I metoden for statistiske grupperinger er helheten av de studerte fenomenene delt inn i klasser og underklasser, som har en homogen struktur i henhold til visse egenskaper. Hver slik inndeling er beskrevet av et system med statistiske indikatorer. Grupperte data kan presenteres i tabeller.
Denne handlingen er hovedmetoden som brukes i selve studiet av sosiale fenomener. Det oppstår som en forutsetning for anvendelse av ulike grupperinger av statistikk, prosedyrer og analysemetoder. Klassifisering er for eksempel nødvendig for å bruke generaliserte indekser, for eksempel gjennomsnitt.
Bidrag fra V. I. Lenina
I førrevolusjonær russisk statistikk, spesielt i forskjellige zemstvos (dette er lokale myndigheter), ble det oppnådd betydelig erfaring med å gruppere forskjellige typer organisasjoner. Og også på den tiden ble det gjort betydelig arbeid for å utvikle ikke bare tabeller med klassifisering en etter enegenskaper, men også mer komplekse opplegg. I dem er alle data gruppert etter to eller flere parametere. Teoretiske problemstillinger knyttet til bruk av statistiske grupperingsmetoder har imidlertid ikke fått vitenskapelig begrunnelse. Denne tilstanden vedvarte til verkene til V. I. Lenin. Han hadde en høy oppfatning av den kognitive verdien og den praktiske betydningen av klassifisering. Med hensyn til tabeller basert på tegnene på en statistisk gruppering av mer enn én egenskap, skrev Lenin: «Det kan uten overdrivelse sies at de vil revolusjonere vitenskapen og selvfølgelig landbruksøkonomien.»
Vladimir Ilyichs anbefalinger om behovet for en foreløpig politisk og økonomisk analyse av mønstrenes natur og bestemmelse av typene fenomener før man starter eksperimenter med klassifisering av innledende data, er av fundamental betydning.
stadier av statistiske grupperinger
Systematisering brukes ikke bare i analysen av befolkningens struktur, men også for å bestemme typene fenomener og i studiet av sammenhengen mellom ulike egenskaper eller faktorer. Eksempler på grupperinger som uttrykker befolkningsstruktur er klassifiseringer av personer etter alder (med intervaller på ett år eller, mer vanlig, fem år) og virksomheter etter størrelse.
Ved å kombinere klasser eller sette ujevne intervaller, er det mulig å etablere kvalitative forskjeller mellom individuelle systemer, og deretter bestemme de teknoøkonomiske eller sosioøkonomiske typene for de aktuelle fagene(for eksempel bedrifter eller gårder). Dermed kan grupperingen av befolkningen i et land etter alder utføres på grunnlag, i tillegg til enkle kronologiske objekter, av slike spesielle inndelinger som kvinner i alderen 16 til 54 år og menn i alderen 16 til 59 år. Bruken av disse spesialklassene gjør det mulig å beregne den nasjonale økonomiske indeksen, kjent som landets arbeidsstyrke. Intervallgrensene er noe vilkårlige og kan variere fra stat til stat.
Oppgave
Detaljert kvantitativ klassifisering av bedrifter og firmaer lar oss gå videre til definisjonen av flere grunnleggende kvalitative grupper, som små, mellomstore og store organisasjoner. Etter det kan en rekke generelle økonomiske problemer avklares, for eksempel prosessen med konsentrasjon av produksjonen, veksten av industriell effektivitet og økningen i arbeidsproduktiviteten. Vladimir Iljitsj Lenins nye data om lovene som styrer utviklingen av kapitalisme i landbruket er et strålende eksempel på dyp analyse som bruker gruppering for å demonstrere mønstrenes komplekse natur. Og også forholdet mellom størrelsen på bedriften og dens totale produktivitet.
Den viktigste og vanskeligste oppgaven til statistiske grupperinger er å identifisere og beskrive i detalj hvilke typer sosioøkonomiske fenomener. Slike emner representerer uttrykk for former for en viss sosial prosess eller grunnleggende egenskaper. De ser ut til å være felles for mange enkeltfenomener. I sin analyse av stratifiseringen av bøndene brukte Vladimir Iljitsj Lenin grupperingengrundig og omfattende. Først av alt avslørte han prosessen med dannelsen av de viktigste sosiale klassene i det førrevolusjonære Russland, på den vesteuropeiske landsbygda og i amerikansk landbruk.
Og, som det viste seg, har sovjetiske data betydelig erfaring med typologiske og statistiske grupperinger. For eksempel forutsetter balansen til den nasjonale økonomien i USSR et komplekst og forgrenet klassifiseringssystem. Andre eksempler på typologisk statistisk gruppering i det sovjetiske rommet inkluderer systematisering av befolkningen etter sosial klasse. Samt forening av faste produksjonsmidler etter sosioøkonomiske typer industrielle enheter. Og du kan også gi et eksempel som grupperingen av den statistiske populasjonen av det sosiale produktet.
Borgerlig klassifisering bruker ikke nok systematisering. Når gruppering brukes, er det for det meste feil og bidrar ikke til å karakterisere den sanne tilstanden i de kapitalistiske landene. For eksempel overdriver klassifiseringen av landbruksbedrifter etter landareal posisjonen til småskala produksjon i denne ånden. Og grupperingen av befolkningen etter yrke avslører ikke den sanne klassestrukturen i det borgerlige samfunnet.
De sosioøkonomiske egenskapene til en sosialistisk stat gir nye anvendelser for statistisk gruppering. Klassifiseringen brukes til å analysere gjennomføringen av nasjonale økonomiske planer, for å fastslå årsakene til at enkelte foretak og sektorer henger etter. Og identifisere ubrukte ressurser. For eksempel bedrifterkan grupperes i henhold til graden av gjennomføring av planen eller lønnsomhetsnivået. Av stor betydning for å karakterisere innføringen av vitenskapelig og teknologisk fremgang i industrien er grupperingen av foretak, i henhold til tekniske og økonomiske data som graden av automatisering og mekanisering og mengden elektrisitet som er tilgjengelig for arbeid.
Grupperte data er informasjon dannet ved å kombinere individuelle grupperinger av statistiske observasjoner om tilstedeværelsen av en variabel i separate klasser, slik at frekvensfordelingen til disse systemene fungerer som et praktisk middel for å oppsummere og analysere alt materiale.
Information
Data kan defineres som grupper av materiale som representerer kvalitative eller kvantitative attributter til en variabel eller et sett med variabler. Dette er analogt med å si at klasser kan være ethvert sett med informasjon som beskriver en enhet. Systemer, i grupperingen av statistiske data, kan klassifiseres i grupperte og ikke-grupperte objekter.
All informasjon en person samler inn først er uklassifisert. Ugrupperte statistiske grupperinger er data, men kun i ubehandlet form. Et eksempel på slike systemer er en hvilken som helst liste over tall du kan tenke deg.
Første type klassifiseringer
Grupperte data er informasjon som er organisert i grupper kjent som klasser. Denne typen er allerede klassifisert, og dermed noenanalysenivå. Dette betyr at all informasjon ikke lenger er rå.
En dataklasse er en gruppe som er knyttet til en spesifikk egendefinert egenskap. For eksempel, hvis lederen av et foretak samlet inn folkene han ansetter i et bestemt år, kunne han gruppere dem i systemer etter alder: tjue, tretti, førti, og så videre. Og hver av disse gruppene kalles en klasse.
I sin tur er dette ikke den siste divisjonen. Hver av disse klassene har en viss bredde og dette kalles avstand eller størrelse. Dette konseptet er veldig viktig når det gjelder plotting av histogrammer og frekvensplott. Alle klasser kan ha samme eller forskjellige størrelser, avhengig av hvordan all informasjonen skal grupperes. Systemintervallet er alltid et heltall.
Klassebegrensninger og grenser
Det første konseptet refererer til de faktiske verdiene som kan sees i finaletabellen. Klassebegrensningene faller inn i to kategorier: den nedre grensen for systemet og den øvre grensen. Alle inndelinger i tabellene brukes selvfølgelig for å sikre korrekthet og informativitet.
Men på den annen side blir ikke klassegrenser alltid respektert i frekvenstabellen. Dette konseptet gir det sanne intervallet til systemene og er, som forskjellige restriksjoner, også delt inn i grensene for de nedre og øvre verdiene.
Levende og ikke-levende band
Vitenskap søker å forstå og forklare naturfenomener. Forskere forstår ting ved å klassifisere dem. Det tilhørerbåde levende vesener og ikke-levende grupperinger av statistisk materiale.
Disse typene kan i sin tur deles inn i grupper avhengig av kontrastegenskapene. For eksempel, hvis studenter har satt sammen lister i sine vitenskapelige tidsskrifter over de ulike materialene og emnene de har studert, kan de bruke disse dataene til å utvide kunnskap og informasjon om systemene de har studert.
All kunnskap kan sorteres eller klassifiseres etter ulike kontrastegenskaper. Her er noen eksempler:
- Metaller versus forskjellige ikke-metaller.
- Stenet terreng i stedet for ørken eller eng.
- Synlige krystaller vs usynlige mineraler.
- En naturlig prosess i stedet for en kunstig.
- Stoffer tettere enn vann eller mindre tungtveiende enn en gitt væske.
- Magnetisk versus ikke-magnetisk.
Og du kan også gjøre gruppeforskjeller i henhold til følgende funksjoner:
- Materiens tilstand ved romtemperatur (fast, flytende, gass).
- smeltbarhet av metaller.
- Fysiske egenskaper og så videre.
Materials:
- Ulike artikler som eksemplifiserer kategoriene ovenfor.
- Magneter for testing av materialers egenskaper.
- En beholder med vann for å sjekke om ting flyter eller synker.
- Vitenskapelige tidsskrifter.
Driftsprosedyre
Nøyaktig hvordan ting skjer:
- Elevene jobber i grupper. Hver får noe materiale og blir bedt om å finne måter å gruppere påvarer etter kategori. De utvikler kriteriene de skal bruke og sorterer deretter varene deretter. Resultattabeller er registrert i deres vitenskapelige tidsskrifter.
- Etter at materialene er gruppert, sorteres de igjen etter andre kriterier. Neste trinn vil også være å sette sammen en resultatliste. Og etter det skrives en ekstra rad med elementer, som ble sortert annerledes på grunn av endrede kriterier.
- Studenter registrerer observasjoner og tabeller i sine vitenskapelige tidsskrifter.
Resultater
Elevene fikser en serie tabeller som viser hvordan fagene deres er sortert basert på hvert av kriteriene. For eksempel har en gruppe elever en binders, en liten granittbit, en kork, en plastleke. Og så kan et par sorteringstabeller se slik ut.
-
Elementer sortert etter magnetisme.
Reager på magnet: binders, granitt. Svarer ikke: kork, plast.
-
Varer sortert etter tetthet sammenlignet med vann.
Popp opp: kork, plast. Drukning: binders, granitt.
Etter det holder elevene presentasjoner for klassen. De diskuterer hvorfor ulike varer klassifiseres forskjellig basert på kriteriene som brukes.
Elevene gjentar disse observasjonene hver gang, og bruker forskjellige egenskaper.
Talk
På dette stadiet:
- Studenter kan utvide disse observasjonene til andre materialer uten noenpraktisk forskning.
- Eksempler er prøver av forskjellige typer bergarter. Elevene skal lære å gjøre nærmere observasjoner og skrive nøyaktig hva de ser med luper og andre gjenstander de bruker.
- Hvis elevene har laget en indeksfil over egenskaper skrevet på kort, kan de også sorteres. Dette vil være nyttig hvis indeksen inneholder tilleggsmateriell som ikke er i klassen.
En vanlig måte å behandle kontinuerlige kvantitative data på er å dele opp hele rekkevidden av betydninger i flere underområder. Det er nødvendig å tildele hvert materiale en konstant verdi for klassen det faller inn i. Vær oppmerksom på at datasettet endres fra kontinuerlig til diskret.
Konseptet med statistisk gruppering
Organisering gjøres ved å definere et sett med områder og deretter telle mengden data som faller inn i hver av dem. Underområdene overlapper ikke. De må dekke hele datasettet.
En av de mest vellykkede måtene å visualisere grupperte systemer på er histogrammet. Det er et sett med rektangler der bunnen av figuren spenner over verdiene i området knyttet til den. Og høyden tilsvarer mengden informasjon.
