U metodi statističkih grupisanja, ukupnost proučavanih pojava se deli na klase i podklase, koje imaju homogenu strukturu prema određenim karakteristikama. Svaka takva podjela je opisana sistemom statističkih indikatora. Grupirani podaci se mogu prikazati u tabelama.
Ova akcija je glavna metoda koja se koristi u stvarnom proučavanju društvenih pojava. Nastaje kao preduslov za primenu različitih grupa statistika, postupaka i analitičkih metoda. Na primjer, klasifikacija je neophodna kako bi se koristili generalizirani indeksi, kao što su prosjek.
Doprinos V. I. Lenjina
U predrevolucionarnoj ruskoj statistici, posebno u raznim zemstvima (ovo su lokalne samouprave), stečeno je značajno iskustvo u grupisanju različitih tipova organizacija. I u to vrijeme učinjen je značajan posao na razvoju ne samo tablica sa klasifikacijom jedne po jednekarakteristike, ali i složenije sheme. U njima su svi podaci grupisani po dva ili više parametara. Međutim, teorijska pitanja u vezi sa upotrebom metoda statističkog grupisanja nisu dobila naučno opravdanje. Ovakvo stanje stvari se zadržalo sve do radova V. I. Lenjin. Imao je visoko mišljenje o kognitivnoj vrijednosti i praktičnoj važnosti klasifikacije. Što se tiče tabela zasnovanih na znacima statističkog grupisanja više od jedne karakteristike, Lenjin je napisao: „Može se reći bez preterivanja da će one revolucionisati nauku i, naravno, poljoprivrednu ekonomiju.“
Preporuke Vladimira Iljiča o potrebi preliminarne političke i ekonomske analize prirode obrazaca i utvrđivanja tipova fenomena prije početka eksperimenata sa klasifikacijom početnih podataka su od fundamentalnog značaja.
Faze statističkih grupisanja
Sistematizacija se koristi ne samo u analizi strukture stanovništva, već iu određivanju tipova pojava i proučavanju odnosa između različitih karakteristika ili faktora. Primjeri grupa koje izražavaju strukturu stanovništva su klasifikacije ljudi prema starosti (u intervalima od jedne godine ili, češće, pet godina) i preduzeća prema veličini.
Kombinacijom klasa ili postavljanjem neujednačenih intervala moguće je uspostaviti kvalitativne razlike između pojedinih sistema, a zatim odrediti tehno-ekonomske ili socio-ekonomske tipove relevantnih predmeta(na primjer, preduzeća ili farme). Dakle, grupisanje stanovništva jedne zemlje prema starosti može se izvršiti na osnovu, pored jednostavnih hronoloških objekata, i takvih posebnih podjela kao što su žene od 16 do 54 godine i muškarci od 16 do 59 godina. Upotreba ovih posebnih klasa omogućava izračunavanje nacionalnog ekonomskog indeksa, poznatog kao radna snaga zemlje. Granice intervala su donekle proizvoljne i mogu se razlikovati od države do države.
Zadatak
Detaljna kvantitativna klasifikacija preduzeća i firmi omogućava nam da pređemo na definiciju nekoliko osnovnih kvalitativnih grupa, kao što su male, srednje i velike organizacije. Nakon toga se može razjasniti niz opštih ekonomskih problema, na primjer, proces koncentracije proizvodnje, rast industrijske efikasnosti i povećanje produktivnosti rada. Novi podaci Vladimira Iljiča Lenjina o zakonima koji regulišu razvoj kapitalizma u poljoprivredi su briljantan primer duboke analize koja koristi grupisanje da pokaže složenu prirodu obrazaca. I takođe odnos između veličine preduzeća i njegove ukupne produktivnosti.
Najvažniji i najteži zadatak statističkih grupa je da identifikuju i detaljno opisuju vrste društveno-ekonomskih pojava. Takvi subjekti predstavljaju izraz oblika određenog društvenog procesa ili osnovnih karakteristika. Čini se da su oni zajednički za mnoge pojedinačne pojave. U svojoj analizi stratifikacije seljaštva, Vladimir Iljič Lenjin je koristio grupisanjetemeljno i sveobuhvatno. Prije svega, otkrio je proces formiranja glavnih društvenih klasa u predrevolucionarnoj Rusiji, na zapadnoevropskom selu i u američkoj poljoprivredi.
I, kako se ispostavilo, sovjetski podaci imaju značajno iskustvo u tipološkim i statističkim grupiranjima. Na primjer, bilans nacionalne ekonomije SSSR-a pretpostavlja složen i razgranat sistem klasifikacije. Drugi primjeri tipološkog statističkog grupisanja u sovjetskom prostoru uključuju sistematizaciju stanovništva prema društvenim klasama. Kao i objedinjavanje osnovnih proizvodnih sredstava po društveno-ekonomskim tipovima industrijskih jedinica. A možete dati i takav primjer kao što je grupisanje statističke populacije društvenog proizvoda.
Buržoaska klasifikacija ne koristi dovoljno sistematizaciju. Kada se koristi grupisanje, ono je uglavnom netačno i ne doprinosi karakterizaciji pravog stanja stvari u kapitalističkim zemljama. Na primjer, klasifikacija poljoprivrednih preduzeća prema površini zemljišta preuveličava položaj male proizvodnje u tom smislu. A grupisanje stanovništva po profesiji ne otkriva pravu klasnu strukturu buržoaskog društva.
Socio-ekonomske karakteristike socijalističke države pružaju nove aplikacije za statističko grupisanje. Klasifikacija se koristi za analizu realizacije nacionalnih ekonomskih planova, za utvrđivanje razloga zaostajanja pojedinih preduzeća i sektora. I također identificirati neiskorištene resurse. Na primjer, preduzećamogu se grupisati prema stepenu realizacije plana ili nivou profitabilnosti. Od velikog značaja za karakterizaciju uvođenja naučno-tehnološkog napretka u industriju je grupisanje preduzeća, prema tehničkim i ekonomskim podacima kao što su stepen automatizacije i mehanizacije i količina električne energije raspoložive za rad.
Grupirani podaci su informacije formirane kombinovanjem pojedinačnih grupa statističkih opservacija o prisustvu varijable u zasebne klase, tako da distribucija frekvencija ovih sistema služi kao pogodno sredstvo za sumiranje i analizu svih materijala.
Informacije
Podaci se mogu definirati kao grupe materijala koji predstavljaju kvalitativne ili kvantitativne atribute varijable ili skupa varijabli. Ovo je analogno tome da kažemo da klase mogu biti bilo koji skup informacija koji opisuje entitet. Sistemi se u grupisanju statističkih podataka mogu klasifikovati na grupisane i negrupirane objekte.
Sve informacije koje osoba prvo prikupi su neklasifikovane. Negrupirane statističke grupe su podaci, ali samo u neobrađenom obliku. Primjer takvih sistema je bilo koja lista brojeva kojih se možete sjetiti.
Prva vrsta klasifikacije
Grupirani podaci su informacije koje su organizovane u grupe poznate kao klase. Ovaj tip je već klasifikovan, a samim tim i nekinivo analize. To znači da sve informacije više nisu sirove.
Klasa podataka je grupa koja je povezana sa određenim prilagođenim svojstvom. Na primjer, ako je menadžer preduzeća prikupio ljude koje je zaposlio u određenoj godini, mogao bi ih grupirati u sisteme prema godinama: dvadeset, trideset, četrdeset i tako dalje. I svaka od ovih grupa se zove klasa.
Zauzvrat, ovo nije posljednja podjela. Svaka od ovih klasa ima određenu širinu i to se zove razmak ili veličina. Ovaj koncept je veoma važan kada je u pitanju iscrtavanje histograma i dijagrama frekvencija. Sve klase mogu imati iste ili različite veličine, ovisno o tome kako će sve informacije biti grupisane. Sistemski interval je uvijek cijeli broj.
Klasna ograničenja i granice
Prvi koncept se odnosi na stvarne vrijednosti koje se mogu vidjeti u konačnoj tabeli. Ograničenja klasa padaju u dvije kategorije: donja granica sistema i gornja granica. Naravno, sve podjele u tabelama se koriste kako bi se osigurala tačnost i informativnost.
Ali, s druge strane, granice klasa se ne poštuju uvijek u tabeli frekvencija. Ovaj koncept daje pravi interval sistema i, kao i razna ograničenja, također je podijeljen na granice donjih i gornjih vrijednosti.
Živi i neživi bendovi
Nauka nastoji razumjeti i objasniti prirodne pojave. Naučnici razumiju stvari tako što ih klasifikuju. To pripadai živih i neživih grupa statističkih materijala.
Zauzvrat, ovi tipovi se mogu podijeliti u grupe ovisno o svojstvima kontrasta. Na primjer, ako su studenti sastavili liste u svojim naučnim časopisima o različitim materijalima i predmetima koje su proučavali, oni mogu koristiti ove podatke za proširenje znanja i informacija o sistemima koje su proučavali.
Svo znanje se može sortirati ili klasificirati prema različitim svojstvima kontrasta. Evo nekoliko primjera:
- Metali naspram raznih nemetala.
- Kameniti teren umjesto pustinje ili livade.
- Vidljivi kristali protiv nevidljivih minerala.
- Prirodni proces umjesto umjetnog.
- Tvari gušće od vode ili manje težine od date tečnosti.
- Magnetni naspram nemagnetnih.
A također možete napraviti grupne razlike prema sljedećim karakteristikama:
- Stanje materije na sobnoj temperaturi (čvrsta materija, tečnost, gas).
- Taljivost metala.
- Fizička svojstva i tako dalje.
Materijal:
- Različiti članci koji ilustruju gore navedene kategorije.
- Magneti za ispitivanje svojstava materijala.
- Spremnik vode da provjerite plutaju li stvari ili tonu.
- Scientific journals.
Operativni postupak
Tačno kako se stvari dešavaju:
- Učenici rade u grupama. Svakom se daje neki materijal i traži se da pronađe način da se grupišestavke po kategorijama. Oni razvijaju kriterijume koje će koristiti, a zatim sortiraju stavke u skladu sa tim. Tabele rezultata su zabilježene u njihovim naučnim časopisima.
- Nakon grupisanja materijala, oni se ponovo sortiraju prema drugim kriterijumima. Sljedeći korak će također biti sastavljanje liste rezultata. I nakon toga se upisuje dodatni red elemenata koji su različito poređani zbog promjene kriterija.
- Studenti beleže zapažanja i tabele u svojim naučnim časopisima.
Rezultati
Učenici popravljaju niz tabela koje pokazuju kako su njihovi predmeti sortirani na osnovu svakog od kriterijuma. Na primjer, grupa učenika ima spajalicu, komadić granita, čep, plastičnu igračku. I tada bi par tablica za sortiranje mogao izgledati ovako.
-
Predmeti sortirani po magnetizmu.
Reakcija na magnet: spajalica, granit. Ne odgovara: pluta, plastika.
-
Predmeti sortirani po gustini u poređenju sa vodom.
Pop up: pluta, plastika. Utapanje: spajalica, granit.
Nakon toga, učenici prave prezentacije razredu. Oni raspravljaju o tome zašto se različite stavke klasificiraju različito na osnovu korištenih kriterija.
Učenici ponavljaju ova zapažanja svaki put, primjenjujući različita svojstva.
Razgovor
U ovoj fazi:
- Studenti mogu proširiti ova zapažanja na druge materijale bez ikakvihpraktično istraživanje.
- Primjeri su uzorci različitih vrsta stijena. Učenici će naučiti kako da bliži zapažanja i zapišu tačno ono što vide pomoću povećala i drugih predmeta koje koriste.
- Ako su učenici kreirali indeksnu datoteku svojstava ispisanih na karticama, oni se također mogu sortirati. Ovo će biti korisno ako indeks sadrži dodatne materijale koji nisu u klasi.
Uobičajen način za obradu kontinuiranih kvantitativnih podataka je podjela cijelog raspona značenja u nekoliko podopsegova. Potrebno je svakom materijalu dodijeliti konstantnu vrijednost klase u koju spada. Imajte na umu da se skup podataka mijenja iz kontinuiranog u diskretni.
Koncept statističkog grupisanja
Organizacija se vrši definisanjem skupa opsega i zatim brojanjem količine podataka koja spada u svaki od njih. Podopsezi se ne preklapaju. Moraju pokriti cijeli raspon skupa podataka.
Jedan od najuspješnijih načina za vizualizaciju grupisanih sistema je histogram. To je skup pravougaonika gdje osnova figure proteže vrijednosti u rasponu koji je s njim povezan. A visina odgovara količini informacija.
