గణాంక పరిశోధన: భావన, దశలు, గణాంక విశ్లేషణలో అర్థం. గణాంక పరిశోధన యొక్క పద్ధతులు మరియు ప్రధాన దశలు

పరీక్ష కోసం ప్రశ్నలు

"గణాంకాలు" విభాగంలో

విభాగం 1. సాధారణ గణాంకాలు

ప్రస్తుత దశలో స్టాటిస్టికల్ సైన్స్ మరియు స్టాటిస్టిక్స్ యొక్క పనులు.

పూర్తి మరియు నమ్మదగిన గణాంక సమాచారం అనేది ఆర్థిక నిర్వహణ ప్రక్రియ ఆధారంగా అవసరమైన ఆధారం. దత్తత నిర్వహణ నిర్ణయాలుఅన్ని స్థాయిలలో - జాతీయ లేదా ప్రాంతీయ నుండి వ్యక్తిగత సంస్థ లేదా ప్రైవేట్ సంస్థ స్థాయి వరకు - సరైన గణాంక మద్దతు లేకుండా అసాధ్యం. ఇది స్థూల దేశీయోత్పత్తి మరియు జాతీయ ఆదాయం యొక్క పరిమాణాన్ని నిర్ణయించడం, ఆర్థిక రంగాల అభివృద్ధిలో ప్రధాన పోకడలను గుర్తించడం, ద్రవ్యోల్బణం స్థాయిని అంచనా వేయడం, ఆర్థిక మరియు వస్తువుల మార్కెట్ల స్థితిని విశ్లేషించడం, ప్రమాణాలను అధ్యయనం చేయడం సాధ్యపడే గణాంక డేటా. జనాభా జీవనం మరియు ఇతర సామాజిక-ఆర్థిక దృగ్విషయాలు మరియు ప్రక్రియలు.

గణాంకాలు అనేది సామూహిక దృగ్విషయం యొక్క పరిమాణాత్మక భాగాన్ని అధ్యయనం చేసే ఒక శాస్త్రం మరియు వాటి గుణాత్మక వైపుతో విడదీయరాని కనెక్షన్‌లో ప్రక్రియలు, స్థలం మరియు సమయం యొక్క నిర్దిష్ట పరిస్థితులలో సామాజిక అభివృద్ధి చట్టాల పరిమాణాత్మక వ్యక్తీకరణ.

అధ్యయనం యొక్క అన్ని దశలలో ఉపయోగించిన డేటాను సేకరించడం, ప్రాసెస్ చేయడం మరియు విశ్లేషించడం యొక్క సాంకేతికతలు మరియు పద్ధతులు గణాంక శాస్త్రం యొక్క ప్రాథమిక శాఖ అయిన గణాంకాల సాధారణ సిద్ధాంతం యొక్క అధ్యయనానికి సంబంధించినవి. ఆమె అభివృద్ధి చేసిన పద్దతి స్థూల ఆర్థిక గణాంకాలు, పరిశ్రమ గణాంకాలు (పరిశ్రమ, వ్యవసాయం, వాణిజ్యం మరియు ఇతరులు), జనాభా గణాంకాలు, సామాజిక గణాంకాలు మరియు ఇతర గణాంక శాఖలు.

గణాంక జనాభా, దాని రకాలు. జనాభా యూనిట్లు మరియు వాటి లక్షణాల వర్గీకరణ.

ఒక గణాంక జనాభా సహజ వనరులుప్రజలు, జనాభా మరియు సహజ దృగ్విషయాలు, స్థలం మరియు సమయం యొక్క నిర్దిష్ట సరిహద్దులలో కలిసి, సమాజం యొక్క ఆర్థిక జీవితాన్ని ప్రభావితం చేస్తాయి. ఇది దాని వ్యక్తిగత యూనిట్లతో కూడిన ఒకే మొత్తం. వాటిలో ప్రతి ఒక్కటి వారు కలిగి ఉన్న అనేక లక్షణాలు మరియు లక్షణాల ద్వారా వర్ణించవచ్చు. గణాంక జనాభా యొక్క యూనిట్ల లక్షణాల యొక్క ప్రతి లక్షణాలు జనాభా యొక్క ఇచ్చిన యూనిట్‌ను వర్గీకరించే నిర్దిష్ట లక్షణాన్ని ప్రతిబింబిస్తాయి.

సంకేతం అనేది యూనిట్ యొక్క లక్షణం. సంపూర్ణత. యూనిట్ ఎంపిక మొత్తంగా, వర్ణించే లక్షణాల జాబితా అందించిన ప్రయోజనం మరియు లక్ష్యాలపై ఆధారపడి ఉంటుంది గణాంక పరిశోధన.

యూనిట్ గణాంకాలు సంకలనాలు ఒకదానికొకటి భిన్నంగా ఉండే అనేక లక్షణాలు మరియు లక్షణాల ప్రకారం ఒకే మొత్తాన్ని ఏర్పరుస్తాయి. ఈ తేడాలను లక్షణ వైవిధ్యం అంటారు. బాహ్య కారణాల ప్రభావంతో వైవిధ్యం సాధ్యమవుతుంది.

సంకేతాల వర్గీకరణ:

గుణాత్మక (ఆపాదించబడిన) ఏదైనా నాణ్యత ఉనికి లేదా లేకపోవడం ద్వారా నిర్ణయించబడుతుంది

పరిమాణాలు సంఖ్యలలో వ్యక్తీకరించబడతాయి

వివిక్తమైనవి పూర్ణాంకం విలువను తీసుకుంటాయి - నిరంతరవి ఏదైనా నిజమైన విలువను తీసుకుంటాయి.

గణాంకాల పద్ధతి మరియు గణాంక పరిశోధన యొక్క ప్రధాన దశలు.

గణాంకాలు వాణిజ్య నమూనాలు, నిర్మాణంలో అభివ్యక్తి, డైనమిక్స్ (అభివృద్ధి) మరియు సామాజిక దృగ్విషయాల పరస్పర సంబంధాలను లక్ష్యంగా చేసుకునే సాంకేతికతలు మరియు పరిశోధనా పద్ధతుల యొక్క స్వంత వ్యవస్థను కలిగి ఉన్నాయి.

గణాంక పరిశోధన యొక్క ప్రధాన సాంకేతికత. 3 దశలు:

1) గణాంకాలు. పరిశీలన

2) ఫలితాల సారాంశం మరియు సమూహం

3) పొందిన డేటా యొక్క విశ్లేషణ

సామూహిక నిఘా పద్ధతి (చట్టం) పెద్ద సంఖ్యలో) శాస్త్రీయ మరియు సంస్థాగత సమాచార సేకరణ, సామాజిక-ఆర్థిక ప్రక్రియలు లేదా దృగ్విషయాల అధ్యయనం (జనాభా గణన) ద్వారా నిర్వహించబడుతుంది.

సమూహ పద్ధతి మొత్తం ద్రవ్యరాశిని డిస్పోజబుల్ గ్రూపులు మరియు ఉప సమూహాలుగా పంపిణీ చేస్తుంది. ప్రతి సమూహం మరియు ఉప సమూహం యొక్క మొత్తాలు లెక్కించబడతాయి మరియు ఫలితాలు పట్టికల రూపంలో ప్రదర్శించబడతాయి. గణాంక సూచికల ప్రాసెసింగ్ మరియు ఫలితాల విశ్లేషణ దృగ్విషయాన్ని అధ్యయనం చేసే స్థితి మరియు ఆర్థిక అభివృద్ధి యొక్క నమూనాల గురించి స్థిరమైన తీర్మానాలను పొందడం కోసం నిర్వహించబడుతుంది. ముగింపులు టెక్స్ట్ రూపంలో ప్రదర్శించబడతాయి మరియు గ్రాఫ్‌లు మరియు పట్టికలతో ఉంటాయి.

గణాంకాల మంత్రిత్వ శాఖలో ఇవి ఉన్నాయి: ప్రాంతీయ, నగర గణాంకాల విభాగం, జిల్లా గణాంకాల విభాగం. Min యొక్క కూర్పు. గణాంకాలు వీటిని కలిగి ఉంటుంది: విశ్లేషణాత్మక, సమాచార వనరు మరియు నమోదు ప్రమాణాలు మరియు గణాంకాల సంస్థ యొక్క వర్గీకరణలు. పరిశీలనలు మరియు నిల్వలు, గణాంకాలు. చెల్లింపుల ఫైనాన్స్ బ్యాలెన్స్, స్టాట్. ధరలు, వస్తువులు, మార్కెట్లు, సేవలు.

గణాంక సమాచారాన్ని పొందడానికి, రాష్ట్ర మరియు డిపార్ట్‌మెంటల్ స్టాటిస్టిక్స్ బాడీలు, అలాగే వాణిజ్య నిర్మాణాలు, వివిధ రకాల గణాంక పరిశోధనలను నిర్వహిస్తాయి. గణాంక పరిశోధన ప్రక్రియ మూడు ప్రధాన దశలను కలిగి ఉంటుంది: డేటా సేకరణ, వాటి సారాంశం మరియు సమూహం, విశ్లేషణ మరియు సాధారణ సూచికల గణన.

అన్ని తదుపరి పని యొక్క ఫలితాలు మరియు నాణ్యత ఎక్కువగా ప్రాథమిక గణాంక పదార్థం ఎలా సేకరిస్తారు, అది ఎలా ప్రాసెస్ చేయబడుతుంది మరియు సమూహం చేయబడుతుంది అనే దానిపై ఆధారపడి ఉంటుంది. గణాంక పరిశీలన యొక్క ప్రోగ్రామాటిక్, మెథడాలాజికల్ మరియు సంస్థాగత అంశాలను తగినంతగా వివరించకపోవడం, సేకరించిన డేటా యొక్క తార్కిక మరియు అంకగణిత నియంత్రణ లేకపోవడం, సమూహ నిర్మాణ సూత్రాలను పాటించకపోవడం చివరికి పూర్తిగా తప్పు నిర్ధారణలకు దారితీయవచ్చు.

అధ్యయనం యొక్క చివరి, విశ్లేషణాత్మక దశ తక్కువ సంక్లిష్టమైనది, సమయం తీసుకుంటుంది మరియు బాధ్యత వహించదు. ఈ దశలో, సగటు సూచికలు మరియు పంపిణీ సూచికలు లెక్కించబడతాయి, జనాభా యొక్క నిర్మాణం విశ్లేషించబడుతుంది మరియు అధ్యయనం చేయబడిన దృగ్విషయాలు మరియు ప్రక్రియల మధ్య డైనమిక్స్ మరియు సంబంధాలు అధ్యయనం చేయబడతాయి.

రాష్ట్ర విద్యా సంస్థ

ఉన్నత వృత్తి విద్య

"అల్టై స్టేట్ మెడికల్ యూనివర్శిటీ"

ఫెడరల్ ఏజెన్సీ ఫర్ హెల్త్ అండ్ సోషల్ డెవలప్‌మెంట్

డిపార్ట్‌మెంట్ ఆఫ్ ఎకనామిక్స్ అండ్ మేనేజ్‌మెంట్

పరీక్ష

"మెడికల్ స్టాటిస్టిక్స్" విభాగంలో

అంశంపై: "గణాంక పరిశోధన యొక్క దశలు"

పూర్తయింది

తనిఖీ చేయబడింది:

బర్నాల్ - 2009

పరిచయం …………………………………………………………………………. 3

1.1 గణాంక పరిశీలన ……………………………………………………………… 5

1.1.1 వివిధ ప్రమాణాల ప్రకారం గణాంక పరిశీలన యొక్క వర్గీకరణ ……………………………………………………………………………………

1.1.2 గణాంక పరిశీలన యొక్క ప్రోగ్రామ్ మరియు మెథడాలాజికల్ సమస్యలు…………………………………………………………………………………………………

2 గణాంక పరిశీలన పదార్థాల సారాంశం మరియు సమూహం. గణాంక సారాంశం యొక్క భావన, దాని లక్ష్యాలు మరియు కంటెంట్..................15

3 గణాంక అంశాల ప్రదర్శన యొక్క హేతుబద్ధమైన రూపాలు.................18

3.1 గణాంక పట్టిక మరియు దాని మూలకాలు …………………………………………18

3.2 వాణిజ్య కార్యకలాపాలను అధ్యయనం చేయడానికి గ్రాఫిక్ పద్ధతి..........19

4 సమస్య పరిష్కారం ………………………………………………………… 20

తీర్మానం ………………………………………………………………………………… 21

ఉపయోగించిన సాహిత్యాల జాబితా …………………………………………………………………… 22

పరిచయం

శానిటరీ (వైద్య) గణాంకాలు ఔషధం, పరిశుభ్రత మరియు ఆరోగ్య సంరక్షణకు సంబంధించిన సమస్యలను అధ్యయనం చేస్తాయి. ఇది సామాజిక పరిశుభ్రత మరియు ఆరోగ్య సంరక్షణ సంస్థలో ముఖ్యమైన భాగం మరియు అదే సమయంలో గణాంకాల శాఖలలో ఒకటిగా ఉంది.

శానిటరీ స్టాటిస్టిక్స్‌లో మూడు ప్రధాన విభాగాలు ఉన్నాయి: జనాభా ఆరోగ్య గణాంకాలు, ఆరోగ్య గణాంకాలు మరియు క్లినికల్ గణాంకాలు.

శానిటరీ గణాంకాల లక్ష్యాలు:

జనాభా ఆరోగ్యం యొక్క లక్షణాలను మరియు దానిని నిర్ణయించే కారకాలను గుర్తించడం;

నెట్‌వర్క్, కార్యకలాపాలు మరియు ఆరోగ్య సంరక్షణ సౌకర్యాల సిబ్బందిపై డేటా అధ్యయనం, అలాగే చికిత్స మరియు వినోద కార్యకలాపాల ఫలితాలపై డేటా;

ప్రయోగాత్మక, క్లినికల్, పరిశుభ్రత మరియు ప్రయోగశాల పరిశోధనలో సానిటరీ స్టాటిస్టిక్స్ పద్ధతులను ఉపయోగించడం.

సానిటరీ స్టాటిస్టిక్స్ యొక్క మెటీరియల్స్ జనాభా ఆరోగ్యాన్ని మెరుగుపరచడానికి మరియు ఆరోగ్య సంరక్షణ వ్యవస్థను మెరుగుపరచడానికి మార్గాలను కనుగొనే లక్ష్యంతో ఉన్నాయి.

ఆరోగ్య గణాంకాలు వీటికి ఉపయోగించబడతాయి:

1) ప్రస్తుతం, లోతైన వైద్య-జీవ, భౌతిక మరియు ఇతర పరిశోధనా పద్ధతుల అభివృద్ధి, కొత్త రోగనిర్ధారణ సాంకేతికత పరిచయం శరీరం యొక్క స్థితిని వర్ణించే సంఖ్యా డేటా చేరడం మరియు పర్యావరణం. శరీరం గురించిన సమాచారం మొత్తాన్ని పరిగణనలోకి తీసుకుంటే, ఉపయోగించి డేటాను సంశ్లేషణ చేయవలసిన అవసరాన్ని అర్థం చేసుకోవచ్చు గణాంక పద్ధతులు;

2) సానిటరీ మరియు పరిశుభ్రమైన ప్రమాణాల నిర్ణయం, మోతాదుల గణన మందులు, ప్రమాణాల నిర్వచనం భౌతిక అభివృద్ధి, నివారణ మరియు చికిత్స యొక్క అనువర్తిత పద్ధతుల ప్రభావాన్ని అంచనా వేయడం.

అకౌంటింగ్ మరియు మూల్యాంకన సూచికలు అధ్యయనం చేయబడిన దృగ్విషయం యొక్క వాల్యూమ్ లేదా స్థాయిని ప్రతిబింబిస్తాయి; ఒక దృగ్విషయం యొక్క అభివృద్ధి లక్షణాలు, అంతరిక్షంలో దాని ప్రాబల్యం, దాని భాగాల సంబంధం మరియు ఇతర దృగ్విషయాలతో సంబంధాన్ని వర్గీకరించడానికి విశ్లేషణాత్మక సూచికలు ఉపయోగించబడతాయి.

స్టాటిస్టికల్ మెథడాలజీ ఒక సేకరణ సాధారణ నియమాలు(సూత్రాలు) మరియు గణాంక పరిశోధన యొక్క ప్రత్యేక పద్ధతులు మరియు పద్ధతులు. గణాంక పరిశోధన యొక్క సాధారణ నియమాలు సామాజిక-ఆర్థిక సిద్ధాంతం మరియు జ్ఞానం యొక్క మాండలిక పద్ధతి యొక్క సూత్రం యొక్క నిబంధనలపై ఆధారపడి ఉంటాయి. అవి గణాంకాలకు సైద్ధాంతిక ఆధారాన్ని ఏర్పరుస్తాయి. సైద్ధాంతిక ప్రాతిపదికన, గణాంకాలు ఒక దృగ్విషయం యొక్క డిజిటల్ ప్రకాశం యొక్క నిర్దిష్ట పద్ధతులను వర్తింపజేస్తాయి, ఇవి గణాంక పరిశోధన యొక్క మూడు దశల్లో (దశలు) వ్యక్తీకరించబడతాయి:

1. మాస్ శాస్త్రీయంగా వ్యవస్థీకృత పరిశీలన, దీని సహాయంతో అధ్యయనం చేయబడిన దృగ్విషయం యొక్క వ్యక్తిగత యూనిట్లు (కారకాలు) గురించి ప్రాథమిక సమాచారం పొందబడుతుంది.

2. గ్రూపింగ్ మరియు మెటీరియల్ యొక్క సారాంశం, ఇది మొత్తం కేసుల (యూనిట్‌లు) సజాతీయ సమూహాలు మరియు ఉప సమూహాలుగా విభజించడాన్ని సూచిస్తుంది, ప్రతి సమూహం మరియు ఉప సమూహం కోసం ఫలితాలను గణించడం మరియు ఫలితాలను గణాంక పట్టిక రూపంలో నమోదు చేయడం.

3. అధ్యయనం చేయబడిన దృగ్విషయం యొక్క స్థితి మరియు దాని అభివృద్ధి యొక్క నమూనాల గురించి నిరూపితమైన ముగింపులను పొందేందుకు ఫలితాల సారాంశం మరియు విశ్లేషణ సమయంలో పొందిన గణాంక సూచికల ప్రాసెసింగ్. ఇది సైన్స్ భావన - గణాంకాలు. గణాంకాల అంశం, ఒక శాస్త్రంగా, సామూహిక సామాజిక దృగ్విషయాలతో విడదీయరాని సంబంధంలో పరిమాణాత్మక వైపు అధ్యయనం. గుణాత్మక లక్షణాలు. ఈ నిర్వచనం నుండి, గణాంకాల యొక్క మూడు ప్రధాన లక్షణాలను గుర్తించవచ్చు:

1. దృగ్విషయం యొక్క పరిమాణాత్మక వైపు అన్వేషించబడింది;

2. సామూహిక సామాజిక దృగ్విషయాలు అధ్యయనం చేయబడతాయి;

3. గుణాత్మక పారామితుల అధ్యయనం ఆధారంగా సామూహిక దృగ్విషయం యొక్క పరిమాణాత్మక వివరణ ఇవ్వబడింది.

గణాంకాలు జ్ఞానం యొక్క మాండలిక పద్ధతుల సమితిని ఉపయోగించడాన్ని కలిగి ఉంటాయి. గణాంక పరిశోధన ప్రక్రియలో, కింది వాటిని ఉపయోగిస్తారు: ప్రత్యేక పద్ధతులు, గణాంక జనాభాను బాగా సూచించడానికి కనుగొనబడింది.

గణాంక జనాభా అనేది ఏకంగా ఏకం చేయబడిన యూనిట్ల ద్రవ్యరాశి నాణ్యత ఆధారంగా, కానీ అనేక విభిన్న లక్షణాలలో ఒకదానికొకటి భిన్నంగా ఉంటాయి. లక్షణాల యొక్క వైవిధ్యం (మార్పు) (సాధారణంగా పరిమాణాత్మకమైనది) సమయం, ప్రదేశంలో, ఒక లక్షణం నుండి మరొక లక్షణం యొక్క పరస్పర మార్పులో సంభవించవచ్చు. ఉదాహరణకు, పరిమాణం వేతనాలుఅతను ఉత్పత్తి చేసే ఉత్పత్తుల మొత్తంపై కార్మికుడు.

1.1 గణాంక పరిశీలన

గణాంక పరిశీలన అనేది సామాజిక-ఆర్థిక దృగ్విషయాలు మరియు ప్రక్రియల గురించి డేటా లేదా సమాచారం యొక్క క్రమబద్ధమైన, శాస్త్రీయంగా ఆధారిత సేకరణ. గణాంక పరిశీలన అనేది ఆర్థిక మరియు గణాంక పరిశోధన యొక్క ప్రారంభ దశ.

1) గణాంక పరిశీలన కింది అవసరాలకు అనుగుణంగా ఉండాలి: గమనించిన దృగ్విషయం శాస్త్రీయ లేదా ఆచరణాత్మక విలువను కలిగి ఉండాలి, కొన్ని సామాజిక-ఆర్థిక దృగ్విషయాలను వ్యక్తీకరించాలి;

2) మాస్ డేటా యొక్క ప్రత్యక్ష సేకరణ ఈ సమస్యకు సంబంధించిన వాస్తవాల సంపూర్ణతను నిర్ధారించాలి, ఎందుకంటే దృగ్విషయాలు స్థిరమైన మార్పు మరియు అభివృద్ధిలో ఉంటాయి. పూర్తి డేటా తప్పిపోయినట్లయితే, విశ్లేషణ మరియు ముగింపులు తప్పుదారి పట్టించవచ్చు;

3) గణాంక డేటా యొక్క విశ్వసనీయతను నిర్ధారించడానికి, సేకరించిన వాస్తవాల నాణ్యతను క్షుణ్ణంగా మరియు సమగ్రంగా తనిఖీ చేయడం అవసరం, ఇందులో ఒకటి అత్యంత ముఖ్యమైన లక్షణాలుగణాంక పరిశీలన;

4) సృష్టించడానికి గణాంక పరిశీలన యొక్క శాస్త్రీయ సంస్థ అవసరం ఉత్తమ పరిస్థితులులక్ష్యం పదార్థాలను పొందేందుకు.

మేనేజర్ ఎదుర్కొంటున్న పనులు పరిశీలన యొక్క ఉద్దేశ్యాన్ని నిర్ణయిస్తాయి. గణాంక నిఘా యొక్క సాధారణ ప్రయోజనం నిర్వహణ కోసం సమాచార మద్దతును అందించడం. లక్ష్యం గణాంక పరిశీలన యొక్క వస్తువును నిర్ణయిస్తుంది - పరిశీలన ద్వారా కవర్ చేయబడిన దృగ్విషయం మరియు వస్తువుల మొత్తం. పరిశీలన వస్తువు కొన్ని యూనిట్లను కలిగి ఉంటుంది. సంపూర్ణత యొక్క యూనిట్ ఒక వ్యక్తి, ఒక వాస్తవం, ఒక వస్తువు, ఒక ప్రక్రియ మొదలైనవి కావచ్చు. పరిశీలన యూనిట్ అనేది గణాంక పరిశీలన యొక్క వస్తువు యొక్క ప్రాథమిక అంశం. ఈ మూలకం పరిశీలన సమయంలో నమోదు చేయబడిన సంకేతాల క్యారియర్. పరిశీలన యూనిట్ అనేది జనాభా యొక్క మూలకం, దీని నుండి అవసరమైన డేటా సేకరించబడుతుంది. పరిశీలన యొక్క వస్తువు మరియు యూనిట్ల ఎంపిక నిర్దిష్ట పరిస్థితులపై ఆధారపడి ఉంటుంది. పరిశీలన యూనిట్లు అనేక విభిన్న లక్షణాలను కలిగి ఉంటాయి. గణాంక జనాభా యొక్క డేటాను సాధారణీకరించేటప్పుడు వ్యక్తిగత దృగ్విషయంలో కాకుండా సజాతీయ దృగ్విషయంలో వ్యక్తమయ్యే సరైనది గణాంక నమూనాగా పిలువబడుతుంది. గణాంక క్రమబద్ధత అధ్యయనం కోసం, పెద్ద సంఖ్యల చట్టం ప్రాథమిక ప్రాముఖ్యత కలిగి ఉంది. పెద్ద సంఖ్యలో పరిశీలనలలో, యాదృచ్ఛిక బహుముఖ విచలనాలు ఒకదానికొకటి రద్దు చేస్తాయి. పరిశీలన ప్రక్రియలో, డేటాను రికార్డ్ చేయడానికి అత్యంత ముఖ్యమైన లేదా పరస్పర సంబంధం ఉన్న లక్షణాలు ఉపయోగించబడతాయి. పరిశీలన యూనిట్‌ను నిర్ణయించడంలో స్పష్టత ఉన్నప్పుడు, పరిశీలన యొక్క నమోదు చేయబడిన సంకేతాలను సహేతుకంగా గుర్తించడం సాధ్యపడుతుంది కనీస పరిమాణంఅధ్యయనం చేయబడుతున్న సమస్య లేదా దృగ్విషయానికి సంబంధించిన సంకేతాలు. పరిశీలన యూనిట్ యొక్క లక్షణాల స్పష్టీకరణ మరియు నిర్మాణం క్రింది సాధారణ నియమాల ఆధారంగా నిర్వహించబడుతుంది: ఇవి సాధారణ విధానాలులక్షణాలను నిర్ణయించేటప్పుడు, పరిశీలన యొక్క యూనిట్లు అధ్యయనం చేయబడిన ప్రక్రియల యొక్క నిర్దిష్ట లక్షణాలతో అనుబంధంగా ఉంటాయి.

పరిశీలన యూనిట్‌ని రిపోర్టింగ్ యూనిట్‌తో అయోమయం చేయకూడదు. రిపోర్టింగ్ యూనిట్ అనేది ఆమోదించబడిన ఫారమ్‌ల ప్రకారం రిపోర్టింగ్ డేటా షరతులతో స్వీకరించబడే యూనిట్. రిపోర్టింగ్ ద్వారా పరిశీలన జరిగితే, రిపోర్టింగ్ యూనిట్ సాధారణంగా పరిశీలన యూనిట్ లాగానే ఉండవచ్చు. రిపోర్టింగ్ యూనిట్‌ని రిపోర్టింగ్ యూనిట్ అని కూడా అంటారు. ఇది పరిశీలన యూనిట్‌తో ఏకీభవించకపోవచ్చు.

వస్తువును నిర్వచించిన తర్వాత, పరిశోధకుడు తప్పనిసరిగా జనాభా లేదా అధ్యయనం చేయబడుతున్న దృగ్విషయాన్ని నిర్వచించే సరిహద్దులను హైలైట్ చేయాలి. వస్తువును పరిమితం చేయడానికి, నిర్దిష్ట విలువలు లేదా లక్షణాల పరిమితులు ఏర్పాటు చేయబడ్డాయి. లక్షణాలపై ఇటువంటి పరిమాణాత్మక పరిమితులను అర్హతలు అంటారు. ఇది లక్షణాల శ్రేణి, దీని యొక్క పరిమాణాత్మక విలువ, గణాంక పరిశీలనను నిర్వహించేటప్పుడు, అధ్యయనం చేయబడిన జనాభాలో ఒక యూనిట్‌ను పరిగణనలోకి తీసుకోవడానికి (లేదా వర్గీకరించకుండా) ఆధారంగా పనిచేస్తుంది.

పరిశీలన పాయింట్ లేదా వ్యవధి అనేది డేటా రికార్డ్ చేయబడిన సమయం. దృగ్విషయం యొక్క ప్రయోజనం మరియు లక్షణాలకు అనుగుణంగా పరిశీలన యొక్క క్షణం స్థాపించబడింది. ఆచరణలో, దీనిని క్లిష్టమైన క్షణం అని కూడా పిలుస్తారు. కొన్ని దృగ్విషయాలు మరియు ప్రక్రియలు కాలానుగుణ లేదా ఇతర చక్రీయ భాగాలను కలిగి ఉంటాయి.

1.1.1 వివిధ ప్రమాణాల ప్రకారం గణాంక పరిశీలన యొక్క వర్గీకరణ

గణాంక పరిశీలన విభజించబడింది:

1) పరిశీలనల రకం ప్రకారం 2 సమూహాలుగా:

జనాభా యొక్క యూనిట్ల కవరేజ్ ప్రకారం నిరంతర మరియు నిరంతరాయంగా;

2.1 స్టాటిస్టికల్ స్టడీ డిజైన్

గణాంక డేటా విశ్లేషణ వ్యవస్థలు గణాంక పరిశోధన కోసం ఆధునిక, సమర్థవంతమైన సాధనం. ప్రత్యేక గణాంక విశ్లేషణ వ్యవస్థలు గణాంక డేటాను ప్రాసెస్ చేయడానికి పుష్కలమైన అవకాశాలను కలిగి ఉన్నాయి సార్వత్రిక అంటే- ఎక్సెల్, మాట్‌లాబ్, మాత్‌కాడ్ మొదలైనవి.

కానీ అత్యంత అధునాతన సాధనం కూడా పరిశోధకుడిని భర్తీ చేయదు, అతను అధ్యయనం యొక్క ఉద్దేశ్యాన్ని రూపొందించాలి, డేటాను సేకరించాలి, పద్ధతులు, విధానాలు, నమూనాలు మరియు డేటాను ప్రాసెస్ చేయడానికి మరియు విశ్లేషించడానికి సాధనాలను ఎంచుకోవాలి మరియు పొందిన ఫలితాలను అర్థం చేసుకోవాలి.

మూర్తి 2.1 గణాంక అధ్యయనం యొక్క రేఖాచిత్రాన్ని చూపుతుంది.

Fig.2.1 - బొమ్మ నమునాగణాంక పరిశోధన

గణాంక పరిశోధన యొక్క ప్రారంభ స్థానం సమస్య యొక్క సూత్రీకరణ. దానిని నిర్ణయించేటప్పుడు, అధ్యయనం యొక్క ఉద్దేశ్యం పరిగణనలోకి తీసుకోబడుతుంది, ఏ సమాచారం అవసరం మరియు నిర్ణయం తీసుకునేటప్పుడు అది ఎలా ఉపయోగించబడుతుందో నిర్ణయించబడుతుంది.

గణాంక అధ్యయనం సన్నాహక దశతో ప్రారంభమవుతుంది. సన్నాహక దశలో, విశ్లేషకులు అధ్యయనం చేస్తారు సాంకేతిక పని- అధ్యయనం యొక్క కస్టమర్ రూపొందించిన పత్రం. రిఫరెన్స్ నిబంధనలు తప్పనిసరిగా పరిశోధన యొక్క లక్ష్యాలను స్పష్టంగా పేర్కొనాలి:

పరిశోధన యొక్క వస్తువు నిర్ణయించబడుతుంది;

అధ్యయనం సమయంలో తప్పనిసరిగా నిర్ధారించబడే లేదా తిరస్కరించబడే ఊహలు మరియు పరికల్పనలు జాబితా చేయబడ్డాయి;

పరిశోధన ఫలితాలు ఎలా ఉపయోగించబడతాయో వివరిస్తుంది;

అధ్యయనం చేయవలసిన సమయ వ్యవధి మరియు అధ్యయనం కోసం బడ్జెట్.

సాంకేతిక లక్షణాల ఆధారంగా, ఇది అభివృద్ధి చేయబడింది విశ్లేషణాత్మక నివేదిక నిర్మాణం- అది, ఏ రూపంలోనైనాఅధ్యయనం యొక్క ఫలితాలు తప్పనిసరిగా సమర్పించబడాలి, అలాగే గణాంక పరిశీలన కార్యక్రమం. కార్యక్రమం అనేది పరిశీలన ప్రక్రియలో తప్పనిసరిగా నమోదు చేయవలసిన సంకేతాల జాబితా (లేదా ప్రతి సర్వే చేయబడిన పరిశీలన యూనిట్‌కు విశ్వసనీయ సమాధానాలు పొందవలసిన ప్రశ్నలు). ప్రోగ్రామ్ యొక్క కంటెంట్ గమనించిన వస్తువు యొక్క లక్షణాలు మరియు అధ్యయనం యొక్క లక్ష్యాలు, అలాగే సేకరించిన సమాచారం యొక్క తదుపరి ప్రాసెసింగ్ కోసం విశ్లేషకులు ఎంచుకున్న పద్ధతుల ద్వారా నిర్ణయించబడుతుంది.

గణాంక పరిశోధన యొక్క ప్రధాన దశ అవసరమైన డేటా సేకరణ మరియు వాటి విశ్లేషణను కలిగి ఉంటుంది.

పరిశోధన యొక్క చివరి దశ విశ్లేషణాత్మక నివేదికను రూపొందించడం మరియు దానిని కస్టమర్‌కు సమర్పించడం.

అంజీర్లో. మూర్తి 2.2 గణాంక డేటా విశ్లేషణ యొక్క రేఖాచిత్రాన్ని అందిస్తుంది.

Fig.2.2 - గణాంక విశ్లేషణ యొక్క ప్రధాన దశలు

2.2 గణాంక సమాచారం యొక్క సేకరణ

మెటీరియల్‌లను సేకరించడం అనేది అధ్యయనం యొక్క సాంకేతిక వివరణలను విశ్లేషించడం, అవసరమైన సమాచారం యొక్క మూలాలను గుర్తించడం మరియు (అవసరమైతే) ప్రశ్నాపత్రాలను అభివృద్ధి చేయడం. సమాచార వనరులను పరిశోధిస్తున్నప్పుడు, అవసరమైన మొత్తం డేటా విభజించబడింది ప్రాథమిక(అందుబాటులో లేని డేటా మరియు ఈ అధ్యయనం కోసం నేరుగా సేకరించాలి) మరియు ద్వితీయ(గతంలో ఇతర ప్రయోజనాల కోసం సేకరించబడింది).

సెకండరీ డేటా సేకరణను తరచుగా "డెస్క్" లేదా "లైబ్రరీ" పరిశోధనగా సూచిస్తారు.

ప్రాథమిక డేటాను సేకరించే ఉదాహరణలు: స్టోర్ సందర్శకులను గమనించడం, ఆసుపత్రి రోగులను సర్వే చేయడం, సమావేశంలో సమస్యను చర్చించడం.

సెకండరీ డేటా అంతర్గత మరియు బాహ్యంగా విభజించబడింది.

అంతర్గత ద్వితీయ డేటా మూలాధారాల ఉదాహరణలు:

సంస్థ యొక్క సమాచార వ్యవస్థ (అకౌంటింగ్ సబ్‌సిస్టమ్, సేల్స్ మేనేజ్‌మెంట్ సబ్‌సిస్టమ్, CRM (CRM సిస్టమ్, కస్టమర్ రిలేషన్‌షిప్ మేనేజ్‌మెంట్ కోసం చిన్నది) - కస్టమర్లతో పరస్పర చర్య చేయడానికి వ్యూహాలను ఆటోమేట్ చేయడానికి రూపొందించిన సంస్థల కోసం అప్లికేషన్ సాఫ్ట్‌వేర్ మరియు ఇతరులు);

మునుపటి అధ్యయనాలు;

ఉద్యోగుల నుండి వ్రాతపూర్వక నివేదికలు.

బాహ్య ద్వితీయ డేటా మూలాల ఉదాహరణలు:

గణాంక సంస్థలు మరియు ఇతర ప్రభుత్వ సంస్థల నుండి నివేదికలు;

మార్కెటింగ్ ఏజెన్సీలు, వృత్తిపరమైన సంఘాలు మొదలైన వాటి నుండి నివేదికలు;

ఎలక్ట్రానిక్ డేటాబేస్లు (చిరునామా డైరెక్టరీలు, GIS, మొదలైనవి);

గ్రంథాలయాలు;

మాస్ మీడియా.

డేటా సేకరణ దశలో ప్రధాన అవుట్‌పుట్‌లు:

ప్రణాళిక నమూనా పరిమాణం;

నమూనా నిర్మాణం (కోటాల ఉనికి మరియు పరిమాణం);

గణాంక పరిశీలన రకం (డేటా సేకరణ, సర్వే, ప్రశ్నాపత్రం, కొలత, ప్రయోగం, పరీక్ష మొదలైనవి);

సర్వే పారామితుల గురించి సమాచారం (ఉదాహరణకు, ప్రశ్నాపత్రాల తప్పుడు అవకాశం);

ప్రాసెసింగ్ కోసం ఎంచుకున్న ప్రోగ్రామ్ యొక్క డేటాబేస్లో ఎన్కోడింగ్ వేరియబుల్స్ కోసం పథకం;

డేటా మార్పిడి ప్రణాళిక;

ఉపయోగించిన గణాంక విధానాల ప్రణాళిక రేఖాచిత్రం.

ఇదే దశలో సర్వే ప్రక్రియ కూడా ఉంటుంది. వాస్తవానికి, ప్రశ్నాపత్రాలు ప్రాథమిక సమాచారాన్ని పొందేందుకు మాత్రమే అభివృద్ధి చేయబడ్డాయి.

అందుకున్న డేటాను సవరించాలి మరియు తదనుగుణంగా సిద్ధం చేయాలి. ప్రతి ప్రశ్నాపత్రం లేదా పరిశీలన ఫారమ్ తనిఖీ చేయబడుతుంది మరియు అవసరమైతే, సర్దుబాటు చేయబడుతుంది. ప్రతి సమాధానానికి సంఖ్యా లేదా అక్షరాల కోడ్‌లు కేటాయించబడతాయి - సమాచారం ఎన్‌కోడ్ చేయబడింది. డేటా తయారీలో డేటాను సవరించడం, లిప్యంతరీకరించడం మరియు తనిఖీ చేయడం, కోడింగ్ మరియు అవసరమైన పరివర్తనలు ఉంటాయి.

2.3 నమూనా లక్షణాల నిర్ధారణ

నియమం ప్రకారం, గణాంక విశ్లేషణ కోసం గణాంక పరిశీలన ఫలితంగా సేకరించిన డేటా నమూనా జనాభా. గణాంక పరిశోధన ప్రక్రియలో డేటా రూపాంతరం యొక్క క్రమాన్ని ఈ క్రింది విధంగా క్రమపద్ధతిలో సూచించవచ్చు (Fig. 2.3)

అంజీర్ 2.3 గణాంక డేటాను మార్చడానికి పథకం

నమూనాను విశ్లేషించడం ద్వారా, నమూనా ద్వారా ప్రాతినిధ్యం వహించే జనాభా గురించి తీర్మానాలు చేయడం సాధ్యపడుతుంది.

సాధారణ నమూనా పారామితుల తుది నిర్ణయంఅన్ని ప్రశ్నాపత్రాలు సేకరించిన తర్వాత రూపొందించబడింది. ఇది కలిగి ఉంటుంది:

ప్రతివాదుల వాస్తవ సంఖ్యను నిర్ణయించడం,

నమూనా నిర్మాణం యొక్క నిర్ణయం,

సర్వే ప్రదేశం వారీగా పంపిణీ,

నమూనా యొక్క గణాంక విశ్వసనీయత కోసం విశ్వాస స్థాయిని ఏర్పాటు చేయడం,

గణాంక లోపం యొక్క గణన మరియు నమూనా యొక్క ప్రాతినిధ్యం యొక్క నిర్ణయం.

వాస్తవ పరిమాణంప్రతివాదులు అనుకున్నదానికంటే ఎక్కువ లేదా తక్కువగా ఉండవచ్చు. మొదటి ఎంపిక విశ్లేషణకు ఉత్తమమైనది, కానీ అధ్యయనం యొక్క కస్టమర్‌కు ప్రతికూలమైనది. రెండవది పరిశోధన యొక్క నాణ్యతపై ప్రతికూల ప్రభావాన్ని చూపవచ్చు మరియు అందువల్ల విశ్లేషకులకు లేదా వినియోగదారులకు ప్రయోజనకరంగా ఉండదు.

నమూనా నిర్మాణంయాదృచ్ఛికంగా లేదా యాదృచ్ఛికంగా ఉండవచ్చు (ప్రతివాదులు గతంలో తెలిసిన ప్రమాణం ఆధారంగా ఎంపిక చేయబడ్డారు, ఉదాహరణకు, కోటా పద్ధతి ద్వారా). యాదృచ్ఛిక నమూనాలు ఒక ప్రియోరి ప్రతినిధి. యాదృచ్ఛికం కాని నమూనాలు ఉద్దేశపూర్వకంగా జనాభాకు ప్రాతినిధ్యం వహించకపోవచ్చు కానీ పరిశోధన కోసం ముఖ్యమైన సమాచారాన్ని అందిస్తాయి. ఈ సందర్భంలో, మీరు ప్రశ్నాపత్రం యొక్క వడపోత ప్రశ్నలను కూడా జాగ్రత్తగా పరిగణించాలి, ఇవి అవసరాలకు అనుగుణంగా లేని ప్రతివాదులను ఫిల్టర్ చేయడానికి ప్రత్యేకంగా రూపొందించబడ్డాయి.

కోసం అంచనా యొక్క ఖచ్చితత్వాన్ని నిర్ణయించడంఅన్నింటిలో మొదటిది, విశ్వాస స్థాయిని (95% లేదా 99%) సెట్ చేయడం అవసరం. అప్పుడు గరిష్టంగా గణాంక లోపంనమూనాగా లెక్కించబడుతుంది

లేదా
,

ఎక్కడ - నమూనా పరిమాణం, - అధ్యయనంలో ఉన్న సంఘటన సంభవించే సంభావ్యత (ప్రతివాదిని నమూనాలో చేర్చడం), - వ్యతిరేక సంఘటన యొక్క సంభావ్యత (ప్రతివాది నమూనాలో చేర్చబడలేదు), - విశ్వాస గుణకం,
- లక్షణం యొక్క వైవిధ్యం.

కాన్ఫిడెన్స్ ప్రాబబిలిటీ మరియు కాన్ఫిడెన్స్ కోఎఫీషియంట్స్ యొక్క అత్యంత సాధారణంగా ఉపయోగించే విలువలను టేబుల్ 2.4 చూపిస్తుంది.

పట్టిక 2.4

2.5 కంప్యూటర్‌లో డేటా ప్రాసెసింగ్

కంప్యూటర్‌ని ఉపయోగించి డేటాను విశ్లేషించడం అనేది అనేక అవసరమైన దశలను చేయడం.

1. సోర్స్ డేటా యొక్క నిర్మాణం యొక్క నిర్ణయం.

2. దాని నిర్మాణం మరియు ప్రోగ్రామ్ అవసరాలకు అనుగుణంగా కంప్యూటర్‌లోకి డేటాను నమోదు చేయడం. డేటాను సవరించడం మరియు మార్చడం.

3. అధ్యయనం యొక్క లక్ష్యాలకు అనుగుణంగా డేటా ప్రాసెసింగ్ పద్ధతిని పేర్కొనడం.

4. డేటా ప్రాసెసింగ్ ఫలితాన్ని పొందడం. దీన్ని సవరించడం మరియు అవసరమైన ఆకృతిలో సేవ్ చేయడం.

5. ప్రాసెసింగ్ ఫలితం యొక్క వివరణ.

దశలు 1 (సన్నాహక) మరియు 5 (చివరి) ఎవరూ పూర్తి చేయలేరు కంప్యూటర్ ప్రోగ్రామ్- పరిశోధకుడు వాటిని స్వయంగా చేస్తాడు. 2-4 దశలు ప్రోగ్రామ్‌ను ఉపయోగించి పరిశోధకుడిచే నిర్వహించబడతాయి, అయితే డేటాను సవరించడానికి మరియు మార్చడానికి అవసరమైన విధానాలు, డేటా ప్రాసెసింగ్ పద్ధతులు, అలాగే ప్రాసెసింగ్ ఫలితాలను ప్రదర్శించే ఆకృతిని పరిశోధకుడు నిర్ణయిస్తారు. కంప్యూటర్ యొక్క సహాయం (దశలు 2–4) చివరికి సంఖ్యల సుదీర్ఘ శ్రేణి నుండి మరింత కాంపాక్ట్‌గా మారడాన్ని కలిగి ఉంటుంది. కంప్యూటర్ యొక్క "ఇన్‌పుట్" వద్ద, పరిశోధకుడు ప్రాథమిక డేటా యొక్క శ్రేణిని సమర్పిస్తాడు, అది గ్రహణశక్తికి అందుబాటులో ఉండదు, కానీ కంప్యూటర్ ప్రాసెసింగ్‌కు అనుకూలంగా ఉంటుంది (దశ 2). అప్పుడు పరిశోధకుడు పని మరియు డేటా నిర్మాణం (స్టెప్ 3)కి అనుగుణంగా డేటాను ప్రాసెస్ చేయడానికి ప్రోగ్రామ్‌కు ఆదేశాన్ని ఇస్తాడు. “అవుట్‌పుట్” వద్ద, అతను ప్రాసెసింగ్ ఫలితాన్ని అందుకుంటాడు (స్టెప్ 4) - డేటా యొక్క శ్రేణి, కేవలం చిన్నది, గ్రహణశక్తి మరియు అర్థవంతమైన వివరణకు అందుబాటులో ఉంటుంది. అదే సమయంలో, డేటా యొక్క సమగ్ర విశ్లేషణకు సాధారణంగా వివిధ పద్ధతులను ఉపయోగించి పునరావృత ప్రాసెసింగ్ అవసరం.

2.6 డేటా విశ్లేషణ వ్యూహాన్ని ఎంచుకోవడం

సేకరించిన డేటాను విశ్లేషించడానికి వ్యూహం యొక్క ఎంపిక అధ్యయనంలో ఉన్న సబ్జెక్ట్ యొక్క సైద్ధాంతిక మరియు ఆచరణాత్మక అంశాలు, సమాచారం యొక్క ప్రత్యేకతలు మరియు తెలిసిన లక్షణాలు, నిర్దిష్ట గణాంక పద్ధతుల లక్షణాలు, అలాగే అనుభవం మరియు వీక్షణలపై ఆధారపడి ఉంటుంది. పరిశోధకుడు.

డేటా విశ్లేషణ అధ్యయనం యొక్క చివరి లక్ష్యం కాదని గుర్తుంచుకోవాలి. నిర్దిష్ట సమస్యను పరిష్కరించడానికి మరియు తగిన నిర్వహణ నిర్ణయాలు తీసుకోవడంలో సహాయపడే సమాచారాన్ని పొందడం దీని లక్ష్యం. విశ్లేషణ వ్యూహం యొక్క ఎంపిక ప్రక్రియ యొక్క మునుపటి దశల ఫలితాల పరిశీలనతో ప్రారంభం కావాలి: సమస్యను నిర్వచించడం మరియు పరిశోధన ప్రణాళికను అభివృద్ధి చేయడం. పరిశోధన ప్రణాళిక యొక్క ఒక మూలకం వలె అభివృద్ధి చేయబడిన ప్రాథమిక డేటా విశ్లేషణ ప్రణాళిక "డ్రాఫ్ట్"గా ఉపయోగించబడుతుంది. పరిశోధన ప్రక్రియ యొక్క తదుపరి దశలలో అదనపు సమాచారం అందుబాటులోకి వచ్చినందున, కొన్ని మార్పులు చేయవలసి ఉంటుంది.

గణాంక పద్ధతులు ఒకటి మరియు మల్టీవియారిట్‌గా విభజించబడ్డాయి. నమూనాలోని అన్ని మూలకాలు ఒక సూచిక ద్వారా అంచనా వేయబడినప్పుడు లేదా ప్రతి మూలకం కోసం ఈ సూచికలు అనేకం ఉన్నట్లయితే, ప్రతి వేరియబుల్ మిగతా వాటి నుండి విడిగా విశ్లేషించబడినప్పుడు ఏకరూప పద్ధతులు ఉపయోగించబడతాయి.

ప్రతి నమూనా మూలకాన్ని మూల్యాంకనం చేయడానికి రెండు లేదా అంతకంటే ఎక్కువ కొలతలు ఉపయోగించినప్పుడు మరియు ఈ వేరియబుల్స్ ఏకకాలంలో విశ్లేషించబడినప్పుడు డేటా విశ్లేషణ కోసం మల్టీవియారిట్ పద్ధతులు అద్భుతమైనవి. దృగ్విషయాల మధ్య ఆధారపడటాన్ని గుర్తించడానికి ఇటువంటి పద్ధతులు ఉపయోగించబడతాయి.

మల్టీవియారిట్ పద్ధతులు అసమాన పద్ధతుల నుండి విభిన్నంగా ఉంటాయి, ప్రధానంగా వాటిని ఉపయోగించినప్పుడు, దృగ్విషయాల స్థాయిలు (సగటులు) మరియు పంపిణీలు (వ్యత్యాసాలు) నుండి దృష్టి మారుతుంది మరియు ఈ దృగ్విషయాల మధ్య సంబంధం (సహసంబంధం లేదా సహసంబంధం) స్థాయిపై దృష్టి పెడుతుంది.

విశ్లేషించబడుతున్న డేటా మెట్రిక్ లేదా నాన్-మెట్రిక్ అనే దాని ఆధారంగా ఏకరూప పద్ధతులను వర్గీకరించవచ్చు (మూర్తి 3). మెట్రిక్ డేటా ఇంటర్వెల్ స్కేల్ లేదా సాపేక్ష స్కేల్‌లో కొలుస్తారు. నాన్‌మెట్రిక్ డేటా నామమాత్ర లేదా ఆర్డినల్ స్కేల్‌లో అంచనా వేయబడుతుంది

అదనంగా, ఈ పద్ధతులు అధ్యయనంలో ఎన్ని నమూనాలు-ఒకటి, రెండు లేదా అంతకంటే ఎక్కువ-విశ్లేషించబడ్డాయి అనే దాని ఆధారంగా తరగతులుగా విభజించబడ్డాయి.

ఒక డైమెన్షనల్ స్టాటిస్టికల్ పద్ధతుల వర్గీకరణ అంజీర్ 2.4లో ప్రదర్శించబడింది.

అన్నం. 2.4 విశ్లేషించబడిన డేటా ఆధారంగా ఏకరూప గణాంక పద్ధతుల వర్గీకరణ

నమూనాల సంఖ్య నిర్దిష్ట విశ్లేషణ కోసం డేటా ఎలా నిర్వహించబడుతుందనే దాని ఆధారంగా నిర్ణయించబడుతుంది, డేటా ఎలా సేకరించబడింది అనే దాని ఆధారంగా కాదు. ఉదాహరణకు, మగ మరియు ఆడవారి డేటాను ఒకే నమూనాలో పొందవచ్చు, అయితే విశ్లేషణ లింగ భేదాల ఆధారంగా అవగాహనలో తేడాలను గుర్తించే లక్ష్యంతో ఉంటే, పరిశోధకుడు రెండు వేర్వేరు నమూనాలతో పనిచేయవలసి ఉంటుంది. నమూనాలు ఒకదానికొకటి ప్రయోగాత్మకంగా సంబంధం కలిగి ఉండకపోతే స్వతంత్రంగా పరిగణించబడతాయి. ఒక నమూనాలో తీసుకున్న కొలతలు మరొకదానిలోని వేరియబుల్స్ విలువలను ప్రభావితం చేయవు. విశ్లేషణ కోసం, స్త్రీలు మరియు మగవారి నుండి సేకరించినవి వంటి ప్రతివాదుల యొక్క వివిధ సమూహాల నుండి డేటా సాధారణంగా స్వతంత్ర నమూనాలుగా పరిగణించబడుతుంది.

మరోవైపు, రెండు నమూనాల డేటా ప్రతివాదుల యొక్క ఒకే సమూహాన్ని సూచిస్తే, నమూనాలు జత చేసినవిగా పరిగణించబడతాయి - ఆధారపడి ఉంటాయి.

మెట్రిక్ డేటా యొక్క ఒక నమూనా మాత్రమే ఉంటే, z-test మరియు t-test ఉపయోగించవచ్చు. రెండు లేదా అంతకంటే ఎక్కువ స్వతంత్ర నమూనాలు ఉన్నట్లయితే, మొదటి సందర్భంలో మీరు రెండు నమూనాల కోసం z- మరియు t-పరీక్షను ఉపయోగించవచ్చు, రెండవది - వ్యత్యాసం యొక్క వన్-వే విశ్లేషణ పద్ధతి. రెండు సంబంధిత నమూనాల కోసం, జత చేసిన t-పరీక్ష ఉపయోగించబడుతుంది. మేము ఒకే నమూనా నుండి నాన్-మెట్రిక్ డేటా గురించి మాట్లాడుతున్నట్లయితే, పరిశోధకుడు ఫ్రీక్వెన్సీ పంపిణీ పరీక్షలు, చి-స్క్వేర్, కోల్మోగోరోవ్-స్మిర్నోవ్ (K~S) పరీక్ష, సిరీస్ పరీక్ష మరియు ద్విపద పరీక్షలను ఉపయోగించవచ్చు. నాన్-మెట్రిక్ డేటాతో ఉన్న రెండు స్వతంత్ర నమూనాల కోసం, మీరు క్రింది విశ్లేషణ పద్ధతులను ఆశ్రయించవచ్చు: చి-స్క్వేర్, మన్-విట్నీ, మధ్యస్థాలు, K-S, వైవిధ్యం క్రుస్కాల్-వాలిస్ (ANOVA) యొక్క వన్-వే విశ్లేషణ. దీనికి విరుద్ధంగా, రెండు లేదా అంతకంటే ఎక్కువ సంబంధిత నమూనాలు ఉన్నట్లయితే, సైన్, మెక్‌నెమర్ మరియు విల్కాక్సన్ పరీక్షలను ఉపయోగించాలి.

మల్టీవియారిట్ గణాంక పద్ధతులు ఇప్పటికే ఉన్న నమూనాలను గుర్తించడం లక్ష్యంగా పెట్టుకున్నాయి: వేరియబుల్స్ యొక్క పరస్పర ఆధారపడటం, సంబంధం లేదా సంఘటనల క్రమం, అంతర్-వస్తువు సారూప్యత.

చాలా సాంప్రదాయకంగా, మేము ఐదు ప్రామాణిక రకాల నమూనాలను వేరు చేయవచ్చు, వీటిలో అధ్యయనం ముఖ్యమైన ఆసక్తిని కలిగి ఉంది: అసోసియేషన్, సీక్వెన్స్, వర్గీకరణ, క్లస్టరింగ్ మరియు ఫోర్కాస్టింగ్

అనేక సంఘటనలు ఒకదానికొకటి సంబంధం కలిగి ఉన్నప్పుడు అసోసియేషన్ ఏర్పడుతుంది. ఉదాహరణకు, ఒక సూపర్ మార్కెట్‌లో నిర్వహించిన ఒక అధ్యయనంలో మొక్కజొన్న చిప్‌లను కొనుగోలు చేసే వారిలో 65% మంది కోకా-కోలాను కూడా కొనుగోలు చేస్తారని మరియు అటువంటి సెట్‌కు తగ్గింపు ఉంటే, వారు 85% కేసులలో కోక్‌ను కొనుగోలు చేస్తారని చూపవచ్చు. అటువంటి అసోసియేషన్ గురించి సమాచారాన్ని కలిగి ఉండటం వలన, అందించబడిన తగ్గింపు ఎంత ప్రభావవంతంగా ఉందో నిర్వాహకులు అంచనా వేయడం సులభం.

సమయానికి సంబంధించిన సంఘటనల గొలుసు ఉంటే, మేము ఒక క్రమం గురించి మాట్లాడుతాము. ఉదాహరణకు, ఒక ఇంటిని కొనుగోలు చేసిన తర్వాత, 45% కేసులలో, ఒక నెలలోపు కొత్త కిచెన్ స్టవ్ కొనుగోలు చేయబడుతుంది మరియు రెండు వారాల్లో, 60% కొత్త నివాసితులు రిఫ్రిజిరేటర్‌ను కొనుగోలు చేస్తారు.

వర్గీకరణ సహాయంతో, ఒక నిర్దిష్ట వస్తువుకు చెందిన సమూహాన్ని వర్గీకరించే సంకేతాలు గుర్తించబడతాయి. ఇది ఇప్పటికే వర్గీకరించబడిన వస్తువులను విశ్లేషించడం మరియు కొన్ని నియమాలను రూపొందించడం ద్వారా జరుగుతుంది.

వర్గీకరణ నుండి క్లస్టరింగ్ భిన్నంగా ఉంటుంది, దీనిలో సమూహాలు ముందే నిర్వచించబడలేదు. క్లస్టరింగ్ ఉపయోగించి, డేటా యొక్క వివిధ సజాతీయ సమూహాలు గుర్తించబడతాయి.

అన్ని రకాల అంచనా వ్యవస్థలకు ఆధారం సమయ శ్రేణి రూపంలో నిల్వ చేయబడిన చారిత్రక సమాచారం. లక్ష్య సూచికల ప్రవర్తన యొక్క గతిశీలతను తగినంతగా ప్రతిబింబించే నమూనాలను నిర్మించడం సాధ్యమైతే, వారి సహాయంతో భవిష్యత్తులో వ్యవస్థ యొక్క ప్రవర్తనను అంచనా వేయడం సాధ్యమయ్యే అవకాశం ఉంది.

మల్టీవియారిట్ గణాంక పద్ధతులను సంబంధాల విశ్లేషణ పద్ధతులు మరియు వర్గీకరణ విశ్లేషణగా విభజించవచ్చు (Fig. 2.5).

అత్తి 2.5 - మల్టీవియారిట్ స్టాటిస్టికల్ పద్ధతుల వర్గీకరణ

సేకరించిన ప్రాథమిక డేటా యొక్క ప్రాసెసింగ్, వాటి సమూహం, సాధారణీకరణ మరియు పట్టికలలో ప్రదర్శనతో సహా, గణాంక పరిశోధన యొక్క రెండవ దశను ఏర్పరుస్తుంది, దీనిని అంటారు సారాంశం.

ప్రాసెస్ చేయబడిన గణాంక డేటాను ప్రదర్శించడానికి 3 ప్రధాన రూపాలు ఉన్నాయి: టెక్స్ట్, టేబుల్ మరియు గ్రాఫిక్.

గణాంక అధ్యయనం యొక్క మూడవ దశలో, సారాంశం యొక్క తుది డేటా ఆధారంగా, అధ్యయనంలో ఉన్న దృగ్విషయాల శాస్త్రీయ విశ్లేషణ: వివిధ సాధారణీకరణ సూచికలు సగటు మరియు సాపేక్ష విలువల రూపంలో లెక్కించబడతాయి, పంపిణీలలోని కొన్ని నమూనాలు, సూచికల డైనమిక్స్ మొదలైనవి గుర్తించబడిన నమూనాల ఆధారంగా గుర్తించబడతాయి, భవిష్యత్తు కోసం అంచనాలు రూపొందించబడతాయి.

గణాంక పరిశీలన అనేది గణాంక పరిశోధన యొక్క మొదటి దశ. దాదాపు ఎల్లప్పుడూ, వాస్తవానికి, పరిశోధన యొక్క లక్ష్యాలు మరియు లక్ష్యాలకు అనుగుణంగా, వాస్తవాలను పరిగణనలోకి తీసుకోవడం మరియు ప్రాథమిక విషయాలను సేకరించడం ద్వారా పని ప్రారంభమవుతుంది. ప్రైమరీ మెటీరియల్ అనేది గణాంక పరిశోధన యొక్క పునాది. మొత్తం అధ్యయనం యొక్క విజయం గణాంక పరిశీలన నాణ్యతపై ఆధారపడి ఉంటుంది. అధ్యయనం చేయబడిన దృగ్విషయం గురించి ఫలితం లక్ష్యం, ఖచ్చితమైన డేటా ఉండే విధంగా ఇది నిర్వహించబడాలి. ప్రక్రియను తగినంతగా వర్గీకరించని అసంపూర్ణమైన, సరికాని డేటా, ప్రత్యేకించి అది వక్రీకరించినట్లయితే, లోపాలకు దారి తీస్తుంది. మరియు అటువంటి ప్రాతిపదికన నిర్వహించిన విశ్లేషణ తప్పుగా ఉంటుంది. వాస్తవాల రికార్డింగ్ మరియు ప్రాథమిక విషయాల సేకరణను జాగ్రత్తగా ఆలోచించి నిర్వహించాలని ఇది అనుసరిస్తుంది.

గణాంక పరిశీలనలు ఎల్లప్పుడూ భారీగా ఉంటాయని మరోసారి గమనించాలి. పెద్ద సంఖ్యల చట్టం అమల్లోకి వస్తుంది - పెద్ద జనాభా, ఫలితాలు మరింత లక్ష్యంతో ఉంటాయి.

గణాంక పరిశీలనను మూడు దశలుగా విభజించవచ్చు: 1. పరిశీలన తయారీ.ఇది పరిశీలన కార్యక్రమం యొక్క సూత్రీకరణ, తుది గణాంక పట్టికల లేఅవుట్‌లుగా వర్గీకరించబడిన సూచికల నిర్వచనం.

ప్రోగ్రామ్ యొక్క కంటెంట్‌ను రూపొందించే ప్రశ్నలు అధ్యయనం యొక్క ఉద్దేశ్యం లేదా అధ్యయనం నిర్ధారించడానికి అంకితం చేయబడిన పరికల్పన నుండి అనుసరించాలి. ఒక ముఖ్యమైన అంశంచివరి గణాంక పట్టికల లేఅవుట్‌లు. అవి పరిశీలన ఫలితాలను అభివృద్ధి చేసే ప్రాజెక్ట్, మరియు అవి అందుబాటులో ఉంటే మాత్రమే ప్రోగ్రామ్‌లో చేర్చాల్సిన అన్ని సమస్యలను గుర్తించడం మరియు అనవసరమైన సమాచారాన్ని చేర్చకుండా నివారించడం సాధ్యమవుతుంది.

2. పదార్థం యొక్క ప్రత్యక్ష సేకరణ. ఇది అధ్యయనం యొక్క అత్యంత శ్రమతో కూడిన దశ. స్టాటిస్టికల్ రిపోర్టింగ్, ఎలా ప్రత్యేక ఆకారంసమాచార సేకరణ సంస్థ ప్రభుత్వ గణాంకాలలో మాత్రమే అంతర్లీనంగా ఉంటుంది. అన్ని ఇతర సమాచారం వివిధ స్టాటిక్ టూల్స్ ద్వారా సేకరించబడుతుంది. సేకరించిన డేటా కోసం రెండు ప్రధాన అవసరాలను సూచించడం అవసరం: విశ్వసనీయత మరియు పోలిక. మరియు చాలా కావాల్సినది (మార్కెట్ పరిస్థితులలో ఇది చాలా రెట్లు పెరుగుతుంది) సమయపాలన.

3. దాని విశ్లేషణకు ముందు పదార్థం యొక్క నియంత్రణ.పరిశీలన సాధనాలు ఎంత జాగ్రత్తగా సంకలనం చేయబడినా మరియు ప్రదర్శకులకు సూచనలు ఇచ్చినప్పటికీ, పరిశీలన సామగ్రికి ఎల్లప్పుడూ నియంత్రణ అవసరం. ఇది గణాంక పని యొక్క భారీ స్వభావం మరియు వారి కంటెంట్ యొక్క సంక్లిష్టత ద్వారా వివరించబడింది.

ఏదైనా గణాంక అధ్యయనం యొక్క వస్తువు అధ్యయనం చేయబడిన దృగ్విషయం యొక్క యూనిట్ల సమితి. ఆబ్జెక్ట్ జనాభా గణన, సంస్థలు, నగరాలు, కంపెనీ సిబ్బంది మొదలైన వాటిలో జనాభా కావచ్చు. సంక్షిప్తంగా, పరిశీలన యొక్క వస్తువు అధ్యయనంలో ఉన్న గణాంక జనాభా. అధ్యయనం చేయబడిన జనాభా యొక్క సరిహద్దులను నిర్వచించడం చాలా ముఖ్యం, ఇది అధ్యయనం చేయబడిన జనాభాను స్పష్టంగా నిర్వచిస్తుంది. ఉదాహరణకు, ఈ ప్రాంతంలోని చిన్న సంస్థల కార్యకలాపాలను అధ్యయనం చేయడం లక్ష్యం అయితే, అది ఏ విధమైన యాజమాన్యానికి చెందినదో (రాష్ట్రం, ప్రైవేట్, ఉమ్మడి, మొదలైనవి) నిర్ణయించడం అవసరం, ఏ ప్రమాణం ద్వారా సంస్థలు ఎంపిక చేయబడతాయో. : పరిశ్రమ లక్షణాలు, అమ్మకాల పరిమాణం, నమోదు చేసినప్పటి నుండి సమయం, స్థితి (క్రియాశీల, నిష్క్రియ, తాత్కాలికంగా నిష్క్రియ) మొదలైనవి. జనాభా సజాతీయంగా ఉండాలి, లేకపోతే విశ్లేషణ ప్రక్రియలో అదనపు ఇబ్బందులు తలెత్తుతాయి మరియు లోపాలు దాదాపు ఎల్లప్పుడూ అనివార్యం.

పరిశీలన వస్తువు మరియు సరిహద్దులను నిర్వచించడంతో పాటు, జనాభా యూనిట్ మరియు పరిశీలన యూనిట్‌ను నిర్వచించడం ముఖ్యం. మొత్తం యూనిట్ - వ్యక్తి సమ్మేళనం మూలకంగణాంక జనాభా. పరిశీలన యూనిట్ అనేది ఒక దృగ్విషయం, ఒక వస్తువు, దీని లక్షణాలు నమోదుకు లోబడి ఉంటాయి. పరిశీలన యూనిట్ల సమితి పరిశీలన వస్తువుగా ఉంటుంది. ఉదాహరణకు, లక్ష్యం: Ispat-Karmet OJSC గనుల వద్ద కార్మికుల ఉత్పాదకతపై వివిధ కారకాల ప్రభావాన్ని అధ్యయనం చేయడం. ఈ సందర్భంలో, జనాభా లక్ష్యం ద్వారా నిర్ణయించబడుతుంది - ఇస్పాట్-కర్మెట్ గనులలో పనిచేసే మైనర్లు, జనాభా యొక్క యూనిట్ మైనర్, సమాచార క్యారియర్‌గా మరియు పరిశీలన యూనిట్ గని. క్లుప్తంగా: జనాభా యొక్క యూనిట్ పరిశీలించబడుతోంది, పరిశీలన యూనిట్ సమాచారం యొక్క మూలం.
గణాంక పరిశీలనను నిర్వహించడానికి, ఇచ్చిన ప్రాతిపదికన డేటాను సేకరించడం అవసరం, అవి: భౌతికంగా ఉన్న వస్తువులు, యూనిట్ మరియు వస్తువు యొక్క ఒక-పర్యాయ సర్వే యొక్క ఉద్దేశ్యంతో కూడిన గణాంక జనాభాను నియమించడం మరియు గీయడం గణాంక పరిశీలన కార్యక్రమం.

మొదటి దశలో, ఇది ఏర్పడుతుంది నమూనాసూచించిన లక్షణాల ప్రకారం సేకరించిన డేటా, డేటా ఆరోహణ క్రమంలో ఆదేశించబడుతుంది. అప్పుడు మీరు ఫ్రీక్వెన్సీ పంపిణీల పట్టికను రూపొందించాలి మరియు పట్టికలోని సంబంధిత నిలువు వరుసలను వరుసగా పూరించండి.

రెండవ దశలో, సేకరించిన ప్రాథమిక డేటాను ప్రాసెస్ చేయడానికి, ఇచ్చిన లక్షణం ప్రకారం ఎంచుకున్న మూలకాలను సమూహపరచడం మరియు సాధారణీకరించడం మరియు నమూనా యొక్క సంఖ్యా లక్షణాలను గుర్తించడం అవసరం. గణాంక పరిశోధన యొక్క ఈ దశ అంటారు సారాంశం. సారాంశం - ప్రాథమిక డేటా యొక్క శాస్త్రీయ ప్రాసెసింగ్ అనేది దృగ్విషయానికి అవసరమైన అనేక లక్షణాల ప్రకారం అధ్యయనంలో ఉన్న దృగ్విషయం యొక్క సాధారణీకరించిన లక్షణాలను పొందడం, అనగా ప్రాథమిక పదార్థాలు ఒకచోట చేర్చబడతాయి, గణాంక సంకలనాలను ఏర్పరుస్తాయి, ఇవి తుది సంపూర్ణ సాధారణీకరణ సూచికల ద్వారా వర్గీకరించబడతాయి. సారాంశ దశలో, మేము జనాభా యొక్క యూనిట్ల యొక్క వ్యక్తిగత విభిన్న లక్షణాల లక్షణాల నుండి - మొత్తం జనాభా యొక్క లక్షణాలకు లేదా ద్రవ్యరాశిలో వారి సాధారణ అభివ్యక్తి యొక్క లక్షణాలకు వెళ్తాము.

కనుక్కోవాలి పరిధినిసూత్రం ప్రకారం:

R=x(max) – x(min);

ఫ్యాషన్ M(0), ఇది చాలా తరచుగా జరిగే విలువను చూపుతుంది, మధ్యస్థ M(e), ఇది సగటు విలువను వర్ణిస్తుంది (ఇది సిరీస్‌లోని సభ్యులలో సగానికి మించదు), ర్యాంక్ చేసిన వైవిధ్య శ్రేణి మధ్యలో ఉన్న ఎంపికకు అనుగుణంగా ఉంటుంది. మధ్యస్థం యొక్క స్థానం దాని సంఖ్య ద్వారా నిర్ణయించబడుతుంది: Nme = (n+1) /2, ఇక్కడ n అనేది మొత్తం యూనిట్ల సంఖ్య మరియు అంకగణిత సగటునియమించబడిన సమూహం కోసం, ఇది సూత్రం ద్వారా లెక్కించబడుతుంది:

పని యొక్క ఫలితాలు ఒక హిస్టోగ్రాం మరియు ఫ్రీక్వెన్సీ పంపిణీ బహుభుజి రూపంలో గ్రాఫికల్‌గా ప్రదర్శించబడతాయి.

పొందిన డేటా అధ్యయనంలో ఉన్న జనాభాలోని అన్ని యూనిట్లకు సాధారణమైన దాన్ని ప్రతిబింబిస్తుంది. గణాంక పరిశీలన ఫలితంగా, లక్ష్యం, పోల్చదగిన, పూర్తి సమాచారాన్ని పొందాలి, అధ్యయనం యొక్క తదుపరి దశలలో, అధ్యయనం చేయబడిన దృగ్విషయం యొక్క స్వభావం మరియు అభివృద్ధి నమూనాల గురించి శాస్త్రీయంగా ఆధారిత నిర్ధారణలను అందించడానికి అనుమతిస్తుంది.

ప్రాక్టికల్ టాస్క్

సమాచారాన్ని తెలుసుకోవడానికి గణాంక అధ్యయనాన్ని నిర్వహించండి పెరుగుదల గురించి 2టామ్స్క్ పాలిటెక్నిక్ విశ్వవిద్యాలయం నుండి 5 యాదృచ్ఛికంగా ఎంపిక చేయబడిన విద్యార్థులు.

ఫ్రీక్వెన్సీ పంపిణీల పట్టికను గీయండి, నియమించబడిన యువకుల కోసం శ్రేణి, మోడ్, మధ్యస్థ మరియు అంకగణిత సగటు విలువ (సెం.మీ.లో) కనుగొనండి.

పరిచయం

"గణాంకాలు" అనే పదం ఉంది లాటిన్ మూలం(హోదా నుండి - రాష్ట్రం). మధ్య యుగాలలో ఇది రాష్ట్ర రాజకీయ స్థితిని సూచిస్తుంది. ఈ పదం 18వ శతాబ్దంలో సైన్స్‌లో ప్రవేశపెట్టబడింది. జర్మన్ శాస్త్రవేత్త గాట్‌ఫ్రైడ్ అచెన్‌వాల్. వాస్తవానికి, శాస్త్రంగా, గణాంకాలు 17వ శతాబ్దంలో మాత్రమే ఉద్భవించాయి, అయితే గణాంక అకౌంటింగ్ పురాతన కాలంలో ఇప్పటికే ఉంది. ఇలా క్రీ.పూ.5 వేల సంవత్సరాలు కూడా అని తెలిసింది. చైనాలో జనాభా గణనలు జరిగాయి, సైనిక సామర్థ్యాన్ని పోల్చారు వివిధ దేశాలు, లో పౌరుల ఆస్తుల రికార్డులు ఉంచబడ్డాయి ప్రాచీన రోమ్ నగరం, అప్పుడు - జనాభా, గృహ ఆస్తి, మధ్య యుగాలలో భూములు. ప్రస్తుతం, ఈ పదం మూడు అర్థాలలో ఉపయోగించబడుతుంది:

1) గణాంకాలు అనేక రకాల దృగ్విషయాలపై డేటాను సేకరించడం, ప్రాసెస్ చేయడం, విశ్లేషించడం మరియు ప్రచురించడం లక్ష్యంగా ఉన్న ఆచరణాత్మక కార్యాచరణ యొక్క శాఖగా అర్థం చేసుకోవచ్చు. ప్రజా జీవితం(ఈ కోణంలో, "గణాంకాలు" అనేది "స్టాటిస్టికల్ అకౌంటింగ్" అనే పదబంధానికి పర్యాయపదంగా పనిచేస్తుంది);

2) గణాంకాలు సామాజిక దృగ్విషయం యొక్క ఏదైనా ప్రాంతాన్ని వర్గీకరించడానికి ఉపయోగపడే సంఖ్యా (డిజిటల్) డేటాను సూచిస్తుంది;

3) గణాంకాలు జ్ఞానం యొక్క ఒక శాఖ మరియు, తదనుగుణంగా, ఉన్నత మరియు మాధ్యమిక ప్రత్యేక విద్యా సంస్థలలో ఒక విద్యా విషయం.

ఏదైనా శాస్త్రం వలె, గణాంకాలు దాని స్వంతదానిని కలిగి ఉంటాయి పరిశోధన విషయం. ఇది సామూహిక సామాజిక దృగ్విషయం యొక్క పరిమాణాత్మక వైపు వారి గుణాత్మక వైపు లేదా వాటి కంటెంట్‌తో విడదీయరాని కనెక్షన్‌తో పాటు స్థలం మరియు సమయం యొక్క నిర్దిష్ట పరిస్థితులలో సామాజిక అభివృద్ధి చట్టాల పరిమాణాత్మక వ్యక్తీకరణ.

గణాంకాలు దాని విషయాన్ని నిర్దిష్టంగా ఉపయోగించి అధ్యయనం చేస్తాయి కేటగిరీలు, అంటే ఆబ్జెక్టివ్ ప్రపంచంలోని వస్తువులు మరియు దృగ్విషయాల యొక్క అత్యంత సాధారణ మరియు ముఖ్యమైన లక్షణాలు, లక్షణాలు మరియు సంబంధాలను ప్రతిబింబించే భావనలు. గణాంకాలలో ఇటువంటి ఐదు ప్రాథమిక అంశాలు ఉన్నాయి.

1. గణాంక జనాభా- ఇది సామాజిక-ఆర్థిక వస్తువులు లేదా సామాజిక జీవితం యొక్క దృగ్విషయాల సమితి, ఒక నిర్దిష్ట గుణాత్మక ప్రాతిపదికన, ఒక సాధారణ కనెక్షన్ ద్వారా ఏకం చేయబడింది, కానీ వ్యక్తిగత లక్షణాలలో ఒకదానికొకటి భిన్నంగా ఉంటుంది. ఉదాహరణకు, గృహాల సమితి, కుటుంబాల సమితి, ఎంటర్‌ప్రైజెస్, సంస్థలు, సంఘాలు మొదలైన సెట్‌లు సజాతీయంగా లేదా వైవిధ్యంగా ఉండవచ్చు.

సెట్ అంటారు సజాతీయ,అధ్యయనం చేయబడుతున్న దాని వస్తువుల యొక్క ఒకటి లేదా అంతకంటే ఎక్కువ ముఖ్యమైన లక్షణాలు అన్ని యూనిట్లకు సాధారణం అయితే. ఈ లక్షణాల దృక్కోణం నుండి సెట్ ఖచ్చితంగా సజాతీయంగా మారుతుంది.

దృగ్విషయాలను కలిగి ఉన్న మొత్తం వివిధ రకములు, లెక్కించబడుతుంది విజాతీయమైన.జనాభా ఒక విషయంలో సజాతీయంగా మరియు మరొక విషయంలో వైవిధ్యంగా ఉండవచ్చు. ప్రతి వ్యక్తి సందర్భంలో, జనాభా యొక్క సజాతీయత గుణాత్మక విశ్లేషణను నిర్వహించడం ద్వారా స్థాపించబడింది, అధ్యయనం చేయబడిన సామాజిక దృగ్విషయం యొక్క కంటెంట్ను స్పష్టం చేస్తుంది.

2. జనాభా యూనిట్- ఇది గణాంక జనాభా యొక్క ప్రాథమిక అంశం, ఇది రిజిస్ట్రేషన్‌కు లోబడి ఉన్న లక్షణాల క్యారియర్ మరియు సర్వే సమయంలో నిర్వహించబడే ఖాతాకు ఆధారం.

3. సంతకం చేయండి- ఇది మొత్తం యూనిట్ యొక్క గుణాత్మక లక్షణం. అధ్యయనం చేసిన జనాభా యొక్క యూనిట్ల లక్షణాల ప్రదర్శన యొక్క స్వభావం ప్రకారం, సంకేతాలు రెండు ప్రధాన సమూహాలుగా విభజించబడ్డాయి:

వయస్సు, పని అనుభవం వంటి పరిమాణాత్మక వ్యక్తీకరణను కలిగి ఉన్న సంకేతాలు సగటు ఆదాయాలుమొదలైనవి. అవి వివిక్తంగా లేదా నిరంతరంగా ఉంటాయి;

ప్రత్యక్ష పరిమాణాత్మక వ్యక్తీకరణ లేని సంకేతాలు.

ఈ సందర్భంలో, జనాభా యొక్క వ్యక్తిగత యూనిట్లు వారి కంటెంట్‌లో విభిన్నంగా ఉంటాయి (ఉదాహరణకు, వృత్తులు - పని స్వభావం: ఉపాధ్యాయుడు, వడ్రంగి, కుట్టేది-మెషిన్ ఆపరేటర్ మొదలైనవి). ఇటువంటి లక్షణాలను సాధారణంగా అట్రిబ్యూటివ్ అంటారు (తత్వశాస్త్రంలో, "లక్షణం" అనేది ఒక వస్తువు యొక్క సమగ్ర ఆస్తి). అర్థంలో వ్యతిరేకమైన లక్షణం యొక్క వైవిధ్యాలు ఉన్న సందర్భంలో, వారు ప్రత్యామ్నాయ లక్షణం గురించి మాట్లాడతారు (అవును, కాదు). ఉదాహరణకు, ఉత్పత్తులు అనుకూలంగా ఉండవచ్చు లేదా లోపభూయిష్టంగా ఉండవచ్చు (అనుకూలమైనది కాదు); నిర్దిష్ట వయో వర్గాల ప్రతినిధుల కోసం తదుపరి వయస్సులో జీవించి లేదా జీవించకుండా ఉండే సంభావ్యత ఉంది.

గణాంక పరిశోధన యొక్క లక్షణం ఏమిటంటే, ఇది వివిధ సంకేతాలను మాత్రమే అధ్యయనం చేస్తుంది, అనగా తీసుకునే సంకేతాలు వివిధ అర్థాలు(లక్షణ, ప్రత్యామ్నాయ లక్షణాల కోసం) లేదా జనాభాలోని వ్యక్తిగత యూనిట్ల కోసం వివిధ పరిమాణాత్మక స్థాయిలను కలిగి ఉంటుంది.

వైవిధ్యం- ఇది ఒక వస్తువు నుండి మరొకదానికి వెళ్లేటప్పుడు లక్షణం యొక్క విలువలో మార్పు. సాధారణంగా, వైవిధ్యం అనేది ఒక సజాతీయ జనాభాలో మాత్రమే విలువలలో మార్పుగా అర్థం అవుతుంది.

అధ్యయనం చేయబడిన దృగ్విషయంలో మార్పులు సంభవించినట్లయితే వివిధ కాలాలుసమయం, మరియు అవి సాధారణ స్వభావం కలిగి ఉంటాయి, అప్పుడు మేము ఇకపై లక్షణం యొక్క వైవిధ్యం గురించి మాట్లాడటం లేదు, కానీ దాని డైనమిక్స్ గురించి.

4. గణాంక సూచికఅనేది సామాజిక దృగ్విషయాల లక్షణాల మధ్య సంబంధం యొక్క పరిమాణాత్మక లక్షణాలను (కొలతలు) ప్రతిబింబించే ఒక భావన. గణాంక సూచికలు భారీగా ఉండవచ్చు (జనాభా, కార్మిక వనరులు) మరియు లెక్కించిన (సగటు విలువలు). వారు ప్రణాళిక, రిపోర్టింగ్ మరియు ప్రోగ్నోస్టిక్ చేయవచ్చు. గణాంక సూచికలను గణాంక డేటా నుండి వేరు చేయాలి. గణాంక డేటా అనేది గణాంక సూచికల యొక్క నిర్దిష్ట సంఖ్యా విలువలు. అవి ఎల్లప్పుడూ గుణాత్మకంగా మాత్రమే కాకుండా, పరిమాణాత్మకంగా కూడా నిర్ణయించబడతాయి మరియు స్థలం మరియు సమయం యొక్క నిర్దిష్ట పరిస్థితులపై ఆధారపడి ఉంటాయి.

గణాంకాల లక్ష్యాలుఉన్నాయి:

a) గణాంక సూచిక యొక్క కంటెంట్ యొక్క సరైన నిర్ణయం (స్థూల జాతీయ ఉత్పత్తి, జాతీయ ఆదాయం, కార్మిక ఉత్పాదకత మొదలైనవి);

బి) గణాంక సూచికను లెక్కించడానికి మరియు లెక్కించడానికి ఒక పద్దతి అభివృద్ధి.

5. గణాంక సూచికల వ్యవస్థఅనేది దృగ్విషయాల మధ్య నిష్పాక్షికంగా ఉన్న సంబంధాలను ప్రతిబింబించే గణాంక సూచికల సమితి. ప్రతి సామాజిక-ఆర్థిక నిర్మాణం సామాజిక దృగ్విషయాల పరస్పర అనుసంధానం యొక్క నిర్దిష్ట వ్యవస్థ ద్వారా వర్గీకరించబడుతుంది. అందువలన, ఒక వ్యవస్థ మరియు గణాంక సూచికలు ఏర్పడతాయి.

గణాంక సూచికల వ్యవస్థ వివిధ స్థాయిలలో సమాజంలోని అన్ని అంశాలను కవర్ చేస్తుంది: దేశం, ప్రాంతం (స్థూల స్థాయి); సంస్థలు, సంస్థలు, సంఘాలు, కుటుంబాలు, గృహాలు మొదలైనవి (సూక్ష్మ స్థాయి).

మీ విషయంఉపయోగించి గణాంకాల అధ్యయనాలు నిర్దిష్ట పద్ధతులు: గణాంక పరిశీలనల పద్ధతి, సమూహాల పద్ధతి, సూచికలను సాధారణీకరించే పద్ధతి.

గణాంక పరిశీలనప్రాథమిక గణాంక పదార్థాల సేకరణలో, పరిశీలనలో ఉన్న వస్తువుకు సంబంధించిన అన్ని ముఖ్యమైన వాస్తవాల శాస్త్రీయంగా వ్యవస్థీకృత నమోదులో ఉంటుంది.

సమూహ పద్ధతిగణాంక పరిశీలన ఫలితంగా సేకరించిన అన్ని వాస్తవాలను క్రమబద్ధీకరణ మరియు వర్గీకరణకు గురిచేయడం సాధ్యం చేస్తుంది.

సారాంశ సూచికల పద్ధతిగణాంక సూచికలను ఉపయోగించి అధ్యయనం చేయబడిన దృగ్విషయాలు మరియు ప్రక్రియలను వర్గీకరించడానికి మిమ్మల్ని అనుమతిస్తుంది: సంపూర్ణ, సాపేక్ష, సగటు, మొదలైనవి.

గణాంక పరిశోధన యొక్క దశలు.

దశ 1: గణాంక పరిశీలన.

దశ 2: పరిశీలన ఫలితాలను నిర్దిష్ట కంకరలుగా ఏకీకృతం చేయడం మరియు సమూహపరచడం.

దశ 3: అందుకున్న పదార్థాల సాధారణీకరణ మరియు విశ్లేషణ. సంబంధాలు మరియు దృగ్విషయాల ప్రమాణాల గుర్తింపు, వాటి అభివృద్ధి యొక్క నమూనాల నిర్ణయం, అంచనా అంచనాల అభివృద్ధి. అధ్యయనం చేయబడుతున్న వస్తువు గురించి సమగ్రమైన మరియు నమ్మదగిన సమాచారాన్ని కలిగి ఉండటం ముఖ్యం.

గణాంక పరిశోధన యొక్క మొదటి దశలో, ప్రాథమిక గణాంక సమాచారం లేదా ప్రారంభ గణాంక సమాచారం ఏర్పడుతుంది, ఇది భవిష్యత్ గణాంక "భవనం" యొక్క పునాది. "భవనం" మన్నికైనదిగా ఉండటానికి, దాని పునాది ధ్వని మరియు అధిక నాణ్యతతో ఉండాలి. ప్రాథమిక గణాంక డేటా సేకరణ సమయంలో లోపం సంభవించినట్లయితే లేదా పదార్థం నాణ్యత లేనిదిగా మారినట్లయితే, ఇది సైద్ధాంతిక మరియు ఆచరణాత్మక ముగింపుల యొక్క ఖచ్చితత్వం మరియు విశ్వసనీయతను ప్రభావితం చేస్తుంది. కాబట్టి, ప్రారంభ దశ నుండి చివరి దశ వరకు గణాంక పరిశీలనను జాగ్రత్తగా ఆలోచించి స్పష్టంగా నిర్వహించాలి.

గణాంక పరిశీలన సాధారణీకరణ కోసం మూల పదార్థాన్ని అందిస్తుంది, దీని ప్రారంభం సారాంశం. గణాంక పరిశీలన సమయంలో, దాని యొక్క ప్రతి యూనిట్ గురించి అనేక అంశాల నుండి సమాచారాన్ని పొందినట్లయితే, ఈ సారాంశాలు మొత్తం గణాంక మొత్తం మరియు దాని వ్యక్తిగత భాగాలను వర్గీకరిస్తాయి. ఈ దశలో, జనాభా వ్యత్యాసాల సంకేతాల ప్రకారం విభజించబడింది మరియు సారూప్యత యొక్క సంకేతాల ప్రకారం ఏకం చేయబడుతుంది మరియు మొత్తం సూచికలు సమూహాలకు మరియు మొత్తంగా లెక్కించబడతాయి. సమూహ పద్ధతిని ఉపయోగించి, అధ్యయనం చేయబడిన దృగ్విషయాలు ముఖ్యమైన లక్షణాల ప్రకారం అత్యంత ముఖ్యమైన రకాలు, లక్షణ సమూహాలు మరియు ఉప సమూహాలుగా విభజించబడ్డాయి. సమూహాల సహాయంతో, గుణాత్మకంగా సజాతీయ జనాభా పరిమితం చేయబడింది, ఇది సాధారణీకరణ సూచికల నిర్వచనం మరియు అనువర్తనానికి ఒక అవసరం.

పై చివరి దశవిశ్లేషణ, సాధారణీకరణ సూచికల సహాయంతో, సాపేక్ష మరియు సగటు విలువలు లెక్కించబడతాయి, లక్షణాల వైవిధ్యం యొక్క అంచనా ఇవ్వబడుతుంది, దృగ్విషయం యొక్క డైనమిక్స్ వర్గీకరించబడతాయి, సూచికలు మరియు బ్యాలెన్స్ షీట్లు ఉపయోగించబడతాయి, సూచికలు లెక్కించబడతాయి లక్షణాలలో మార్పులలో కనెక్షన్లు. డిజిటల్ మెటీరియల్ యొక్క అత్యంత హేతుబద్ధమైన మరియు దృశ్యమాన ప్రదర్శన యొక్క ప్రయోజనం కోసం, ఇది పట్టికలు మరియు గ్రాఫ్‌ల రూపంలో ప్రదర్శించబడుతుంది.

గణాంకాల యొక్క అభిజ్ఞా విలువవిషయం ఏమిటంటే:

1) గణాంకాలు అధ్యయనం చేయబడుతున్న దృగ్విషయాలు మరియు ప్రక్రియల యొక్క డిజిటల్ మరియు అర్ధవంతమైన కవరేజీని అందిస్తాయి మరియు వాస్తవికతను అంచనా వేయడానికి అత్యంత విశ్వసనీయ మార్గంగా పనిచేస్తాయి; 2) గణాంకాలు ఆర్థిక నిర్ణయాలకు రుజువు శక్తిని అందిస్తాయి మరియు వివిధ "ప్రస్తుత" ప్రకటనలు మరియు వ్యక్తిగత సైద్ధాంతిక ప్రతిపాదనలను ధృవీకరించడానికి ఒకరిని అనుమతిస్తాయి; 3) గణాంకాలు దృగ్విషయాల మధ్య సంబంధాలను బహిర్గతం చేయగల సామర్థ్యాన్ని కలిగి ఉంటాయి, వాటి రూపం మరియు బలాన్ని చూపుతాయి.

1. స్టాటిస్టికల్ అబ్జర్వేషన్

1.1 ప్రాథమిక భావనలు

గణాంక పరిశీలన - ఇది గణాంక పరిశోధన యొక్క మొదటి దశ, ఇది సామాజిక జీవితంలోని దృగ్విషయాలు మరియు ప్రక్రియలను వర్గీకరించే వాస్తవాల శాస్త్రీయంగా వ్యవస్థీకృత అకౌంటింగ్ మరియు ఈ అకౌంటింగ్ ఆధారంగా పొందిన డేటా సేకరణ.

అయితే, ప్రతి సమాచార సేకరణ గణాంక పరిశీలన కాదు. గణాంక నమూనాలను అధ్యయనం చేసినప్పుడు మాత్రమే మేము గణాంక పరిశీలన గురించి మాట్లాడగలము, అనగా. కొంత మొత్తంలో పెద్ద సంఖ్యలో యూనిట్లలో, ఒక సామూహిక ప్రక్రియలో తమని తాము వ్యక్తం చేసేవి. కాబట్టి, గణాంక పరిశీలన ఉండాలి ప్రణాళికాబద్ధమైన, భారీ మరియు క్రమబద్ధమైన.

క్రమబద్ధతపద్దతి, సంస్థ, సమాచార సేకరణ, సేకరించిన పదార్థం యొక్క నాణ్యత నియంత్రణ, దాని విశ్వసనీయత మరియు తుది ఫలితాల ప్రదర్శన వంటి సమస్యలను కలిగి ఉన్న అభివృద్ధి చెందిన ప్రణాళిక ప్రకారం ఇది తయారు చేయబడుతుంది మరియు నిర్వహించబడుతుంది అనే వాస్తవం గణాంక పరిశీలనలో ఉంది.

మాస్గణాంక పరిశీలన యొక్క స్వభావం అది కవర్ చేస్తుందని సూచిస్తుంది పెద్ద సంఖ్యఈ ప్రక్రియ యొక్క అభివ్యక్తి యొక్క సందర్భాలు, వ్యక్తిగత యూనిట్లను మాత్రమే కాకుండా, మొత్తం జనాభాను కూడా వర్గీకరించే నిజమైన డేటాను పొందేందుకు సరిపోతుంది.

క్రమబద్ధతగణాంక పరిశీలన అనేది క్రమపద్ధతిలో, లేదా నిరంతరంగా లేదా క్రమం తప్పకుండా నిర్వహించబడాలి అనే వాస్తవం ద్వారా నిర్ణయించబడుతుంది.

గణాంక పరిశీలనకు క్రింది అవసరాలు వర్తిస్తాయి:

1) గణాంక డేటా యొక్క సంపూర్ణత (అధ్యయనం చేయబడిన జనాభా యొక్క యూనిట్ల కవరేజ్ యొక్క సంపూర్ణత, ఒక నిర్దిష్ట దృగ్విషయం యొక్క అంశాలు, అలాగే కాలక్రమేణా కవరేజ్ యొక్క సంపూర్ణత);

2) డేటా యొక్క విశ్వసనీయత మరియు ఖచ్చితత్వం;

3) వారి ఏకరూపత మరియు పోలిక.

ఏదైనా గణాంక అధ్యయనం తప్పనిసరిగా దాని లక్ష్యాలు మరియు లక్ష్యాల సూత్రీకరణతో ప్రారంభం కావాలి. దీని తరువాత, పరిశీలన యొక్క వస్తువు మరియు యూనిట్ నిర్ణయించబడుతుంది, ఒక ప్రోగ్రామ్ అభివృద్ధి చేయబడింది మరియు పరిశీలన యొక్క రకం మరియు పద్ధతి ఎంపిక చేయబడుతుంది.

పరిశీలన వస్తువు- పరిశోధనకు లోబడి ఉన్న సామాజిక-ఆర్థిక దృగ్విషయాలు మరియు ప్రక్రియల సమితి లేదా గణాంక సమాచారం నమోదు చేయబడే ఖచ్చితమైన సరిహద్దులు . ఉదాహరణకు, జనాభా గణన సమయంలో, ఏ జనాభా రిజిస్ట్రేషన్‌కు లోబడి ఉంటుందో నిర్ధారించడం అవసరం - ఇప్పటికే ఉన్నది, అంటే, జనాభా గణన సమయంలో ఇచ్చిన ప్రాంతంలో వాస్తవంగా ఉంది, లేదా శాశ్వతంగా, అంటే, ఇచ్చిన ప్రాంతంలో శాశ్వతంగా నివసిస్తున్నారు. పరిశ్రమను సర్వే చేస్తున్నప్పుడు, ఏ సంస్థలను పారిశ్రామికంగా వర్గీకరించాలో నిర్ణయించడం అవసరం. కొన్ని సందర్భాల్లో, పరిశీలన వస్తువును పరిమితం చేయడానికి ఒకటి లేదా మరొక అర్హత ఉపయోగించబడుతుంది. జనాభా గణన- అధ్యయనం చేయబడుతున్న జనాభాలోని అన్ని యూనిట్ల ద్వారా తప్పనిసరిగా సంతృప్తి చెందాల్సిన నిర్బంధ ప్రమాణం. కాబట్టి, ఉదాహరణకు, ఉత్పత్తి పరికరాల జనాభా గణనను తీసుకునేటప్పుడు, ఏది ఉత్పత్తి పరికరాలుగా వర్గీకరించబడిందో మరియు ఏది వర్గీకరించబడిందో నిర్ణయించడం అవసరం. చేతి పరికరాలు, ఏ పరికరాలు జనాభా గణనకు లోబడి ఉంటాయి - ఆపరేటింగ్ పరికరాలు మాత్రమే లేదా మరమ్మత్తులో, నిల్వలో లేదా నిల్వలో ఉన్నాయి.

పరిశీలన యూనిట్అని పిలిచారు భాగంపరిశీలన వస్తువు, ఇది ఖాతా యొక్క ఆధారం వలె పనిచేస్తుంది మరియు పరిశీలన సమయంలో నమోదుకు లోబడి ఉండే లక్షణాలను కలిగి ఉంటుంది.

ఉదాహరణకు, జనాభా గణనలో, పరిశీలన యూనిట్ ప్రతి వ్యక్తి. గృహాల సంఖ్య మరియు కూర్పును నిర్ణయించడం కూడా పని అయితే, వ్యక్తితో పాటు పరిశీలన యూనిట్ ప్రతి గృహంగా ఉంటుంది.

నిఘా కార్యక్రమం- ఇది సమాచారాన్ని సేకరించే సమస్యల జాబితా లేదా నమోదు చేయవలసిన లక్షణాలు మరియు సూచికల జాబితా . పరిశీలన కార్యక్రమం ప్రాథమిక సమాచారం నమోదు చేయబడిన ఫారమ్ (ప్రశ్నపత్రం, ఫారమ్) రూపంలో రూపొందించబడింది. ఫారమ్‌కు అవసరమైన జోడింపు అనేది ప్రశ్న యొక్క అర్ధాన్ని వివరించే సూచనలు (లేదా ఫారమ్‌లపై సూచనలు). పరిశీలన కార్యక్రమంలోని ప్రశ్నల కూర్పు మరియు కంటెంట్ అధ్యయనం యొక్క లక్ష్యాలపై మరియు అధ్యయనం చేయబడిన సామాజిక దృగ్విషయం యొక్క లక్షణాలపై ఆధారపడి ఉంటుంది.