Виды статистических данных. Предварительный анализ данных

Статистические данные могут быть представлены в виде статистических таблиц, статистических графиков и статистических диаграмм.

Статистические таблицы оформляются в результате сводки и группировки имеющихся данных проведенного наблюдения. Статистические таблицы обязательно содержат итоговые показатели и состоят из подлежащего и сказуемого.

Подлежащее таблицы показывает, о чем идет речь в таблице, оно расположено слева и представляет собой содержание строк.

Сказуемое таблицы расположено сверху и представляет собой содержание граф. Сказуемое показывает, какими признаками характеризуется подлежащее.

Статистические графики. Построение статистических графиков является итоговым этапом сводки и группировки статистических данных. Графическое изображение - это самая эффективная форма представления статистических данных с точки зрения их восприятия.

Графиком называют условное, наглядное изображение статистических величин и их соотношений при помощи геометрических линий и фигур.

Каждый график должен включать следующие элементы: графический образ, поле графика, масштабные ориентиры и систему координат.

Графический образ - геометрические знаки, совокупность точек, линии, фигуры, с помощью которых изображаются статистические величины.

Поле графика представляет собой пространство, в котором размещаются геометрические знаки.

Масштабные ориентиры статистического графика определяются масштабом и масштабной шкалой.

Масштаб статистического графика - это мера перевода числовой величины в графическую,

Масштабная шкала - линия, определенные точки которой могут быть прочитаны как определенные числа. Шкала состоит из линии (носителя шкалы) и ряда намеченных на ней точек, расположенных в определенном порядке.

Масштабом равномерной шкалы называется длина отрезка, принятого за единицу и измеренного в каких-либо мерах.

Для размещения геометрических знаков в поле графика необходима система координат. Наиболее распространена система прямоугольных координат.

По способу построения графики делятся на линейные графики, диаграммы, картограммы, картодиаграммы.

К классу линейных графиков относятся: полигон, кумулята и кривая Лоренца.

Полигоном называют ломаную линию, отрезки которой соединяют точки X и/j (X j - значение признака;- частота).

Полигон применяют для дискретного ряда распределения.

Кумулята - ломаная, составленная по накопленным частотам или частостям, координатами точек которой являются Х { и f. (X j - значение признака, для интервального ряда - верхняя граница значений (Х.);/ { - накопленная частота).

Начальная точка ломаной интервального ряда распределения - нижняя граница значения (X ") в первой группе.

Кривой Лоренца , или кривой концентрации, называют кривую относительной концентрации суммарного значения признака. Она представляет собой ломаную, координатами точек которой на оси абсцисс являются накопленные относительные частоты, а на оси ординат - накопленное (нарастающим итогом) значение признака X j .

Чем ближе кривая Лоренца к прямой линии, тем распределение признака более равномерное, т.е. концентрация меньше. Чем кривизна кривой больше, тем распределение более неравномерное, т.е. концентрация больше.

Статистические диаграммы. К классу диаграмм, прежде всего, относят гистограмму (столбиковую диаграмму), а также диаграммы полосовые, ленточные, круговые, линейные, квадратные, секторные, фигурные и др.

Гистограмма - это ступенчатая фигура, состоящая из прямоугольников, основания которых равны величине интервала в группе, а высоты - плотности в группе (абсолютной или относительной).

При построении столбиковых диаграмм данные изображаются в виде столбиков одинаковой ширины, но различной высоты, в зависимости от числовых значений изображаемых величин по определенному масштабу.

Разновидностью столбиковых диаграмм являются ленточные и полосовые диаграммы. Они изображают размеры признака в виде расположенных по горизонтали прямоугольников одинаковой ширины, но различной длины, пропорционально изображаемым величинам. Начало полос должно находиться на одной и той же вертикальной линии.

Секторные диаграммы удобно использовать для изображения структуры явления, в этом случае круг делится на секторы, пропорциональные долям частей явлений. Круг принимается за целое (100%) и разбивается на секторы, дуги которых пропорциональны

значениям отдельных частей изображаемых величин. Дуга каждого сектора (или величина цетрального угла) определяется по формуле

где 360° - площадь круга;

d - удельный вес изображаемого явления в процентах.

Если статистические данные представлены в абсолютных величинах, то формула для определения дуги приобретает вид:

где b - величина изображаемого явления в абсолютных величинах.

Для построения круговых и квадратных диаграмм надо провести предварительные расчеты, так как имеющиеся статистические данные (/)) соответствуют площадям геометрических фигур (кругов или квадратов).

Чтобы построить круг, необходимо найти радиус круга по формуле

Чтобы построить квадрат, необходимо найти сторону квадрата, исходя из формулы площади квадрата:

Знак Варвара применяют для наглядной характеристики трех взаимосвязанных величин - это прямоугольник, в котором основанием является один показатель, высотой - другой, а произведение основания на высоту характеризует величину производного третьего показателя.

Фигурные диаграммы строятся двумя способами: сравниваемые статистические величины (/)) изображаются фигурами - символами разных размеров пропорционально объемам этих совокупностей либо разной численностью одинаковых знаков-символов, каждому из которых придается определенное числовое значение.

Для графического изображения пространственного распределения какого-либо статистического показателя применяют картограммы, которые бывают фоновые и точечные.

Картограмма - это сочетание диаграммы с географической картой.

На фоновых картограммах распределение изучаемого явления по территории изображается различными раскрасками территориаль

ных единиц с разной густотой цвета или штриховкой различной интенсивности.

На точечной картограмме символами графического изображения статистических данных являются точки, размещенные в пределах определенных территориальных единиц. Каждой точке придается конкретное числовое значение.

Картограмма применяется в тех случаях, когда возникает необходимость показать территориальное распределение какого-нибудь одного статистического признака в совокупности для выявления закономерности распределения этого признака.

Автоматизированные способы построения диаграмм. Автоматизированным способом диаграммы можно создать на основе сформированных и сгруппированных в таблице данных наблюдения. Для обеспечения наглядности диаграммы блок данных должен соответствовать определенным требованиям:

  • данные должны быть систематизированы по количеству и по группам, столбцам и строкам;
  • данные по различным категориям должны быть соизмеримы;
  • заголовки таблиц, строк, столбцов должны быть короткими и ясными, чтобы не занимать много места и обеспечивать правильное понимание значений построенной диаграммы;
  • данные должны быть расположены в одном или нескольких прямоугольных диапазонах с текстовыми подписями в верхней строке и левом столбце.

В рамках интегрированного пакета Microsoft Office информация электронных таблиц обрабатывается с помощью программы Microsoft Excel. Электронная таблица представляет собой компьютерный эквивалент обычной таблицы.

Табличный процессор - специальная программа (пакет программ), обеспечивающая обработку информации, представленной в табличной форме.

Microsoft Excel определяет первый ряд данных, начиная с первой ячейки в верхнем левом углу имеющегося выделенного диапазона данных, не являющегося датой, и заканчивая остальными выделенными строками и столбцами.

Для построения диаграмм в табличном процессоре предусмотрено применение специального мастера построения диаграмм, использующего графопостроитель Microsoft Graph. Мастер построения диаграмм запускается щелчком по пиктограмме в стандартной панели инструментов. Предварительно рекомендуется выделить диапазон ячеек, содержащих данные, используемые для построения диаграмм. Построение диаграмм производится в четыре этапа:

  • 1) выбор типа и вида диаграммы;
  • 2) уточнение диапазона данных и расположения рядов в строках или столбцах. Результат построения диаграммы при расположении

рядов в строках и столбцах может существенно различаться. По умолчанию в окне отображается вид диаграммы для выделенного диапазона ячеек. Если предварительное выделение данных не проводилось, необходимо это выполнить в данном окне, щелкнув по пиктограмме стилизованной таблицы в поле Диапазон и выделив данные в таблице. Вкладка «ряд» позволяет добавлять и удалять ряды, указывать диапазоны, в которых представлены соответствующие ряды, метки оси категорий;

  • 3) указание заголовка диаграммы и выполнение необходимых подписей;
  • 4) размещение диаграммы на листе табличного процессора (на текущем или отдельном рабочем листе).

Для редактирования элементов диаграммы необходимо выполнить двойной щелчок, после этого будет осуществлен переход к соответствующему окну изменения параметров выбранного элемента. Значительную помощь предоставляет контекстно зависимое меню, вызываемое на отдельных элементах диаграммы.

Статистические данные должны быть адекватны, во первых к объекту изучения, во вторых ко времени, в которое они собираются и используются.

В данной главе описы ваются источники статистических данных, их виды и способы получения, а также приемы описания и, представления числовых и нечисловых данных.

После изучения данной главы ВЫ должны уметь:

  • -строить программу статистического исследования;
  • -определять источники статистической информаци;
  • -производить сводку и группировку статистических данных и формировать статистические таблицы;
  • -изображать результаты группировки в виде диаграмм;
  • -производить оценку основных характеристик: относительного значения, среднего значения, дисперсии, среднеквадратического отклонения, медианы, моды, размаха.

Получение исходных данных

Получение информации об объекте исследования является одной из основных задач статистического исследования.

При статистическом исследовании следует руководствоваться целями и требованиями к результатам. Они определяют методы статистического анализа, исходя из которых организуется сбор исходных данных. В процессе статистического исследования следует опасаться следующих ошибок: нечетко сформулированы цели, некорректно применены методы наблюдения.

Получение исходных данных для статистического исследования может быть выполнена двумя способами:

  • -активный эксперимент, спциально организованный для определения статистических зависимостей;
  • -статистическое наблюдение.

Активный эксперимент используется в технико-экономических исследованиях, когда, например, ставится задача оптимизации режимов технологических процессов по экономическим критериям.

При проведении статистического исследования социально-экономических процессов представляется возможным использовать только наблюдение. Программа является основой данного способа получения информации. Она состоит из трех основных этапов:

  • -определение объекта исследования;
  • -выбор единицы совокупности;
  • -определение системы показателей, подлежащих регистрации.

Объектом наблюдений называется совокупность единиц изучаемого явления, о которых могут быть собраны статистические сведения. Для четкого определения объекта наблюдения следует ответить на следующие вопросы:

  • -что? (какие элементы будем исследовать);
  • -где? (в каком месте будет вестись наблюдение _;
  • -когда? (за какой период).

Сточки зрения организации статистического наблюдения различают две основные формы: отчетность и специально организованное статистическое наблюдение.

Отчетность как форма наблюдения характеризуется тем, что статистические органы систематически получают от предприятий, учреждений и организаций в установленные сроки сведения об условиях и результатах работы за прошедший период, объем и содержание которых определны утвержденными формами отчетности.

Специально организованное статистическое наблюдение представляет собой сбор сведений в форме переписей единовременных учетов и обследований. Их организуют для изучения тех явлений, которые не могут быть охвачены обязательной отчетностью.

Виды статистического наблюдения различают по времени регистрации данных и по степени охвата единиц изучаемой совокупности. По характеру регистрации данных во времени наблюдение можно классифицировать:

  • -непрерывное (например учет произведенной продукции);
  • -периодическое(бухгалтерская отчетность);
  • -единовременное, в случае потребности в информации, например, перепись населения.

По степени охвата единиц изучаемой совокупности:

  • -несплошное, выборочное, когда обследуется невся совокупность, а некоторая ее часть;
  • -сплошное, т.е описание всех единиц совокупности;
  • -монографическое, когда подробно описывается типовые объекты.

Основными способами получения статистической информации являются непостедственное наблюдение, документальный способ и опрос.

Способнепосредственного наблюдения характеризуется тем, что представители органов государственной статистики или других организаций записывают данные в статистические документы после личного осмотра, пересчета, измерения или взвешивания единиц ноблюдения.

При документальном способе наблюдения источником служат различные документы.Этот спосо используется при составлении предприятиями и учреждениями статистической отчетности на основе документов пнрвичного учета.

При опросе источником сведений являются ответы опрашиваемых лиц. Опрос может быть организован по-разному: экспедиционным способом, соморегистрацией, корреспондендским способом и анкетным способом.

При экпедиционном способе представители статистических органов спрашивают обследуемое лицо и с его слов записывают сведения в бланках наблюдния.

При способе саморегистрации обследуемым единицам (предприятиям или гражданам) вручают бланк обследования и даюь указания по его заполнению. Заполненные бланки в указанный срок пересылают по почте.

При корреспондентском способе сведения статистическим органам сообщают добровольные корреспонденты.

Анкетный способ сбора данных основан на принципе добровольного заполнения адресатами анкет.

Этапы количественного анализа. Количественный анализ и представления об объективности В отличие от качественного исследования, где размыты границы не только между этапом анализа данных и этапом концептуальной интерпретации полученных результатов, но даже между этапами сбора и анализа эмпирического...
 (КАЧЕСТВЕННЫЕ И КОЛИЧЕСТВЕННЫЕ МЕТОДЫ ИССЛЕДОВАНИЙ В ПСИХОЛОГИИ)
  • Расчет описательной статистики
    Рассмотрим пример анализа рынка образовательных услуг, а именно оплаты за обучение в вузах города на экономические специальности. Введем на рабочий лист в Microsoft Excel данные табл. 5.25. Таблица 5.26 Распределение группы студентов по размеру оплаты за образовательные услуги в регионе Стоимость...
     (Информационные технологии в маркетинге)
  • Статистические данные
    В рамках однородной тарифной группы предполагается, что все объекты имеют одинаковый уровень риска. При его измерении используются такие численные характеристики, как вероятность наступления страхового случая, ожидаемая величина выплат или тяжести убытков и т.д. Однако в реальной жизни страховщик не...
     (Страхование)
  • Источники статистических данных о населении
    Информационная база демографической статистики охватывает совокупность источников данных о населении. Среди них выделяются переписи, выборочные обследования, текущий учет, регистры и автоматизированные банки данных, анамнестические обследования. Перепись населения - это специальное научно организованное...
     (Статистика)
  • Анализ статистических данных Росстата по производственному травматизму в Российской Федерации
    За период 2000–2009 гг. численность пострадавших при несчастных случаях (НС) на производстве уменьшалась (табл. 7.1) с 151,8 до 46,1 тыс. чел. в год, но в 2010 г. возросла на 1,6 тыс. чел. Травматизм среди мужчин уменьшался с 116,7 тыс. до 32,2 тыс. чел. в год, но в 2010 г. увеличился на 1,2 тыс. чел....
     (Безопасность жизнедеятельности. Теория и практика)
  • Критерии классификации данных
    В процессе управления экономическими и техническими системами статистические методы позволяют выработать обоснованные решения, сочетающие интуицию специалиста с тщательным анализом имеющейся информации. При этом анализ данных может проводиться с целью: анализа и отображения конкретной собранной информации...
     (СТАТИСТИКА)
  • Тип данных и критерий воспроизводимости
    Проблема объективности психологических данных имеет в литературе разное звучание. Во многом критерии объективности повторяют те, что были сформулированы не специально для психологической области знаний. Обсуждается проблема воспроизводимости данных, т.е. возможность повторных исследований с получением...
     (Экспериментальная психология)

    • Группировки в уголовно - правовой статистике позволяют дать наиболее полную и всестороннюю криминологическую и уголовно-правовую характеристику по самым разнообразным признакам:

    • Ш по видам - статьям УК,
    • Ш по объекту посягательства,
    • Ш по территориальному признаку - район, область, край, республика,
    • Ш соотношение корыстных и насильственных преступлений,
    • Ш по времени совершения преступлений и т.д.),
    • Ш личности преступников (по полу, возрасту, образованию, социальному положению, месту жительства и т.д.),
    • Ш причин и условий, способствующих совершению преступлений, а также мер социально-правового контроля над ними .

    При этом очень важно различные группировки из уголовно-правовой статистики сопоставлять не только друг с другом, но и с группировками из иных отраслей статистики (демографической, социально-экономической и др.), отражающих взаимосвязанные явления.

    Различия в целевом назначении группировки, задачах, которые они решают в статистическом анализе, выражаются в существующей их классификации: типологические, структурные, аналитические.

    Важнейшая задача группировок в статистике заключается в том, чтобы изучаемую массу единиц совокупности подразделить на характерные типы, т.е. на группы, однородные по существенным признакам. Эта задача решается с помощью типологической группировки.

    Типологические группировки - это разграничение изучаемой совокупности на однородные группы, типы по существенному качественному признаку.

    Основная цель типологической группировки - отграничение одного типа явлений от другого статистическими средствами. Этот вид группировок в значительной степени определяется сложившимися представлениями о том, какие типы явлений составляют содержание изучаемой совокупности.

    В правовой статистике это три типа правоотношений: уголовно-правовые, административно-правовые и гражданско-правовые, которыми и определяются ее разделы.

    В уголовно - правовой статистике, в частности, это может быть, например, распределение по полу лиц, совершивших преступления .

    Данная группировка по качественному признаку, когда имеются всего лишь два значения этого признака, причем одно из них исключает другое, в статистке именуется альтернативной.

    Последовательность действий проведения этого типа группировки элементарна:

    • 1) определяется тип явления, которое должно быть выделено - в нашем случае зарегистрированные преступления;
    • 2) выбирается группировочный признак как основание описания типа - в нашем случае пол лиц, совершивших преступления;
    • 3) устанавливаются границы интервалов (в нашем случае по всем лицам, выявленным в совершении преступлений);
    • 4) группировка оформляется в таблицу, выделенные группы (на основе комбинации группировочных признаков) объединяются в намеченные типы и определяется численность (удельный вес) каждого из них .

    При типологической группировке, то есть при подытоживании единиц в качественно-однородные категории, эти категории должны, как отмечалось, определяться на основании положений соответствующей науки и норм закона. Например, группировка наказаний по видам осуществляется уголовно - правовой (судебной) статистикой в полном соответствии со ст. 43-59 УК, устанавливающих с исчерпывающей полнотой точные качественные признаки их отдельных видов (штраф, исправительные работы, лишение свободы и т.д.

    Структурные группировки - это распределение типически однородных групп по количественным признакам, которые могут изменяться (варьировать). В научной литературе этот вид группировок иногда называют вариационным. С их помощью в уголовно-правовой статистике изучают, например, структуру преступников по варьирующему признаку: по возрасту, числу судимостей, по срокам лишения свободы, размерам заработной платы и другим количественным признакам.

    Структурная, или вариационная, группировка статистических данных может производиться, чтобы изучить изменение структуры типически однородных групп преступлений, правонарушителей, гражданских исков и других показателей. Для структурной группировки материала необходимо наличие однородных совокупностей, расчленяемых по величине изменяющегося (варьирующего) признака.

    Если в основе типологической группировки лежат качественные признаки, то в основу вариационной положены количественные (удельные веса преступлений, лиц, дел, возраст правонарушителей, сроки наказания, число судимостей, число оконченных классов, суммы ущерба, суммы иска, сроки расследования и рассмотрения уголовных или гражданских дел и т.д.) .

    Количественные сдвиги в структуре изучаемых явлений за несколько лет свидетельствуют об изменении объективных тенденций и закономерностей, следственной или судебной практики, о результативности деятельности правоохранительных или других юридических органов. Взяв, например, абсолютные и относительные показатели судимости за много лет, мы выявим тенденции в судебной практике и ее связь с реальной преступностью. Изучив динамику абсолютных чисел учтенных преступлений какого-то вида, динамику его удельного веса в структуре всей преступности, мы обнаружим тенденции развития этого деяния.

    Структурные группировки могут быть построены на основе долевого распределения преступлений по сферам и объектам преступного посягательства, субъектам Федерации, регионам и территориям

    Структурные различия в этом случае могут раскрывать особенности криминологической обстановки в том или ином регионе.

    К структурным (вариационным) группировкам примыкают ряды распределения единиц совокупности по варьирующим признакам.

    Аналитические группировки - это распределение по зависимости, взаимосвязи между двумя или несколькими разнородными группами явлений или их признаками (например, распределение краж по месту и времени их совершения; осужденных за автотранспортные преступления - по стажу работы водителя и т.д.).

    Аналитические группировки имеют большое значение для всех отраслей юридической статистики. Они дают возможность выявить многие скрытые зависимости и взаимосвязи, что имеет важное значение для принятия практических решений и развития юридической науки. Аналитический потенциал есть и у других видов группировок, а также иных статистических приемах, но собственно аналитическая группировка прямо преследует установление зависимостей между исследуемыми явлениями . По характеру своих задач к аналитической группировке близко стоят группировки корреляционные, когда зависимость между исследуемыми явлениями или процессами может быть относительно точно измерена.

    Все виды рассмотренных группировок при анализе социально-правовых, деликтологических и криминологических аспектов, как правило, применяются вместе. Например, для установления общественной опасности и тяжести совершаемых преступлений мы можем расчленить их совокупность по категориям деяний и формам вины (типологическая группировка). Для определения результативности борьбы с преступностью различных правоохранительных органов (внутренних дел, наркоконтроля, таможенной службы, прокуратуры, службы безопасности) мы можем исследовать варьирование раскрываемости преступлений в упомянутых ведомствах (вариационная группировка).

    Для того чтобы установить причины и условия роста или (снижения преступности в городе, регионе, стране) следует применить целый ряд аналитических группировок.

    Статистические методы

    Статисти́ческие ме́тоды - методы анализа статистических данных. Выделяют методы прикладной статистики , которые могут применяться во всех областях научных исследований и любых отраслях народного хозяйства, и другие статистические методы, применимость которых ограничена той или иной сферой. Имеются в виду такие методы, как статистический приемочный контроль, статистическое регулирование технологических процессов, надежность и испытания, планирование экспериментов.

    Классификация статистических методов

    Статистические методы анализа данных применяются практически во всех областях деятельности человека. Их используют всегда, когда необходимо получить и обосновать какие-либо суждения о группе (объектов или субъектов) с некоторой внутренней неоднородностью.

    Целесообразно выделить три вида научной и прикладной деятельности в области статистических методов анализа данных (по степени специфичности методов, сопряженной с погруженностью в конкретные проблемы):

    а) разработка и исследование методов общего назначения, без учета специфики области применения;

    б) разработка и исследование статистических моделей реальных явлений и процессов в соответствии с потребностями той или иной области деятельности;

    в) применение статистических методов и моделей для статистического анализа конкретных данных.

    Прикладная статистика

    Описание вида данных и механизма их порождения - начало любого статистического исследования. Для описания данных применяют как детерминированные, так и вероятностные методы. С помощью детерминированных методов можно проанализировать только те данные, которые имеются в распоряжении исследователя. Например, с их помощью получены таблицы, рассчитанные органами официальной государственной статистики на основе представленных предприятиями и организациями статистических отчетов. Перенести полученные результаты на более широкую совокупность, использовать их для предсказания и управления можно лишь на основе вероятностно-статистического моделирования. Поэтому в математическую статистику часто включают лишь методы, опирающиеся на теорию вероятностей.

    Мы не считаем возможным противопоставлять детерминированные и вероятностно-статистические методы. Мы рассматриваем их как последовательные этапы статистического анализа. На первом этапе необходимо проанализировать имеющие данные, представить их в удобном для восприятия виде с помощью таблиц и диаграмм. Затем статистические данные целесообразно проанализировать на основе тех или иных вероятностно-статистических моделей. Отметим, что возможность более глубокого проникновения в суть реального явления или процесса обеспечивается разработкой адекватной математической модели.

    В простейшей ситуации статистические данные - это значения некоторого признака, свойственного изучаемым объектам. Значения могут быть количественными или представлять собой указание на категорию, к которой можно отнести объект. Во втором случае говорят о качественном признаке.

    При измерении по нескольким количественным или качественным признакам в качестве статистических данных об объекте получаем вектор. Его можно рассматривать как новый вид данных. В таком случае выборка состоит из набора векторов. Есть часть координат - числа, а часть - качественные (категоризованные) данные, то говорим о векторе разнотипных данных.

    Одним элементом выборки, то есть одним измерением, может быть и функция в целом. Например, описывающая динамику показателя, то есть его изменение во времени, - электрокардиограмма больного или амплитуда биений вала двигателя. Или временной ряд, описывающий динамику показателей определенной фирмы. Тогда выборка состоит из набора функций.

    Элементами выборки могут быть и иные математические объекты. Например, бинарные отношения. Так, при опросах экспертов часто используют упорядочения (ранжировки) объектов экспертизы - образцов продукции, инвестиционных проектов, вариантов управленческих решений. В зависимости от регламента экспертного исследования элементами выборки могут быть различные виды бинарных отношений (упорядочения, разбиения, толерантности), множества, нечеткие множества и т. д.

    Итак, математическая природа элементов выборки в различных задачах прикладной статистики может быть самой разной. Однако можно выделить два класса статистических данных - числовые и нечисловые. Соответственно прикладная статистика разбивается на две части - числовую статистику и нечисловую статистику.

    Числовые статистические данные - это числа, вектора, функции. Их можно складывать, умножать на коэффициенты. Поэтому в числовой статистике большое значение имеют разнообразные суммы. Математический аппарат анализа сумм случайных элементов выборки - это (классические) законы больших чисел и центральные предельные теоремы.

    Нечисловые статистические данные - это категоризованные данные, вектора разнотипных признаков, бинарные отношения, множества, нечеткие множества и др. Их нельзя складывать и умножать на коэффициенты. Поэтому не имеет смысла говорить о суммах нечисловых статистических данных. Они являются элементами нечисловых математических пространств (множеств). Математический аппарат анализа нечисловых статистических данных основан на использовании расстояний между элементами (а также мер близости, показателей различия) в таких пространствах. С помощью расстояний определяются эмпирические и теоретические средние, доказываются законы больших чисел, строятся непараметрические оценки плотности распределения вероятностей, решаются задачи диагностики и кластерного анализа, и т. д. (см. ).

    В прикладных исследованиях используют статистические данные различных видов. Это связано, в частности, со способами их получения. Например, если испытания некоторых технических устройств продолжаются до определенного момента времени, то получаем т. н. цензурированные данные, состоящие из набора чисел - продолжительности работы ряда устройств до отказа, и информации о том, что остальные устройства продолжали работать в момент окончания испытания. Цензурированные данные часто используются при оценке и контроле надежности технических устройств.

    Обычно отдельно рассматривают статистические методы анализа данных первых трех типов. Это ограничение вызвано тем отмеченным выше обстоятельством, что математический аппарат для анализа данных нечисловой природы - существенно иной, чем для данных в виде чисел, векторов и функций.

    Вероятностно-статистическое моделирование

    При применении статистических методов в конкретных областях знаний и отраслях народного хозяйства получаем научно-практические дисциплины типа «статистические методы в промышленности», «статистические методы в медицине» и др. С этой точки зрения эконометрика - это «статистические методы в экономике». Эти дисциплины группы б) обычно опираются на вероятностно-статистические модели, построенные в соответствии с особенностями области применения. Весьма поучительно сопоставить вероятностно-статистические модели, применяемые в различных областях, обнаружить их близость и вместе с тем констатировать некоторые различия. Так, видна близость постановок задач и применяемых для их решения статистических методов в таких областях, как научные медицинские исследования, конкретные социологические исследования и маркетинговые исследования, или, короче, в медицине , социологии и маркетинге . Они часто объединяются вместе под названием «выборочные исследования».

    Отличие выборочных исследований от экспертных проявляется, прежде всего, в числе обследованных объектов или субъектов - в выборочных исследованиях речь обычно идет о сотнях, а в экспертных - о десятках. Зато технологии экспертных исследований гораздо изощреннее. Еще более выражена специфика в демографических или логистических моделях, при обработке нарративной (текстовой, летописной) информации или при изучении взаимовлияния факторов.

    Вопросы надежности и безопасности технических устройств и технологий, теории массового обслуживания подробно рассмотрены, в большом количестве научных работ.

    Статистический анализ конкретных данных

    Применение статистических методов и моделей для статистического анализа конкретных данных тесно привязано к проблемам соответствующей области. Результаты третьего из выделенных видов научной и прикладной деятельности находятся на стыке дисциплин. Их можно рассматривать как примеры практического применения статистических методов. Но не меньше оснований относить их к соответствующей области деятельности человека.

    Например, результаты опроса потребителей растворимого кофе естественно отнести к маркетингу (что и делают, читая лекции по маркетинговым исследованиям). Исследование динамики роста цен с помощью индексов инфляции, рассчитанных по независимо собранной информации, представляет интерес прежде всего с точки зрения экономики и управления народным хозяйством (как на макроуровне, так и на уровне отдельных организаций).

    Перспективы развития

    Теория статистических методов нацелена на решение реальных задач. Поэтому в ней постоянно возникают новые постановки математических задач анализа статистических данных, развиваются и обосновываются новые методы. Обоснование часто проводится математическими средствами, то есть путем доказательства теорем. Большую роль играет методологическая составляющая - как именно ставить задачи, какие предположения принять с целью дальнейшего математического изучения. Велика роль современных информационных технологий, в частности, компьютерного эксперимента.

    Актуальной является задача анализа истории статистических методов с целью выявления тенденций развития и применения их для прогнозирования.

    Литература

    2. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. - М.: Мир, 1975. - 500 с.

    3. Крамер Г. Математические методы статистики. - М.: Мир, 1948 (1-е изд.), 1975 (2-е изд.). - 648 с.

    4. Большев Л. Н., Смирнов Н. В. Таблицы математической статистики. - М.: Наука, 1965 (1-е изд.), 1968 (2-е изд.), 1983 (3-е изд.).

    5. Смирнов Н. В., Дунин-Барковский И. В. Курс теории вероятностей и математической статистики для технических приложений. Изд. 3-е, стереотипное. - М.: Наука, 1969. - 512 с.

    6. Норман Дрейпер, Гарри Смит Прикладной регрессионный анализ. Множественная регрессия = Applied Regression Analysis. - 3-е изд. - М.: «Диалектика» , 2007. - С. 912. - ISBN 0-471-17082-8

    Смотри также

    Wikimedia Foundation . 2010 .

    • Yat-Kha
    • Амальгама (значения)

    Смотреть что такое "Статистические методы" в других словарях:

      СТАТИСТИЧЕСКИЕ МЕТОДЫ - СТАТИСТИЧЕСКИЕ МЕТОДЫ научные методы описания и изучения массовых явлений, допускающих количественное (численное) выражение. Слово “статистика” (от игал. stato государство) имеет общий корень со словом “государство”. Первоначально оно… … Философская энциклопедия

      СТАТИСТИЧЕСКИЕ МЕТОДЫ – - научные методы описания и изучения массовых явлений, допускающих количественное (численное) выражение. Слово «статистика» (от итал. stato – государство) имеет общий корень со словом «государство». Первоначально оно относилось к науке управления и … Философская энциклопедия

      Статистические методы - (в экологии и биоценологии) методы вариационной статистики, позволяющие исследовать целое (напр., фитоценоз, популяцию, продуктивность) по его частным совокупностям (напр., по данным, полученным на учетных площадках) и оценить степень точности… … Экологический словарь

      статистические методы - (в психологии) (от лат. status состояние) нек рые методы прикладной математической статистики, используемые в психологии в основном для обработки экспериментальных результатов. Основная цель применения С. м. повышение обоснованности выводов в… … Большая психологическая энциклопедия

      Статистические методы - 20.2. Статистические методы Конкретные статистические методы, используемые для организации, регулирования и проверки деятельности, включают, но не ограничиваются следующими: а) планированием экспериментов и факторный анализ; b) анализ дисперсии и … Словарь-справочник терминов нормативно-технической документации

      СТАТИСТИЧЕСКИЕ МЕТОДЫ - методы исследования количеств. стороны массовых обществ. явлений и процессов. С. м. дают возможность в цифровом выражении характеризовать происходящие изменения в обществ. процессах, изучать разл. формы социально экономич. закономерностей, смену… … Сельско-хозяйственный энциклопедический словарь

      СТАТИСТИЧЕСКИЕ МЕТОДЫ - некоторые методы прикладной математической статистики, используемые для обработки экспериментальных результатов. Ряд статистических методов был разработан специально для проверки качества психологических тестов, для применения в профессиональном… … Профессиональное образование. Словарь

      СТАТИСТИЧЕСКИЕ МЕТОДЫ - (в инженерной психологии) (от лат. status состояние) некоторые методы прикладной статистики, используемые в инженерной психологии для обработки экспериментальных результатов. Основная цель применения С. м. повышение обоснованности выводов в… … Энциклопедический словарь по психологии и педагогике

    mob_info