En el mètode d'agrupaments estadístics, la totalitat dels fenòmens estudiats es divideix en classes i subclasses, que tenen una estructura homogènia segons determinades característiques. Cada divisió es descriu mitjançant un sistema d'indicadors estadístics. Les dades agrupades es poden presentar en taules.
Aquesta acció és el principal mètode utilitzat en l'estudi real dels fenòmens socials. Sorgeix com a requisit previ per a l'aplicació de diverses agrupacions d'estadístiques, procediments i mètodes analítics. Per exemple, la classificació és necessària per utilitzar qualsevol índex generalitzat, com ara les mitjanes.
Aportació de V. I. Lenina
En les estadístiques russes prerevolucionàries, en particular, en diversos zemstvos (es tracta de governs locals), es va adquirir una experiència considerable en l'agrupació de diferents tipus d'organitzacions. I també en aquella època es va fer un treball important per desenvolupar no només taules amb classificació una per unacaracterístiques, però també esquemes més complexos. En ells, totes les dades s'agrupen per dos o més paràmetres. Tanmateix, les qüestions teòriques relacionades amb l'ús de mètodes d'agrupament estadístic no han rebut justificació científica. Aquest estat de coses va persistir fins que les obres de V. I. Lenin. Tenia una alta opinió del valor cognitiu i la importància pràctica de la classificació. Pel que fa a les taules basades en els signes d'un agrupament estadístic de més d'una característica, Lenin va escriure: "Es pot dir sense exageració que revolucionaran la ciència i, per descomptat, l'economia agrícola".
Les recomanacions de Vladimir Ilitx sobre la necessitat d'una anàlisi política i econòmica preliminar de la naturalesa dels patrons i la determinació dels tipus de fenòmens abans d'iniciar experiments amb la classificació de les dades inicials són d'una importància fonamental.
Fases dels agrupaments estadístics
La sistematització s'utilitza no només en l'anàlisi de l'estructura de la població, sinó també en la determinació dels tipus de fenòmens i en l'estudi de la relació entre diverses característiques o factors. Alguns exemples d'agrupaments que expressen l'estructura de la població són classificacions de persones per edat (a intervals d'un any o, més habitualment, de cinc anys) i empreses per mida.
Combinant classes o establint intervals desiguals, és possible establir diferències qualitatives entre sistemes individuals i, a continuació, determinar els tipus tecnoeconòmics o socioeconòmics de les assignatures rellevants(per exemple, empreses o granges). Així, l'agrupació de la població d'un país per edats es pot fer a partir, a més d'objectes cronològics simples, de divisions tan especials com les dones de 16 a 54 anys i els homes de 16 a 59 anys. L'ús d'aquestes classes especials permet calcular l'índex econòmic nacional, conegut com a força de treball del país. Els límits dels intervals són una mica arbitraris i poden diferir d'un estat a un altre.
Tasca
La classificació quantitativa detallada d'empreses i empreses ens permet procedir a la definició de diversos grups qualitatius bàsics, com les petites, mitjanes i grans organitzacions. Després d'això, es poden aclarir una sèrie de problemes econòmics generals, per exemple, el procés de concentració de la producció, el creixement de l'eficiència industrial i l'augment de la productivitat laboral. Les noves dades de Vladimir Ilitx Lenin sobre les lleis que regeixen el desenvolupament del capitalisme a l'agricultura són un exemple brillant d'anàlisi profunda que utilitza l'agrupació per demostrar la naturalesa complexa dels patrons. I també la relació entre la mida de l'empresa i la seva productivitat global.
La tasca més important i difícil de les agrupacions estadístiques és identificar i descriure amb detall els tipus de fenòmens socioeconòmics. Aquests subjectes representen l'expressió de formes d'un determinat procés social o de característiques bàsiques. Sembla que són comuns a molts fenòmens individuals. En la seva anàlisi de l'estratificació de la pagesia, Vladimir Ilitx Lenin va utilitzar l'agrupacióde manera exhaustiva i exhaustiva. En primer lloc, va revelar el procés de formació de les principals classes socials a la Rússia prerevolucionària, al camp d'Europa occidental i a l'agricultura nord-americana.
I, com va resultar, les dades soviètiques tenen una experiència considerable en agrupacions tipològiques i estadístiques. Per exemple, el balanç de l'economia nacional de l'URSS pressuposa un sistema de classificació complex i ramificat. Altres exemples d'agrupaments estadístics tipològics a l'espai soviètic inclouen la sistematització de la població per classe social. Així com la unificació dels actius fixos de producció per tipus socioeconòmics d'unitats industrials. I també podeu posar un exemple com l'agrupació de la població estadística del producte social.
La classificació burgesa no utilitza prou la sistematització. Quan s'utilitza l'agrupació, és en la seva majoria incorrecta i no contribueix a caracteritzar l'autèntic estat de les coses als països capitalistes. Per exemple, la classificació de les empreses agrícoles per superfície exagera la posició de la producció a petita escala en aquest sentit. I l'agrupació de la població per professió no revela la veritable estructura de classes de la societat burgesa.
Les característiques socioeconòmiques d'un estat socialista proporcionen noves aplicacions per a l'agrupació estadística. La classificació s'utilitza per analitzar la implementació dels plans econòmics nacionals, per determinar els motius de l'endarreriment d'algunes empreses i sectors. I també identificar els recursos no utilitzats. Per exemple, les empreseses poden agrupar segons el grau d'execució del pla o el nivell de rendibilitat. De gran importància per caracteritzar la introducció del progrés científic i tecnològic a la indústria és l'agrupació d'empreses, segons dades tècniques i econòmiques com el grau d'automatització i mecanització i la quantitat d'electricitat disponible per treballar.
Les dades agrupades són informació formada combinant agrupacions individuals d'observació estadística sobre la presència d'una variable en classes separades, de manera que la distribució de freqüències d'aquests sistemes serveixi com a mitjà convenient per resumir i analitzar tots els materials.
Informació
Les dades es poden definir com a grups de material que representen atributs qualitatius o quantitatius d'una variable o conjunt de variables. Això és anàleg a dir que les classes poden ser qualsevol conjunt d'informació que descrigui una entitat. Els sistemes, en l'agrupació de dades estadístiques, es poden classificar en objectes agrupats i no agrupats.
Qualsevol informació que una persona reculli primer no està classificada. Els agrupaments estadístics no agrupats són dades, però només en forma no processada. Un exemple d'aquests sistemes és qualsevol llista de números que se us pugui imaginar.
Primer tipus de classificacions
Les dades agrupades són informació que s'ha organitzat en grups coneguts com a classes. Aquest tipus ja s'ha classificat, i per tant algunsnivell d'anàlisi. Això vol dir que tota la informació ja no és en brut.
Una classe de dades és un grup associat a una propietat personalitzada específica. Per exemple, si el gerent d'una empresa recollia les persones que contracta en un any determinat, podria agrupar-les en sistemes per edat: vint, trenta, quaranta, etc. I cadascun d'aquests grups s'anomena classe.
Al seu torn, aquesta no és l'última divisió. Cadascuna d'aquestes classes té una amplada determinada i això s'anomena espaiat o mida. Aquest concepte és molt important quan es tracta de representar histogrames i gràfics de freqüència. Totes les classes poden tenir mides iguals o diferents, segons com s'agrupi tota la informació. L'interval del sistema és sempre un nombre enter.
Restriccions i límits de classe
El primer concepte fa referència als valors reals que es poden veure a la taula final. Les restriccions de classe es divideixen en dues categories: el límit inferior del sistema i el límit superior. Per descomptat, totes les divisions de les taules s'utilitzen per garantir la correcció i la informació.
Però, d' altra banda, els límits de classe no sempre es respecten a la taula de freqüències. Aquest concepte proporciona l'interval real dels sistemes i, com diverses restriccions, també es divideix en límits dels valors inferior i superior.
Bandes vives i no vives
La ciència busca entendre i explicar els fenòmens naturals. Els científics entenen les coses classificant-les. Pertanytant éssers vius com agrupacions no vives de materials estadístics.
Al seu torn, aquests tipus es poden dividir en grups en funció de les propietats de contrast. Per exemple, si els estudiants han compilat llistes a les seves revistes científiques sobre els diferents materials i matèries que han estudiat, poden utilitzar aquestes dades per ampliar coneixements i informació sobre els sistemes que han estudiat.
Tot el coneixement es pot ordenar o classificar segons diverses propietats de contrast. Aquests són alguns exemples:
- Metals versus diversos no-metalls.
- Terreny pedregós en lloc de desert o prat.
- Cristalls visibles versus minerals invisibles.
- Un procés natural en lloc d'un procés artificial.
- Substàncies més denses que l'aigua o menys pesades que un líquid determinat.
- Magnètic versus no magnètic.
I també podeu fer diferències de grup segons les característiques següents:
- L'estat de la matèria a temperatura ambient (sòlid, líquid, gas).
- Fusibilitat dels metalls.
- Propietats físiques i així successivament.
Materials:
- Diversos articles que exemplifiquen les categories anteriors.
- Imants per provar les propietats dels materials.
- Un recipient d'aigua per comprovar si les coses suren o s'enfonsen.
- Revistes científiques.
Procediment operatiu
Com passen les coses exactament:
- Els alumnes treballen en grup. A cadascú se li donen uns materials i se'ls demana que trobi maneres d'agrupar-searticles per categoria. Desenvolupen els criteris que utilitzaran i després ordenen els elements en conseqüència. Les taules de resultats es registren a les seves revistes científiques.
- Després d'agrupar els materials, es tornen a ordenar segons altres criteris. El següent pas també serà compilar una llista de resultats. I després d'això, s'escriu una fila addicional d'elements, que s'han ordenat de manera diferent a causa dels canvis de criteri.
- Els estudiants registren observacions i taules a les seves revistes científiques.
Resultats
Els alumnes preparen una sèrie de taules que mostren com s'ordenen les seves assignatures en funció de cadascun dels criteris. Per exemple, un grup d'alumnes té un clip, un petit tros de granit, un suro, una joguina de plàstic. A continuació, un parell de taules de classificació poden semblar a la següent.
-
Articles ordenats per magnetisme.
Reacciona a l'imant: clip de paper, granit. No respon: suro, plàstic.
-
Articles ordenats per densitat en comparació amb l'aigua.
Aparença emergent: suro, plàstic. Ofegament: clip de paper, granit.
Després d'això, els estudiants fan presentacions a la classe. Discuten per què els diferents elements es classifiquen de manera diferent segons els criteris utilitzats.
Els alumnes repeteixen aquestes observacions cada cop, aplicant propietats diferents.
Conversa
En aquesta fase:
- Els estudiants poden estendre aquestes observacions a altres materials sense capinvestigació pràctica.
- Els exemples són mostres de diferents tipus de roques. Els estudiants aprendran a fer observacions més properes i a escriure exactament el que veuen amb les lupes i altres elements que utilitzen.
- Si els estudiants han creat un fitxer índex de propietats escrites a les targetes, també es poden ordenar. Això serà útil si l'índex conté materials addicionals que no són a la classe.
Una manera habitual de processar dades quantitatives contínues és subdividir tot el rang de significats en diversos subintervals. Cal assignar a cada material un valor constant de la classe en què pertany. Tingueu en compte que el conjunt de dades canvia de continu a discret.
El concepte d'agrupació estadística
L'organització es fa definint un conjunt d'intervals i després comptant la quantitat de dades que cau en cadascun d'ells. Els subintervals no es superposen. Han de cobrir tot l'interval del conjunt de dades.
Una de les maneres més exitoses de visualitzar sistemes agrupats és l'histograma. És un conjunt de rectangles on la base de la figura abasta els valors del rang associat. I l'alçada correspon a la quantitat d'informació.
