სტატისტიკური დაჯგუფების მეთოდში შესწავლილი ფენომენების მთლიანობა იყოფა კლასებად და ქვეკლასებად, რომლებსაც გარკვეული მახასიათებლების მიხედვით აქვთ ერთგვაროვანი სტრუქტურა. თითოეული ასეთი განყოფილება აღწერილია სტატისტიკური მაჩვენებლების სისტემით. დაჯგუფებული მონაცემები შეიძლება წარმოდგენილი იყოს ცხრილებში.
ეს ქმედება არის ძირითადი მეთოდი, რომელიც გამოიყენება სოციალური ფენომენების რეალურად შესწავლისას. ის წარმოიქმნება, როგორც სტატისტიკის, პროცედურების და ანალიტიკური მეთოდების სხვადასხვა დაჯგუფების გამოყენების წინაპირობა. მაგალითად, კლასიფიკაცია აუცილებელია ნებისმიერი განზოგადებული ინდექსების გამოსაყენებლად, როგორიცაა საშუალო.
კონტრიბუცია V. I. ლენინა
რევოლუციამდელ რუსულ სტატისტიკაში, კერძოდ, სხვადასხვა ზემსტვოებში (ეს არის ადგილობრივი თვითმმართველობები), მნიშვნელოვანი გამოცდილება იქნა მიღებული სხვადასხვა ტიპის ორგანიზაციების დაჯგუფებაში. და ასევე იმ დროს მნიშვნელოვანი სამუშაო გაკეთდა არა მხოლოდ კლასიფიკაციის ცხრილების სათითაოდ შემუშავებისთვისმახასიათებლები, არამედ უფრო რთული სქემები. მათში ყველა მონაცემი დაჯგუფებულია ორი ან მეტი პარამეტრით. თუმცა, სტატისტიკური დაჯგუფების მეთოდების გამოყენებასთან დაკავშირებულ თეორიულ საკითხებს მეცნიერული დასაბუთება არ მიუღია. ეს მდგომარეობა გაგრძელდა მანამ, სანამ V. I. ლენინი. მას ჰქონდა მაღალი მოსაზრება კლასიფიკაციის შემეცნებით ღირებულებასა და პრაქტიკულ მნიშვნელობაზე. ერთზე მეტი მახასიათებლის სტატისტიკური დაჯგუფების ნიშნებზე დაფუძნებულ ცხრილებთან დაკავშირებით, ლენინი წერდა: „გადაუჭარბებლად შეიძლება ითქვას, რომ ისინი რევოლუციას მოახდენენ მეცნიერებაში და, რა თქმა უნდა, სოფლის მეურნეობის ეკონომიკაში“.
ვლადიმირ ილიჩის რეკომენდაციებს თარგების ბუნების წინასწარი პოლიტიკური და ეკონომიკური ანალიზის აუცილებლობის შესახებ და ფენომენების ტიპების განსაზღვრის აუცილებლობის შესახებ საწყისი მონაცემების კლასიფიკაციის ექსპერიმენტების დაწყებამდე ფუნდამენტური მნიშვნელობა აქვს.
სტატისტიკური დაჯგუფების ეტაპები
სისტემიზაცია გამოიყენება არა მხოლოდ მოსახლეობის სტრუქტურის ანალიზისას, არამედ ფენომენების ტიპების განსაზღვრისას და სხვადასხვა მახასიათებლებსა თუ ფაქტორებს შორის ურთიერთობის შესწავლისას. დაჯგუფების მაგალითები, რომლებიც გამოხატავს მოსახლეობის სტრუქტურას, არის ადამიანების კლასიფიკაცია ასაკის მიხედვით (ერთი წლის ან, უფრო ხშირად, ხუთი წლის ინტერვალით) და ბიზნესის ზომის მიხედვით.
კლასების გაერთიანებით ან არათანაბარი ინტერვალების დაწესებით შესაძლებელია ცალკეულ სისტემებს შორის ხარისხობრივი განსხვავებების დადგენა, შემდეგ კი შესაბამისი საგნების ტექნოეკონომიკური ან სოციალურ-ეკონომიკური ტიპების დადგენა.(მაგალითად, საწარმოები ან ფერმები). ამრიგად, ქვეყნის მოსახლეობის ასაკის მიხედვით დაჯგუფება შეიძლება განხორციელდეს, გარდა მარტივი ქრონოლოგიური ობიექტებისა, ისეთი სპეციალური განყოფილებების საფუძველზე, როგორიცაა 16-დან 54 წლამდე ასაკის ქალები და 16-დან 59 წლამდე ასაკის მამაკაცები. ამ სპეციალური კლასების გამოყენება შესაძლებელს ხდის გამოთვალოს ეროვნული ეკონომიკური ინდექსი, რომელიც ცნობილია როგორც ქვეყნის სამუშაო ძალა. ინტერვალის საზღვრები გარკვეულწილად თვითნებურია და შეიძლება განსხვავდებოდეს შტატში.
ამოცანა
საწარმოებისა და ფირმების დეტალური რაოდენობრივი კლასიფიკაცია საშუალებას გვაძლევს გადავიდეთ რამდენიმე ძირითადი ხარისხობრივი ჯგუფის განსაზღვრაზე, როგორიცაა მცირე, საშუალო და დიდი ორგანიზაციები. ამის შემდეგ შეიძლება დაზუსტდეს მთელი რიგი ზოგადი ეკონომიკური პრობლემები, მაგალითად, წარმოების კონცენტრაციის პროცესი, სამრეწველო ეფექტურობის ზრდა და შრომის პროდუქტიულობის ზრდა. ვლადიმირ ილიჩ ლენინის ახალი მონაცემები სოფლის მეურნეობაში კაპიტალიზმის განვითარების შესახებ კანონების შესახებ არის ღრმა ანალიზის ბრწყინვალე მაგალითი, რომელიც იყენებს დაჯგუფებას ნიმუშების რთული ბუნების დემონსტრირებისთვის. ასევე ურთიერთობა საწარმოს ზომასა და მის მთლიან პროდუქტიულობას შორის.
სტატისტიკური დაჯგუფების ყველაზე მნიშვნელოვანი და რთული ამოცანაა სოციალურ-ეკონომიკური ფენომენების ტიპების იდენტიფიცირება და დეტალური აღწერა. ასეთი საგნები წარმოადგენს გარკვეული სოციალური პროცესის ფორმების ან ძირითადი მახასიათებლების გამოხატვას. როგორც ჩანს, ისინი საერთოა მრავალი ინდივიდუალური ფენომენისთვის. გლეხობის სტრატიფიკაციის ანალიზისას ვლადიმერ ილიჩ ლენინმა გამოიყენა დაჯგუფებასაფუძვლიანად და სრულყოფილად. უპირველეს ყოვლისა, მან გამოავლინა ძირითადი სოციალური კლასების ფორმირების პროცესი რევოლუციამდელ რუსეთში, დასავლეთ ევროპის სოფლებში და აშშ-ს სოფლის მეურნეობაში.
და, როგორც გაირკვა, საბჭოთა მონაცემებს საკმაოდ დიდი გამოცდილება აქვთ ტიპოლოგიურ და სტატისტიკურ დაჯგუფებებში. მაგალითად, სსრკ ეროვნული ეკონომიკის ბალანსი გულისხმობს კლასიფიკაციის რთულ და განშტოებულ სისტემას. საბჭოთა სივრცეში ტიპოლოგიური სტატისტიკური დაჯგუფების სხვა მაგალითებს მიეკუთვნება მოსახლეობის სისტემატიზაცია სოციალური კლასების მიხედვით. ასევე ძირითადი საწარმოო საშუალებების გაერთიანება სამრეწველო ერთეულების სოციალურ-ეკონომიკური ტიპის მიხედვით. თქვენ ასევე შეგიძლიათ მოიყვანოთ ისეთი მაგალითი, როგორიცაა სოციალური პროდუქტის სტატისტიკური პოპულაციის დაჯგუფება.
ბურჟუაზიული კლასიფიკაცია საკმარისად არ იყენებს სისტემატიზაციას. როდესაც დაჯგუფება გამოიყენება, ის უმეტესწილად არასწორია და არ უწყობს ხელს კაპიტალისტურ ქვეყნებში ჭეშმარიტი მდგომარეობის დახასიათებას. მაგალითად, სასოფლო-სამეურნეო საწარმოების კლასიფიკაცია მიწის ფართობის მიხედვით აზვიადებს მცირე წარმოების პოზიციას ამ თვალსაზრისით. და მოსახლეობის პროფესიის მიხედვით დაჯგუფება არ ავლენს ბურჟუაზიული საზოგადოების ნამდვილ კლასობრივ სტრუქტურას.
სოციალისტური სახელმწიფოს სოციალურ-ეკონომიკური მახასიათებლები იძლევა ახალ აპლიკაციებს სტატისტიკური დაჯგუფებისთვის. კლასიფიკაცია გამოიყენება ეროვნული ეკონომიკური გეგმების განხორციელების გასაანალიზებლად, ზოგიერთი საწარმოსა და სექტორის ჩამორჩენის მიზეზების დასადგენად. ასევე გამოუყენებელი რესურსების იდენტიფიცირება. მაგალითად, ბიზნესიშეიძლება დაჯგუფდეს გეგმის განხორციელების ხარისხის ან მომგებიანობის დონის მიხედვით. მრეწველობაში სამეცნიერო და ტექნოლოგიური პროგრესის დანერგვის დასახასიათებლად დიდი მნიშვნელობა აქვს საწარმოთა დაჯგუფებას ისეთი ტექნიკური და ეკონომიკური მონაცემების მიხედვით, როგორიცაა ავტომატიზაციისა და მექანიზაციის ხარისხი და სამუშაოსთვის ხელმისაწვდომი ელექტროენერგიის რაოდენობა.
დაჯგუფებული მონაცემები არის ინფორმაცია, რომელიც წარმოიქმნება სტატისტიკური დაკვირვების ცალკეული დაჯგუფებების შერწყმით ცვლადის არსებობის შესახებ ცალკეულ კლასებად, ისე, რომ ამ სისტემების სიხშირის განაწილება ყველა მასალის შეჯამებისა და ანალიზის მოსახერხებელი საშუალებაა.
ინფორმაცია
მონაცემები შეიძლება განისაზღვროს, როგორც მასალის ჯგუფები, რომლებიც წარმოადგენენ ცვლადის ან ცვლადების ნაკრების თვისობრივ ან რაოდენობრივ ატრიბუტებს. ეს არის იმის ანალოგური, რომ კლასები შეიძლება იყოს ინფორმაციის ნებისმიერი ნაკრები, რომელიც აღწერს ერთეულს. სისტემები, სტატისტიკური მონაცემების დაჯგუფებაში, შეიძლება დაიყოს დაჯგუფებულ და არაჯგუფურ ობიექტებად.
ნებისმიერი ინფორმაცია, რომელსაც ადამიანი პირველად აგროვებს, არასაიდუმლოა. დაუჯგუფებელი სტატისტიკური დაჯგუფებები არის მონაცემები, მაგრამ მხოლოდ დაუმუშავებელი ფორმით. ასეთი სისტემების მაგალითია რიცხვების ნებისმიერი სია, რომლის მოფიქრებაც შეგიძლიათ.
პირველი ტიპის კლასიფიკაცია
დაჯგუფებული მონაცემები არის ინფორმაცია, რომელიც იყო ორგანიზებული ჯგუფებად, რომლებიც ცნობილია როგორც კლასები. ეს ტიპი უკვე კლასიფიცირებულია და, შესაბამისად, ზოგიერთიანალიზის დონე. ეს ნიშნავს, რომ ყველა ინფორმაცია აღარ არის ნედლი.
მონაცემთა კლასი არის ჯგუფი, რომელიც დაკავშირებულია კონკრეტულ მორგებულ თვისებასთან. მაგალითად, თუ საწარმოს მენეჯერი აგროვებდა ადამიანებს, რომლებსაც ქირაობს გარკვეულ წელს, მას შეეძლო მათი დაჯგუფება სისტემებად ასაკის მიხედვით: ოცი, ოცდაათი, ორმოცი და ა.შ. და თითოეულ ამ ჯგუფს ეწოდება კლასი.
თავის მხრივ, ეს არ არის ბოლო გაყოფა. თითოეულ ამ კლასს აქვს გარკვეული სიგანე და ამას ეწოდება ინტერვალი ან ზომა. ეს კონცეფცია ძალიან მნიშვნელოვანია, როდესაც საქმე ეხება ჰისტოგრამების და სიხშირის დიაგრამების შედგენას. ყველა კლასს შეიძლება ჰქონდეს იგივე ან განსხვავებული ზომა, იმისდა მიხედვით, თუ როგორ იქნება დაჯგუფებული ყველა ინფორმაცია. სისტემის ინტერვალი ყოველთვის არის მთელი რიცხვი.
კლასის შეზღუდვები და საზღვრები
პირველი კონცეფცია ეხება რეალურ მნიშვნელობებს, რომლებიც ჩანს საბოლოო ცხრილში. კლასის შეზღუდვები იყოფა ორ კატეგორიად: სისტემის ქვედა ზღვარი და ზედა ზღვარი. რა თქმა უნდა, ცხრილების ყველა განყოფილება გამოიყენება სისწორისა და ინფორმატიულობის უზრუნველსაყოფად.
მაგრამ, მეორე მხრივ, კლასის საზღვრები ყოველთვის არ არის დაცული სიხშირის ცხრილში. ეს კონცეფცია იძლევა სისტემების ნამდვილ ინტერვალს და, როგორც სხვადასხვა შეზღუდვები, ასევე იყოფა ქვედა და ზედა მნიშვნელობების საზღვრებად.
ცოცხალი და არაცოცხალი ბენდები
მეცნიერება ცდილობს გაიგოს და ახსნას ბუნებრივი მოვლენები. მეცნიერები საგნებს მათი კლასიფიკაციით ესმით. ეკუთვნისროგორც ცოცხალი არსებები, ასევე სტატისტიკური მასალების არაცოცხალი დაჯგუფებები.
თავის მხრივ, ეს ტიპები შეიძლება დაიყოს ჯგუფებად კონტრასტული თვისებების მიხედვით. მაგალითად, თუ სტუდენტებმა თავიანთ სამეცნიერო ჟურნალებში შეადგინეს სიები მათ მიერ შესწავლილი სხვადასხვა მასალისა და საგნების შესახებ, მათ შეუძლიათ გამოიყენონ ეს მონაცემები მათ მიერ შესწავლილი სისტემების შესახებ ცოდნისა და ინფორმაციის გასაფართოვებლად.
ყველა ცოდნა შეიძლება დალაგდეს ან კლასიფიცირდეს სხვადასხვა კონტრასტული თვისებების მიხედვით. აი რამდენიმე მაგალითი:
- მეტალები სხვადასხვა არამეტალების წინააღმდეგ.
- ქვიანი რელიეფი უდაბნოს ან მდელოს ნაცვლად.
- ხილული კრისტალები უხილავი მინერალების წინააღმდეგ.
- ბუნებრივი პროცესი ხელოვნურის ნაცვლად.
- ნივთიერებები წყალზე მკვრივი ან მოცემულ სითხეზე ნაკლებწონიანი.
- მაგნიტური წინააღმდეგ არამაგნიტური.
და ასევე შეგიძლიათ ჯგუფური განსხვავებები შემდეგი მახასიათებლების მიხედვით:
- მატერიის მდგომარეობა ოთახის ტემპერატურაზე (მყარი, თხევადი, აირი).
- ლითონების დნობა.
- ფიზიკური თვისებები და ასე შემდეგ.
მასალები:
- სხვადასხვა სტატიები, რომლებიც ასახავს ზემოთ მოცემულ კატეგორიებს.
- მაგნიტები მასალების თვისებების შესამოწმებლად.
- წყლის კონტეინერი, რათა შეამოწმოთ ნივთები ცურავს თუ იძირება.
- სამეცნიერო ჟურნალები.
საოპერაციო პროცედურა
ზუსტად როგორ ხდება მოვლენები:
- მოსწავლეები მუშაობენ ჯგუფებში. თითოეულ მათგანს ეძლევა მასალა და სთხოვენ მოძებნონ დაჯგუფების გზებინივთები კატეგორიის მიხედვით. ისინი შეიმუშავებენ კრიტერიუმებს, რომლებსაც გამოიყენებენ და შემდეგ ახარისხებენ ნივთებს შესაბამისად. შედეგების ცხრილები ჩაწერილია მათ სამეცნიერო ჟურნალებში.
- მასალების დაჯგუფების შემდეგ ისინი კვლავ დალაგდებიან სხვა კრიტერიუმების მიხედვით. შემდეგი ნაბიჯი ასევე იქნება შედეგების სიის შედგენა. და ამის შემდეგ იწერება ელემენტების დამატებითი მწკრივი, რომლებიც სხვაგვარად იყო დალაგებული კრიტერიუმების ცვლილების გამო.
- სტუდენტები ჩაწერენ დაკვირვებებსა და ცხრილებს თავიანთ სამეცნიერო ჟურნალებში.
შედეგები
მოსწავლეები აფიქსირებენ ცხრილების სერიას, რომელიც აჩვენებს, თუ როგორ არის დალაგებული მათი საგნები თითოეული კრიტერიუმის მიხედვით. მაგალითად, მოსწავლეთა ჯგუფს აქვს ქაღალდის სამაგრი, გრანიტის პატარა ნაჭერი, კორკი, პლასტმასის სათამაშო. და შემდეგ წყვილი დახარისხების ცხრილი შეიძლება გამოიყურებოდეს შემდეგნაირად.
-
საქონელი დალაგებულია მაგნეტიზმის მიხედვით.
რეაქცია მაგნიტზე: ქაღალდის სამაგრი, გრანიტი. არ პასუხობს: კორკი, პლასტმასი.
-
საქონელი დალაგებულია სიმკვრივის მიხედვით წყალთან შედარებით.
ამომხტარი: კორკი, პლასტმასი. დახრჩობა: ქაღალდის სამაგრი, გრანიტი.
ამის შემდეგ მოსწავლეები აკეთებენ პრეზენტაციებს კლასში. ისინი განიხილავენ, თუ რატომ არის სხვადასხვა ნივთების კლასიფიკაცია განსხვავებულად გამოყენებული კრიტერიუმების მიხედვით.
მოსწავლეები ყოველ ჯერზე იმეორებენ ამ დაკვირვებებს სხვადასხვა თვისებების გამოყენებით.
საუბარი
ამ ეტაპზე:
- მოსწავლეებს შეუძლიათ გაავრცელონ ეს დაკვირვებები სხვა მასალებზე ყოველგვარი გარეშეპრაქტიკული კვლევა.
- მაგალითებია სხვადასხვა ტიპის ქანების ნიმუშები. სტუდენტები ისწავლიან როგორ გააკეთონ უფრო მჭიდრო დაკვირვება და დაწერონ ზუსტად ის, რასაც ხედავენ გამადიდებლებითა და სხვა ნივთებით, რომლებსაც იყენებენ.
- თუ სტუდენტებმა შექმნეს ბარათებზე დაწერილი თვისებების ინდექსის ფაილი, მათი დახარისხებაც შესაძლებელია. ეს სასარგებლო იქნება, თუ ინდექსი შეიცავს დამატებით მასალებს, რომლებიც არ არის კლასში.
უწყვეტი რაოდენობრივი მონაცემების დამუშავების ჩვეულებრივი გზაა მნიშვნელობების მთელი დიაპაზონის რამდენიმე ქვეჯგუფად დაყოფა. აუცილებელია თითოეულ მასალას მივანიჭოთ იმ კლასის მუდმივი მნიშვნელობა, რომელშიც ის მოხვდება. გაითვალისწინეთ, რომ მონაცემთა ნაკრები იცვლება უწყვეტიდან დისკრეტულზე.
სტატისტიკური დაჯგუფების კონცეფცია
ორგანიზაცია კეთდება დიაპაზონების ნაკრების განსაზღვრით და შემდეგ თითოეულ მათგანში მოხვედრილი მონაცემების რაოდენობის დათვლით. ქვეფარეხები არ ემთხვევა ერთმანეთს. ისინი უნდა მოიცავდნენ მონაცემთა ნაკრების მთელ დიაპაზონს.
დაჯგუფებული სისტემების ვიზუალიზაციის ერთ-ერთი ყველაზე წარმატებული გზა არის ჰისტოგრამა. ეს არის მართკუთხედების ნაკრები, სადაც ფიგურის ფუძე მოიცავს მასთან დაკავშირებულ დიაპაზონში არსებულ მნიშვნელობებს. ხოლო სიმაღლე შეესაბამება ინფორმაციის რაოდენობას.
