בשיטת הקיבוץ הסטטיסטי, מכלול התופעות הנחקרות מתחלק למחלקות ותת-מחלקות, בעלות מבנה הומוגני לפי מאפיינים מסוימים. כל חלוקה כזו מתוארת על ידי מערכת של אינדיקטורים סטטיסטיים. ניתן להציג נתונים מקובצים בטבלאות.
פעולה זו היא השיטה העיקרית המשמשת במחקר בפועל של תופעות חברתיות. זה מתעורר כתנאי מוקדם ליישום של קבוצות שונות של סטטיסטיקות, נהלים ושיטות אנליטיות. לדוגמה, סיווג הכרחי כדי להשתמש במדדים מוכללים, כגון ממוצעים.
תרומה של V. I. לנינה
בסטטיסטיקה הרוסית שלפני המהפכה, בפרט, בזמסטבוסים שונים (אלה ממשלות מקומיות), נצבר ניסיון רב בקיבוץ סוגים שונים של ארגונים. וגם באותה תקופה, נעשתה עבודה משמעותית כדי לפתח לא רק טבלאות עם סיווג אחד אחדמאפיינים, אבל גם תוכניות מורכבות יותר. בהם, כל הנתונים מקובצים לפי שני פרמטרים או יותר. עם זאת, סוגיות תיאורטיות הקשורות לשימוש בשיטות קיבוץ סטטיסטיות לא זכו להצדקה מדעית. מצב עניינים זה נמשך עד לעבודותיו של V. I. לנין. הייתה לו דעה גבוהה לגבי הערך הקוגניטיבי והחשיבות המעשית של הסיווג. לגבי טבלאות המבוססות על סימנים של קיבוץ סטטיסטי של יותר ממאפיין אחד, לנין כתב: "אפשר לומר בלי להגזים שהם יחוללו מהפכה במדע וכמובן בכלכלה החקלאית."
להמלצותיו של ולדימיר איליץ' לגבי הצורך בניתוח פוליטי וכלכלי ראשוני של אופי הדפוסים וקביעת סוגי התופעות לפני התחלת ניסויים בסיווג נתונים ראשוניים יש חשיבות עקרונית.
שלבים של קבוצות סטטיסטיות
סיסטמטיזציה משמשת לא רק בניתוח מבנה האוכלוסייה, אלא גם בקביעת סוגי התופעות ובחקר הקשר בין מאפיינים או גורמים שונים. דוגמאות לקבוצות המבטאות את מבנה האוכלוסייה הן סיווגים של אנשים לפי גיל (במרווחים של שנה או, בדרך כלל, חמש שנים) ועסקים לפי גודל.
על ידי שילוב שיעורים או קביעת מרווחים לא אחידים, ניתן לקבוע הבדלים איכותיים בין מערכות בודדות, ולאחר מכן לקבוע את הסוגים הטכנו-כלכליים או הסוציו-אקונומיים של הנושאים הרלוונטיים(לדוגמה, מפעלים או חוות). לפיכך, קיבוץ האוכלוסייה של מדינה לפי גיל יכול להתבצע על בסיס, בנוסף לאובייקטים כרונולוגיים פשוטים, של חלוקות מיוחדות כגון נשים בגילאי 16 עד 54 שנים וגברים בגילאי 16 עד 59 שנים. השימוש במעמדות מיוחדים אלו מאפשר לחשב את המדד הכלכלי הלאומי, המכונה כוח העבודה של המדינה. גבולות המרווחים שרירותיים במקצת ועשויים להיות שונים ממדינה למדינה.
משימה
סיווג כמותי מפורט של ארגונים וחברות מאפשר לנו להמשיך להגדרה של מספר קבוצות איכותיות בסיסיות, כגון ארגונים קטנים, בינוניים וגדולים. לאחר מכן ניתן לברר מספר בעיות כלכליות כלליות, למשל תהליך ריכוז הייצור, צמיחת היעילות התעשייתית והעלייה בפריון העבודה. הנתונים החדשים של ולדימיר איליץ' לנין על החוקים המסדירים את התפתחות הקפיטליזם בחקלאות הם דוגמה מבריקה לניתוח מעמיק המשתמש בקיבוץ כדי להדגים את טבעם המורכב של דפוסים. וגם הקשר בין גודל הארגון והפרודוקטיביות הכוללת שלו.
המשימה החשובה והקשה ביותר של קבוצות סטטיסטיות היא לזהות ולתאר בפירוט את סוגי התופעות החברתיות-כלכליות. נושאים כאלה מייצגים ביטוי של צורות של תהליך חברתי מסוים או מאפיינים בסיסיים. נראה שהם משותפים להרבה תופעות אינדיבידואליות. בניתוחו של הריבוד של האיכרים, ולדימיר איליץ' לנין השתמש בקיבוץבאופן יסודי ומקיף. קודם כל, הוא חשף את תהליך היווצרותם של המעמדות החברתיים העיקריים ברוסיה שלפני המהפכה, באזור הכפרי של מערב אירופה ובחקלאות ארה ב.
וכפי שהתברר, לנתונים הסובייטיים יש ניסיון רב בקבוצות טיפולוגיות וסטטיסטיות. לדוגמה, המאזן של הכלכלה הלאומית של ברית המועצות מניח מערכת סיווג מורכבת ומסועפת. דוגמאות נוספות לקיבוץ סטטיסטי טיפולוגי במרחב הסובייטי כוללות שיטתיות של האוכלוסייה לפי מעמד חברתי. כמו גם איחוד נכסי ייצור קבועים לפי סוגים סוציו-אקונומיים של יחידות תעשייתיות. ואתה יכול גם לתת דוגמה כמו קיבוץ האוכלוסייה הסטטיסטית של המוצר החברתי.
הסיווג הבורגני אינו משתמש מספיק בשיטתיות. כאשר נעשה שימוש בקיבוץ, הוא לרוב שגוי ואינו תורם לאפיון מצב העניינים האמיתי במדינות הקפיטליסטיות. לדוגמה, הסיווג של מפעלים חקלאיים לפי שטח קרקע מקצין את העמדה של ייצור בקנה מידה קטן ברוח זו. וקיבוץ האוכלוסייה לפי מקצוע אינו חושף את המבנה המעמדי האמיתי של החברה הבורגנית.
המאפיינים החברתיים-כלכליים של מדינה סוציאליסטית מספקים יישומים חדשים לקיבוץ סטטיסטי. הסיווג משמש לניתוח יישום תוכניות כלכליות לאומיות, כדי לקבוע את הסיבות לפיגור של כמה מפעלים ומגזרים. וגם לזהות משאבים שאינם בשימוש. למשל, עסקיםניתן לקבץ לפי מידת ביצוע התכנית או רמת הרווחיות. חשיבות רבה לאפיון הכנסת הקידמה המדעית והטכנולוגית לתעשייה היא קיבוץ המפעלים, לפי נתונים טכניים וכלכליים כמו מידת האוטומציה והמיכון וכמות החשמל הזמין לעבודה.
נתונים מקובצים הם מידע שנוצר על ידי שילוב קבוצות בודדות של תצפית סטטיסטית על נוכחות של משתנה למחלקות נפרדות, כך שהתפלגות התדירות של מערכות אלו משמשת כאמצעי נוח לסיכום וניתוח כל החומרים.
Information
ניתן להגדיר נתונים כקבוצות של חומר המייצגות תכונות איכותיות או כמותיות של משתנה או קבוצה של משתנים. זה מקביל לאמירה שמחלקות יכולות להיות כל סט של מידע שמתאר ישות. ניתן לסווג מערכות, בקיבוץ נתונים סטטיסטיים, לאובייקטים מקובצים ולא מקובצים.
כל מידע שאדם אוסף ראשון אינו מסווג. קבוצות סטטיסטיות לא מקובצות הן נתונים, אבל רק בצורה לא מעובדת. דוגמה למערכות כאלה היא כל רשימה של מספרים שאתה יכול לחשוב עליה.
סוג ראשון של סיווגים
נתונים מקובצים הם מידע שאורגן בקבוצות המכונות כיתות. סוג זה כבר סווג, ולפיכך חלקרמת הניתוח. המשמעות היא שכל המידע כבר אינו גולמי.
מחלקת נתונים היא קבוצה המשויכת למאפיין מותאם אישית ספציפי. לדוגמה, אם מנהל מיזם אסף את האנשים שהוא שוכר בשנה מסוימת, הוא יכול לקבץ אותם למערכות לפי גיל: עשרים, שלושים, ארבעים וכן הלאה. וכל אחת מהקבוצות האלה נקראת מחלקה.
בתורו, זו לא החלוקה האחרונה. לכל אחת מהמחלקות הללו יש רוחב מסוים וזה נקרא ריווח או גודל. מושג זה חשוב מאוד כשמדובר בשרטוט היסטוגרמות וחלקות תדר. כל השיעורים יכולים להיות בגדלים זהים או שונים, בהתאם לאופן שבו כל המידע יקובץ. מרווח המערכת הוא תמיד מספר שלם.
אילוצים וגבולות מעמד
המושג הראשון מתייחס לערכים בפועל שניתן לראות בטבלה הסופית. אילוצי המעמד מתחלקים לשתי קטגוריות: הגבול התחתון של המערכת והגבול העליון. כמובן, כל החלוקה בטבלאות משמשות כדי להבטיח נכונות ואינפורמטיביות.
אבל, מצד שני, גבולות המעמד לא תמיד מכובדים בטבלת התדרים. מושג זה נותן את המרווח האמיתי של מערכות, ובדומה להגבלות שונות, הוא מחולק גם לגבולות של הערכים התחתונים והעליונים.
להקות חיות ולא חיות
המדע מבקש להבין ולהסביר תופעות טבע. מדענים מבינים דברים על ידי סיווגם. זה שייךגם יצורים חיים וגם קבוצות לא-חיות של חומרים סטטיסטיים.
בתורו, ניתן לחלק את הסוגים הללו לקבוצות בהתאם למאפייני הניגודיות. לדוגמה, אם תלמידים ערכו רשימות בכתבי העת המדעיים שלהם לגבי החומרים והנושאים השונים שהם למדו, הם יכולים להשתמש בנתונים אלה כדי להרחיב את הידע והמידע על המערכות שהם למדו.
ניתן למיין או לסווג את כל הידע לפי מאפייני ניגודיות שונים. הנה כמה דוגמאות:
- מתכות לעומת שונות שאינן מתכות.
- שטח אבן במקום מדבר או אחו.
- גבישים גלויים לעומת מינרלים בלתי נראים.
- תהליך טבעי במקום מלאכותי.
- חומרים צפופים יותר ממים או בעלי משקל נמוך יותר מנוזל נתון.
- מגנטי לעומת לא-מגנטי.
ואפשר גם לעשות הבדלים בין קבוצות לפי התכונות הבאות:
- מצב החומר בטמפרטורת החדר (מוצק, נוזל, גז).
- היתוך של מתכות.
- מאפיינים פיזיים וכן הלאה.
חומרים:
- מאמרים שונים המדגימים את הקטגוריות שלמעלה.
- מגנטים לבדיקת תכונות החומרים.
- מיכל מים כדי לבדוק אם דברים צפים או שוקעים.
- כתבי עת מדעיים.
נוהל תפעול
בדיוק איך דברים קורים:
- התלמידים עובדים בקבוצות. כל אחד מקבל כמה חומרים ומתבקש למצוא דרכים לקבץפריטים לפי קטגוריות. הם מפתחים את הקריטריונים שהם ישתמשו ואז ממיינים את הפריטים בהתאם. טבלאות התוצאות רשומות בכתבי העת המדעיים שלהם.
- לאחר קיבוץ החומרים, הם ממוינים שוב לפי קריטריונים אחרים. השלב הבא יהיה גם הרכבת רשימת תוצאות. ואחרי זה נכתבת שורה נוספת של אלמנטים, שמוינו אחרת בגלל קריטריונים משתנים.
- סטודנטים מתעדים תצפיות וטבלאות בכתבי העת המדעיים שלהם.
תוצאות
התלמידים מתקנים סדרה של טבלאות שמראות כיצד הנושאים שלהם ממוינים על סמך כל אחד מהקריטריונים. לדוגמה, לקבוצת תלמידים יש מהדק נייר, חתיכת גרניט קטנה, פקק, צעצוע מפלסטיק. ואז זוג טבלאות מיון עשוי להיראות כמו הבא.
-
פריטים ממוינים לפי מגנטיות.
הגיב למגנט: מהדק נייר, גרניט. לא מגיב: פקק, פלסטיק.
-
פריטים ממוינים לפי צפיפות בהשוואה למים.
פופ אפ: פקק, פלסטיק. טובע: מהדק נייר, גרניט.
לאחר מכן, התלמידים מציגים מצגות לכיתה. הם דנים מדוע פריטים שונים מסווגים באופן שונה על סמך הקריטריונים שבהם נעשה שימוש.
התלמידים חוזרים על תצפיות אלה בכל פעם, תוך שימוש במאפיינים שונים.
Talk
בשלב זה:
- סטודנטים יכולים להרחיב את התצפיות הללו לחומרים אחרים ללא כלמחקר מעשי.
- דוגמאות הן דוגמאות של סוגים שונים של סלעים. התלמידים ילמדו כיצד לבצע תצפיות מדוקדקות יותר ולכתוב בדיוק את מה שהם רואים באמצעות מגדילים ופריטים אחרים שהם משתמשים בהם.
- אם תלמידים יצרו קובץ אינדקס של מאפיינים שנכתבו בכרטיסים, ניתן גם למיין אותם. זה יהיה שימושי אם האינדקס מכיל חומרים נוספים שאינם בכיתה.
דרך נפוצה לעיבוד נתונים כמותיים מתמשכים היא חלוקת משנה של כל טווח המשמעויות למספר תת-טווחים. יש צורך להקצות לכל חומר ערך קבוע של המחלקה בה הוא נופל. שים לב שמערך הנתונים משתנה מרציף לדיסקרטי.
המושג של קיבוץ סטטיסטי
הארגון נעשה על ידי הגדרת קבוצה של טווחים ולאחר מכן ספירת כמות הנתונים שנופלים לכל אחד מהם. תת הטווחים אינם חופפים. הם חייבים לכסות את כל הטווח של מערך הנתונים.
אחת הדרכים המוצלחות ביותר לדמיין מערכות מקובצות היא ההיסטוגרמה. זוהי קבוצה של מלבנים שבהם בסיס הדמות משתרע על הערכים בטווח המשויך אליו. והגובה מתאים לכמות המידע.
