية رقم 1. الاحتمال:

إذا ألقينا عملة غير منحازة ، فسنحصل على أي من نتيجتين: الرأس والذيل. إذا ألقينا العملة عددًا لا بأس به من المرات ، فسنحصل على رؤوس في حوالي 50 في المائة من الرميات وذيول في حوالي 50 في المائة من الرميات.

مع ازدياد عدد الرميات ويميل إلى ما لا نهاية ، فإن نسبة الرؤوس تميل إلى أن تصبح مساوية لـ ½ وأن نسبة ذيول قد تميل إلى أن تصبح مساوية لـ ½. في هذه الحالة ، فإن احتمال الحصول على رأس في عملة واحدة من العملة هو 50 في المائة أو ½ واحتمال الحصول على الذيل هو أيضًا 50 في المائة أو ½.

يجب أن نتذكر هنا أن مجموع احتمالات جميع النتائج المحتملة سيكون مساويًا 1. في حالة رمي عملة معدنية ، لدينا ½ + ½ = 1.

قد نأخذ مساعدة من مثال آخر لشرح مفهوم الاحتمال. دعنا نفترض أنه من أسهم شركة ما ، حصل الشخص على 50 في المائة من الأرباح في فترات 5 في المائة ، و 30 في المائة من الأرباح في 60 في المائة و 10 في المائة من الأرباح في 35 في المائة. هنا معدلات الأرباح الثلاثة ، أي 50 في المائة و 30 في المائة و 10 في المائة ، شاملة. لذلك ، في هذه الحالة ، فإن احتمال الحصول على أرباح بنسبة 50 في المائة هو 5 في المائة أو 1/20 ، واحتمال الحصول على أرباح بنسبة 30 في المائة أو 12/20 ، واحتمال الحصول على أرباح بنسبة 10 في المائة هو 35 في المائة أو

الطريقة الإحصائية رقم 2. القيمة المتوقعة:

في المثال أعلاه ، يكون توزيع الأرباح متغيرًا - قيمته الشاملة الثلاثة هي 50 في المائة و 30 في المائة واحتمالاتها ، على التوالي ،

في هذه الحالة ، القيمة المتوقعة لتوزيع الأرباح هي

٪ أو 24٪. من المفهوم من المثال أعلاه أن صيغة القيمة المتوقعة قد تكون مكتوبة بهذه الطريقة. إذا كانت قيم المتغير X هي x 1 ، x 2 ، ... ، x n مع الاحتمالات المعنية p 1 ، p 2 ، ... ، p n ، فإن القيمة المتوقعة لـ X هي

الطريقة الإحصائية # 3. التباين أو التشتت:

التباين أو التشتت في متغير ما هو مدى تشتت قيمه أو تشتيتها. على سبيل المثال ، المجموعة الأولى من قيم المتغير هي 30 و 35 و 40 و 45 و 50 ، والمجموعة الثانية من قيم المتغير نفسه هي 5 و 10 و 30 و 50 و 70. ويتضح من هاتين المجموعتين القيم التي يكون فيها تباين المجموعة الثانية أكبر من تباين المجموعة الأولى.

أهمية تقلب كونها أصغر أو أكبر مهمة للغاية. ومع ذلك ، فإن هذه الأهمية مختلفة في حالات مختلفة.

على سبيل المثال ، إذا كانت المجموعة الأولى من القيم المذكورة أعلاه هي "أشواط" لاعب الكريكيت المعين في خمس مباريات مختلفة وكانت المجموعة الثانية من القيم هي "الجري" في خمس مباريات من لاعب الكريكيت الثاني ، فإن أهمية التباين الأصغر في الحالة الأولى والتباين العالي في الحالة الثانية هو أن اللاعب الأول هو أداء أكثر ثباتًا من اللاعب الثاني.

مرة أخرى ، إذا كانت قيم المجموعة الأولى هي معدلات الأجور اليومية (بالروبية) لخمسة عمال في المصنع وقيم المجموعة الثانية هي تلك الخاصة بخمسة عمال في المصنع الثاني ، فإن الحقيقة هي أن التباين في المجموعة الثانية الحالة أكبر يدل على أن عدم المساواة في الدخل بين عمال المصنع الثاني أكبر من ذلك في الحالة الأولى.

مرة أخرى ، في الحقل الثالث ، إذا كانت قيم المجموعة الأولى هي النسب المئوية المتوقعة لتوزيعات الأرباح التي يتم الحصول عليها من أسهم شركة معينة وقيم المجموعة الثانية هي تلك التي حصل عليها من أسهم شركة أخرى ، ثم حقيقة أن قيم المجموعة الثانية أكثر تباينًا تعني أن الاستثمار في أسهم الشركة الثانية أكثر خطورة من الاستثمار في الشركة الأولى.

وبالمثل ، إذا كان معدل العمولة الذي يتم الحصول عليه من الوظيفة أكثر تقلبًا من معدل الوظيفة الثانية ، فإن دخل الدخل من الوظيفة الأولى يكون غير مؤكد أكثر من دخل الوظيفة الثانية.

في بعض الحالات ، قد يكون التباين بمثابة مؤشر للمخاطر. لذلك ، في هذه الحالات ، قد نقبل التباين كمقياس للمخاطر.

الطريقة الإحصائية # 4. الانحراف المعياري (SD):

الانحراف المعياري (SD) هو مقياس التباين الأكثر استخدامًا على نطاق واسع. يُعرّف SD بأنه الجذر التربيعي الموجب للقيمة المتوقعة لمربعات انحرافات قيم المتغير عن قيمته المتوقعة أو المتوسط ​​الحسابي.

لذلك ، إذا كانت قيم المتغير ، X ، هي x ] ؛ × 2 ، . . ، x n واحتمالاتها هي f (x 1 ) ، f (x 2 ) ،. . . ، f (x n ) ، وإذا كانت القيمة المتوقعة لـ X هي E (X) ، فسيتم إعطاء SD للمتغير ، X ، بواسطة

لفهم المعادلة أعلاه لـ SD ، قد نأخذ المساعدة في المثال التالي. دعونا نفترض أن احتمالات الحصول على عمولات قدرها 3000 روبية و 6000 روبية من وظيفة معينة هي 0.7 و 0.3 على التوالي.

في هذه الحالة ، يمكن الحصول على SD من العمولة (المتغير X) بالطريقة التالية:

هنا E (X) = 0.7 × 3000 + 0.3 × 6000 = 2،100+ 1800 = 3،900 (روبية)

 

ترك تعليقك