Statistilise rühmitamise meetodis jagatakse uuritavate nähtuste kogum klassideks ja alamklassideks, millel on teatud tunnuste järgi homogeenne struktuur. Iga sellist jaotust kirjeldab statistiliste näitajate süsteem. Grupeeritud andmeid saab esitada tabelitena.
See toiming on peamine meetod, mida kasutatakse sotsiaalsete nähtuste tegelikul uurimisel. See tekib erinevate statistikarühmade, protseduuride ja analüüsimeetodite rakendamise eeldusena. Näiteks on klassifitseerimine vajalik üldiste indeksite (nt keskmiste) kasutamiseks.
V. I. Lenina
Revolutsioonieelses Venemaa statistikas, eriti erinevates zemstvostes (need on kohalikud omavalitsused), saadi märkimisväärseid kogemusi erinevat tüüpi organisatsioonide rühmitamisel. Ja ka sel ajal tehti märkimisväärset tööd mitte ainult klassifikatsiooniga tabelite ükshaaval väljatöötamiseksomadused, aga ka keerulisemad skeemid. Nendes on kõik andmed rühmitatud kahe või enama parameetri järgi. Statistiliste rühmitamismeetodite kasutamisega seotud teoreetilised küsimused pole aga saanud teaduslikku põhjendust. Selline olukord püsis kuni V. I. Lenin. Ta oli klassifitseerimise kognitiivsest väärtusest ja praktilisest tähtsusest kõrgel arvamusel. Tabelite kohta, mis põhinevad rohkem kui ühe tunnuse statistilise rühmitamise tunnustel, kirjutas Lenin: "Võib liialdamata öelda, et need muudavad teaduse ja loomulikult ka põllumajandusökonoomika."
Vladimir Iljitši soovitused mustrite olemuse esialgse poliitilise ja majandusliku analüüsi ning nähtuste tüüpide kindlaksmääramise vajaduse kohta enne lähteandmete klassifitseerimise katsete alustamist on põhimõttelise tähtsusega.
Statistilise rühmitamise etapid
Süstematiseerimist ei kasutata mitte ainult populatsiooni struktuuri analüüsimisel, vaid ka nähtuste tüüpide määramisel ning erinevate tunnuste või tegurite vaheliste seoste uurimisel. Rahvastiku struktuuri väljendavate rühmituste näited on inimeste liigitamine vanuse järgi (üheaastase või sagedamini viieaastase intervalliga) ja ettevõtete liigitamine suuruse järgi.
Tundide kombineerimise või ebaühtlaste intervallide seadmise abil on võimalik tuvastada kvalitatiivseid erinevusi üksikute süsteemide vahel ja seejärel määrata vastavate ainete tehno- või sotsiaal-majanduslikud tüübid(näiteks ettevõtted või talud). Seega saab riigi rahvastiku vanuse järgi rühmitada lisaks lihtsatele kronoloogilistele objektidele ka selliste erijaotuste alusel nagu naised vanuses 16 kuni 54 aastat ja mehed vanuses 16 kuni 59 aastat. Nende eriklasside kasutamine võimaldab arvutada rahvamajanduse indeksi, mida nimetatakse riigi tööjõuks. Intervalli piirid on mõnevõrra meelevaldsed ja võivad osariigiti erineda.
Ülesanne
Ettevõtete ja firmade üksikasjalik kvantitatiivne klassifikatsioon võimaldab jätkata mitme põhilise kvalitatiivse rühma, nagu väikesed, keskmised ja suured organisatsioonid, määratlemist. Pärast seda saab selgeks teha mitmed üldised majandusprobleemid, näiteks tootmise kontsentreerumisprotsess, tööstuse efektiivsuse kasv ja tööviljakuse tõus. Vladimir Iljitš Lenini uued andmed kapitalismi arengut põllumajanduses reguleerivate seaduste kohta on suurepärane näide süvaanalüüsist, mis kasutab rühmitamist, et demonstreerida mustrite keerukust. Ja ka seost ettevõtte suuruse ja selle üldise tootlikkuse vahel.
Statistiliste rühmituste kõige olulisem ja keerulisem ülesanne on sotsiaal-majanduslike nähtuste liikide tuvastamine ja üksikasjalik kirjeldamine. Sellised subjektid esindavad teatud sotsiaalse protsessi vormide või põhiomaduste väljendust. Tundub, et need on paljudele üksikutele nähtustele ühised. Oma talurahva kihistumise analüüsis kasutas Vladimir Iljitš Lenin rühmitamistpõhjalikult ja igakülgselt. Esiteks paljastas ta peamiste sotsiaalsete klasside kujunemise protsessi revolutsioonieelsel Venemaal, Lääne-Euroopa maapiirkondades ja USA põllumajanduses.
Ja nagu selgus, on nõukogude andmetel tüpoloogiliste ja statistiliste rühmitamistega arvestatav kogemus. Näiteks NSV Liidu rahvamajanduse bilanss eeldab keerukat ja hargnenud klassifikatsioonisüsteemi. Teiste näidete tüpoloogilise statistilise rühmitamise kohta nõukogude ruumis võib tuua rahvastiku süstematiseerimise sotsiaalse klassi järgi. Nagu ka tootmispõhivarade ühendamine sotsiaalmajanduslike tööstusüksuste tüüpide kaupa. Ja võite tuua ka sellise näite nagu sotsia altoote statistilise üldkogumi rühmitamine.
Kodanlik klassifikatsioon ei kasuta piisav alt süstematiseerimist. Kui rühmitamist kasutatakse, on see enamasti vale ega aita kaasa kapitalistlike riikide tegeliku olukorra iseloomustamisele. Näiteks põllumajandusettevõtete maa-ala järgi klassifitseerimine liialdab väiketootmise positsiooni selles mõttes. Ja elanikkonna elukutse järgi rühmitamine ei paljasta kodanliku ühiskonna tegelikku klassistruktuuri.
Sotsialistliku riigi sotsiaal-majanduslikud omadused pakuvad statistiliseks rühmitamiseks uusi rakendusi. Klassifikaatorit kasutatakse rahvamajandusplaanide elluviimise analüüsimiseks, mõne ettevõtte ja sektori mahajäämuse põhjuste väljaselgitamiseks. Ja tuvastage ka kasutamata ressursid. Näiteks ettevõttedsaab rühmitada vastav alt plaani elluviimise astmele või kasumlikkuse tasemele. Teaduse ja tehnoloogia progressi tööstusesse juurutamise iseloomustamisel on suur tähtsus ettevõtete rühmitamisel selliste tehniliste ja majanduslike andmete järgi nagu automatiseerituse ja mehhaniseerituse aste ning tööks saadaoleva elektrienergia hulk.
Grupeeritud andmed on teave, mis on moodustatud muutuja olemasolu statistiliste vaatluste üksikute rühmituste kombineerimisel eraldi klassidesse, nii et nende süsteemide sagedusjaotus on mugav vahend kõigi materjalide kokkuvõtmiseks ja analüüsimiseks.
Teave
Andmeid saab määratleda kui materjalirühmi, mis esindavad muutuja või muutujate komplekti kvalitatiivseid või kvantitatiivseid atribuute. See on analoogne väitega, et klassid võivad olla mis tahes olemit kirjeldav teabe kogum. Statistiliste andmete rühmitamisel saab süsteeme liigitada rühmitatud ja rühmitamata objektideks.
Igasugune teave, mille inimene esimesena kogub, on salastamata. Grupeerimata statistilised rühmitused on andmed, kuid ainult töötlemata kujul. Selliste süsteemide näide on mis tahes numbrite loend, mida võite välja mõelda.
Esimest tüüpi klassifikatsioonid
Grupeeritud andmed on teave, mis on jaotatud klassidena tuntud rühmadesse. See tüüp on juba klassifitseeritud ja seega mõnedanalüüsi tase. See tähendab, et kogu teave ei ole enam töötlemata.
Andmeklass on rühm, mis on seotud konkreetse kohandatud atribuudiga. Näiteks kui ettevõtte juht kogus kokku teatud aastal palgatud inimesed, võiks ta rühmitada nad vanuse järgi süsteemidesse: kakskümmend, kolmkümmend, nelikümmend jne. Ja kõiki neid rühmi nimetatakse klassiks.
See pole omakorda viimane jaotus. Igal neist klassidest on teatud laius ja seda nimetatakse vahekauguseks või suuruseks. See kontseptsioon on histogrammide ja sagedusgraafikute koostamisel väga oluline. Kõik klassid võivad olla sama või erineva suurusega, olenev alt sellest, kuidas kogu teave rühmitatakse. Süsteemi intervall on alati täisarv.
Klassi piirangud ja piirid
Esimene mõiste viitab tegelikele väärtustele, mida võib näha lõpptabelis. Klassipiirangud jagunevad kahte kategooriasse: süsteemi alumine piir ja ülemine piir. Loomulikult on korrektsuse ja informatiivsuse tagamiseks kasutatud kõiki tabelite jaotusi.
Kuid teisest küljest ei peeta sagedustabelis alati arvesse klassipiire. See kontseptsioon annab süsteemide tõelise intervalli ja nagu erinevad piirangud, jaguneb see ka alumise ja ülemise väärtuse piirideks.
Elavad ja elutud bändid
Teadus püüab mõista ja selgitada loodusnähtusi. Teadlased mõistavad asju klassifitseerides. See kuulubnii elusolendeid kui ka statistiliste materjalide elutuid rühmitusi.
Neid tüüpe saab omakorda jagada rühmadesse sõltuv alt kontrasti omadustest. Näiteks kui õpilased on koostanud oma teadusajakirjades nimekirjad erinevate uuritud materjalide ja ainete kohta, saavad nad neid andmeid kasutada, et laiendada teadmisi ja teavet uuritud süsteemide kohta.
Kõiki teadmisi saab sorteerida või klassifitseerida erinevate kontrastiomaduste järgi. Siin on mõned näited:
- Metallid versus erinevad mittemetallid.
- Kivine maastik kõrbe või heinamaa asemel.
- Nähtavad kristallid vs nähtamatud mineraalid.
- Looduslik protsess kunstliku asemel.
- Ained, mis on tihedamad kui vesi või vähem kaaluvad kui antud vedelik.
- Magnetiline versus mittemagnetiline.
Ja saate teha ka rühmadevahelisi erinevusi vastav alt järgmistele funktsioonidele:
- Aine olek toatemperatuuril (tahke, vedel, gaasiline).
- Metallide sulavus.
- Füüsikalised omadused ja nii edasi.
Materjalid:
- Erinevad artiklid, mis illustreerivad ül altoodud kategooriaid.
- Magnetid materjalide omaduste testimiseks.
- Veenõu, et kontrollida, kas asjad ujuvad või upuvad.
- Teadusajakirjad.
Kasutusprotseduur
Täpselt nii asjad juhtuvad:
- Õpilased töötavad rühmades. Igaühele antakse mõned materjalid ja palutakse leida viise rühmitamiseksüksused kategooriate kaupa. Nad töötavad välja kasutatavad kriteeriumid ja sorteerivad seejärel üksused vastav alt. Tulemuste tabelid registreeritakse nende teadusajakirjades.
- Pärast materjalide rühmitamist sorteeritakse need uuesti muude kriteeriumide järgi. Järgmine samm on ka tulemuste loendi koostamine. Ja pärast seda kirjutatakse täiendav rida elemente, mis olid kriteeriumide muutumise tõttu erinev alt sorteeritud.
- Õpilased salvestavad tähelepanekuid ja tabeleid oma teadusajakirjadesse.
Tulemused
Õpilased parandavad rea tabeleid, mis näitavad, kuidas nende aineid iga kriteeriumi alusel sorteeritakse. Näiteks rühmal õpilastel on kirjaklamber, väike graniiditükk, kork, plastikust mänguasi. Ja siis võib paar sorteerimistabelit välja näha järgmine.
-
Magnetismi järgi sorteeritud üksused.
Reageerige magnetile: kirjaklamber, graniit. Ei reageeri: kork, plast.
-
Üksused on sorteeritud tiheduse järgi võrreldes veega.
Hüpik: kork, plastik. Uppumine: kirjaklamber, graniit.
Pärast seda teevad õpilased klassile esitlusi. Nad arutavad, miks erinevad esemed on kasutatud kriteeriumide alusel erinev alt klassifitseeritud.
Õpilased kordavad neid tähelepanekuid iga kord, rakendades erinevaid omadusi.
Rääkige
Selles etapis:
- Õpilased saavad laiendada neid tähelepanekuid teistele materjalidele ilma selletapraktiline uurimus.
- Näited on erinevat tüüpi kivimite näidised. Õpilased õpivad, kuidas teha täpsemaid vaatlusi ja kirjutada täpselt, mida nad näevad luupide ja muude esemetega, mida nad kasutavad.
- Kui õpilased on loonud kaartidele kirjutatud omaduste registrifaili, saab neid ka sorteerida. See on kasulik, kui register sisaldab täiendavaid materjale, mida klassis pole.
Levinud viis pidevate kvantitatiivsete andmete töötlemiseks on jaotada kogu tähendusvahemik mitmeks alamvahemikuks. Igale materjalile on vaja määrata selle klassi konstantne väärtus, kuhu see kuulub. Pange tähele, et andmekogum muutub pidevast diskreetseks.
Statistilise rühmitamise kontseptsioon
Korraldamiseks määratletakse vahemike komplekt ja loendatakse seejärel igasse neist kuuluvate andmete hulk. Alampiirkonnad ei kattu. Need peavad katma kogu andmekogumi vahemikku.
Üks edukamaid viise rühmitatud süsteemide visualiseerimiseks on histogramm. See on ristkülikute komplekt, kus joonise alus hõlmab sellega seotud vahemiku väärtusi. Ja kõrgus vastab teabe hulgale.
