Lihtsamalt öeldes statistika. Keskmiste olemus ja tähendus

Kütused määratakse statistiliste andmete analüüsi põhjal tegeliku kütuse erikulu kohta, aga ka tavalistes töötingimustes muutusi mõjutavate tegurite kohta. Matemaatilise aparaadina kasutatakse mitut regressioonimudelit.

Uue tehnoloogia majandusliku efektiivsuse hindamist käsitlevate publikatsioonide analüüs ja nende enda uurimused võimaldasid autoritel teha mitmeid järeldusi. Esiteks saab tegelike vaatluste ja statistiliste andmete analüüsi mahuka materjali põhjal välja selgitada üksikute tegurite mõju tootmise majandusliku efektiivsuse tõstmisele uute seadmete kasutamisel naftasaaduste torutranspordis. Majandusliku efektiivsuse hindamise näitajate määramisel tuleks arvesse võtta arvestite kvantitatiivseid väärtusi, võttes arvesse antud perioodil kehtivaid tingimusi. Arvutustes kasutatud standardid peaksid täielikult kajastama olemasolevaid kulusid koos tootmis- ja seadmete kasutamise kulude indekseerimisega inflatsiooni järgi.

Inimkonna arengulugu on näidanud, et ilma statistiliste andmeteta on võimatu juhtida riiki, arendada üksikuid majandusharusid ja majandusharusid ning tagada nendevahelised optimaalsed proportsioonid. Vajadus koguda ja kokku võtta palju andmeid riigi rahvastiku, ettevõtete, pankade, talude jm kohta toob kaasa spetsiaalsete statistikateenistuste - riiklike statistikaasutuste olemasolu. Olenevalt sellest, millises tööstusharus on korraldatud statistiliste andmete kogumine, töötlemine ja analüüs, on olemas rahvastiku-, tööstuse, põllumajanduse, kapitaliehituse, rahanduse jne statistika. Kõik need statistika osad on mõeldud andmete kogumise ja summeerimise meetodite väljatöötamiseks. kokkuvõtlike näitajate koostamine, et kajastada protsesse asjaomases tööstuses. Statistika arvutab ka üldisi majandusnäitajaid - rahvamajanduse kogutoodang, sisemajanduse koguprodukt, sotsiaalne koguprodukt, rahvatulu jne.

Sõna statistika kasutatakse mitmes tähenduses, eeskätt sõna andmed sünonüümina. Just selles mõttes võib öelda Venemaa sündide ja surmade statistika või kuritegude statistika. Statistika on teadmiste haru, mis ühendab massinähtusi iseloomustavate arvandmetega töötamise põhimõtted ja meetodid. Statistikat nimetatakse ka praktilise tegevuse haruks, mille eesmärk on statistiliste andmete kogumine, töötlemine, analüüsimine.

Vene Föderatsiooni inflatsiooni tekkimise ja kulgemise põhjuste analüüs näitab nende unikaalsust ja kuluinflatsiooni märkimisväärset ülekaalu nõudluse inflatsiooni üle. Seetõttu ei sobi lääne inflatsioonivastased teooriad Venemaa oludesse kuigi hästi. Kodumaist, harmoonilist, terviklikku teooriat pole veel loodud, nagu pole ka pakse venekeelseid inflatsioonivastase võitluse õpikuid. Väga vajalike teadmiste killud on hajutatud sadade ajalehtede ja ajakirjade vahel. Ülesanne on ühelt poolt puhastada klombid maksmata jätmistest, mis on mõnel juhul juba toonud kaasa tootmise halvatuse, teisalt hoida ära hüppeline inflatsioon. Rasked ülesanded, kuid need tuleb lahendada. Toetudes viimase seitsme aasta statistiliste andmete analüüsile, kodumaiste juhtivate majandusteadlaste publikatsioonide uurimisele, pakub autor probleemidele omapoolseid lahendusi.

Ülesanne on ühelt poolt puhastada klombid maksmata jätmisest, mis on mõnel juhul juba halvatuseni viinud, ja teisalt hoida ära hüppeline inflatsioon. On aeg hakata inflatsiooni alla suruma tavapärasel viisil – suurendades igal võimalikul viisil nõutavate toodete toodangut. Kõige raskemad ülesanded, kuid need tuleb lahendada, kui tahame ellu jääda maailmariigina, mitte toorainena. Tuginedes statistiliste andmete analüüsile ja kodumaiste juhtivate majandusteadlaste publikatsioonidega tutvumisele, pakub autor probleemidele omapoolseid lahendusi.

Seega on muutuvate parameetritega mudelites vaja diferentseeritud lähenemist, et määrata kindlaks valikukoefitsientide variatsioonivahemikud, mis põhinevad statistiliste andmete analüüsil, tehnoloogiliste protsesside tüübil ja voogude kvaliteedinäitajatel.

Makromajanduslikel näitajatel põhinev maksulaekumiste prognoosimine määrab järgmise aasta ja keskpika perioodi maksulaekumise strateegia, kuid ei lahenda kõiki maksuplaneerimise probleeme. Seetõttu on maksuplaneerimise vajalik komponent statistiliste andmete töötlemine ja analüüs möödunud perioodi maksude kogunemise kohta eelarvesse, samuti teave võimalike muudatuste kohta maksuseadusandluses.

Vajalik on korraldada dünaamikat iseloomustavate statistiliste andmete süstemaatiline kogumine ja analüüs kasutusaastate lõikes toodete mahu ja kasutusele võetud seadmete abil tehtud töö, samuti maksumuse, töömahukuse ja materjalikulu kohta.

Koos peamise valitud parameetri järgi määramisega korrigeeritakse teatud tüüpi masinate ja seadmete vajaduse arvutamist mitmete muude tegurite alusel, masinate ja seadmete tarbimise bilansi muutustest rahvamajanduse sektorite lõikes, muutustest. toodete toodangu struktuuris, rublades kavandatavad muudatused tootevalikus seoses spetsialiseerumise ja koostöö arendamisega kaasnevate progressiivsemate, töökindlamate ja vastupidavamate muudatuste kavandite kasutuselevõtuga, mis mõjutavad toodangu kogumahtu jne.

Tööhõivenäitajate ja muude oluliste majandusarengu näitajate vahel on väga tihe seos. Seega iseloomustab tööpuuduse ja SKP muutuse vahelist seost Okuni seadus, mis on empiiriliselt avastatud USA statistiliste andmete analüüsi põhjal (50-80ndate perioodi kohta) ning seejärel põhjendatud ja teoreetiliselt makromajanduslikes uuringutes. Okuni seadus on selle algsel kujul, nagu seda kohaldatakse USA suhtes

Kõigi x positiivsete väärtuste korral suureneb funktsioon x = b/2, kõveral on käändepunkt - kiirendatud kasv x juures aeglane kasv x > b/2 juures. Seda tüüpi funktsioone kasutatakse tarbijate eelarvete statistiliste andmete analüüsimisel, kus püstitatakse hüpotees kulutuste asümptootilise taseme olemasolust, toote tarbimise piirkalduvuse muutumisest, künnise olemasolust. sissetuleku tase 1. Sel juhul x jaoks -> jah y - e "(joon. .2.5).

Seda valemit kasutati statistiliste andmete analüüsimiseks,

Kõik müügiprognoosid põhinevad kolme tüüpi teabe kasutamisel, mis on saadud inimeste ütlemiste, inimeste tehtud ja tehtu uurimisel. Esimest tüüpi teabe saamine põhineb tarbijate ja ostjate, müügiagentide ja vahendajate arvamuste uurimisel. Siin kasutatakse sotsioloogilise uurimistöö meetodeid ja ekspertmeetodeid. Inimeste tegemiste õppimine hõlmab turutestide tegemist. Inimeste tehtu uurimine hõlmab nende tehtud ostude statistika analüüsimist.

Vaatleme nafta- ja gaasitootmisrajatiste jaotust tootmismahtude muutumise olemuse järgi kasvava, stabiilse ja kahaneva toodanguga nafta- ja gaasitootmiskäitistel. Tööstuse 104 nafta- ja gaasitootmisosakonnast kasvas 1972. aasta 1. seisuga 43 (ehk 41,4%) ja 61 oli stabiilselt või langemas. 1970. aasta statistiliste andmete analüüs, mille autorid tegid 76 OGPD kohta, võimaldas tuvastada NGDU erinevate alarühmade mõningaid ühiseid tunnuseid, mis on toodud tabelis. viisteist.

Hüpoteesi testimine viiakse läbi statistilise analüüsi abil. Statistiline olulisus leitakse P-väärtuse abil, mis vastab antud sündmuse tõenäosusele eeldusel, et mõni väide (nullhüpotees) on tõene. Kui P-väärtus on väiksem kui etteantud statistilise olulisuse tase (tavaliselt 0,05), võib eksperimenteerija julgelt järeldada, et nullhüpotees on vale, ja liikuda edasi alternatiivse hüpoteesi kaalumisele. Studenti t-testi abil saate arvutada P-väärtuse ja määrata kahe andmekogumi olulisuse.

Sammud

1. osa

Eksperimendi seadistamine

Määratlege oma hüpotees. Statistilise olulisuse hindamise esimene samm on valida küsimus, millele soovite vastust saada ja püstitada hüpotees. Hüpotees on väide eksperimentaalsete andmete, nende leviku ja omaduste kohta. Iga katse jaoks on olemas nii null- kui ka alternatiivne hüpotees. Üldiselt peate võrdlema kahte andmekogumit, et teha kindlaks, kas need on sarnased või erinevad.

Nullhüpotees (H 0) väidab tavaliselt, et kahe andmekogumi vahel pole erinevust. Näiteks: need õpilased, kes loevad materjali enne tundi läbi, ei saa kõrgemaid hindeid.
Alternatiivne hüpotees (H a) on nullhüpoteesi vastand ja on väide, mida tuleb katseandmetega kinnitada. Näiteks: need õpilased, kes loevad materjali enne tundi läbi, saavad kõrgema hinde.

Määrake olulisuse tase, et määrata, kui palju peab andmete jaotus tavapärasest erinema, et seda saaks pidada oluliseks tulemuseks. Olulisuse tase (nimetatakse ka α (\displaystyle \alpha )-tase) on statistilise olulisuse lävi, mille määrate. Kui P-väärtus on olulisuse tasemest väiksem või sellega võrdne, loetakse andmed statistiliselt oluliseks.
- Reeglina on olulisuse tase (väärtus α (\displaystyle \alpha )) võetakse võrdseks 0,05-ga, sel juhul on erinevate andmekogumite juhusliku erinevuse tuvastamise tõenäosus vaid 5%.
- Mida kõrgem on olulisuse tase (ja vastavalt ka väiksem P-väärtus), seda usaldusväärsemad on tulemused.
- Kui soovite usaldusväärsemaid tulemusi, vähendage P-väärtust 0,01-ni. Tavaliselt kasutatakse tootmises madalamaid P-väärtusi, kui on vaja tuvastada toodete defekte. Sel juhul on vajalik kõrge täpsus, et kõik osad töötaksid ootuspäraselt.
- Enamiku hüpoteeside katsete jaoks piisab olulisuse tasemest 0, 05.
Otsustage, milliseid kriteeriume kasutate:ühe- või kahepoolsed. Üks Studenti t-testi eeldusi on, et andmed on normaalselt jaotunud. Normaaljaotus on kellakujuline kõver, mille maksimaalne tulemuste arv on kõvera keskel. Studenti t-test on matemaatilise andmete valideerimise meetod, mis võimaldab määrata, kas andmed jäävad normaaljaotusest väljapoole (rohkem, vähem või kõvera "sabadesse").
- Kui te pole kindel, kas andmed on kontrollrühmast kõrgemad või madalamad, kasutage kahepoolset testi. See võimaldab teil määrata olulisuse mõlemas suunas.
- Kui teate, millises suunas võivad andmed normaaljaotusest välja jääda, kasutage ühepoolset testi. Ülaltoodud näites eeldame, et õpilaste hinded tõusevad, seega saab kasutada ühepoolset testi.
Määrake valimi suurus statistilise võimsuse abil. Uuringu statistiline võimsus on tõenäosus, et antud valimi suurus annab oodatud tulemuse. Üldine võimsuslävi (või β) on 80%. Võimsuse analüüs ilma eelnevate andmeteta võib olla keeruline, kuna on vaja teavet iga andmekogumi eeldatavate keskmiste ja nende standardhälbete kohta. Kasutage oma andmete jaoks optimaalse valimi suuruse määramiseks veebipõhist statistilise võimsuse kalkulaatorit.
- Tavaliselt viivad teadlased läbi väikese pilootuuringu, mis annab andmeid võimsuse analüüsiks ja määrab suurema ja terviklikuma uuringu jaoks vajaliku valimi suuruse.
- Kui teil pole võimalust pilootuuringut läbi viia, proovige hinnata võimalikke keskmisi väärtusi kirjanduse andmete ja teiste inimeste tulemuste põhjal. See võib aidata teil määrata optimaalse valimi suuruse.
2. osa
Arvutage standardhälve
1. Kirjutage üles standardhälbe valem. Standardhälve näitab, kui suur on andmete levik. See võimaldab teil järeldada, kui lähedal on konkreetse proovi kohta saadud andmed. Esmapilgul tundub valem üsna keeruline, kuid allpool toodud selgitused aitavad teil seda mõista. Valem on järgmine: s = √∑((x i – µ) 2 /(N – 1)).
  - s - standardhälve;
  - märk ∑ näitab, et kõik valimis saadud andmed tuleks lisada;
  - x i vastab i-ndale väärtusele, see tähendab saadud eraldi tulemusele;
  - µ on selle rühma keskmine väärtus;
  - N on andmete koguarv valimis.
2. Leidke iga rühma keskmine. Standardhälbe arvutamiseks tuleb esmalt leida iga õpperühma keskmine. Keskmist väärtust tähistatakse kreeka tähega µ (mu). Keskmise leidmiseks lihtsalt liitke kõik saadud väärtused ja jagage need andmete hulgaga (valimi suurus).
  - Näiteks keskmise hinde leidmiseks õpilaste rühmas, kes õpivad materjali enne tundi, kaaluge väikest andmekogumit. Lihtsuse huvides kasutame viiest punktist koosnevat komplekti: 90, 91, 85, 83 ja 94.
  - Liidame kõik väärtused kokku: 90 + 91 + 85 + 83 + 94 = 443.
  - Jagage summa väärtuste arvuga, N = 5: 443/5 = 88,6.
  - Seega on selle rühma keskmine väärtus 88,6.
3. Lahutage iga saadud väärtus keskmisest. Järgmine samm on erinevuse (x i - µ) arvutamine. Selleks lahutage leitud keskmisest väärtusest iga saadud väärtus. Meie näites peame leidma viis erinevust:
  - (90 - 88,6), (91 - 88,6), (85 - 88,6), (83 - 88,6) ja (94 - 88,6).
  - Selle tulemusena saame järgmised väärtused: 1,4, 2,4, -3,6, -5,6 ja 5,4.
4. Iga saadud väärtus ruut ruutu ja lisage need kokku. Kõik äsja leitud kogused tuleks ruududa panna. See samm eemaldab kõik negatiivsed väärtused. Kui pärast seda sammu on teil endiselt negatiivseid numbreid, siis unustasite need ruutu panna.
  - Meie näite puhul saame 1,96, 5,76, 12,96, 31,36 ja 29,16.
  - Saadud väärtused liidame: 1,96 + 5,76 + 12,96 + 31,36 + 29,16 = 81,2.
5. Jagage valimi suurusega, millest on lahutatud 1. Valemis jagatakse summa N - 1-ga, kuna me ei võta arvesse üldkogumit, vaid võtame hindamiseks valimi kõigist õpilastest.
  - Lahutage: N - 1 = 5 - 1 = 4
  - Jagamine: 81,2/4 = 20,3
6. Võtke ruutjuur. Pärast summa jagamist valimi suurusega, millest on lahutatud üks, võtke leitud väärtuse ruutjuur. See on standardhälbe arvutamise viimane etapp. On olemas statistikaprogrammid, mis pärast algandmete sisestamist teevad kõik vajalikud arvutused.
  - Meie näites on nende õpilaste hinnete standardhälve, kes lugesid materjali enne tundi läbi, s = √20,3 = 4,51.
3. osa
Määrake tähtsus
1. Arvutage kahe andmerühma vaheline dispersioon. Kuni selle etapini oleme vaadelnud näidet ainult ühe andmerühma jaoks. Kui soovite võrrelda kahte rühma, peaksite ilmselt võtma mõlema rühma andmed. Arvutage teise andmerühma standardhälve ja seejärel leidke kahe katserühma vaheline dispersioon. Dispersioon arvutatakse järgmise valemi abil: s d = √((s 1 /N 1) + (s 2 /N 2)).

Inimeste tegevus hõlmab paljudel juhtudel andmetega töötamist, mis omakorda võib tähendada mitte ainult nendega tegutsemist, vaid ka nende uurimist, töötlemist ja analüüsimist. Näiteks kui teil on vaja teavet koondada, leida mingi seos või määratleda struktuure. Ja just analüütika jaoks on sel juhul väga mugav mitte ainult kasutada, vaid ka rakendada statistilisi meetodeid.

Statistilise analüüsi meetodite eripäraks on nende keerukus, mis tuleneb statistiliste mustrite vormide mitmekesisusest, aga ka statistilise uurimise protsessi keerukusest. Küll aga tahame rääkida just sellistest meetoditest, mida igaüks saab kasutada ning teha seda tõhusalt ja mõnuga.

Statistilisi uuringuid saab läbi viia järgmiste meetodite abil:

Statistiline vaatlus;
Statistiliste vaatlusmaterjalide kokkuvõte ja rühmitamine;
absoluutsed ja suhtelised statistilised väärtused;
Variatsiooniseeria;
Näidis;
Korrelatsioon- ja regressioonanalüüs;
Dünaamika read.

Statistiline vaatlus

Statistiline vaatlus on planeeritud, organiseeritud ja enamasti süstemaatiline teabe kogumine, mis on suunatud peamiselt ühiskonnaelu nähtustele. Seda meetodit rakendatakse eelnevalt kindlaksmääratud kõige silmatorkavamate tunnuste registreerimise kaudu, mille eesmärk on hiljem saada uuritud nähtuste omadused.

Statistilise vaatluse läbiviimisel tuleb arvesse võtta mõningaid olulisi nõudeid:

See peaks täielikult hõlmama uuritud nähtusi;
Saadud andmed peavad olema täpsed ja usaldusväärsed;
Saadud andmed peaksid olema ühtsed ja kergesti võrreldavad.

Samuti võib statistiline vaatlus esineda kahes vormis:

Aruandlus on statistilise vaatluse vorm, kus teavet saavad organisatsioonide, asutuste või ettevõtete konkreetsed statistilised üksused. Sel juhul sisestatakse andmed eriaruannetesse.
Spetsiaalselt organiseeritud vaatlus - vaatlus, mida korraldatakse kindlal eesmärgil, aruannetes puuduva informatsiooni saamiseks või aruannetes sisalduva teabe selgitamiseks ja usaldusväärsuse tuvastamiseks. See vorm sisaldab küsitlusi (näiteks inimeste arvamusküsitlusi), rahvaloendusi jne.

Lisaks saab statistilise vaatluse kategoriseerida kahe tunnuse alusel: kas andmete salvestamise olemuse või vaatlusühikute hõlmatuse alusel. Esimesse kategooriasse kuuluvad intervjuud, dokumenteerimine ja vahetu vaatlus ning teise kategooriasse pidev ja mittepidev vaatlus, s.o. valikuline.

Statistilise vaatluse abil andmete saamiseks saab kasutada selliseid meetodeid nagu ankeetküsitlused, korrespondenttegevused, enesearvestus (kui vaadeldav näiteks täidab vastavad dokumendid ise), ekspeditsioonid ja aruandlus.

Statistiliste vaatlusmaterjalide kokkuvõte ja rühmitamine

Teisest meetodist rääkides tuleks kõigepealt öelda kokkuvõte. Kokkuvõte on teatud üksikute faktide töötlemise protsess, mis moodustavad vaatluse käigus kogutud andmete kogumahu. Kui kokkuvõte on õigesti tehtud, võib tohutu hulk üksikuid andmeid üksikute vaatlusobjektide kohta muutuda terveks statistiliste tabelite ja tulemuste kompleksiks. Samuti aitab selline uuring välja selgitada uuritavate nähtuste ühiseid jooni ja mustreid.

Arvestades uuringu täpsust ja sügavust, saab eristada lihtsat ja keerukat kokkuvõtet, kuid igaüks neist peaks põhinema konkreetsetel etappidel:

Valitakse rühmitamise atribuut;
Määratakse rühmade moodustamise järjekord;
Rühma ja objekti või nähtuse kui terviku iseloomustamiseks on väljatöötamisel indikaatorite süsteem;
Töötatakse välja tabeliplaanid, kus esitatakse kokkuvõtlikud tulemused.

Oluline on märkida, et kokkuvõtteid on erinevaid:

Tsentraliseeritud kokkuvõte, mis nõuab vastuvõetud algmaterjali ülekandmist kõrgemasse keskusesse edasiseks töötlemiseks;
Detsentraliseeritud kokkuvõte, kus andmete uurimine toimub mitmes etapis kasvavas järjekorras.

Kokkuvõtet saab teha spetsiaalsete seadmete abil, näiteks arvutitarkvara või käsitsi.

Mis puudutab rühmitamist, siis seda protsessi eristab uuritud andmete jagamine tunnuste järgi rühmadesse. Statistilise analüüsiga püstitatud ülesannete omadused mõjutavad seda, millist rühmitamist saab: tüpoloogiline, struktuurne või analüütiline. Sellepärast kasutavad nad kokkuvõtete ja rühmituste tegemiseks kõrgelt spetsialiseerunud spetsialistide teenuseid või kasutavad neid.

Absoluutne ja suhteline statistika

Absoluutväärtusi peetakse statistiliste andmete esitamise kõige esimeseks vormiks. Selle abil on võimalik anda nähtustele mõõtmelisi karakteristikuid, näiteks ajaliselt, pikkuselt, mahult, pindalalt, massilt jne.

Kui soovite teada üksikute absoluutsete statistiliste väärtuste kohta, võite kasutada mõõtmist, hindamist, loendamist või kaalumist. Ja kui teil on vaja kogumahu näitajaid, peaksite kasutama kokkuvõtet ja rühmitamist. Tuleb meeles pidada, et absoluutsed statistilised väärtused erinevad mõõtühikute olemasolul. Sellised ühikud hõlmavad kulusid, tööjõudu ja looduslikke ühikuid.

Ja suhtelised väärtused väljendavad ühiskonnaelu nähtustega seotud kvantitatiivseid suhteid. Nende saamiseks jagatakse osad kogused alati teistega. Võrreldavat näitajat (see on nimetaja) nimetatakse võrdlusaluseks ja võrreldavat näitajat (see on lugeja) aruandlusväärtuseks.

Suhtelised väärtused võivad olenevalt nende sisust olla erinevad. Näiteks on olemas võrdlussuurused, arengutaseme suurused, konkreetse protsessi intensiivsuse suurused, koordinatsiooni, struktuuri, dünaamika jne suurusjärgud. jne.

Mõne eristavate tunnuste kogumi uurimiseks kasutab statistiline analüüs keskmisi väärtusi - üldistab homogeensete nähtuste komplekti kvalitatiivseid omadusi mõne eristava tunnuse jaoks.

Keskmiste äärmiselt oluline omadus on see, et nad räägivad konkreetsete tunnuste väärtustest kogu oma kompleksis ühe arvuna. Hoolimata asjaolust, et üksikutel ühikutel võib olla kvantitatiivne erinevus, väljendavad keskmised väärtused üldisi väärtusi, mis on omased kõikidele uuritava kompleksi üksustele. Selgub, et ühe asja tunnuste abil saab kätte terviku omadused.

Tuleb meeles pidada, et keskmiste kasutamise üheks olulisemaks tingimuseks, kui tehakse sotsiaalsete nähtuste statistiline analüüs, peetakse nende kompleksi homogeensust, mille puhul on vaja välja selgitada keskmine. . Ja selle määramise valem sõltub sellest, kuidas täpselt esitatakse keskmise väärtuse arvutamise algandmed.

Variatsioonisari

Mõnel juhul ei pruugi teatud uuritud suuruste keskmiste andmetest piisata nähtuse või protsessi töötlemiseks, hindamiseks ja süvaanalüüsiks. Siis tuleks arvestada üksikute üksuste näitajate varieerumist või hajumist, mis on ka uuritava populatsiooni oluline tunnus.

Suuruste individuaalseid väärtusi võivad mõjutada paljud tegurid ning uuritavad nähtused või protsessid võivad olla väga mitmekesised, s.t. omada variatsiooni (see sort on variatsioonide jada), mille põhjuseid tuleks otsida uuritava sisuliselt.

Ülaltoodud absoluutväärtused sõltuvad otseselt tunnuste mõõtühikutest, mis tähendab, et need muudavad kahe või enama variatsiooniseeria uurimise, hindamise ja võrdlemise protsessi keerulisemaks. Ja suhtelised näitajad tuleb arvutada absoluutsete ja keskmiste näitajate suhtena.

Näidis

Valimimeetodi (või lihtsamalt öeldes valimi võtmise) tähendus seisneb selles, et ühe osa omadused määravad ära terviku (seda nimetatakse üldkogumiks) arvulised karakteristikud. Peamine valikumeetod on sisemine seos, mis ühendab osi ja terviku, ainsuse ja üldise.

Proovivõtumeetodil on teiste ees mitmeid olulisi eeliseid, kuna Tänu vaatluste arvu vähenemisele võimaldab see vähendada töömahtu, kulutatud raha ja jõupingutusi, samuti saada edukalt andmeid selliste protsesside ja nähtuste kohta, mille täielik uurimine on kas ebaotstarbekas või lihtsalt võimatu.

Valimi omaduste ja uuritava nähtuse või protsessi omaduste vastavus sõltub tingimuste kogumist ja ennekõike sellest, kuidas valimi moodustamise meetodit praktikas rakendatakse. See võib olla kas süstemaatiline valik koostatud skeemi järgi või planeerimata, kui valim moodustatakse üldkogumi hulgast.

Kuid kõigil juhtudel peab valimimeetod olema tüüpiline ja vastama objektiivsuse kriteeriumidele. Neid nõudeid tuleb alati täita, sest. nendest sõltub meetodi omaduste ja statistilise analüüsi omaduste vastavus.

Seega tuleb enne proovimaterjali töötlemist seda hoolikalt kontrollida, vabanedes seeläbi kõigest ebavajalikust ja sekundaarsest. Samal ajal on valimi koostamisel hädavajalik igast amatööretendusest mööda minna. See tähendab, et mitte mingil juhul ei tohiks valida ainult neid valikuid, mis tunduvad tüüpilised, ja loobuda kõigist muudest.

Efektiivne ja kvaliteetne valim tuleb koostada objektiivselt, s.o. see tuleb luua nii, et välistatud on kõik subjektiivsed mõjud ja eelarvamuslikud motiivid. Ja selleks, et seda tingimust korralikult järgida, tuleb järgida randomiseerimise põhimõtet või lihtsamalt öeldes valikute kogu populatsioonist juhusliku valiku põhimõtet.

Esitatud printsiip on aluseks valimimeetodi teooriale ja seda tuleb järgida alati, kui on vaja efektiivse valimipopulatsiooni loomiseks ning plaanitud valiku juhud pole siinkohal erandiks.

Korrelatsioon- ja regressioonanalüüs

Korrelatsioonianalüüs ja regressioonanalüüs on kaks väga tõhusat meetodit suurte andmemahtude analüüsimiseks, et uurida võimalikku seost kahe või enama näitaja vahel.

Korrelatsioonianalüüsi puhul on ülesanded järgmised:

Mõõtke eristavate tunnuste olemasoleva ühenduse tihedus;
Tehke kindlaks tundmatud põhjuslikud seosed;
Hinnake tegureid, millel on lõplikule tunnusele suurim mõju.

Ja regressioonanalüüsi puhul on ülesanded järgmised:

Määrake suhtlusvorm;
Määrake sõltumatute näitajate mõju aste sõltuvale;
Määrake sõltuva indikaatori arvutatud väärtused.

Kõigi ülaltoodud probleemide lahendamiseks on peaaegu alati vaja rakendada nii korrelatsioon- kui regressioonanalüüsi kombineeritult.

Dünaamika seeria

Seda statistilise analüüsi meetodit kasutades on väga mugav määrata nähtuste arengu intensiivsust või kiirust, leida nende arengutrend, eristada kõikumisi, võrrelda arengu dünaamikat, leida seost üle arenevate nähtuste vahel. aega.

Dünaamika jada on jada, milles statistilised näitajad paiknevad ajas järjestikku, muutused, milles iseloomustavad uuritava objekti või nähtuse arenguprotsessi.

Dünaamika seeria sisaldab kahte komponenti:

Olemasolevate andmetega seotud ajavahemik või ajahetk;
Tase või statistika.

Need komponendid koos esindavad kahte dünaamikaseeria terminit, kus esimene termin (ajaperiood) on tähistatud tähega "t" ja teine (tase) - tähega "y".

Lähtudes ajavahemike kestusest, millega tasemed on omavahel seotud, võib dünaamika jada olla hetkeline ja intervall. Intervallide seeriad võimaldavad teil lisada tasemeid, et saada üksteisele järgnevate perioodide koguväärtus, kuid hetkeridade puhul see võimalus puudub, kuid see pole seal nõutav.

Aegread eksisteerivad ka võrdsete ja erinevate intervallidega. Intervallide olemus hetke- ja intervalljadades on alati erinev. Esimesel juhul on intervall ajavahemik nende kuupäevade vahel, millega analüüsi andmed on seotud (sellist seeriat on mugav kasutada näiteks toimingute arvu määramiseks kuus, aastas jne). Ja teisel juhul - ajavahemik, millele koondandmed on lisatud (sellist seeriat saab kasutada samade toimingute kvaliteedi määramiseks kuu, aasta jne kohta). Intervallid võivad olla võrdsed või erinevad, olenemata seeria tüübist.

Loomulikult ei piisa iga statistilise analüüsi meetodi asjatundliku rakendamise õppimiseks ainult nende teadmisest, sest tegelikult on statistika terve teadus, mis nõuab ka teatud oskusi ja võimeid. Aga et see oleks lihtsam, saab ja tuleks treenida oma mõtlemist ja.

Muidu on info uurimine, hindamine, töötlemine ja analüüs väga huvitavad protsessid. Ja isegi juhtudel, kui see ei vii konkreetse tulemuseni, saate õppe käigus õppida palju huvitavat. Statistiline analüüs on leidnud tee tohutul hulgal inimtegevuse valdkondades ning seda saab kasutada koolis, tööl, ettevõtluses ja muudes valdkondades, sealhulgas lapse arengus ja eneseharimises.

Ühiskonna seisundi kohta andmete saamiseks kasutatakse tervet teaduste kompleksi. Üks neist on statistika. Mida ta esindab?

Mis on statistika?

See on teadmiste haru nimetus, mis esitab üldised küsimused massiliste (kvantitatiivsete või kvalitatiivsete) andmete kogumise, mõõtmise ja analüüsi kohta. Samuti tegeleb statistika sotsiaalsete massinähtuste kvantitatiivse külje uurimisega nende numbrilise vormi poolest. See sõna pärineb ladinakeelsest sõnast staatus, mis tähendab "asjade seisu". Esialgu nimetati seda teadust "Riigiuuringuteks".

Mõistet "statistika" kasutati esmakordselt 1746. aastal ning see hetk tähistas sellise akadeemilise distsipliini ja teaduse algust. Tõsi, ei saa öelda, et selle otsene kasutamine sellest alguse sai, kuna arvestus, andmete mõõtmine ja analüüs viidi läbi palju varem. Mood on oluline parameeter. Midagi sarnast võib meelde jätta ka geomeetriast, kuid see pole päris sama. Aga statistikas? See on kõige sagedamini esineva lineaarse seeria väärtuse nimi.

Näited

Räägime millestki reaalsusele lähedasemast. Mis on veebisaidi lehtede statistika? See parameeter võib olla ressursile juurdepääsu saanud kasutajate arv, kellel oli võimalus selle sisu vaadata. Tõsi, sellest vaatenurgast on raske vastata küsimusele, mis on VKontakte statistika.

Iga lehe kohta eraldi teavet ei koguta. Kuid loetakse kasutajate arv, kes tulevad päevas, kuus - üldiselt pidevalt. See on vastus küsimusele, mis on statistika praktikas infotehnoloogias.

Rühmitamise tüübid

Teadusliku distsipliini raames jagatakse üks komplekt eraldi rühmadeks, mis on teatud mõttes homogeensed. Selgete raamide puudumisel intervallide arvu arvutamiseks kasutatakse sageli Sturgesi valemit:

CHI \u003d 1 + 3,322 * lg CHN, kus

CHI - integraalide arv;
Lg - logaritm;
CN - vaatluste arv.

Sõltuvalt eesmärkidest on kolme tüüpi rühmitusi:

Tüüpiline rühm peaks püüdma olla teistest võimalikult erinev ja enda sees võimalikult sarnane. Need on esmased ja sekundaarsed. Esimesed moodustatakse saadud andmete põhjal Teisesed rühmitused.

Statistiliste meetodite klassifikatsioon

Nad on leidnud tee peaaegu kõikjal. Seetõttu on loogiline eeldada, et universaalset tööriista pole olemas. Sõltuvalt spetsiifilisusest ja konkreetsetesse probleemidesse süvenemisest eristatakse järgmist andmeanalüüsi:

Üldotstarbeliste tööriistade väljatöötamine ja uurimine, mis ei arvesta rakendusala spetsiifikat.
Teatud tegevusvaldkonnas mõne reaalse nähtuse või protsessi statistiliste mudelite loomine ja kasutamine.
Meetodite ja vahendite väljatöötamine ja kasutamine konkreetsete andmete analüüsimiseks rakendusprobleemide lahendamiseks.

Rakendusstatistika

See teadusharu tegeleb suvalise iseloomuga andmete töötlemisega. Tõenäosusteooria on ka rakendusstatistika ja selle analüüsimeetodite matemaatiline alus. Kõik algab saadud andmete tüübi ja nende päritolumehhanismi kirjeldusega. Selleks kasutatakse tõenäosuslikke ja deterministlikke meetodeid. Viimast saab kasutada vaid juhtudel, kui teadlase käsutuses on piisavalt andmeid (näiteks riigi statistikaasutuste aruanded, mis põhinevad ettevõtete edastatud teabel). Kuid saate tulemuse üle kanda suuremasse ulatusse ja väljavaateid hinnata ainult kasutades

Kõige lihtsamas olukorras toimivad olemasolevad andmed mingi kindla tunnuse väärtusena, mis on omane uuritavale objektile. Siin olevad parameetrid on kvantitatiivsed või soovituslikud (olenevalt kategooriast, kuhu need kuuluvad). Teine võimalus räägib tavaliselt kvalitatiivsest omadusest. Mis siis, kui me võtame neid mitu? Või lisada kvantitatiivne? Siis võime öelda, et objekti vektor on saadud. Seda peetakse uueks, suuremahulistes uuringutes võetakse proovid mitmest vektorite komplektist. Oluline on saadud teavet selgitada ja veel kord kontrollida. Selleks kasutatakse resamplingut.

Järeldus

Nagu näete, võimaldab statistika struktureerida märkimisväärsel hulgal andmeid, mis on vajalikud teatud valdkondade asjade seisu kohta teabe andmiseks. Seega on sellel investorite jaoks oluline roll, kuna see võimaldab jälgida riikide majanduse kasvu dünaamikat. Statistika pakub huvi ka kodanikele ja ametiasutustele, mis räägib riigis toimuvatest protsessidest: demograafiline kasv või kriis, heaolu tõus või selle langus jne.