Στατιστικά με απλά λόγια. Η ουσία και η έννοια των μέσων όρων

Τα καύσιμα ορίζονται βάσει ανάλυσης στατιστικών δεδομένων σχετικά με την πραγματική ειδική κατανάλωση καυσίμου, καθώς και παραγόντων που επηρεάζουν τις αλλαγές στις κανονικές συνθήκες λειτουργίας. Ως μαθηματική συσκευή χρησιμοποιούνται πολλαπλά μοντέλα παλινδρόμησης.

Η ανάλυση των δημοσιεύσεων σχετικά με την αξιολόγηση της οικονομικής αποδοτικότητας της νέας τεχνολογίας και η δική τους έρευνα επέτρεψε στους συγγραφείς να βγάλουν ορισμένα συμπεράσματα. Πρώτα απ 'όλα, ο αντίκτυπος μεμονωμένων παραγόντων στην αύξηση της οικονομικής απόδοσης της παραγωγής κατά τη χρήση νέου εξοπλισμού στη μεταφορά προϊόντων πετρελαίου μπορεί να προσδιοριστεί με βάση ένα ογκώδες υλικό πραγματικών παρατηρήσεων και ανάλυσης στατιστικών δεδομένων. Κατά τον καθορισμό δεικτών για την αξιολόγηση της οικονομικής απόδοσης, θα πρέπει να λαμβάνονται υπόψη οι ποσοτικές τιμές των μετρητών, λαμβάνοντας υπόψη τις συνθήκες που ισχύουν σε μια δεδομένη περίοδο. Τα πρότυπα που χρησιμοποιούνται στους υπολογισμούς θα πρέπει να αντικατοπτρίζουν πλήρως το υπάρχον κόστος με τιμαριθμική αναπροσαρμογή του κόστους παραγωγής και χρήσης του εξοπλισμού σε όρους πληθωρισμού.

Η ιστορία της ανάπτυξης της ανθρωπότητας έχει δείξει ότι χωρίς στατιστικά δεδομένα είναι αδύνατο να κυβερνηθεί το κράτος, να αναπτυχθούν μεμονωμένες βιομηχανίες και τομείς της οικονομίας και να διασφαλιστούν οι βέλτιστες αναλογίες μεταξύ τους. Η ανάγκη συλλογής και σύνοψης πολλών στοιχείων για τον πληθυσμό της χώρας, τις επιχειρήσεις, τις τράπεζες, τις φάρμες κ.λπ. οδηγεί στην ύπαρξη ειδικών στατιστικών υπηρεσιών - κρατικών στατιστικών ιδρυμάτων. Ανάλογα με τον κλάδο που οργανώνεται η συλλογή, η επεξεργασία και η ανάλυση των στατιστικών δεδομένων, υπάρχουν στατιστικές για τον πληθυσμό, τη βιομηχανία, τη γεωργία, την κατασκευή κεφαλαίων, τα οικονομικά κ.λπ. κατασκευή συνοπτικών δεικτών για να αντικατοπτρίζουν τις διαδικασίες στον σχετικό κλάδο. Η στατιστική υπολογίζει επίσης γενικούς οικονομικούς δείκτες - ακαθάριστο εθνικό προϊόν, ακαθάριστο εγχώριο προϊόν, συνολικό κοινωνικό προϊόν, εθνικό εισόδημα κ.λπ.

Η λέξη στατιστική χρησιμοποιείται με πολλές έννοιες, κυρίως ως συνώνυμο της λέξης δεδομένα. Με αυτή την έννοια μπορεί κανείς να πει τα στατιστικά στοιχεία των γεννήσεων και θανάτων στη Ρωσία ή τα στατιστικά στοιχεία των εγκλημάτων. Η στατιστική είναι ένας κλάδος της γνώσης που συνδυάζει τις αρχές και τις μεθόδους εργασίας με αριθμητικά δεδομένα που χαρακτηρίζουν μαζικά φαινόμενα. Στατιστική ονομάζεται επίσης ο κλάδος της πρακτικής δραστηριότητας που αποσκοπεί στη συλλογή, επεξεργασία, ανάλυση στατιστικών δεδομένων.

Μια ανάλυση των αιτιών της εμφάνισης και της πορείας του πληθωρισμού στη Ρωσική Ομοσπονδία δείχνει τη μοναδικότητά τους και τη σημαντική υπεροχή του πληθωρισμού ώθησης κόστους έναντι του πληθωρισμού ώθησης ζήτησης. Επομένως, οι δυτικές αντιπληθωριστικές θεωρίες δεν είναι πολύ κατάλληλες για τις ρωσικές συνθήκες. Δεν έχει δημιουργηθεί ακόμη μια εγχώρια, αρμονική, ολοκληρωμένη θεωρία, όπως δεν υπάρχουν χοντρά ρωσικά εγχειρίδια για την καταπολέμηση του πληθωρισμού. Κομμάτια της τόσο αναγκαίας γνώσης είναι διάσπαρτα σε εκατοντάδες εφημερίδες και περιοδικά. Το καθήκον είναι, αφενός, να ξεκαθαρίσουμε τους θρόμβους των μη πληρωμών, που σε ορισμένες περιπτώσεις έχουν ήδη οδηγήσει στην παράλυση της παραγωγής, αφετέρου να αποτρέψουμε τον απότομο πληθωρισμό. Δύσκολες εργασίες, αλλά πρέπει να λυθούν. Με βάση την ανάλυση των στατιστικών δεδομένων των τελευταίων επτά ετών, τη μελέτη δημοσιεύσεων κορυφαίων εγχώριων οικονομολόγων, ο συγγραφέας προτείνει τις δικές του λύσεις στα προβλήματα.

Το καθήκον είναι, αφενός, να καθαριστούν οι θρόμβοι των μη πληρωμών, που σε ορισμένες περιπτώσεις έχουν ήδη οδηγήσει σε παράλυση, και, αφετέρου, να αποτραπεί ο απότομος πληθωρισμός. Είναι καιρός να αρχίσουμε να καταπιέζουμε τον πληθωρισμό με τον κανονικό τρόπο - αυξάνοντας την παραγωγή προϊόντων που έχουν ζήτηση με κάθε δυνατό τρόπο. Τα πιο δύσκολα καθήκοντα, αλλά πρέπει να λυθούν αν θέλουμε να επιβιώσουμε ως παγκόσμια δύναμη και όχι ως παράρτημα πρώτων υλών. Με βάση την ανάλυση στατιστικών δεδομένων και την εξοικείωση με τις δημοσιεύσεις κορυφαίων εγχώριων οικονομολόγων, ο συγγραφέας προσφέρει τις δικές του λύσεις στα προβλήματα.

Έτσι, σε μοντέλα με μεταβλητές παραμέτρους, απαιτείται μια διαφοροποιημένη προσέγγιση για τον καθορισμό των περιοχών διακύμανσης των συντελεστών επιλογής, με βάση την ανάλυση στατιστικών δεδομένων, το είδος των τεχνολογικών διαδικασιών και τους δείκτες ποιότητας των ροών.

Η πρόβλεψη των φορολογικών εσόδων με βάση μακροοικονομικούς δείκτες καθορίζει τη στρατηγική για τη δημιουργία φορολογικών εσόδων για το επόμενο έτος και μεσοπρόθεσμα, αλλά δεν επιλύει όλα τα προβλήματα του φορολογικού σχεδιασμού. Ως εκ τούτου, απαραίτητο συστατικό του φορολογικού σχεδιασμού είναι η επεξεργασία και ανάλυση στατιστικών στοιχείων σχετικά με τη συσσώρευση φόρων στον προϋπολογισμό κατά την περασμένη περίοδο, καθώς και πληροφορίες για πιθανές αλλαγές στη φορολογική νομοθεσία.

Είναι απαραίτητο να οργανωθεί μια συστηματική συλλογή και ανάλυση στατιστικών δεδομένων που χαρακτηρίζουν τη δυναμική κατά χρόνια λειτουργίας του όγκου των προϊόντων και της εργασίας που εκτελείται χρησιμοποιώντας τον εισαγόμενο εξοπλισμό, καθώς και το κόστος, την ένταση εργασίας και την κατανάλωση υλικού.

Μαζί με τον προσδιορισμό από την κύρια επιλεγμένη παράμετρο, ο υπολογισμός της ανάγκης για ορισμένους τύπους μηχανημάτων και εξοπλισμού προσαρμόζεται βάσει ορισμένων άλλων παραγόντων, αλλαγές στο ισοζύγιο κατανάλωσης μηχανημάτων και εξοπλισμού ανά κλάδους της εθνικής οικονομίας, αλλαγές στη δομή της παραγωγής των προϊόντων, αλλαγές στη γκάμα προϊόντων που προγραμματίζονται σε ρούβλια λόγω της εισαγωγής πιο προοδευτικών, αξιόπιστων και ανθεκτικών σχεδίων αλλαγών που σχετίζονται με την ανάπτυξη εξειδίκευσης και συνεργασίας, που επηρεάζουν τον συνολικό όγκο παραγωγής κ.λπ. περίοδο.

Υπάρχει πολύ στενή σχέση μεταξύ των δεικτών απασχόλησης και άλλων σημαντικών δεικτών οικονομικής ανάπτυξης. Έτσι, η σχέση μεταξύ ανεργίας και μεταβολής του ΑΕΠ χαρακτηρίζεται από το νόμο του Okun, που ανακαλύφθηκε εμπειρικά με βάση την ανάλυση στατιστικών δεδομένων για τις Ηνωμένες Πολιτείες (για την περίοδο 50-80) και στη συνέχεια τεκμηριώθηκε και θεωρητικά σε μακροοικονομικές μελέτες. Στην αρχική του μορφή, όπως εφαρμόζεται στις Ηνωμένες Πολιτείες, ο νόμος του Okun αναφέρει

Για όλες τις θετικές τιμές του x, η συνάρτηση αυξάνεται στο x = b/2, η καμπύλη έχει ένα σημείο καμπής - επιταχυνόμενη ανάπτυξη σε x αργή ανάπτυξη στο x > b/2. Λειτουργίες αυτού του τύπου χρησιμοποιούνται στην ανάλυση στατιστικών δεδομένων για τους καταναλωτικούς προϋπολογισμούς, όπου διατυπώνεται μια υπόθεση για την ύπαρξη ασυμπτωτικού επιπέδου δαπανών, για αλλαγή στην οριακή τάση για κατανάλωση ενός προϊόντος, για την ύπαρξη ενός ορίου επίπεδο εισοδήματος 1. Στην περίπτωση αυτή, για x -> ναι y - e "(Εικ. .2.5).

Αυτός ο τύπος εφαρμόστηκε για την ανάλυση στατιστικών δεδομένων,

Όλες οι προβλέψεις πωλήσεων βασίζονται στη χρήση τριών τύπων πληροφοριών που λαμβάνονται από τη μελέτη του τι λένε οι άνθρωποι, τι κάνουν οι άνθρωποι και τι έχουν κάνει. Η απόκτηση του πρώτου τύπου πληροφοριών βασίζεται στη μελέτη των απόψεων των καταναλωτών και των αγοραστών, των πρακτόρων πωλήσεων και των διαμεσολαβητών. Εδώ χρησιμοποιούνται μέθοδοι κοινωνιολογικής έρευνας και μέθοδοι ειδικών. Η εκμάθηση του τι κάνουν οι άνθρωποι περιλαμβάνει τη διενέργεια δοκιμών αγοράς. Η μελέτη του τι έχουν κάνει οι άνθρωποι περιλαμβάνει την ανάλυση των στατιστικών των αγορών που έχουν κάνει.

Ας εξετάσουμε τη διανομή των εγκαταστάσεων παραγωγής πετρελαίου και φυσικού αερίου με βάση τη φύση των αλλαγών στους όγκους παραγωγής σε εγκαταστάσεις παραγωγής πετρελαίου και φυσικού αερίου με αυξανόμενη, σταθερή και φθίνουσα παραγωγή. Για την 1/1 1972, από τα 104 τμήματα παραγωγής πετρελαίου και φυσικού αερίου της βιομηχανίας, τα 43 (ή το 41,4%) αυξάνονταν και τα 61 ήταν σταθερά ή πτωτικά. Η ανάλυση των στατιστικών δεδομένων για το 1970, που πραγματοποιήθηκε από τους συγγραφείς για 76 NGDUs, κατέστησε δυνατό τον εντοπισμό ορισμένων κοινών χαρακτηριστικών διαφόρων υποομάδων OGPD, τα οποία δίνονται στον Πίνακα. δεκαπέντε.

Ο έλεγχος υποθέσεων πραγματοποιείται με τη χρήση στατιστικής ανάλυσης. Η στατιστική σημασία βρίσκεται χρησιμοποιώντας την τιμή P, η οποία αντιστοιχεί στην πιθανότητα ενός δεδομένου γεγονότος με την παραδοχή ότι κάποια δήλωση (μηδενική υπόθεση) είναι αληθής. Εάν η τιμή P είναι μικρότερη από ένα δεδομένο επίπεδο στατιστικής σημασίας (συνήθως 0,05), ο πειραματιστής μπορεί με ασφάλεια να συμπεράνει ότι η μηδενική υπόθεση είναι εσφαλμένη και να προχωρήσει στην εξέταση της εναλλακτικής υπόθεσης. Χρησιμοποιώντας το τεστ t Student, μπορείτε να υπολογίσετε την τιμή P και να προσδιορίσετε τη σημασία για δύο σύνολα δεδομένων.

Βήματα

Μέρος 1

Ρύθμιση πειράματος

Καθορίστε την υπόθεσή σας.Το πρώτο βήμα για την αξιολόγηση της στατιστικής σημασίας είναι να επιλέξετε την ερώτηση που θέλετε να απαντήσετε και να διατυπώσετε μια υπόθεση. Μια υπόθεση είναι μια δήλωση σχετικά με τα πειραματικά δεδομένα, την κατανομή και τις ιδιότητές τους. Για κάθε πείραμα, υπάρχει τόσο μηδενική όσο και εναλλακτική υπόθεση. Σε γενικές γραμμές, θα πρέπει να συγκρίνετε δύο σύνολα δεδομένων για να προσδιορίσετε εάν είναι παρόμοια ή διαφορετικά.

• Η μηδενική υπόθεση (H 0) συνήθως δηλώνει ότι δεν υπάρχει διαφορά μεταξύ των δύο συνόλων δεδομένων. Για παράδειγμα: όσοι μαθητές διαβάζουν την ύλη πριν το μάθημα δεν παίρνουν υψηλότερους βαθμούς.
• Η εναλλακτική υπόθεση (Η α) είναι το αντίθετο της μηδενικής υπόθεσης και είναι μια δήλωση που πρέπει να επιβεβαιωθεί με πειραματικά δεδομένα. Για παράδειγμα: όσοι μαθητές διαβάζουν την ύλη πριν από το μάθημα παίρνουν υψηλότερους βαθμούς.

1. Ορίστε το επίπεδο σημαντικότητας για να προσδιορίσετε πόσο πρέπει να διαφέρει η κατανομή των δεδομένων από το συνηθισμένο για να θεωρηθεί σημαντικό αποτέλεσμα. Επίπεδο σημαντικότητας (ονομάζεται επίσης α (\displaystyle \alpha)-επίπεδο) είναι το όριο που ορίζετε για στατιστική σημασία. Εάν η τιμή P είναι μικρότερη ή ίση με το επίπεδο σημαντικότητας, τα δεδομένα θεωρούνται στατιστικά σημαντικά.

   • Κατά κανόνα, το επίπεδο σημασίας (τιμή α (\displaystyle \alpha)) λαμβάνεται ίσο με 0,05, οπότε η πιθανότητα ανίχνευσης μιας τυχαίας διαφοράς μεταξύ διαφορετικών συνόλων δεδομένων είναι μόνο 5%.
   • Όσο υψηλότερο είναι το επίπεδο σημαντικότητας (και, κατά συνέπεια, όσο μικρότερη είναι η τιμή P), τόσο πιο αξιόπιστα είναι τα αποτελέσματα.
   • Εάν θέλετε πιο αξιόπιστα αποτελέσματα, μειώστε την τιμή P στο 0,01. Συνήθως, χαμηλότερες τιμές P χρησιμοποιούνται στην παραγωγή όταν είναι απαραίτητο να εντοπιστούν ελαττώματα στα προϊόντα. Σε αυτήν την περίπτωση, απαιτείται υψηλή πιστότητα για να διασφαλιστεί ότι όλα τα εξαρτήματα λειτουργούν όπως αναμένεται.
   • Για τα περισσότερα πειράματα υποθέσεων, ένα επίπεδο σημαντικότητας 0,05 είναι αρκετό.

2. Αποφασίστε ποια κριτήρια θα χρησιμοποιήσετε:μονόπλευρη ή διπλή. Μία από τις υποθέσεις στο Student's t-test είναι ότι τα δεδομένα κατανέμονται κανονικά. Η κανονική κατανομή είναι μια καμπύλη σε σχήμα καμπάνας με τον μέγιστο αριθμό αποτελεσμάτων στο μέσο της καμπύλης. Το Student's t-test είναι μια μέθοδος επικύρωσης μαθηματικών δεδομένων που σας επιτρέπει να προσδιορίσετε εάν τα δεδομένα βρίσκονται εκτός της κανονικής κατανομής (περισσότερο, λιγότερο ή στις "ουρές" της καμπύλης).

   • Εάν δεν είστε σίγουροι αν τα δεδομένα είναι πάνω ή κάτω από την ομάδα ελέγχου, χρησιμοποιήστε μια δοκιμή δύο ουρών. Αυτό θα σας επιτρέψει να προσδιορίσετε τη σημασία και προς τις δύο κατευθύνσεις.
   • Εάν γνωρίζετε προς ποια κατεύθυνση τα δεδομένα ενδέχεται να είναι εκτός της κανονικής κατανομής, χρησιμοποιήστε μια δοκιμή μιας ουράς. Στο παραπάνω παράδειγμα, αναμένουμε ότι οι βαθμοί των μαθητών θα ανέβουν, επομένως μπορεί να χρησιμοποιηθεί ένα τεστ με μία ουρά.

3. Προσδιορίστε το μέγεθος του δείγματος χρησιμοποιώντας στατιστική ισχύ.Η στατιστική ισχύς μιας μελέτης είναι η πιθανότητα ότι ένα δεδομένο μέγεθος δείγματος θα παράγει το αναμενόμενο αποτέλεσμα. Ένα κοινό όριο ισχύος (ή β) είναι 80%. Η ανάλυση ισχύος χωρίς προηγούμενα δεδομένα μπορεί να είναι δύσκολη, επειδή απαιτούνται ορισμένες πληροφορίες σχετικά με τα αναμενόμενα μέσα σε κάθε σύνολο δεδομένων και τις τυπικές αποκλίσεις τους. Χρησιμοποιήστε τον ηλεκτρονικό υπολογιστή στατιστικής ισχύος για να προσδιορίσετε το βέλτιστο μέγεθος δείγματος για τα δεδομένα σας.

   • Συνήθως, οι ερευνητές διεξάγουν μια μικρή πιλοτική μελέτη που παρέχει δεδομένα για ανάλυση ισχύος και καθορίζει το μέγεθος του δείγματος που απαιτείται για μια μεγαλύτερη και πληρέστερη μελέτη.
   • Εάν δεν έχετε την ευκαιρία να πραγματοποιήσετε πιλοτική μελέτη, προσπαθήστε να υπολογίσετε πιθανές μέσες τιμές με βάση τα δεδομένα της βιβλιογραφίας και τα αποτελέσματα άλλων ατόμων. Αυτό μπορεί να σας βοηθήσει να προσδιορίσετε το βέλτιστο μέγεθος δείγματος.

   Μέρος 2ο

   Υπολογισμός Τυπικής Απόκλισης

   1. Γράψτε τον τύπο για την τυπική απόκλιση.Η τυπική απόκλιση υποδεικνύει πόσο μεγάλη είναι η εξάπλωση των δεδομένων. Σας επιτρέπει να συμπεράνετε πόσο κοντά είναι τα δεδομένα που λαμβάνονται σε ένα συγκεκριμένο δείγμα. Με την πρώτη ματιά, ο τύπος φαίνεται μάλλον περίπλοκος, αλλά οι παρακάτω εξηγήσεις θα σας βοηθήσουν να το καταλάβετε. Ο τύπος είναι ο εξής: s = √∑((x i – µ) 2 /(N – 1)).

      • s - τυπική απόκλιση.
      • Το σύμβολο ∑ υποδεικνύει ότι όλα τα δεδομένα που λαμβάνονται στο δείγμα πρέπει να προστεθούν.
      • Το x i αντιστοιχεί στην i-η τιμή, δηλαδή, ένα ξεχωριστό αποτέλεσμα που προκύπτει.
      • Το μ είναι η μέση τιμή για αυτήν την ομάδα.
      • N είναι ο συνολικός αριθμός δεδομένων στο δείγμα.

   2. Βρείτε τον μέσο όρο σε κάθε ομάδα.Για να υπολογίσετε την τυπική απόκλιση, πρέπει πρώτα να βρείτε τον μέσο όρο για κάθε ομάδα μελέτης. Η μέση τιμή συμβολίζεται με το ελληνικό γράμμα μ (mu). Για να βρείτε τον μέσο όρο, απλώς προσθέστε όλες τις προκύπτουσες τιμές και διαιρέστε τις με την ποσότητα δεδομένων (μέγεθος δείγματος).

      • Για παράδειγμα, για να βρείτε τη μέση βαθμολογία σε μια ομάδα μαθητών που μελετούν υλικό πριν από το μάθημα, σκεφτείτε ένα μικρό σύνολο δεδομένων. Για απλότητα, χρησιμοποιούμε ένα σύνολο πέντε σημείων: 90, 91, 85, 83 και 94.
      • Ας προσθέσουμε όλες τις τιμές μαζί: 90 + 91 + 85 + 83 + 94 = 443.
      • Διαιρέστε το άθροισμα με τον αριθμό των τιμών, N = 5: 443/5 = 88,6.
      • Έτσι, η μέση τιμή για αυτήν την ομάδα είναι 88,6.

   3. Αφαιρέστε κάθε τιμή που λαμβάνεται από τον μέσο όρο.Το επόμενο βήμα είναι ο υπολογισμός της διαφοράς (x i - μ). Για να γίνει αυτό, αφαιρέστε κάθε τιμή που λαμβάνεται από τη μέση τιμή που βρέθηκε. Στο παράδειγμά μας, πρέπει να βρούμε πέντε διαφορές:

      • (90 - 88,6), (91 - 88,6), (85 - 88,6), (83 - 88,6) και (94 - 88,6).
      • Ως αποτέλεσμα, παίρνουμε τις ακόλουθες τιμές: 1,4, 2,4, -3,6, -5,6 και 5,4.

   4. Τετράγωνο κάθε τιμή που λήφθηκε και προσθέστε τις μαζί.Κάθε μία από τις ποσότητες που μόλις βρέθηκαν θα πρέπει να τετραγωνιστεί. Αυτό το βήμα θα αφαιρέσει όλες τις αρνητικές τιμές. Εάν μετά από αυτό το βήμα εξακολουθείτε να έχετε αρνητικούς αριθμούς, τότε ξεχάσατε να τους τετραγωνίσετε.

      • Για το παράδειγμά μας, παίρνουμε 1,96, 5,76, 12,96, 31,36 και 29,16.
      • Προσθέτουμε τις λαμβανόμενες τιμές: 1,96 + 5,76 + 12,96 + 31,36 + 29,16 = 81,2.

   5. Διαιρέστε με το μέγεθος του δείγματος μείον 1.Στον τύπο, το άθροισμα διαιρείται με Ν - 1 λόγω του ότι δεν λαμβάνουμε υπόψη τον γενικό πληθυσμό, αλλά παίρνουμε δείγμα από όλους τους μαθητές για αξιολόγηση.

      • Αφαιρέστε: N - 1 = 5 - 1 = 4
      • Διαίρεση: 81,2/4 = 20,3

   6. Πάρτε την τετραγωνική ρίζα.Αφού διαιρέσετε το άθροισμα με το μέγεθος του δείγματος μείον ένα, πάρτε την τετραγωνική ρίζα της τιμής που βρέθηκε. Αυτό είναι το τελευταίο βήμα για τον υπολογισμό της τυπικής απόκλισης. Υπάρχουν στατιστικά προγράμματα που μετά την εισαγωγή των αρχικών δεδομένων εκτελούν όλους τους απαραίτητους υπολογισμούς.

      • Στο παράδειγμά μας, η τυπική απόκλιση των βαθμών εκείνων των μαθητών που διάβασαν την ύλη πριν από την τάξη είναι s = √20,3 = 4,51.

   Μέρος 3

   Προσδιορίστε τη Σημασία

   1. Υπολογίστε τη διακύμανση μεταξύ των δύο ομάδων δεδομένων.Μέχρι αυτό το βήμα, εξετάσαμε το παράδειγμα για μία μόνο ομάδα δεδομένων. Εάν θέλετε να συγκρίνετε δύο ομάδες, προφανώς θα πρέπει να λάβετε τα δεδομένα και για τις δύο ομάδες. Υπολογίστε την τυπική απόκλιση για τη δεύτερη ομάδα δεδομένων και στη συνέχεια βρείτε τη διακύμανση μεταξύ των δύο πειραματικών ομάδων. Η διασπορά υπολογίζεται χρησιμοποιώντας τον ακόλουθο τύπο: s d = √((s 1 /N 1) + (s 2 /N 2)).

Η δραστηριότητα των ανθρώπων σε πολλές περιπτώσεις περιλαμβάνει την εργασία με δεδομένα και, με τη σειρά της, μπορεί να σημαίνει όχι μόνο τη συνεργασία μαζί τους, αλλά και τη μελέτη, την επεξεργασία και την ανάλυσή τους. Για παράδειγμα, όταν χρειάζεται να συμπυκνώσετε πληροφορίες, βρείτε κάποιο είδος σχέσης ή ορίστε δομές. Και μόνο για την ανάλυση σε αυτή την περίπτωση είναι πολύ βολικό να χρησιμοποιείτε όχι μόνο, αλλά και να εφαρμόζετε στατιστικές μεθόδους.

Χαρακτηριστικό των μεθόδων στατιστικής ανάλυσης είναι η πολυπλοκότητά τους, λόγω της ποικιλίας των μορφών στατιστικών προτύπων, καθώς και της πολυπλοκότητας της διαδικασίας της στατιστικής έρευνας. Ωστόσο, θέλουμε να μιλήσουμε ακριβώς για τέτοιες μεθόδους που μπορεί να χρησιμοποιήσει ο καθένας, και να το κάνει αποτελεσματικά και με ευχαρίστηση.

Η στατιστική έρευνα μπορεί να πραγματοποιηθεί χρησιμοποιώντας τις ακόλουθες μεθόδους:

• Στατιστική παρατήρηση;
• Περίληψη και ομαδοποίηση υλικών στατιστικής παρατήρησης.
• Απόλυτες και σχετικές στατιστικές τιμές.
• Σειρά παραλλαγής;
• Δείγμα;
• Ανάλυση συσχέτισης και παλινδρόμησης;
• Σειρές δυναμικής.

Στατιστική παρατήρηση

Η στατιστική παρατήρηση είναι μια προγραμματισμένη, οργανωμένη και στις περισσότερες περιπτώσεις συστηματική συλλογή πληροφοριών, που στοχεύει κυρίως στα φαινόμενα της κοινωνικής ζωής. Αυτή η μέθοδος υλοποιείται μέσω της καταγραφής προκαθορισμένων πιο εντυπωσιακών χαρακτηριστικών, σκοπός των οποίων είναι να αποκτηθούν στη συνέχεια τα χαρακτηριστικά των μελετηθέντων φαινομένων.

Η στατιστική παρατήρηση πρέπει να πραγματοποιείται λαμβάνοντας υπόψη ορισμένες σημαντικές απαιτήσεις:

• Θα πρέπει να καλύπτει πλήρως τα μελετημένα φαινόμενα.
• Τα δεδομένα που λαμβάνονται πρέπει να είναι ακριβή και αξιόπιστα.
• Τα δεδομένα που προκύπτουν πρέπει να είναι ομοιόμορφα και εύκολα συγκρίσιμα.

Επίσης, η στατιστική παρατήρηση μπορεί να λάβει δύο μορφές:

• Η αναφορά είναι μια μορφή στατιστικής παρατήρησης όπου λαμβάνονται πληροφορίες από συγκεκριμένες στατιστικές μονάδες οργανισμών, ιδρυμάτων ή επιχειρήσεων. Στην περίπτωση αυτή, τα δεδομένα καταχωρούνται σε ειδικές αναφορές.
• Ειδικά οργανωμένη παρατήρηση - παρατήρηση, η οποία οργανώνεται για συγκεκριμένο σκοπό, προκειμένου να ληφθούν πληροφορίες που δεν υπάρχουν στις αναφορές ή να διευκρινιστεί και να διαπιστωθεί η αξιοπιστία των πληροφοριών των εκθέσεων. Αυτό το έντυπο περιλαμβάνει έρευνες (για παράδειγμα, δημοσκοπήσεις απόψεων ανθρώπων), απογραφές πληθυσμού κ.λπ.

Επιπλέον, μια στατιστική παρατήρηση μπορεί να κατηγοριοποιηθεί με βάση δύο χαρακτηριστικά: είτε με βάση τη φύση της καταγραφής δεδομένων είτε με βάση την κάλυψη των μονάδων παρατήρησης. Η πρώτη κατηγορία περιλαμβάνει συνεντεύξεις, τεκμηρίωση και άμεση παρατήρηση και η δεύτερη κατηγορία περιλαμβάνει τη συνεχή και μη συνεχή παρατήρηση, δηλ. εκλεκτικός.

Για τη λήψη δεδομένων χρησιμοποιώντας στατιστική παρατήρηση, μπορούν να χρησιμοποιηθούν μέθοδοι όπως ερωτηματολόγια, αντίστοιχες δραστηριότητες, αυτοϋπολογισμός (όταν οι παρατηρούμενοι, για παράδειγμα, συμπληρώνουν οι ίδιοι τα σχετικά έγγραφα), αποστολές και αναφορές.

Περίληψη και ομαδοποίηση υλικών στατιστικής παρατήρησης

Μιλώντας για τη δεύτερη μέθοδο, πρώτα απ 'όλα θα πρέπει να ειπωθεί για τη σύνοψη. Η περίληψη είναι μια διαδικασία επεξεργασίας ορισμένων μεμονωμένων γεγονότων που αποτελούν το σύνολο των δεδομένων που συλλέγονται κατά την παρατήρηση. Εάν η περίληψη εκτελείται σωστά, ένας τεράστιος όγκος μεμονωμένων δεδομένων για μεμονωμένα αντικείμενα παρατήρησης μπορεί να μετατραπεί σε ένα ολόκληρο σύμπλεγμα στατιστικών πινάκων και αποτελεσμάτων. Επίσης, μια τέτοια μελέτη βοηθά στον προσδιορισμό των κοινών χαρακτηριστικών και προτύπων των μελετηθέντων φαινομένων.

Δεδομένης της ακρίβειας και του βάθους της μελέτης, μπορεί να διακριθεί μια απλή και σύνθετη περίληψη, αλλά οποιαδήποτε από αυτές θα πρέπει να βασίζεται σε συγκεκριμένα στάδια:

• Επιλέγεται ένα χαρακτηριστικό ομαδοποίησης.
• Καθορίζεται η σειρά σχηματισμού των ομάδων.
• Αναπτύσσεται ένα σύστημα δεικτών για τον χαρακτηρισμό της ομάδας και του αντικειμένου ή του φαινομένου ως σύνολο.
• Αναπτύσσονται διατάξεις πινάκων όπου θα παρουσιαστούν τα συνοπτικά αποτελέσματα.

Είναι σημαντικό να σημειωθεί ότι υπάρχουν διάφορες μορφές περίληψης:

• Κεντρική σύνοψη, που απαιτεί τη μεταφορά του ληφθέντος πρωτογενούς υλικού σε ανώτερο κέντρο για περαιτέρω επεξεργασία.
• Αποκεντρωμένη σύνοψη, όπου η μελέτη των δεδομένων γίνεται σε διάφορα στάδια με αύξουσα σειρά.

Η περίληψη μπορεί να εκτελεστεί χρησιμοποιώντας εξειδικευμένο εξοπλισμό, για παράδειγμα, χρησιμοποιώντας λογισμικό υπολογιστή ή χειροκίνητα.

Όσον αφορά την ομαδοποίηση, αυτή η διαδικασία διακρίνεται από τη διαίρεση των μελετημένων δεδομένων σε ομάδες ανάλογα με τα χαρακτηριστικά. Τα χαρακτηριστικά των εργασιών που ορίζονται από τη στατιστική ανάλυση επηρεάζουν το είδος της ομαδοποίησης: τυπολογική, δομική ή αναλυτική. Γι' αυτό, για περιλήψεις και ομαδοποιήσεις, είτε καταφεύγουν στις υπηρεσίες υψηλά εξειδικευμένων ειδικών, είτε τις χρησιμοποιούν.

Απόλυτες και σχετικές στατιστικές

Οι απόλυτες τιμές θεωρούνται η πρώτη μορφή παρουσίασης των στατιστικών δεδομένων. Με τη βοήθειά του, είναι δυνατό να δοθούν χαρακτηριστικά διαστάσεων στα φαινόμενα, για παράδειγμα, σε χρόνο, σε μήκος, σε όγκο, σε εμβαδόν, σε μάζα κ.λπ.

Εάν θέλετε να μάθετε για μεμονωμένες απόλυτες στατιστικές τιμές, μπορείτε να καταφύγετε σε μέτρηση, αξιολόγηση, καταμέτρηση ή στάθμιση. Και αν χρειάζεται να λάβετε δείκτες συνολικού όγκου, θα πρέπει να χρησιμοποιήσετε μια περίληψη και ομαδοποίηση. Πρέπει να ληφθεί υπόψη ότι οι απόλυτες στατιστικές τιμές διαφέρουν με την παρουσία μονάδων μέτρησης. Τέτοιες μονάδες περιλαμβάνουν το κόστος, την εργασία και τη φυσική.

Και οι σχετικές τιμές εκφράζουν τις ποσοτικές αναλογίες που σχετίζονται με τα φαινόμενα της κοινωνικής ζωής. Για να τα αποκτήσετε, μερικές ποσότητες διαιρούνται πάντα με άλλες. Ο δείκτης που συγκρίνεται (αυτός είναι ο παρονομαστής) ονομάζεται βάση σύγκρισης και ο δείκτης που συγκρίνεται (αυτός είναι ο αριθμητής) ονομάζεται τιμή αναφοράς.

Οι σχετικές τιμές μπορεί να είναι διαφορετικές, ανάλογα με το περιεχόμενό τους. Για παράδειγμα, υπάρχουν μεγέθη σύγκρισης, μεγέθη του επιπέδου ανάπτυξης, μεγέθη της έντασης μιας συγκεκριμένης διαδικασίας, μεγέθη συντονισμού, δομή, δυναμική κ.λπ. και τα λοιπά.

Για τη μελέτη κάποιου συνόλου διαφοροποιητικών χαρακτηριστικών, η στατιστική ανάλυση χρησιμοποιεί μέσες τιμές - γενικεύοντας τα ποιοτικά χαρακτηριστικά ενός συνόλου ομοιογενών φαινομένων για κάποιο διαφοροποιητικό χαρακτηριστικό.

Μια εξαιρετικά σημαντική ιδιότητα των μέσων όρων είναι ότι μιλούν για τις τιμές συγκεκριμένων χαρακτηριστικών σε ολόκληρο το σύμπλεγμα τους ως ενιαίος αριθμός. Παρά το γεγονός ότι μεμονωμένες μονάδες μπορεί να έχουν ποσοτική διαφορά, οι μέσες τιμές εκφράζουν τις γενικές τιμές που είναι εγγενείς σε όλες τις μονάδες του υπό μελέτη συγκροτήματος. Αποδεικνύεται ότι με τη βοήθεια των χαρακτηριστικών ενός πράγματος, μπορείτε να αποκτήσετε τα χαρακτηριστικά του συνόλου.

Θα πρέπει να ληφθεί υπόψη ότι μία από τις σημαντικότερες προϋποθέσεις για τη χρήση των μέσων όρων, εάν διενεργηθεί στατιστική ανάλυση των κοινωνικών φαινομένων, θεωρείται η ομοιογένεια του συμπλέγματός τους, για την οποία είναι απαραίτητο να βρεθεί ο μέσος όρος . Και ο τύπος για τον προσδιορισμό του θα εξαρτηθεί από το πώς ακριβώς θα παρουσιαστούν τα αρχικά δεδομένα για τον υπολογισμό της μέσης τιμής.

Σειρά παραλλαγής

Σε ορισμένες περιπτώσεις, τα δεδομένα για τους μέσους όρους ορισμένων μελετημένων ποσοτήτων μπορεί να μην είναι αρκετά για την επεξεργασία, την αξιολόγηση και τη σε βάθος ανάλυση ενός φαινομένου ή μιας διαδικασίας. Στη συνέχεια θα πρέπει να ληφθεί υπόψη η διακύμανση ή η εξάπλωση των δεικτών των επιμέρους μονάδων, η οποία είναι επίσης σημαντικό χαρακτηριστικό του υπό μελέτη πληθυσμού.

Πολλοί παράγοντες μπορούν να επηρεάσουν τις μεμονωμένες τιμές των ποσοτήτων και τα φαινόμενα ή οι διαδικασίες που μελετώνται μπορεί να είναι πολύ διαφορετικά, δηλ. να υπάρχει παραλλαγή (αυτή η ποικιλία είναι η σειρά των παραλλαγών), τα αίτια της οποίας θα πρέπει να αναζητηθούν στην ουσία αυτού που μελετάται.

Οι παραπάνω απόλυτες τιμές εξαρτώνται άμεσα από τις μονάδες μέτρησης των χαρακτηριστικών, πράγμα που σημαίνει ότι καθιστούν πιο δύσκολη τη διαδικασία μελέτης, αξιολόγησης και σύγκρισης δύο ή περισσότερων παραλλαγών σειρών. Και οι σχετικοί δείκτες πρέπει να υπολογίζονται ως αναλογία απόλυτων και μέσων δεικτών.

Δείγμα

Η έννοια της μεθόδου δειγματοληψίας (ή, πιο απλά, της δειγματοληψίας) είναι ότι οι ιδιότητες ενός μέρους καθορίζουν τα αριθμητικά χαρακτηριστικά του συνόλου (αυτό ονομάζεται γενικός πληθυσμός). Η κύρια επιλεκτική μέθοδος είναι μια εσωτερική σύνδεση που ενώνει μέρη και το σύνολο, ενικό και γενικό.

Η μέθοδος δειγματοληψίας έχει μια σειρά από σημαντικά πλεονεκτήματα έναντι των άλλων, γιατί Λόγω της μείωσης του αριθμού των παρατηρήσεων, επιτρέπει τη μείωση του όγκου της εργασίας, των δαπανηθέντων πόρων και των προσπαθειών, καθώς και την επιτυχή λήψη δεδομένων για τέτοιες διαδικασίες και φαινόμενα όπου είναι είτε μη πρακτικό είτε απλά αδύνατο να μελετηθούν πλήρως.

Η αντιστοιχία μεταξύ των χαρακτηριστικών του δείγματος και των χαρακτηριστικών του φαινομένου ή της διαδικασίας υπό μελέτη θα εξαρτηθεί από ένα σύνολο συνθηκών και, πρώτα απ 'όλα, από το πώς θα εφαρμοστεί στην πράξη η μέθοδος δειγματοληψίας. Αυτό μπορεί να είναι είτε συστηματική επιλογή, μετά από ένα προετοιμασμένο σχήμα, είτε απρογραμμάτιστη, όταν το δείγμα γίνεται από τον γενικό πληθυσμό.

Αλλά σε όλες τις περιπτώσεις, η μέθοδος δειγματοληψίας πρέπει να είναι τυπική και να πληροί τα κριτήρια της αντικειμενικότητας. Αυτές οι απαιτήσεις πρέπει πάντα να πληρούνται, γιατί. Από αυτά θα εξαρτηθεί η αντιστοιχία μεταξύ των χαρακτηριστικών της μεθόδου και των χαρακτηριστικών αυτού που υποβάλλεται σε στατιστική ανάλυση.

Έτσι, πριν από την επεξεργασία του υλικού δείγματος, είναι απαραίτητο να το ελέγξετε προσεκτικά, ώστε να απαλλαγείτε από οτιδήποτε περιττό και δευτερεύον. Ταυτόχρονα, κατά τη σύνταξη ενός δείγματος, είναι επιτακτική ανάγκη να παρακάμψουμε κάθε ερασιτεχνική απόδοση. Αυτό σημαίνει ότι σε καμία περίπτωση δεν πρέπει να επιλέξετε μόνο εκείνες τις επιλογές που φαίνονται τυπικές και να απορρίψετε όλες τις άλλες.

Ένα αποτελεσματικό και υψηλής ποιότητας δείγμα πρέπει να λαμβάνεται αντικειμενικά, δηλ. πρέπει να παράγεται με τέτοιο τρόπο ώστε να αποκλείονται τυχόν υποκειμενικές επιρροές και προκατειλημμένα κίνητρα. Και για να τηρηθεί σωστά αυτή η συνθήκη απαιτείται η προσφυγή στην αρχή της τυχαιοποίησης ή, πιο απλά, στην αρχή της τυχαίας επιλογής επιλογών από ολόκληρο τον πληθυσμό τους.

Η αρχή που παρουσιάζεται χρησιμεύει ως βάση της θεωρίας της μεθόδου δειγματοληψίας και πρέπει να ακολουθείται κάθε φορά που απαιτείται για τη δημιουργία ενός αποτελεσματικού πληθυσμού δειγματοληψίας και οι περιπτώσεις συστηματικής επιλογής δεν αποτελούν εξαίρεση εδώ.

Ανάλυση συσχέτισης και παλινδρόμησης

Η ανάλυση συσχέτισης και η ανάλυση παλινδρόμησης είναι δύο πολύ αποτελεσματικές μέθοδοι που σας επιτρέπουν να αναλύσετε μεγάλο όγκο δεδομένων για να διερευνήσετε την πιθανή σχέση δύο ή περισσότερων δεικτών.

Στην περίπτωση της ανάλυσης συσχέτισης, οι εργασίες είναι:

• Μετρήστε τη στεγανότητα της υπάρχουσας σύνδεσης διαφοροποιητικών χαρακτηριστικών.
• Προσδιορίστε άγνωστες αιτιώδεις σχέσεις.
• Αξιολογήστε τους παράγοντες που έχουν τη μεγαλύτερη επίδραση στο τελικό χαρακτηριστικό.

Και στην περίπτωση της ανάλυσης παλινδρόμησης, οι εργασίες είναι οι εξής:

• Προσδιορίστε τη μορφή επικοινωνίας.
• Καθορίστε τον βαθμό επιρροής των ανεξάρτητων δεικτών στον εξαρτημένο.
• Προσδιορίστε τις υπολογιζόμενες τιμές του εξαρτημένου δείκτη.

Για την επίλυση όλων των παραπάνω προβλημάτων, είναι σχεδόν πάντα απαραίτητο να εφαρμοστεί τόσο η ανάλυση συσχέτισης όσο και η ανάλυση παλινδρόμησης σε συνδυασμό.

Σειρά δυναμικής

Χρησιμοποιώντας αυτή τη μέθοδο στατιστικής ανάλυσης, είναι πολύ βολικό να προσδιορίσετε την ένταση ή την ταχύτητα με την οποία αναπτύσσονται τα φαινόμενα, να βρείτε την τάση ανάπτυξής τους, να ξεχωρίσετε τις διακυμάνσεις, να συγκρίνετε τη δυναμική της ανάπτυξης, να βρείτε τη σχέση μεταξύ των φαινομένων που αναπτύσσονται χρόνος.

Μια σειρά δυναμικών είναι μια σειρά στην οποία οι στατιστικοί δείκτες εντοπίζονται διαδοχικά στο χρόνο, αλλαγές στις οποίες χαρακτηρίζουν τη διαδικασία ανάπτυξης του υπό μελέτη αντικειμένου ή φαινομένου.

Η σειρά δυναμικών περιλαμβάνει δύο στοιχεία:

• Η περίοδος ή η χρονική στιγμή που σχετίζεται με τα διαθέσιμα δεδομένα·
• Επίπεδο ή στατιστική.

Μαζί, αυτά τα στοιχεία αντιπροσωπεύουν δύο όρους μιας σειράς δυναμικών, όπου ο πρώτος όρος (χρονική περίοδος) συμβολίζεται με το γράμμα "t" και ο δεύτερος (επίπεδο) - με το γράμμα "y".

Με βάση τη διάρκεια των χρονικών διαστημάτων με τα οποία συνδέονται τα επίπεδα, η σειρά των δυναμικών μπορεί να είναι στιγμιαία και διαλειμματική. Οι σειρές διαστήματος σάς επιτρέπουν να προσθέτετε επίπεδα για να λαμβάνετε τη συνολική τιμή των περιόδων που ακολουθούν η μία μετά την άλλη, αλλά στις σειρές στιγμών δεν υπάρχει τέτοια δυνατότητα, αλλά αυτό δεν απαιτείται εκεί.

Υπάρχουν επίσης χρονοσειρές με ίσα και διαφορετικά διαστήματα. Η ουσία των διαστημάτων σε σειρές στιγμών και διαστημάτων είναι πάντα διαφορετική. Στην πρώτη περίπτωση, το διάστημα είναι το χρονικό διάστημα μεταξύ των ημερομηνιών με τις οποίες συνδέονται τα δεδομένα για ανάλυση (είναι βολικό να χρησιμοποιήσετε μια τέτοια σειρά, για παράδειγμα, για να καθορίσετε τον αριθμό των ενεργειών ανά μήνα, έτος κ.λπ.). Και στη δεύτερη περίπτωση - η χρονική περίοδος στην οποία επισυνάπτονται τα συγκεντρωτικά δεδομένα (μια τέτοια σειρά μπορεί να χρησιμοποιηθεί για τον προσδιορισμό της ποιότητας των ίδιων ενεργειών για έναν μήνα, έτος κ.λπ.). Τα διαστήματα μπορεί να είναι ίσα ή διαφορετικά, ανεξάρτητα από τον τύπο της σειράς.

Φυσικά, για να μάθουμε πώς να εφαρμόζουμε σωστά καθεμία από τις μεθόδους στατιστικής ανάλυσης, δεν αρκεί μόνο να γνωρίζουμε γι' αυτές, γιατί, στην πραγματικότητα, η στατιστική είναι μια ολόκληρη επιστήμη που απαιτεί επίσης ορισμένες δεξιότητες και ικανότητες. Αλλά για να το κάνετε πιο εύκολο, μπορείτε και πρέπει να εκπαιδεύσετε τη σκέψη σας και.

Κατά τα άλλα, η έρευνα, η αξιολόγηση, η επεξεργασία και η ανάλυση πληροφοριών είναι πολύ ενδιαφέρουσες διαδικασίες. Και ακόμη και σε περιπτώσεις που δεν οδηγεί σε κάποιο συγκεκριμένο αποτέλεσμα, κατά τη διάρκεια της μελέτης μπορείτε να μάθετε πολλά ενδιαφέροντα πράγματα. Η στατιστική ανάλυση έχει βρει τον δρόμο της σε έναν τεράστιο αριθμό τομέων ανθρώπινης δραστηριότητας και μπορείτε να τη χρησιμοποιήσετε στο σχολείο, την εργασία, τις επιχειρήσεις και άλλους τομείς, συμπεριλαμβανομένης της ανάπτυξης του παιδιού και της αυτοεκπαίδευσης.

Για τη λήψη δεδομένων σχετικά με την κατάσταση της κοινωνίας, χρησιμοποιείται ένα ολόκληρο σύμπλεγμα επιστημών. Ένα από αυτά είναι η στατιστική. Τι αντιπροσωπεύει;

Τι είναι η στατιστική;

Αυτό είναι το όνομα του κλάδου της γνώσης, ο οποίος θέτει γενικές ερωτήσεις σχετικά με τη συλλογή, τη μέτρηση και την ανάλυση μαζικών (ποσοτικών ή ποιοτικών) δεδομένων. Επίσης, η στατιστική ασχολείται με τη μελέτη της ποσοτικής πλευράς των κοινωνικών μαζικών φαινομένων ως προς την αριθμητική τους μορφή. Αυτή η λέξη προέρχεται από το λατινικό status, που σημαίνει "κατάσταση των πραγμάτων". Αρχικά η επιστήμη αυτή ονομάστηκε «Κρατικές Σπουδές».

Ο όρος «στατιστική» χρησιμοποιήθηκε για πρώτη φορά το 1746 και αυτή η στιγμή σηματοδότησε την αρχή μιας τέτοιας ακαδημαϊκής πειθαρχίας και επιστήμης. Είναι αλήθεια ότι δεν μπορεί να ειπωθεί ότι η άμεση χρήση του ξεκίνησε με αυτό, καθώς η λογιστική, η μέτρηση και η ανάλυση των δεδομένων πραγματοποιήθηκαν πολύ νωρίτερα. Η μόδα είναι μια σημαντική παράμετρος. Κάτι παρόμοιο μπορούμε να θυμηθούμε από τη γεωμετρία, αλλά αυτό δεν είναι ακριβώς το ίδιο. Στα στατιστικά όμως; Αυτό είναι το όνομα της τιμής από τη γραμμική σειρά, η οποία εμφανίζεται πιο συχνά.

Παραδείγματα

Ας μιλήσουμε για κάτι πιο κοντά στην πραγματικότητα. Τι είναι τα στατιστικά της σελίδας ιστότοπου; Αυτή η παράμετρος μπορεί να είναι ο αριθμός των χρηστών που είχαν πρόσβαση στον πόρο και είχαν την ευκαιρία να δουν το περιεχόμενό του. Είναι αλήθεια ότι από αυτή την άποψη θα είναι δύσκολο να απαντήσουμε στο ερώτημα τι είναι τα στατιστικά στοιχεία του VKontakte.

Δεν συλλέγονται ξεχωριστές πληροφορίες για κάθε σελίδα. Αλλά ο αριθμός των χρηστών που έρχονται σε μια μέρα, ένα μήνα υπολογίζεται - γενικά, συνεχώς. Αυτή είναι η απάντηση στο ερώτημα, τι είναι η στατιστική στην πράξη στην τεχνολογία της πληροφορίας.

Τύποι ομαδοποίησης

Στο πλαίσιο ενός επιστημονικού κλάδου, ένα σύνολο χωρίζεται σε ξεχωριστές ομάδες, οι οποίες είναι ομοιογενείς από μια άποψη. Για τον υπολογισμό του αριθμού των διαστημάτων όταν δεν υπάρχουν καθαρά πλαίσια, χρησιμοποιείται συχνά ο τύπος Sturges:

CHI \u003d 1 + 3.322 * lg CHN, όπου

• CHI - αριθμός ολοκληρωμάτων.
• Lg - λογάριθμος;
• ΣΟ - αριθμός παρατηρήσεων.

Ανάλογα με τους στόχους, υπάρχουν τρεις τύποι ομαδοποιήσεων:

Μια τυπική ομάδα θα πρέπει να προσπαθεί να είναι όσο το δυνατόν πιο διαφορετική από τις άλλες και να είναι όσο το δυνατόν πιο παρόμοια μέσα της. Είναι πρωτογενείς και δευτερογενείς. Οι πρώτες σχηματίζονται κατά τη διάρκεια των Δευτερευόντων ομαδοποιήσεων γίνονται με βάση τα δεδομένα που λαμβάνονται.

Ταξινόμηση στατιστικών μεθόδων

Έχουν βρει το δρόμο τους σχεδόν παντού. Επομένως, είναι λογικό να υποθέσουμε ότι δεν υπάρχει καθολικό εργαλείο. Ανάλογα με την ιδιαιτερότητα και την εμβάπτιση σε συγκεκριμένα προβλήματα, διακρίνεται η ακόλουθη ανάλυση δεδομένων:

• Ανάπτυξη και έρευνα εργαλείων γενικής χρήσης που δεν λαμβάνουν υπόψη τις ιδιαιτερότητες της περιοχής εφαρμογής.
• Δημιουργία και χρήση στατιστικών μοντέλων κάποιου πραγματικού φαινομένου ή διαδικασίας σε ένα συγκεκριμένο πεδίο δραστηριότητας.
• Ανάπτυξη και χρήση μεθόδων και εργαλείων για την ανάλυση συγκεκριμένων δεδομένων για την επίλυση εφαρμοζόμενων προβλημάτων.

Εφαρμοσμένη Στατιστική

Αυτός ο κλάδος της επιστήμης ασχολείται με την επεξεργασία δεδομένων αυθαίρετης φύσης. Η θεωρία πιθανοτήτων χρησιμεύει επίσης ως η μαθηματική βάση της εφαρμοσμένης στατιστικής και των μεθόδων ανάλυσής της. Όλα ξεκινούν με μια περιγραφή του τύπου των δεδομένων που λαμβάνονται, καθώς και του μηχανισμού προέλευσής τους. Για αυτό, χρησιμοποιούνται πιθανολογικές και ντετερμινιστικές μέθοδοι. Το τελευταίο μπορεί να εφαρμοστεί μόνο σε περιπτώσεις που ο ερευνητής έχει αρκετά στοιχεία στη διάθεσή του (παράδειγμα είναι οι εκθέσεις κρατικών στατιστικών φορέων, οι οποίες βασίζονται σε πληροφορίες που παρέχονται από επιχειρήσεις). Αλλά μπορείτε να μεταφέρετε το αποτέλεσμα σε μεγαλύτερη κλίμακα και να αξιολογήσετε τις προοπτικές μόνο χρησιμοποιώντας

Στην απλούστερη περίπτωση, τα διαθέσιμα δεδομένα λειτουργούν ως η τιμή ενός συγκεκριμένου χαρακτηριστικού που είναι χαρακτηριστικό του υπό μελέτη αντικειμένου. Οι παράμετροι εδώ είναι ποσοτικές ή ενδεικτικές (ανάλογα με την κατηγορία στην οποία ανήκουν). Η δεύτερη επιλογή συνήθως μιλά για ένα ποιοτικό χαρακτηριστικό. Τι γίνεται αν πάρουμε πολλά από αυτά; Ή να προσθέσω ποσοτικά; Τότε μπορούμε να πούμε ότι έχει ληφθεί το διάνυσμα του αντικειμένου. Θεωρείται ως νέο.Σε μελέτες μεγάλης κλίμακας, λαμβάνονται δείγματα από διάφορα σύνολα διανυσμάτων. Είναι σημαντικό να διευκρινιστούν και να επανελεγχθούν οι πληροφορίες που λαμβάνονται. Για αυτό, χρησιμοποιείται επαναδειγματοληψία.

συμπέρασμα

Όπως μπορείτε να δείτε, οι στατιστικές σάς επιτρέπουν να δομήσετε σημαντικές ποσότητες δεδομένων που είναι απαραίτητες για να μπορείτε να παρέχετε πληροφορίες σχετικά με την κατάσταση σε ορισμένους τομείς. Έτσι, παίζει σημαντικό ρόλο για τους επενδυτές, καθώς καθιστά δυνατή την παρατήρηση της δυναμικής της ανάπτυξης των οικονομιών των κρατών. Οι στατιστικές ενδιαφέρουν επίσης τους πολίτες και τις αρχές, λέγοντάς τους για τις διαδικασίες στη χώρα: δημογραφική ανάπτυξη ή κρίση, αύξηση της ευημερίας ή πτώση της κ.λπ.