Входим через Telegram…
Конспект и транскрипт одним файлом
Загрузите его в ChatGPT, Claude или NotebookLM и спрашивайте по занятию: что говорили про задания и сроки, объясни непонятную тему, составь вопросы для повторения.
После статистического наблюдения собранные данные нужно обработать: сначала сводка (упорядочивание и подсчёт итогов), затем группировка — разбиение совокупности на однородные группы по выбранному признаку.
На прошлых занятиях разбирали статистическое наблюдение — сбор первичных данных. Но сырые данные сами по себе ничего не говорят: их нужно обработать. Первый и самый важный шаг обработки в бизнес-статистике — это сводка и группировка.
Сводка — научно организованная обработка собранных материалов: их систематизация, построение таблиц, подсчёт итогов. Цель сводки — получить из множества разрозненных наблюдений обобщающие показатели (например, средние значения или доли от общего числа).
Группировка — это разбиение совокупности на группы, однородные по какому-либо признаку. Признак, по которому делят, называется группировочным признаком (основанием группировки).
💡 Понятнее: правило хорошей группировки — различия между единицами внутри одной группы должны быть меньше, чем различия между разными группами. Если внутри группы объекты «разношёрстные», группировка выбрана неудачно.
Зачем это нужно: изучить состав совокупности, выделить внутри неё типы явлений, выявить причинно-следственные связи между признаками и классифицировать данные. Например, по 150 абитуриентам магистратуры можно сравнить средний балл у тех, кто ходил на подготовительные курсы, и у тех, кто не ходил, а затем добавить ещё признак — из какого вуза пришёл абитуриент — и анализ станет богаче.
Любая статистическая таблица — это система показателей, представленная в табличной форме. Незаполненный (без цифр) каркас таблицы называется макетом.
Важная и не всем знакомая деталь: у каждой таблицы есть подлежащее и сказуемое — по аналогии с грамматикой, но в своём статистическом смысле.
Строки обозначают группы, последняя строка обычно итоговая; последний столбец, как правило, результирующий. У таблицы всегда должно быть название.
Ряд распределения — упорядоченное распределение единиц совокупности по группам по какому-то варьирующему признаку. Признак может быть двух типов:
В вариационном ряду вводят два понятия:
Вариационные ряды бывают:
➕ Преподаватель не упомянул: для запоминания удобно держать в голове связку «структурная = из чего состоит», «типологическая = какие типы есть», «аналитическая = что от чего зависит». Названия часто путают, а суть именно в этом вопросе.
Интервал — совокупность варьирующих значений признака внутри группы. Ширина интервала — разница между его максимальным и минимальным значением.
Типы интервалов:
n = 1 + 3,322 · lg(N), где N — число единиц в совокупности.
📐 Разбор формулы:
- n — искомое число групп, на которые разбиваем совокупность;
- N — число единиц в совокупности (сколько всего объектов наблюдаем);
- lg(N) — десятичный логарифм от N;
- 1 и 3,322 — постоянные коэффициенты формулы;
- · — умножение.
Как работает: формула подсказывает разумное число групп так, чтобы данных в каждой группе было достаточно для выводов, но групп не оказалось слишком много. С ростом совокупности число групп растёт не линейно, а медленно (через логарифм): на 20 объектов хватает ~5 групп, на тысячи — около десятка. Результат всегда округляют вверх, чтобы ни одна единица не осталась без группы.
Результат всегда округляют в большую сторону.
🗣 Преподаватель сказал: про происхождение константы 3,322 — что она выведена из более сложных математических моделей и подобрана так, чтобы группы получались сопоставимыми; на вопрос студента о точном выводе формулы преподаватель честно ответил, что уточнит к следующему занятию. ⚠️ Уточнение: константа берётся из перевода десятичного логарифма в двоичный — формула Стёрджеса по сути считает число групп как 1 + log₂(N), а 3,322 ≈ 1/lg(2) как раз и переводит lg в log₂. Поэтому если считать сразу через log₂(N), коэффициент не нужен.
Ширина интервала = размах вариации / число групп, где размах вариации = (максимальное значение − минимальное).
📐 Разбор формулы:
- ширина интервала — насколько «широк» один диапазон значений внутри группы;
- размах вариации — общий разброс данных: разница между самым большим и самым маленьким значением признака;
- максимальное значение и минимальное — крайние значения признака в совокупности;
- / — деление; − — вычитание.
Как работает: сначала находим весь разброс данных (размах), затем делим его поровну на нужное число групп — получаем одинаковую ширину каждого интервала. Логика проста: весь диапазон значений «нарезаем» на равные куски, чтобы группы были сопоставимы между собой.
➕ Преподаватель не упомянул (важная оговорка из лекции): при расчёте размаха аномальные значения (выбросы) исключают. Например, если зарплаты в основном 50–150 тыс., а пара значений — 500 тыс., такие единичные выбросы не берут в расчёт размаха.
Правила округления ширины: округляют вверх; если до запятой один знак — до десятых, если два знака — до целых, если три и больше — до целых и часто до кратных 5 или 10.
Границы: нижняя граница первой группы — не более минимального значения признака; верхняя граница = нижняя + ширина интервала. Верхняя граница каждой группы становится нижней границей следующей. Середина интервала = (нижняя граница + верхняя граница) / 2.
📐 Разбор формулы:
- середина интервала — одно число, представляющее весь интервал в дальнейших расчётах;
- нижняя граница и верхняя граница — концы интервала;
- + — сложение; / 2 — деление пополам.
Как работает: когда точных значений внутри интервала мы не знаем, весь интервал заменяют его серединой (полусуммой границ). Это разумное «среднее» допущение: считаем, что значения распределены по интервалу равномерно, поэтому типичное значение лежит ровно посередине.
Пограничные значения: значение, попавшее ровно на стык, относят в ту группу, где оно является нижней границей. Пример: при интервалах [400; 450), [450; 500), [500; 550) предприятие с объёмом 450 идёт во вторую группу, а с объёмом 500 — в третью. То есть 449 — ещё первая группа, а ровно 450 — уже вторая.
Здесь признаки делят на факторные (причина) и результативные (следствие). Группировку проводят по факторному признаку, а внутри каждой группы считают среднее значение результативного. Если при изменении факторного признака закономерно меняется и результативный — связь есть (прямая или обратная). Пример: установить зависимость между стажем работы (фактор) и средней зарплатой (результат), разбив рабочих на группы по стажу и посчитав среднюю зарплату в каждой.
Это группировки по нескольким признакам последовательно: сначала делят по одному признаку, затем каждую полученную группу — по второму, третьему и так далее. Обычно начинают с атрибутивного признака. Пример: население сначала делят по возрастным категориям, затем внутри каждой — по полу (получая поло-возрастную структуру), затем по миграционному статусу и т. д. Такие группировки многомерны; их цель — классификация данных по множеству признаков одновременно (от 1–3 до 15–20 признаков).
Группировка статистических данных — продолжение темы обработки информации после статистического наблюдения. Это первая и одна из ключевых тем бизнес-статистики.
📐 Разбор формулы:
- n — число групп;
- N — число единиц в совокупности;
- lg(N) — десятичный логарифм от N;
- 1 и 3,322 — постоянные коэффициенты;
- · — умножение.
Как работает: формула Стёрджеса даёт обоснованное число групп: оно растёт с объёмом данных медленно (через логарифм), поэтому группы не дробятся чрезмерно. Результат округляют вверх, чтобы всем единицам хватило групп.
📐 Разбор формулы:
- размах вариации — общий разброс: разница крайних значений;
- макс и мин — наибольшее и наименьшее значения признака;
- ширина интервала — размер одного диапазона группы;
- число групп — на сколько частей делим;
- − — вычитание, / — деление.
Как работает: находим весь разброс данных, а затем делим его поровну на число групп — получаем равную ширину каждого интервала. Так весь диапазон значений ровно «нарезается» на сопоставимые части.
📐 Разбор формулы:
- середина интервала — число, заменяющее весь интервал в расчётах;
- нижняя и верхняя — границы интервала;
- + — сложение, /2 — деление пополам.
Как работает: точных значений внутри интервала нет, поэтому за «типичное» берут полусумму границ — точку ровно посередине. Это допущение о равномерном распределении значений внутри интервала.
Условие: на участке 24 рабочих со стажем от 1 до 16 лет; дана месячная выработка. Требуется структурная группировка с равными интервалами по стажу.
Ход решения:
Вывод по задаче: наибольшая доля рабочих (~29%) имеет минимальный стаж (1–3,5 года); рабочих со стажем 11+ лет — около 16% (по ~8% в группах). Главное в группировке — не цифры, а вывод.
Загружаю транскрипт…