గణాంక పరిశోధన ప్రక్రియలో ఎన్ని దశలు ఉన్నాయి? స్టాటిస్టికల్ సైన్స్ యొక్క ప్రాథమిక భావనలు మరియు వర్గాలు

వస్తువులు మరియు దృగ్విషయాల యొక్క పరిమాణాత్మక అంశాలను అధ్యయనం చేసే భావన చాలా కాలం క్రితం ఏర్పడింది, ఒక వ్యక్తి సమాచారంతో పనిచేయడంలో ప్రాథమిక నైపుణ్యాలను అభివృద్ధి చేసిన క్షణం నుండి. ఏదేమైనా, మన కాలానికి వచ్చిన “గణాంకాలు” అనే పదం లాటిన్ భాష నుండి చాలా తరువాత తీసుకోబడింది మరియు “స్థితి” అనే పదం నుండి వచ్చింది, అంటే “ఒక నిర్దిష్ట స్థితి”. "స్టేటస్" అనేది "రాజకీయ రాష్ట్రం" అనే అర్థంలో కూడా ఉపయోగించబడింది మరియు దాదాపు అన్ని యూరోపియన్ భాషలలో ఈ అర్థ అర్థంలో పరిష్కరించబడింది: ఇంగ్లీష్ "స్టేట్", జర్మన్ "స్టాట్", ఇటాలియన్ "స్టాటో" మరియు దాని ఉత్పన్నం " స్టాటిస్టా” - రాష్ట్రంపై నిపుణుడు.

"గణాంకాలు" అనే పదం 18వ శతాబ్దంలో విస్తృతంగా ఉపయోగించబడింది మరియు "స్టేట్ సైన్స్" అనే అర్థంలో ఉపయోగించబడింది. గణాంకాలు అనేది సామాజిక జీవితంలోని దృగ్విషయాలు మరియు ప్రక్రియల గురించి ప్రజల వినియోగ డేటాను సేకరించడం, ప్రాసెస్ చేయడం, విశ్లేషించడం మరియు అందించడం లక్ష్యంగా ఉన్న ఆచరణాత్మక కార్యాచరణ యొక్క విభాగం.

విశ్లేషణ అనేది ఒక వస్తువు యొక్క వ్యక్తిగత అంశాలు మరియు భాగాలను పరిగణనలోకి తీసుకోవడం ద్వారా శాస్త్రీయంగా అధ్యయనం చేసే పద్ధతి.

ఆర్థిక-గణాంక విశ్లేషణ అనేది అధ్యయనంలో ఉన్న దృగ్విషయం మరియు ప్రక్రియల యొక్క తగినంత ప్రతిబింబాన్ని నియంత్రించడానికి సాంప్రదాయ గణాంక మరియు గణిత-గణాంక పద్ధతుల యొక్క విస్తృత ఉపయోగం ఆధారంగా ఒక పద్దతిని అభివృద్ధి చేయడం.

గణాంక పరిశోధన యొక్క దశలు. గణాంక పరిశోధన మూడు దశల్లో జరుగుతుంది:

• 1) గణాంక పరిశీలన;
• 2) పొందిన డేటా సారాంశం;
• 3) గణాంక విశ్లేషణ.

మొదటి దశలో, మాస్ అబ్జర్వేషన్ పద్ధతిని ఉపయోగించి ప్రాథమిక గణాంక డేటా సేకరించబడుతుంది.

గణాంక పరిశోధన యొక్క రెండవ దశలో, సేకరించిన డేటా ప్రాథమిక ప్రాసెసింగ్, సారాంశం మరియు సమూహానికి లోనవుతుంది. సమూహ పద్ధతి సజాతీయ జనాభాను గుర్తించడానికి మరియు వాటిని సమూహాలు మరియు ఉప సమూహాలుగా విభజించడానికి మిమ్మల్ని అనుమతిస్తుంది. సారాంశం అనేది మొత్తం జనాభా మరియు దాని వ్యక్తిగత సమూహాలు మరియు ఉప సమూహాల కోసం ఫలితాలను పొందడం.

సమూహం మరియు సారాంశం ఫలితాలు గణాంక పట్టికల రూపంలో ప్రదర్శించబడతాయి. ఈ దశ యొక్క ప్రధాన విషయం ఏమిటంటే, ప్రతి పరిశీలన యూనిట్ యొక్క లక్షణాల నుండి మొత్తం జనాభా లేదా దాని సమూహాల యొక్క సారాంశ లక్షణాలకు మార్పు.

మూడవ దశలో, పొందిన సారాంశం డేటా సాధారణీకరించే సూచికల పద్ధతి ద్వారా విశ్లేషించబడుతుంది (సంపూర్ణ, సాపేక్ష మరియు సగటు విలువలు, వైవిధ్య సూచికలు, సూచిక వ్యవస్థలు, గణిత గణాంకాల పద్ధతులు, పట్టిక పద్ధతి, గ్రాఫికల్ పద్ధతి మొదలైనవి).

గణాంక విశ్లేషణ యొక్క ప్రాథమిక అంశాలు:

• 1) వాస్తవాల ఆమోదం మరియు వారి అంచనాను స్థాపించడం;
• 2) దృగ్విషయం యొక్క లక్షణ లక్షణాలు మరియు కారణాలను గుర్తించడం;
• 3) పోలిక కోసం ప్రాతిపదికగా తీసుకోబడిన సాధారణ, ప్రణాళిక మరియు ఇతర దృగ్విషయాలతో దృగ్విషయం యొక్క పోలిక;
• 4) ముగింపులు, అంచనాలు, ఊహలు మరియు పరికల్పనల సూత్రీకరణ;
• 5) పుట్ ఫార్వర్డ్ ఊహల యొక్క గణాంక పరీక్ష (పరికల్పనలు).

గణాంక డేటా యొక్క విశ్లేషణ మరియు సాధారణీకరణ అనేది గణాంక పరిశోధన యొక్క చివరి దశ, దీని యొక్క అంతిమ లక్ష్యం సామాజిక-ఆర్థిక దృగ్విషయం మరియు అధ్యయనం చేయబడిన ప్రక్రియల పోకడలు మరియు నమూనాల గురించి సైద్ధాంతిక ముగింపులు మరియు ఆచరణాత్మక ముగింపులు పొందడం. గణాంక విశ్లేషణ యొక్క లక్ష్యాలు: అధ్యయనం చేయబడిన దృగ్విషయాలు మరియు ప్రక్రియల యొక్క నిర్దిష్టత మరియు లక్షణాలను నిర్ణయించడం మరియు అంచనా వేయడం, వాటి నిర్మాణం, సంబంధాలు మరియు వాటి అభివృద్ధి యొక్క నమూనాలను అధ్యయనం చేయడం.

డేటా యొక్క గణాంక విశ్లేషణ అధ్యయనంలో ఉన్న దృగ్విషయాల యొక్క సారాంశం యొక్క సైద్ధాంతిక, గుణాత్మక విశ్లేషణ మరియు సంబంధిత పరిమాణాత్మక సాధనాలు, వాటి నిర్మాణం, కనెక్షన్లు మరియు డైనమిక్స్ యొక్క అధ్యయనంతో విడదీయరాని కనెక్షన్‌లో నిర్వహించబడుతుంది.

గణాంక విశ్లేషణ అనేది నిర్మాణం యొక్క లక్షణ లక్షణాలు, దృగ్విషయాల సంబంధాలు, పోకడలు, సామాజిక-ఆర్థిక దృగ్విషయాల అభివృద్ధి యొక్క నమూనాల అధ్యయనం, దీని కోసం నిర్దిష్ట ఆర్థిక-గణాంక మరియు గణిత-గణాంక పద్ధతులు ఉపయోగించబడతాయి. గణాంక విశ్లేషణ పొందిన ఫలితాల వివరణతో ముగుస్తుంది.

గణాంక విశ్లేషణలో, సంకేతాలు ఒకదానికొకటి వాటి ప్రభావం యొక్క స్వభావం ప్రకారం విభజించబడ్డాయి:

• 1. ఫలితాల లక్షణం - ఈ అధ్యయనంలో విశ్లేషించబడిన లక్షణం. జనాభాలోని వ్యక్తిగత అంశాలలో అటువంటి లక్షణం యొక్క వ్యక్తిగత కొలతలు ఒకటి లేదా అంతకంటే ఎక్కువ ఇతర లక్షణాల ద్వారా ప్రభావితమవుతాయి. మరో మాటలో చెప్పాలంటే, ఫలితం-లక్షణం ఇతర కారకాల పరస్పర చర్య యొక్క పర్యవసానంగా పరిగణించబడుతుంది;
• 2. సంకేతం-కారకం - అధ్యయనంలో ఉన్న లక్షణాన్ని ప్రభావితం చేసే సంకేతం (సంకేతం-ఫలితం). అంతేకాకుండా, కారకం-లక్షణం మరియు ఫలితం-లక్షణం మధ్య సంబంధాన్ని పరిమాణాత్మకంగా నిర్ణయించవచ్చు. గణాంకాలలో ఈ పదానికి పర్యాయపదాలు "కారకం లక్షణం", "కారకం". కారకం-లక్షణం మరియు బరువు-లక్షణం యొక్క భావనల మధ్య తేడాను గుర్తించడం అవసరం. బరువు లక్షణం అనేది గణనలలో తప్పనిసరిగా పరిగణనలోకి తీసుకోవలసిన లక్షణం. కానీ బరువు లక్షణం అధ్యయనం చేయబడుతున్న లక్షణాన్ని ప్రభావితం చేయదు. కారకం లక్షణాన్ని బరువు లక్షణంగా పరిగణించవచ్చు, అనగా, గణనలలో పరిగణనలోకి తీసుకుంటారు, కానీ ప్రతి బరువు లక్షణం కారకం లక్షణం కాదు. ఉదాహరణకు, విద్యార్థుల సమూహంలో చదువుతున్నప్పుడు, పరీక్షకు సిద్ధమయ్యే సమయం మరియు పరీక్షలో అందుకున్న పాయింట్ల సంఖ్య మధ్య సంబంధాన్ని, మూడవ లక్షణాన్ని కూడా పరిగణనలోకి తీసుకోవాలి: “నిర్దిష్ట స్కోర్ కోసం ధృవీకరించబడిన వ్యక్తుల సంఖ్య ." చివరి లక్షణం ఫలితాన్ని ప్రభావితం చేయదు, అయినప్పటికీ, ఇది విశ్లేషణాత్మక గణనలలో చేర్చబడుతుంది. ఈ రకమైన లక్షణాన్ని బరువు లక్షణం అని పిలుస్తారు మరియు కారకం లక్షణం కాదు.

విశ్లేషణ ప్రారంభించే ముందు, దాని విశ్వసనీయత మరియు ఖచ్చితత్వాన్ని నిర్ధారించడానికి షరతులు నెరవేరాయో లేదో తనిఖీ చేయడం అవసరం:

• - ప్రాథమిక డిజిటల్ డేటా యొక్క విశ్వసనీయత;
• - అధ్యయనం చేయబడిన జనాభా యొక్క కవరేజ్ యొక్క సంపూర్ణత;
• - సూచికల పోలిక (అకౌంటింగ్ యూనిట్లు, భూభాగం, గణన పద్ధతి ద్వారా).

గణాంక విశ్లేషణ యొక్క ప్రధాన అంశాలు:

• 1. పరికల్పన;
• 2. నిర్ణయాత్మక విధి మరియు నిర్ణయాత్మక నియమం;
• 3. సాధారణ జనాభా నుండి నమూనా;
• 4. సాధారణ జనాభా యొక్క లక్షణాల అంచనా;
• 5. విశ్వాస విరామం;
• 6. ధోరణి;
• 7. గణాంక సంబంధం.

విశ్లేషణ అనేది గణాంక పరిశోధన యొక్క చివరి దశ, దీని సారాంశం అధ్యయనం చేయబడిన దృగ్విషయం యొక్క సంబంధాలు మరియు నమూనాలను గుర్తించడం, తీర్మానాలు మరియు ప్రతిపాదనలను రూపొందించడం.

2.1 స్టాటిస్టికల్ స్టడీ డిజైన్

గణాంక డేటా విశ్లేషణ వ్యవస్థలు గణాంక పరిశోధన కోసం ఆధునిక, సమర్థవంతమైన సాధనం. ప్రత్యేక గణాంక విశ్లేషణ వ్యవస్థలు, అలాగే సార్వత్రిక సాధనాలు - Excel, Matlab, Mathcad మొదలైనవి, గణాంక డేటాను ప్రాసెస్ చేయడానికి పుష్కలమైన అవకాశాలను కలిగి ఉన్నాయి.

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.

అత్తి 2.1 - గణాంక పరిశోధన యొక్క స్కీమాటిక్ రేఖాచిత్రం

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)

అత్తి 2.3 గణాంక డేటా మార్పిడి 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 పద్ధతిని ఉపయోగించడం). 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.

ఏ కంప్యూటర్ ప్రోగ్రామ్ 1 (సన్నాహక) మరియు 5 (చివరి) దశలను నిర్వహించదు - 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) అంతిమంగా సంఖ్యల సుదీర్ఘ శ్రేణి నుండి మరింత కాంపాక్ట్‌గా మారడం. 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 విశ్లేషణ 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 సంఘం 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

గణాంక పరిశోధన (SI)ఒక నిర్దిష్ట దృగ్విషయం యొక్క ఆలోచనను పొందడానికి, దాని పరిమాణం, స్థాయిని అధ్యయనం చేయడానికి మరియు నమూనాలను గుర్తించడానికి మిమ్మల్ని అనుమతిస్తుంది. SI యొక్క అంశం జనాభా ఆరోగ్యం, వైద్య సంరక్షణ సంస్థ, ఆరోగ్యాన్ని ప్రభావితం చేసే పర్యావరణ కారకాలు మొదలైనవి కావచ్చు.

SI నిర్వహిస్తున్నప్పుడు, వారు ఉపయోగించవచ్చు 2 పద్దతి విధానాలు:

1) పర్యావరణంలో దృగ్విషయం యొక్క తీవ్రతను అధ్యయనం చేయడం, దృగ్విషయం యొక్క ప్రాబల్యం, జనాభా ఆరోగ్యంలో పోకడలను గుర్తించడం - సాధారణ జనాభా లేదా నమూనా జనాభాలో తగినంత పెద్ద సంఖ్యలో నిర్వహించబడతాయి, ఇంటెన్సివ్ సూచికలను మరియు సహేతుకంగా పొందడం సాధ్యపడుతుంది. పొందిన డేటాను మొత్తం సాధారణ జనాభాకు బదిలీ చేయండి

2) పర్యావరణంలో దృగ్విషయం యొక్క తీవ్రతను గుర్తించకుండా వ్యక్తిగత కారకాలను అధ్యయనం చేయడానికి ఖచ్చితంగా ప్రణాళికాబద్ధమైన అధ్యయనాలు నిర్వహించడం - కొత్త కారకాలను గుర్తించడానికి, తెలియని లేదా తక్కువ-తెలిసిన కారణం-మరియు-ప్రభావ సంబంధాలను అధ్యయనం చేయడానికి, ఒక నియమం ప్రకారం, చిన్న జనాభాపై నిర్వహించబడుతుంది.

గణాంక పరిశోధన యొక్క దశలు:

దశ 1. పరిశోధన ప్రణాళిక మరియు ప్రోగ్రామ్‌ను రూపొందించడం- సన్నాహకమైనది, ఈ సమయంలో పరిశోధన యొక్క ఉద్దేశ్యం మరియు లక్ష్యాలు నిర్ణయించబడతాయి, పరిశోధన ప్రణాళిక మరియు ప్రోగ్రామ్ రూపొందించబడింది, గణాంక విషయాలను సంగ్రహించే ప్రోగ్రామ్ అభివృద్ధి చేయబడింది మరియు సంస్థాగత సమస్యలు పరిష్కరించబడతాయి.

ఎ) అధ్యయనం యొక్క ఉద్దేశ్యం మరియు లక్ష్యాలు స్పష్టంగా రూపొందించబడాలి; లక్ష్యం పరిశోధన యొక్క ప్రధాన దిశను నిర్ణయిస్తుంది మరియు నియమం ప్రకారం, సైద్ధాంతికంగా మాత్రమే కాకుండా, ఆచరణాత్మకంగా కూడా ఉంటుంది, ఇది స్పష్టంగా, స్పష్టంగా, నిస్సందేహంగా రూపొందించబడింది; నిర్ణీత లక్ష్యాన్ని వెల్లడించడానికి, పరిశోధన లక్ష్యాలు నిర్ణయించబడతాయి.

బి) ఈ అంశంపై సాహిత్యాన్ని అధ్యయనం చేయడం అవసరం.

బి) అభివృద్ధి చేయాలి సంస్థాగత ప్రణాళిక - 1) స్థలం (పరిశీలన యొక్క పరిపాలనా మరియు ప్రాదేశిక సరిహద్దులు), 2) సమయం (పరిశీలన యొక్క నిర్దిష్ట నిబంధనలు, అభివృద్ధి మరియు పదార్థం యొక్క విశ్లేషణ) మరియు 3) పరిశోధన విషయం (నిర్వాహకులు, ప్రదర్శకులు, పద్దతి మరియు సంస్థాగత నిర్వహణ, మూలాల నిర్ధారణకు అందిస్తుంది పరిశోధన నిధులు).

డి) అభివృద్ధి పరిశోధన ప్రణాళిక - నిర్వచనాన్ని కలిగి ఉంటుంది:

- అధ్యయనం యొక్క వస్తువు (గణాంక జనాభా);

- పరిశోధన పరిమాణం (నిరంతర, నిరంతరాయంగా);

- రకాలు (ప్రస్తుత, ఒక-సమయం);

- గణాంక సమాచారాన్ని సేకరించే పద్ధతులు.

డి) కంపైల్ చేయడం అవసరం పరిశోధన (పరిశీలన) కార్యక్రమం - కలిగి ఉంటుంది:

- పరిశీలన యూనిట్ యొక్క నిర్వచనం;

- ప్రతి పరిశీలన యూనిట్‌కు సంబంధించి నమోదు చేయవలసిన ప్రశ్నల జాబితా (అకౌంటింగ్ లక్షణాలు).

- పరిగణనలోకి తీసుకోవలసిన ప్రశ్నలు మరియు లక్షణాల జాబితాతో వ్యక్తిగత అకౌంటింగ్ (రిజిస్ట్రేషన్) ఫారమ్ అభివృద్ధి;

- టేబుల్ లేఅవుట్‌ల అభివృద్ధి, దానిలో పరిశోధన ఫలితాలు నమోదు చేయబడతాయి.

ప్రతి అబ్జర్వేషన్ యూనిట్ కోసం ఒక ప్రత్యేక ఫారమ్ నింపబడి ఉంటుంది, ఇది పాస్‌పోర్ట్ భాగాన్ని కలిగి ఉంటుంది, ఒక నిర్దిష్ట క్రమంలో స్పష్టంగా రూపొందించబడిన ప్రోగ్రామ్ ప్రశ్నలు మరియు పత్రాన్ని పూరించే తేదీ. చికిత్స మరియు నివారణ సంస్థల ఆచరణలో ఉపయోగించే మెడికల్ రిజిస్ట్రేషన్ ఫారమ్‌లను రిజిస్ట్రేషన్ ఫారమ్‌లుగా ఉపయోగించవచ్చు.

సమాచారాన్ని పొందే మూలాలు ఇతర వైద్య పత్రాలు (వైద్య చరిత్రలు మరియు వ్యక్తిగత ఔట్ పేషెంట్ రికార్డులు, పిల్లల అభివృద్ధి చరిత్రలు, జనన చరిత్రలు), వైద్య సంస్థల నుండి రిపోర్టింగ్ ఫారమ్‌లు మొదలైనవి కావచ్చు.

ఈ పత్రాల నుండి డేటా యొక్క గణాంక అభివృద్ధి యొక్క అవకాశాన్ని నిర్ధారించడానికి, సమాచారం ప్రత్యేకంగా రూపొందించిన అకౌంటింగ్ ఫారమ్‌లలోకి కాపీ చేయబడుతుంది, దీని యొక్క కంటెంట్ అధ్యయనం యొక్క లక్ష్యాలకు అనుగుణంగా ప్రతి వ్యక్తి కేసులో నిర్ణయించబడుతుంది.

ప్రస్తుతం, కంప్యూటర్‌ను ఉపయోగించి పరిశీలన ఫలితాల మెషీన్ ప్రాసెసింగ్‌కు సంబంధించి, ప్రోగ్రామ్ ప్రశ్నలు అధికారికీకరించబడతాయి , అకౌంటింగ్ డాక్యుమెంట్‌లోని ప్రశ్నలు ప్రత్యామ్నాయ రూపంలో సమర్పించబడినప్పుడు (అవును, కాదు) , లేదా రెడీమేడ్ సమాధానాలు అందించబడతాయి, దాని నుండి నిర్దిష్ట సమాధానాన్ని ఎంచుకోవాలి.

ఇ) పొందిన డేటాను సంగ్రహించడానికి ఒక ప్రోగ్రామ్‌ను రూపొందించడం అవసరం, ఇందులో సమూహ సూత్రాలను ఏర్పాటు చేయడం మరియు సమూహ లక్షణాలను గుర్తించడం వంటివి ఉంటాయి. , ఈ లక్షణాల కలయికలను నిర్ణయించడం, గణాంక పట్టికల లేఅవుట్లను గీయడం.

దశ 2. మెటీరియల్ సేకరణ (గణాంక పరిశీలన)– – అధ్యయనం చేయబడిన దృగ్విషయం యొక్క వ్యక్తిగత కేసులను నమోదు చేయడం మరియు రిజిస్ట్రేషన్ ఫారమ్‌లలో వాటిని వర్గీకరించే అకౌంటింగ్ లక్షణాలను కలిగి ఉంటుంది. ఈ పనికి ముందు మరియు సమయంలో, నిఘా ప్రదర్శనకారులకు సూచించబడతారు (మౌఖిక లేదా వ్రాతపూర్వకంగా) మరియు రిజిస్ట్రేషన్ ఫారమ్‌లు అందించబడతాయి.

గణాంక పరిశీలన కావచ్చు:

ఎ ) సమయానికి:

1) ప్రస్తుత- దృగ్విషయం నిర్దిష్ట కాలానికి (వారం, త్రైమాసికంలో) అధ్యయనం చేయబడుతుంది , సంవత్సరం, మొదలైనవి) ప్రతి సందర్భంలో జరిగే దృగ్విషయాన్ని రోజువారీగా నమోదు చేయడం ద్వారా (జననాల సంఖ్యను లెక్కించడం) , చనిపోయాడు, జబ్బుపడ్డాడు , ఆసుపత్రి నుండి డిశ్చార్జ్ చేయబడింది). ఇది వేగంగా మారుతున్న దృగ్విషయాలను పరిగణనలోకి తీసుకుంటుంది.

2) ఒక్కసారి- గణాంక డేటా నిర్దిష్ట (క్లిష్టమైన) సమయంలో సేకరించబడుతుంది (జనాభా గణన, పిల్లల శారీరక అభివృద్ధి అధ్యయనం, జనాభా యొక్క నివారణ పరీక్షలు). వన్-టైమ్ రిజిస్ట్రేషన్ అనేది అధ్యయనం సమయంలో దృగ్విషయం యొక్క స్థితిని ప్రతిబింబిస్తుంది మరియు నెమ్మదిగా మారుతున్న దృగ్విషయాలను అధ్యయనం చేయడానికి ఉపయోగించబడుతుంది.

కాలక్రమేణా పరిశీలన రకం ఎంపిక అధ్యయనం యొక్క ప్రయోజనం మరియు లక్ష్యాల ద్వారా నిర్ణయించబడుతుంది (ఆసుపత్రిలో చేరిన రోగుల లక్షణాలను ఆసుపత్రి నుండి నిష్క్రమించే వారి ప్రస్తుత నమోదు ఫలితంగా పొందవచ్చు - ప్రస్తుత పరిశీలన లేదా ఒక రోజు జనాభా గణన ద్వారా ఆసుపత్రిలో రోగులు - ఒక-సమయం పరిశీలన).

B) అధ్యయనం చేయబడిన దృగ్విషయం యొక్క సంపూర్ణతపై ఆధారపడి ఉంటుంది:

1) ఘనమైనది- జనాభాలో చేర్చబడిన అన్ని పరిశీలన యూనిట్లు అధ్యయనం చేయబడతాయి, అనగా సాధారణ జనాభా. దృగ్విషయం యొక్క సంపూర్ణ పరిమాణాన్ని (మొత్తం జనాభా, మొత్తం జననాలు లేదా మరణాల సంఖ్య) స్థాపించడానికి అవి నిర్వహించబడతాయి. కార్యాచరణ పని కోసం సమాచారం అవసరమైన సందర్భాల్లో కూడా ఇది ఉపయోగించబడుతుంది (అంటువ్యాధులు, వైద్యుల పనిభారం మొదలైనవి పరిగణనలోకి తీసుకోవడం)

2) నిరంతరం కాదు- సాధారణ జనాభాలో కొంత భాగం మాత్రమే అధ్యయనం చేయబడుతుంది, అనేక రకాలుగా విభజించబడింది:

1. మోనోగ్రాఫిక్ పద్ధతి- జనాభా యొక్క వ్యక్తిగత యూనిట్ల యొక్క వివరణాత్మక వర్ణనను అందిస్తుంది, ఇది కొంత లక్షణం మరియు వస్తువుల యొక్క లోతైన, సమగ్ర వివరణ.

2. ప్రధాన శ్రేణి పద్ధతి- గణనీయమైన మెజారిటీ పరిశీలన యూనిట్లు కేంద్రీకృతమై ఉన్న వస్తువుల అధ్యయనాన్ని కలిగి ఉంటుంది. ఈ పద్ధతి యొక్క ప్రతికూలత ఏమిటంటే, జనాభాలో కొంత భాగం అధ్యయనం ద్వారా బయటపడింది, అయినప్పటికీ పరిమాణంలో చిన్నది, కానీ ఇది ప్రధాన శ్రేణి నుండి గణనీయంగా భిన్నంగా ఉండవచ్చు.

3. ప్రశ్నాపత్రం పద్ధతిఅనేది నిర్దిష్ట వ్యక్తుల సర్కిల్‌కు ఉద్దేశించిన ప్రత్యేకంగా రూపొందించిన ప్రశ్నపత్రాలను ఉపయోగించి గణాంక డేటా సేకరణ. ఈ అధ్యయనం స్వచ్ఛందత సూత్రంపై ఆధారపడి ఉంటుంది, కాబట్టి ప్రశ్నాపత్రాల వాపసు తరచుగా అసంపూర్ణంగా ఉంటుంది. తరచుగా అడిగిన ప్రశ్నలకు సమాధానాలు ఆత్మాశ్రయత మరియు యాదృచ్ఛికత యొక్క ముద్రను కలిగి ఉంటాయి. అధ్యయనం చేయబడిన దృగ్విషయం యొక్క ఉజ్జాయింపు లక్షణాన్ని పొందడానికి ఈ పద్ధతి ఉపయోగించబడుతుంది.

4. నమూనా పద్ధతి- అత్యంత సాధారణ పద్ధతి, మొత్తం జనాభాను వర్గీకరించడానికి ప్రత్యేకంగా ఎంపిక చేయబడిన పరిశీలన యూనిట్ల భాగాన్ని అధ్యయనం చేయడం. ఈ పద్ధతి యొక్క ప్రయోజనం ఏమిటంటే ఇది అధిక స్థాయి విశ్వసనీయతతో పాటు గణనీయంగా తక్కువ ఖర్చుతో ఫలితాలను ఉత్పత్తి చేస్తుంది. అధ్యయనంలో తక్కువ మంది ప్రదర్శకులు పాల్గొన్నారు , అదనంగా, దీనికి తక్కువ సమయం అవసరం. వైద్య గణాంకాలలో, నమూనా పద్ధతి యొక్క పాత్ర మరియు స్థానం చాలా గొప్పది, ఎందుకంటే వైద్య కార్మికులు సాధారణంగా అధ్యయనం చేయబడిన దృగ్విషయంలో కొంత భాగాన్ని మాత్రమే నిర్వహిస్తారు (వారు ఒక నిర్దిష్ట వ్యాధి ఉన్న రోగుల సమూహాన్ని అధ్యయనం చేస్తారు, వ్యక్తిగత విభాగాల పనిని విశ్లేషిస్తారు).

సి) ప్రక్రియ సమయంలో సమాచారాన్ని పొందే పద్ధతి మరియు దాని అమలు యొక్క స్వభావం ద్వారా

1. ప్రత్యక్ష పరిశీలన(రోగుల క్లినికల్ పరీక్ష , ప్రయోగశాల నిర్వహించడం , వాయిద్య పరిశోధన , ఆంత్రోపోమెట్రిక్ కొలతలు మొదలైనవి)

2. సామాజిక పద్ధతులు: ఇంటర్వ్యూ పద్ధతి (ముఖాముఖి సర్వే), ప్రశ్నాపత్రం (కరస్పాండెన్స్ సర్వే - అనామక లేదా నాన్-అజ్ఞాత), మొదలైనవి;

3. డాక్యుమెంటరీ పరిశోధన(వైద్య రికార్డులు మరియు నివేదికల నుండి సమాచారాన్ని కాపీ చేయడం, సంస్థలు మరియు సంస్థల అధికారిక గణాంకాల నుండి సమాచారం.)

దశ 3. మెటీరియల్ డెవలప్‌మెంట్, స్టాటిస్టికల్ గ్రూపింగ్ మరియు సారాంశం- పరిశీలనల సంఖ్యను తనిఖీ చేయడం మరియు స్పష్టం చేయడంతో ప్రారంభమవుతుంది , అందుకున్న సమాచారం యొక్క సంపూర్ణత మరియు ఖచ్చితత్వం , లోపాలు, నకిలీ రికార్డులు మొదలైనవాటిని గుర్తించడం మరియు తొలగించడం.

పదార్థం యొక్క సరైన అభివృద్ధి కోసం, ఇది ఉపయోగించబడుతుంది ప్రాథమిక అకౌంటింగ్ పత్రాల ఎన్క్రిప్షన్, అంటే, ప్రతి లక్షణం మరియు దాని సమూహం యొక్క హోదా - అక్షరం లేదా డిజిటల్. ఎన్‌క్రిప్షన్ అనేది ఒక టెక్నిక్ , మెటీరియల్ డెవలప్‌మెంట్‌ను సులభతరం చేస్తుంది మరియు వేగవంతం చేస్తుంది , అభివృద్ధి యొక్క నాణ్యత మరియు ఖచ్చితత్వాన్ని పెంచడం. సాంకేతికలిపిలు - చిహ్నాలు - ఏకపక్షంగా ఉత్పత్తి చేయబడతాయి. రోగనిర్ధారణలను ఎన్కోడింగ్ చేసినప్పుడు, అంతర్జాతీయ నామకరణం మరియు వ్యాధుల వర్గీకరణను ఉపయోగించమని సిఫార్సు చేయబడింది; వృత్తులను ఎన్కోడింగ్ చేసేటప్పుడు - వృత్తుల నిఘంటువుతో.

ఎన్‌క్రిప్షన్ యొక్క ప్రయోజనం ఏమిటంటే, అవసరమైతే, ప్రధాన అభివృద్ధిని పూర్తి చేసిన తర్వాత, మీరు కొత్త కనెక్షన్‌లు మరియు డిపెండెన్సీలను స్పష్టం చేయడానికి డెవలప్‌మెంట్ మెటీరియల్‌కి తిరిగి రావచ్చు. ఎన్‌క్రిప్టెడ్ అకౌంటింగ్ మెటీరియల్ దీన్ని సులభతరం చేస్తుంది మరియు వేగవంతం చేస్తుంది , ఎన్‌క్రిప్ట్ చేయని దానికంటే. ధృవీకరణ తర్వాత, లక్షణాలు సమూహం చేయబడతాయి.

గ్రూపింగ్ -అధ్యయనం చేయబడిన మొత్తం డేటాను సజాతీయంగా విభజించడం , అత్యంత ముఖ్యమైన లక్షణాల ఆధారంగా సాధారణ సమూహాలు. గుణాత్మక మరియు పరిమాణాత్మక ప్రమాణాల ప్రకారం సమూహాన్ని నిర్వహించవచ్చు. సమూహం లక్షణం యొక్క ఎంపిక అధ్యయనం చేయబడిన జనాభా యొక్క స్వభావం మరియు అధ్యయనం యొక్క లక్ష్యాలపై ఆధారపడి ఉంటుంది.

ఎ) టైపోలాజికల్ గ్రూపింగ్గుణాత్మక (వివరణాత్మక, లక్షణ) లక్షణాల ప్రకారం (లింగం , వృత్తి, వ్యాధి సమూహాలు)

బి) వైవిధ్య సమూహం(పరిమాణాత్మక లక్షణాల ద్వారా) లక్షణం (వయస్సు) యొక్క సంఖ్యా కొలతల ఆధారంగా నిర్వహించబడుతుంది , వ్యాధి యొక్క వ్యవధి, చికిత్స యొక్క వ్యవధి మొదలైనవి). పరిమాణాత్మక సమూహీకరణకు సమూహ విరామం యొక్క పరిమాణం యొక్క సమస్యను పరిష్కరించడం అవసరం: విరామం సమానంగా ఉంటుంది మరియు కొన్ని సందర్భాల్లో ఇది అసమానంగా ఉండవచ్చు, అని పిలవబడే ఓపెన్ గ్రూపులతో సహా (వయస్సు ప్రకారం సమూహం చేసినప్పుడు, బహిరంగ సమూహాలను నిర్వచించవచ్చు: వరకు 1 సంవత్సరం, 50 సంవత్సరాలు మరియు అంతకంటే ఎక్కువ వయస్సు గలవారు).

సమూహాల సంఖ్యను నిర్ణయించేటప్పుడు, అవి అధ్యయనం యొక్క ప్రయోజనం మరియు లక్ష్యాల నుండి ముందుకు సాగుతాయి. అధ్యయనం చేయబడిన దృగ్విషయం యొక్క నమూనాలను సమూహాలు బహిర్గతం చేయడం అవసరం. పెద్ద సంఖ్యలో సమూహాలు పదార్థం యొక్క అధిక ఫ్రాగ్మెంటేషన్ మరియు అనవసరమైన వివరాలకు దారితీయవచ్చు. తక్కువ సంఖ్యలో సమూహాలు లక్షణ లక్షణాల అస్పష్టతకు దారితీస్తాయి.

మెటీరియల్ సమూహాన్ని పూర్తి చేసిన తర్వాత, కొనసాగండి సారాంశం- వ్యక్తిగత కేసుల సాధారణీకరణ , గణాంక పరిశోధన ఫలితంగా, నిర్దిష్ట సమూహాలలో, వాటిని లెక్కించడం మరియు వాటిని టేబుల్ లేఅవుట్‌లలోకి నమోదు చేయడం ద్వారా పొందబడింది.

గణాంక అంశాల సారాంశం గణాంక పట్టికలను ఉపయోగించి నిర్వహించబడుతుంది. పట్టిక , సంఖ్యలతో నింపబడలేదు , పిలిచారు లేఅవుట్.

గణాంక పట్టికలు జాబితాలు కావచ్చు , కాలక్రమం, ప్రాదేశిక.

పట్టికలో ఒక విషయం మరియు సూచన ఉంది. గణాంక విషయం సాధారణంగా పట్టిక యొక్క ఎడమ వైపున క్షితిజ సమాంతర రేఖల వెంట ఉంచబడుతుంది మరియు ప్రధాన, ప్రధాన లక్షణాన్ని ప్రతిబింబిస్తుంది. స్టాటిస్టికల్ ప్రిడికేట్ నిలువు నిలువు వరుసల వెంట ఎడమ నుండి కుడికి ఉంచబడుతుంది మరియు అదనపు అకౌంటింగ్ లక్షణాలను ప్రతిబింబిస్తుంది.

గణాంక పట్టికలు విభజించబడ్డాయి:

ఎ) సింపుల్- ఒక లక్షణం ప్రకారం పదార్థం యొక్క సంఖ్యా పంపిణీని అందిస్తుంది , దాని భాగాలు. ఒక సాధారణ పట్టిక సాధారణంగా అధ్యయనం చేయబడిన మొత్తం దృగ్విషయం యొక్క సాధారణ జాబితా లేదా సారాంశాన్ని కలిగి ఉంటుంది.

బి) సమూహం- రెండు లక్షణాల కలయిక ఒకదానికొకటి సంబంధించి ప్రదర్శించబడుతుంది

IN) కలయిక- పదార్థం యొక్క పంపిణీ మూడు లేదా అంతకంటే ఎక్కువ పరస్పర సంబంధం ఉన్న లక్షణాల ప్రకారం ఇవ్వబడుతుంది

పట్టికలను కంపైల్ చేస్తున్నప్పుడు, కొన్ని అవసరాలు తీర్చాలి:

- ప్రతి పట్టిక తప్పనిసరిగా దాని కంటెంట్‌లను ప్రతిబింబించే శీర్షికను కలిగి ఉండాలి;

- పట్టిక లోపల, అన్ని నిలువు వరుసలు కూడా స్పష్టమైన, చిన్న పేర్లను కలిగి ఉండాలి;

- పట్టికను పూరించేటప్పుడు, పట్టికలోని అన్ని సెల్‌లు తప్పనిసరిగా సంబంధిత సంఖ్యా డేటాను కలిగి ఉండాలి. ఈ కలయిక లేకపోవడం వల్ల పట్టికలో ఖాళీగా ఉన్న సెల్‌లు క్రాస్ అవుట్ చేయబడతాయి (“-”), మరియు సెల్‌లో సమాచారం లేకుంటే, “n.s.” లేదా "...";

- పట్టికను పూరించిన తర్వాత, నిలువు నిలువు వరుసలు మరియు క్షితిజ సమాంతర వరుసలు దిగువ క్షితిజ సమాంతర వరుసలో మరియు కుడి వైపున ఉన్న చివరి నిలువు వరుసలో సంగ్రహించబడతాయి.

- పట్టికలు తప్పనిసరిగా ఒకే వరుస సంఖ్యను కలిగి ఉండాలి.

తక్కువ సంఖ్యలో పరిశీలనలతో అధ్యయనాలలో, సారాంశాలు మానవీయంగా నిర్వహించబడతాయి. అన్ని అకౌంటింగ్ పత్రాలు లక్షణం కోడ్‌కు అనుగుణంగా సమూహాలుగా విభజించబడ్డాయి. తరువాత, డేటా లెక్కించబడుతుంది మరియు పట్టికలోని తగిన సెల్‌లో నమోదు చేయబడుతుంది. ప్రస్తుతం, కంప్యూటర్లు మెటీరియల్‌ని క్రమబద్ధీకరించడంలో మరియు సంగ్రహించడంలో విస్తృతంగా ఉపయోగించబడుతున్నాయి. . ఇది అధ్యయనం చేయబడిన లక్షణాల ప్రకారం పదార్థాన్ని క్రమబద్ధీకరించడానికి మాత్రమే అనుమతిస్తుంది , కానీ సూచికల గణనలను నిర్వహించండి.

దశ 4. అధ్యయనంలో ఉన్న దృగ్విషయం యొక్క గణాంక విశ్లేషణ, ముగింపుల సూత్రీకరణ- అధ్యయనం యొక్క క్లిష్టమైన దశ, దీనిలో గణాంక సూచికల గణన (ఫ్రీక్వెన్సీ , నిర్మాణాలు , అధ్యయనం చేయబడిన దృగ్విషయం యొక్క సగటు పరిమాణాలు), వాటి గ్రాఫిక్ ప్రాతినిధ్యం ఇవ్వబడింది , డైనమిక్స్ అధ్యయనం చేస్తున్నారు , పోకడలు, దృగ్విషయాల మధ్య కనెక్షన్లు స్థాపించబడ్డాయి . అంచనాలు రూపొందించబడ్డాయి, మొదలైనవి. విశ్లేషణలో పొందిన డేటాను వివరించడం మరియు పరిశోధన ఫలితాల విశ్వసనీయతను అంచనా వేయడం ఉంటుంది. చివరగా, ముగింపులు డ్రా చేయబడ్డాయి.

దశ 5. సాహిత్య ప్రాసెసింగ్ మరియు పొందిన ఫలితాల ప్రదర్శన- ఇది చివరిది మరియు గణాంక అధ్యయనం యొక్క ఫలితాల ముగింపును కలిగి ఉంటుంది. ఫలితాలను వ్యాసం, నివేదిక, నివేదిక రూపంలో అందించవచ్చు , డిసర్టేషన్లు, మొదలైనవి. నమోదు యొక్క ప్రతి రకం కోసం కొన్ని అవసరాలు ఉన్నాయి , గణాంక పరిశోధన ఫలితాల సాహిత్య ప్రాసెసింగ్ సమయంలో ఇది తప్పనిసరిగా గమనించాలి.

వైద్య మరియు గణాంక పరిశోధన ఫలితాలు ఆరోగ్య సంరక్షణ సాధనలో ప్రవేశపెట్టబడ్డాయి. పరిశోధన ఫలితాలను ఉపయోగించడం కోసం వివిధ ఎంపికలు ఉన్నాయి: వైద్య మరియు శాస్త్రీయ కార్మికుల విస్తృత ప్రేక్షకులకు ఫలితాలతో పరిచయం; బోధనా మరియు పద్దతి పత్రాల తయారీ; హేతుబద్ధీకరణ ప్రతిపాదనలు మరియు ఇతరుల తయారీ

గణాంక అధ్యయనం పూర్తయిన తర్వాత, సిఫార్సులు మరియు నిర్వహణ నిర్ణయాలు అభివృద్ధి చేయబడతాయి, పరిశోధన ఫలితాలు ఆచరణలో అమలు చేయబడతాయి మరియు ప్రభావం అంచనా వేయబడుతుంది.

గణాంక అధ్యయనాన్ని నిర్వహించడంలో, అత్యంత ముఖ్యమైన అంశం ఈ దశల అమలులో ఖచ్చితమైన క్రమాన్ని పాటించడం.

నాలెడ్జ్ బేస్‌లో మీ మంచి పనిని పంపండి. దిగువ ఫారమ్‌ని ఉపయోగించండి

విద్యార్థులు, గ్రాడ్యుయేట్ విద్యార్థులు, వారి అధ్యయనాలు మరియు పనిలో నాలెడ్జ్ బేస్ ఉపయోగించే యువ శాస్త్రవేత్తలు మీకు చాలా కృతజ్ఞతలు తెలుపుతారు.

పోస్ట్ చేయబడింది http://www.allbest.ru/

రష్యన్ ఫెడరేషన్ యొక్క విద్య మరియు విజ్ఞాన మంత్రిత్వ శాఖ

"లా ఇన్స్టిట్యూట్"

న్యాయశాస్త్ర ఫ్యాకల్టీ

వ్యాసం

క్రమశిక్షణ ద్వారా

"చట్టపరమైన గణాంకాలు"

గణాంక పరిశోధన యొక్క పద్ధతులు మరియు ప్రధాన దశలు.

ఈ పనిని ఒక విద్యార్థి పూర్తి చేశాడు

గ్రిబనోవ్ A.S.

మాస్కో

పరిచయం

1. గణాంక పరిశోధన భావన

2. గణాంక పరిశోధన పద్ధతులు

3. గణాంక పరిశోధన యొక్క సంస్థ మరియు దశలు

ముగింపు

ఉపయోగించిన సాహిత్యం జాబితా

పరిచయం

గణాంకాలకు ప్రతిదీ తెలుసు, ”ఇల్ఫ్ మరియు పెట్రోవ్ వారి ప్రసిద్ధ నవల “ది ట్వెల్వ్ చైర్స్”లో నొక్కిచెప్పారు మరియు కొనసాగించారు: “రిపబ్లిక్ యొక్క సగటు పౌరుడు సంవత్సరానికి ఎంత ఆహారం తింటున్నాడో తెలుసు... ఎంత మంది వేటగాళ్ళు, బాలేరినాలు.. . యంత్రాలు, సైకిళ్ళు, స్మారక చిహ్నాలు, లైట్‌హౌస్‌లు మరియు కుట్టు యంత్రాలు... గణాంక పట్టికల నుండి ఎంత జీవితం, ఉత్సాహం, అభిరుచులు మరియు ఆలోచనలతో మన వైపు చూస్తుంది! వాటి ఆధారంగా తీర్మానాలు చేయవచ్చు - గణాంకాలు ఈ ప్రశ్నలకు సమాధానాలు ఇస్తాయి (ఇటాలియన్ స్టాటో - స్టేట్, లాటిన్ స్టేటస్ - స్టేట్ నుండి స్టాటిస్టిక్స్ అనేది జీవితంలోని అనేక రకాల సామూహిక దృగ్విషయాల గురించి పరిమాణాత్మక డేటాను అధ్యయనం చేసే, ప్రాసెస్ చేసే మరియు విశ్లేషించే శాస్త్రం.

గణాంక పరిశోధన మన దైనందిన జీవితంలో ఒక భాగంగా మారింది. ప్రభుత్వం మరియు వ్యాపార సంస్థలు క్రమం తప్పకుండా సమాజం మరియు పర్యావరణం గురించి విస్తృతమైన సమాచారాన్ని సేకరిస్తాయి. ఈ డేటా పట్టికలు మరియు చార్టుల రూపంలో ప్రచురించబడింది. ప్రతి వ్యక్తి సమాచార ప్రవాహంలో బాగా ప్రావీణ్యం కలిగి ఉండాలి. దీని అర్థం అతను సమాచారాన్ని సేకరించాలి, విశ్లేషించాలి మరియు ప్రాసెస్ చేయాలి, వివిధ పరిస్థితులలో నిర్ణయాలు తీసుకోవాలి.

నా పనిలో నేను గణాంక పరిశోధనను పరిశీలిస్తాను, అవి ఏమిటి, గణాంక పరిశోధన యొక్క పద్ధతులు ఏమిటి, ఈ అధ్యయనాలు ఎలా నిర్వహించబడతాయి మరియు అవి ఏ దశలను కలిగి ఉంటాయి.

1. గణాంక పరిశోధన భావన

పరిశోధన యొక్క ప్రారంభ దశగా పరిశీలన అనేది అధ్యయనం చేయబడిన సమస్య గురించి ప్రారంభ డేటా సేకరణతో ముడిపడి ఉంటుంది. ఇది అనేక శాస్త్రాల లక్షణం. ఏదేమైనా, ప్రతి శాస్త్రానికి దాని స్వంత ప్రత్యేకతలు ఉన్నాయి, దాని పరిశీలనలలో భిన్నంగా ఉంటాయి. అందువలన, ప్రతి పరిశీలన గణాంక కాదు.

గణాంక పరిశోధన అనేది రాష్ట్రంలోని సామాజిక-ఆర్థిక, జనాభా మరియు ఇతర దృగ్విషయాలు మరియు సామాజిక జీవితంలోని ప్రక్రియల గురించి శాస్త్రీయంగా నిర్వహించబడిన సేకరణ, సారాంశం మరియు డేటా (వాస్తవాలు) విశ్లేషణ, అకౌంటింగ్ డాక్యుమెంటేషన్‌లో వాటి అత్యంత ముఖ్యమైన లక్షణాల నమోదు, ఏకీకృత ప్రకారం నిర్వహించబడుతుంది. కార్యక్రమం.

గణాంక పరిశోధన యొక్క విలక్షణమైన లక్షణాలు (నిర్దిష్టత): ఉద్దేశ్యత, సంస్థ, సామూహిక భాగస్వామ్యం, క్రమబద్ధత (సంక్లిష్టత), పోలిక, డాక్యుమెంటేషన్, నియంత్రణ, ప్రాక్టికాలిటీ.

సాధారణంగా, ఒక గణాంక అధ్యయనం చేయాలి:

* సామాజికంగా ప్రయోజనకరమైన ప్రయోజనం మరియు సార్వత్రిక (రాష్ట్ర) ప్రాముఖ్యత;

* దాని స్థలం మరియు సమయం యొక్క నిర్దిష్ట పరిస్థితులలో గణాంకాల విషయానికి సంబంధించినది;

* అకౌంటింగ్ యొక్క గణాంక రకాన్ని వ్యక్తపరచండి (మరియు అకౌంటింగ్ లేదా కార్యాచరణ కాదు);

* దాని శాస్త్రీయంగా ఆధారిత పద్దతి మరియు ఇతర మద్దతుతో ముందుగా అభివృద్ధి చేయబడిన ప్రోగ్రామ్ ప్రకారం నిర్వహించబడుతుంది;

* మాస్ డేటా (వాస్తవాలు) సేకరించండి, ఇది మొత్తం కారణం మరియు ప్రభావం మరియు అనేక విధాలుగా దృగ్విషయాన్ని వివరించే ఇతర కారకాలను ప్రతిబింబిస్తుంది;

* స్థాపించబడిన ఫారమ్ యొక్క అకౌంటింగ్ పత్రాల రూపంలో నమోదు చేయండి;

* పరిశీలన లోపాలు లేకపోవడాన్ని హామీ ఇవ్వండి లేదా వాటిని కనీస స్థాయికి తగ్గించండి;

* సేకరించిన డేటాను పర్యవేక్షించే నిర్దిష్ట నాణ్యతా ప్రమాణాలు మరియు పద్ధతులను అందించడం, వాటి విశ్వసనీయత, సంపూర్ణత మరియు కంటెంట్‌ను నిర్ధారించడం;

* డేటాను సేకరించడం మరియు ప్రాసెస్ చేయడం కోసం ఖర్చుతో కూడుకున్న సాంకేతికతపై దృష్టి పెట్టండి;

* గణాంక పరిశోధన యొక్క అన్ని తదుపరి దశలకు మరియు గణాంక సమాచారం యొక్క వినియోగదారులందరికీ విశ్వసనీయ సమాచార స్థావరం.

ఈ అవసరాలకు అనుగుణంగా లేని అధ్యయనాలు గణాంకపరమైనవి కావు.

నాన్-స్టాటిస్టికల్ స్టడీస్, ఉదాహరణకు,

పరిశీలనలు మరియు పరిశోధన: తల్లులు తమ పిల్లల ఆటను చూస్తున్నారు (వ్యక్తిగత ప్రశ్న);

థియేట్రికల్ ప్రొడక్షన్ వద్ద ప్రేక్షకులు (ప్రేక్షకుడికి అకౌంటింగ్ డాక్యుమెంటేషన్ లేదు);

వారి కొలతలు, లెక్కలు మరియు డాక్యుమెంటరీ నమోదుతో భౌతిక మరియు రసాయన ప్రయోగాల కోసం ఒక శాస్త్రవేత్త (మాస్ పబ్లిక్ డేటా కాదు);

వైద్య రికార్డులను (ఆపరేషనల్ రికార్డులు) నిర్వహించే రోగులకు వైద్యుడు;

సంస్థ యొక్క బ్యాంకు ఖాతాలో (అకౌంటింగ్) నిధుల కదలిక కోసం అకౌంటెంట్;

ప్రభుత్వ అధికారులు లేదా ఇతర ప్రముఖుల పబ్లిక్ మరియు వ్యక్తిగత కార్యకలాపాలపై పాత్రికేయులు (గణాంకాల విషయం కాదు).

గణాంక జనాభా అనేది ద్రవ్యరాశి, విలక్షణత, గుణాత్మక సజాతీయత మరియు వైవిధ్యం యొక్క ఉనికిని కలిగి ఉన్న యూనిట్ల సమితి.

గణాంక జనాభాలో భౌతికంగా ఉన్న వస్తువులు (ఉద్యోగులు, సంస్థలు, దేశాలు, ప్రాంతాలు) ఉంటాయి మరియు ఇది గణాంక పరిశోధన యొక్క వస్తువు.

గణాంక పరిశీలన అనేది గణాంక పరిశోధన యొక్క మొదటి దశ, ఇది అధ్యయనం చేయబడిన సామాజిక జీవితంలోని దృగ్విషయాలు మరియు ప్రక్రియల గురించి శాస్త్రీయంగా వ్యవస్థీకృత డేటా సేకరణ.

2. గణాంక పరిశోధన పద్ధతులు

గణాంక పదార్థాలు ముందుగా నిర్ణయించిన సూత్రాలు మరియు పద్ధతుల ప్రకారం ప్రత్యేకంగా సృష్టించబడినవి మరియు గణిత పద్ధతుల ద్వారా తదుపరి ప్రాసెసింగ్‌కు లోబడి ఉంటాయి అని నొక్కి చెప్పాలి, అనగా. అధ్యయనం చేయబడుతున్న వస్తువు యొక్క పరిమాణాత్మక లక్షణాలను అధ్యయనం చేస్తుంది. అవి రెండు దశల్లో సృష్టించబడతాయి:

1) ప్రాథమిక పత్రాలు (ప్రాధమిక మూలాలు) - ప్రశ్నాపత్రాలు, చెక్‌లిస్ట్‌లు, ప్రశ్నాపత్రాలు మొదలైనవి;

2) సారాంశ ప్రకటనలు, సారాంశ పట్టికలు, ఇవి గణిత గణాంకాల పద్ధతుల ద్వారా ప్రాసెస్ చేయబడతాయి; ఈ సారాంశ పత్రాలను సాధారణంగా "గణాంకాలు" అంటారు.

ఏదైనా గణాంక అధ్యయనం కింది వాటిని ఊహిస్తుంది:

1) తీవ్రమైన ప్రాథమిక పని;

2) ప్రత్యక్ష సమాచార సేకరణ;

3) పొందిన డేటాను విశ్లేషించడానికి పని చేయండి.

పరిశోధన ఒక నిర్దిష్ట అల్గోరిథం ప్రకారం నిర్వహించబడుతుంది మరియు ప్రతి దశ యొక్క ప్రకరణానికి ప్రత్యేక పద్ధతులను ఉపయోగించడం అవసరం మరియు ప్రదర్శించబడే పని యొక్క కంటెంట్‌కు పరిమితం చేయబడింది.

గణాంక అధ్యయనాన్ని నిర్వహించడానికి అల్గోరిథం క్రింది విధంగా ప్రదర్శించబడుతుంది.

1. పరిశోధన కార్యక్రమం లేదా పరిశీలన కార్యక్రమం అభివృద్ధి. ఈ దశలో, సర్వే యొక్క లక్ష్యాలు మరియు లక్ష్యాలు నిర్ణయించబడతాయి, అధ్యయనం చేయబడిన వస్తువుల కవరేజ్, వస్తువుల కవరేజ్ స్థాయి, కాలక్రమానుసారం మరియు భౌగోళిక ఫ్రేమ్‌వర్క్, పరిశీలన యూనిట్లు, నమోదు చేయవలసిన సూచికలు, నింపడానికి ప్రాథమిక మూల రూపం డేటాలో మరియు సమాచారాన్ని సేకరించే యంత్రాంగాలు, సమాచార సేకరణ నాణ్యతను పర్యవేక్షించడం, పొందిన డేటా యొక్క ప్రాసెసింగ్ మరియు విశ్లేషణ.

పరిశీలన కార్యక్రమం అనేది నమోదు చేయవలసిన సంకేతాల జాబితా. నిఘా నమోదు అకౌంటింగ్ డాక్యుమెంటేషన్

పరిశీలన కాలం అనేది సమాచారం నమోదు చేయబడిన సమయం.

క్లిష్టమైన పరిశీలన తేదీ అనేది సమాచారం నివేదించబడిన తేదీ.

2. గణాంక పరిశీలనను నిర్వహించడం స్వల్పకాలిక లేదా దీర్ఘకాలిక (కొంతకాలం పాటు నిర్వహించబడుతుంది), నిరంతర లేదా ఎంపిక కావచ్చు. ఫలితంగా, ఒక నియమం వలె, సామూహిక పత్రాల సంక్లిష్టత కనిపిస్తుంది.

3. గణాంక డేటా యొక్క సారాంశం మరియు సమూహం - సేకరించిన డేటా యొక్క గణన మరియు సమూహం, దీని ఫలితంగా రెండోది గణాంక పట్టికలు మరియు ఉపమొత్తాల వ్యవస్థగా మారుతుంది.

4. డేటా విశ్లేషణ, ఇది సమస్యల యొక్క ప్రాథమిక సూత్రీకరణను కలిగి ఉంటుంది, ఇది గణాంక విశ్లేషణ పద్ధతుల ద్వారా నిర్వహించబడుతుంది.

5. డేటా యొక్క వివరణ - పొందిన ఫలితాల వివరణ, వాటిని సారూప్య సూచికలతో పోల్చడం.

గణాంక పత్రాల రకాలు మరియు వాటి తదుపరి ప్రాసెసింగ్ యొక్క పద్ధతులు డేటా సేకరణ పద్ధతులకు అనుగుణంగా నిర్ణయించబడతాయి, ఇవన్నీ ముందుగా అభివృద్ధి చేసిన ప్రోగ్రామ్ ద్వారా ప్రతిబింబిస్తాయి మరియు నిర్ణయించబడతాయి మరియు అధ్యయనం యొక్క లక్ష్యాలపై ఆధారపడి ఉంటాయి.

డేటా సేకరణ దశలో, గణాంక పరిశీలన రెండు ప్రధాన రూపాలను కలిగి ఉంటుంది:

1) ప్రస్తుత పరిశీలన, వాస్తవాలు మరియు సంఘటనల ప్రస్తుత (నిరంతర) నమోదు ఆధారంగా నివేదించడం;

2) ప్రత్యేకంగా నిర్వహించబడిన గణాంక పరిశీలన.

కింది పద్ధతులను ఉపయోగించి గణాంక పరిశీలనను నిర్వహించవచ్చు.

1. సమయానుగుణంగా:

1) ప్రస్తుత (నిరంతర) పరిశీలన, క్రమపద్ధతిలో నిర్వహించబడుతుంది;

2) ఆవర్తన పరిశీలన, నిర్దిష్ట కాలం తర్వాత పునరావృతం (పశుగణన);

3) ఒక-సమయం పరిశీలన, సమయ వ్యవధిని (డాక్యుమెంట్ ఫ్లో అకౌంటింగ్) పరిగణనలోకి తీసుకోకుండా, అవసరమైన విధంగా నిర్వహించబడుతుంది.

2. పరిశీలన యూనిట్ల కవరేజీ ద్వారా:

1) నిరంతర పరిశీలన, దీని ఫలితంగా అధ్యయనం చేయబడిన జనాభాలోని అన్ని యూనిట్లు పరిశీలించబడతాయి (సాధారణ జనాభా గణన);

2) నిరంతర పరిశీలన కాదు, అధ్యయనం చేయబడిన వస్తువు యొక్క యూనిట్లలో కొంత భాగాన్ని పరిశీలించినప్పుడు, ఒక నిర్దిష్ట మార్గంలో ఎంపిక చేయబడుతుంది; నిరంతర పరిశీలన రకాలు:

ఎ) ప్రధాన శ్రేణి పద్ధతి, జనాభా యూనిట్లలో కొంత భాగాన్ని పరిశీలించినప్పుడు, అది చాలా స్పష్టంగా వ్యక్తీకరించబడిన లక్షణాలను అధ్యయనం చేస్తుంది;

బి) ప్రశ్నాపత్రం పరిశీలన, సర్వే షీట్లను ఉపయోగించినప్పుడు లక్షణాల సమితిని అధ్యయనం చేస్తారు, ఇది మొత్తం జనాభాకు వివరించబడుతుంది;

సి) మోనోగ్రాఫిక్ పరిశీలన, అనగా. ఒక సెట్లో దృగ్విషయం మరియు లక్షణాల అభివృద్ధిలో వివిధ పోకడలను గుర్తించడం;

d) నమూనా పరిశీలన - యాదృచ్ఛికంగా ప్రాసెస్ చేయబడిన అధ్యయనం చేయబడిన యూనిట్లలో భాగం (కుటుంబ బడ్జెట్);

ఇ) ప్రత్యక్ష పరిశీలన, దీనిలో నమోదు చేయవలసిన వాస్తవం స్థాపించబడింది మరియు దీని ఆధారంగా నమోదు లాగ్ (ఫారమ్) లో నమోదు చేయబడుతుంది.

గణాంకాలలో, సమాచారాన్ని సేకరించే పద్ధతుల యొక్క క్రింది వర్గీకరణ ఉంది:

కరస్పాండెంట్, స్వచ్ఛంద కరస్పాండెంట్ల సిబ్బందిచే నిర్వహించబడుతుంది;

సాహసయాత్ర, ప్రత్యేకంగా శిక్షణ పొందిన కార్మికులు మౌఖికంగా అమలు చేస్తారు;

ప్రశ్నాపత్రం (ప్రశ్నపత్రాల రూపంలో);

స్వీయ-నమోదు (ప్రతివాదులు స్వయంగా ఫారమ్‌లను పూరించడం);

ప్రైవేట్ (వివాహాలు, పిల్లలు, విడాకులు).

ప్రాథమిక మూలాల నుండి పొందిన సమాచారాన్ని ప్రాసెస్ చేయడం సాధారణంగా సమాచారాన్ని క్రమబద్ధీకరించడం. కాలక్రమేణా, సమాచార ప్రాసెసింగ్ పద్ధతులు గణనీయంగా మారాయి.

18వ శతాబ్దంలో జనాభా మరియు భూమికి సంబంధించిన అకౌంటింగ్‌ను కలిగి ఉన్న సంఖ్యా వర్ణన వ్యవస్థగా ప్రారంభంలో కనిపించింది. శాసన చట్టాలలో పొందుపరచబడినందున, దేశీయ గణాంకాలు 19వ మరియు 20వ శతాబ్దాలలో గణనీయమైన పరిణామాన్ని పొందాయి మరియు శాస్త్రీయ గణిత పద్ధతులు మరియు కంప్యూటర్ సాంకేతికతలపై ఆధారపడిన సంక్లిష్టమైన, శాఖల వ్యవస్థగా ఉద్భవించాయి.

20వ శతాబ్దం ప్రారంభం నాటికి. నాకు గణాంకాల రంగంలో తీవ్రమైన అనుభవం ఉంది మరియు సమాచారాన్ని సేకరించడం మరియు విశ్లేషించడం యొక్క ప్రాథమిక సూత్రాలు ఏర్పడ్డాయి. గణాంకాల యొక్క ప్రధాన దిశలు, దాని పద్ధతులు (నివేదికలు, సర్వేలు, జనాభా గణనలు; గణాంక పదార్థం యొక్క నిర్మాణం మరియు గణాంక పరిశోధన వ్యవస్థ), 19వ శతాబ్దంలో నిర్దేశించబడి పరీక్షించబడినవి, 20వ శతాబ్దం అంతటా అభివృద్ధి చేయబడ్డాయి.

సాధారణ అంకగణిత గణనలను ఉపయోగించి ప్రాంతీయ అధ్యయనాల చట్రంలో గణాంక (పరిమాణాత్మక) వివరణలు క్రమంగా సంక్లిష్టమైన గణిత మరియు కంప్యూటర్ పద్ధతుల ద్వారా భర్తీ చేయబడ్డాయి, ఇవి వివరణాత్మక గణాంకాలను పొందడం, అలాగే దాని ఆధారంగా గణాంక సూచికల అభివృద్ధిని అంచనా వేయడం మరియు నమూనా చేయడం సాధ్యపడుతుంది. .

పరిశోధన యొక్క మొదటి వస్తువులు జనాభా మరియు భూమిపై పన్నుల సమస్యలు పరిష్కరించబడ్డాయి, దీని కోసం మొత్తం నివాసితుల సంఖ్యను లెక్కించారు, జనాభా అభివృద్ధిలో నమూనాలు గుర్తించబడ్డాయి మరియు భూ గణనలు జరిగాయి. ప్రధాన జనాభా లక్షణం మొత్తం జనాభా. జననాలు, మరణాలు, వివాహాల సంఖ్య, మరణాల పట్టికలు మరియు నిర్దిష్ట వయస్సు వరకు జీవించడం వంటి వాటిపై డేటా అందించబడింది మరియు సంవత్సరానికి జననాలు మరియు మరణాల సంఖ్య మధ్య వ్యత్యాసాన్ని లెక్కించడం ద్వారా, సగటు జనాభా పెరుగుదల నిర్ణయించబడింది.

నేడు, గణాంకాలు సామూహిక గణాంక పరిశీలనలు, సమూహాల పద్ధతి, సగటులు, సూచికలు, బ్యాలెన్స్ పద్ధతి, గ్రాఫికల్ చిత్రాల పద్ధతి మరియు గణాంక డేటాను విశ్లేషించే ఇతర పద్ధతులను ఉపయోగిస్తాయి.

పత్రాల రకాలు కూడా క్రమంగా మారాయి. "చారిత్రక, గణాంక మరియు ఎథ్నోగ్రాఫిక్ పరంగా" ప్రావిన్స్ యొక్క సైనిక-గణాంక వివరణలు మరియు వివరణలు, స్క్రైబల్ పుస్తకాలు మరియు ఆడిట్‌లు సంక్లిష్ట ఎంపిక మరియు సాధారణ జనాభా గణనలతో భర్తీ చేయబడ్డాయి ("1897 రష్యన్ సామ్రాజ్యం యొక్క మొదటి సాధారణ జనాభా", వ్యవసాయ జనాభా గణన మరియు ఒక పారిశ్రామిక జనాభా గణన), బహుళ కారకాల నివేదికల వ్యవస్థ మరియు సంవత్సరానికి జాతీయ ఆర్థిక వ్యవస్థ యొక్క ఇంటర్-సెక్టోరల్ బ్యాలెన్స్ అభివృద్ధి.

3. గణాంక పరిశోధన యొక్క సంస్థ మరియు దశలు

ఒక నిర్దిష్ట దృగ్విషయం యొక్క ఆలోచనను పొందడానికి మరియు తీర్మానాలను రూపొందించడానికి, గణాంక అధ్యయనాన్ని నిర్వహించడం అవసరం. ఆరోగ్య సంరక్షణ మరియు వైద్యంలో గణాంక పరిశోధన యొక్క అంశం జనాభా ఆరోగ్యం, వైద్య సంరక్షణ సంస్థ, వైద్య సంస్థల కార్యకలాపాల యొక్క వివిధ విభాగాలు మరియు ఆరోగ్య స్థితిని ప్రభావితం చేసే పర్యావరణ కారకాలు కావచ్చు.

గణాంక అధ్యయనాన్ని నిర్వహించే పద్దతి క్రమం కొన్ని దశలను కలిగి ఉంటుంది.

దశ 1. పరిశోధన ప్రణాళిక మరియు ప్రోగ్రామ్‌ను రూపొందించడం.

దశ 2. పదార్థం యొక్క సేకరణ (గణాంక పరిశీలన).

దశ 3. మెటీరియల్ డెవలప్‌మెంట్, స్టాటిస్టికల్ గ్రూపింగ్ మరియు సారాంశం

దశ 4. అధ్యయనంలో ఉన్న దృగ్విషయం యొక్క గణాంక విశ్లేషణ, ముగింపుల సూత్రీకరణ.

దశ 5. సాహిత్య ప్రాసెసింగ్ మరియు పొందిన ఫలితాల ప్రదర్శన.

గణాంక అధ్యయనం పూర్తయిన తర్వాత, సిఫార్సులు మరియు నిర్వహణ నిర్ణయాలు అభివృద్ధి చేయబడతాయి, పరిశోధన ఫలితాలు ఆచరణలో అమలు చేయబడతాయి మరియు ప్రభావం అంచనా వేయబడుతుంది.

గణాంక అధ్యయనాన్ని నిర్వహించడంలో, అత్యంత ముఖ్యమైన అంశం ఈ దశల అమలులో ఖచ్చితమైన క్రమాన్ని పాటించడం.

గణాంక పరిశోధన యొక్క మొదటి దశ - ప్రణాళిక మరియు ప్రోగ్రామ్‌ను రూపొందించడం - సన్నాహకమైనది, దీనిలో అధ్యయనం యొక్క ప్రయోజనం మరియు లక్ష్యాలు నిర్ణయించబడతాయి, పరిశోధన ప్రణాళిక మరియు ప్రోగ్రామ్ రూపొందించబడింది, గణాంక విషయాలను సంగ్రహించే కార్యక్రమం అభివృద్ధి చేయబడింది మరియు సంస్థాగత సమస్యలు పరిష్కరించబడతాయి.

లక్ష్యం పరిశోధన యొక్క ప్రధాన దిశను నిర్ణయిస్తుంది మరియు ఒక నియమం వలె, సైద్ధాంతికంగా మాత్రమే కాకుండా, ప్రకృతిలో కూడా ఆచరణాత్మకమైనది. లక్ష్యం స్పష్టంగా, స్పష్టంగా, నిస్సందేహంగా రూపొందించబడింది.

నిర్ణీత లక్ష్యాన్ని వెల్లడించడానికి, పరిశోధన లక్ష్యాలు నిర్ణయించబడతాయి.

సన్నాహక దశలో ఒక ముఖ్యమైన అంశం సంస్థాగత ప్రణాళిక అభివృద్ధి. అధ్యయనం యొక్క సంస్థాగత ప్రణాళిక స్థలం (పరిశీలన యొక్క పరిపాలనా మరియు ప్రాదేశిక సరిహద్దులు), సమయం (పరిశీలన యొక్క నిర్దిష్ట నిబంధనలు, అభివృద్ధి మరియు పదార్థం యొక్క విశ్లేషణ) మరియు అధ్యయనం యొక్క విషయం (నిర్వాహకులు, ప్రదర్శకులు, పద్దతి మరియు సంస్థాగత నిర్వహణ. , అధ్యయనానికి నిధుల మూలాలు).

పరిశోధన ప్రణాళికలో ఇవి ఉన్నాయి:

అధ్యయనం యొక్క వస్తువు యొక్క నిర్వచనం (గణాంక జనాభా);

పరిశోధన యొక్క పరిధి (నిరంతర, నిరంతరం కాదు);

రకాలు (ప్రస్తుత, ఒక-సమయం);

గణాంక సమాచారాన్ని సేకరించే పద్ధతులు. పరిశోధన కార్యక్రమం వీటిని కలిగి ఉంటుంది:

Unit of Observation నిర్వచనం;

ప్రతి పరిశీలన విభాగానికి సంబంధించి నమోదు చేయవలసిన ప్రశ్నల జాబితా (అకౌంటింగ్ లక్షణాలు)*

ఖాతాలోకి తీసుకోవలసిన ప్రశ్నలు మరియు లక్షణాల జాబితాతో వ్యక్తిగత అకౌంటింగ్ (రిజిస్ట్రేషన్) ఫారమ్ అభివృద్ధి;

పట్టిక లేఅవుట్‌ల అభివృద్ధి, పరిశోధన ఫలితాలు నమోదు చేయబడతాయి.

ప్రతి అబ్జర్వేషన్ యూనిట్ కోసం ఒక ప్రత్యేక ఫారమ్ నింపబడి ఉంటుంది, ఇది పాస్‌పోర్ట్ భాగాన్ని కలిగి ఉంటుంది, ఒక నిర్దిష్ట క్రమంలో స్పష్టంగా రూపొందించబడిన ప్రోగ్రామ్ ప్రశ్నలు మరియు పత్రాన్ని పూరించే తేదీ.

ఈ పత్రాల నుండి డేటా యొక్క గణాంక అభివృద్ధి యొక్క అవకాశాన్ని నిర్ధారించడానికి, సమాచారం ప్రత్యేకంగా రూపొందించిన అకౌంటింగ్ ఫారమ్‌లలోకి కాపీ చేయబడుతుంది, దీని యొక్క కంటెంట్ అధ్యయనం యొక్క లక్ష్యాలకు అనుగుణంగా ప్రతి వ్యక్తి కేసులో నిర్ణయించబడుతుంది.

ప్రస్తుతం, కంప్యూటర్‌ను ఉపయోగించి పరిశీలన ఫలితాల మెషీన్ ప్రాసెసింగ్‌కు సంబంధించి, అకౌంటింగ్ డాక్యుమెంట్‌లోని ప్రశ్నలు ప్రత్యామ్నాయంగా (అవును, కాదు) లేదా రెడీమేడ్ సమాధానాలు అందించబడినప్పుడు ప్రోగ్రామ్ ప్రశ్నలు అధికారికీకరించబడతాయి, దాని నుండి నిర్దిష్ట సమాధానం ఎంచుకోవాలి.

గణాంక పరిశోధన యొక్క మొదటి దశలో, పరిశీలన కార్యక్రమంతో పాటు, పొందిన డేటాను సంగ్రహించే ప్రోగ్రామ్ రూపొందించబడింది, ఇందులో సమూహ సూత్రాలను స్థాపించడం, సమూహ లక్షణాలను గుర్తించడం, ఈ లక్షణాల కలయికలను నిర్ణయించడం మరియు గణాంక పట్టికల లేఅవుట్‌లను రూపొందించడం వంటివి ఉంటాయి. .

రెండవ దశ - గణాంక పదార్థాల సేకరణ (గణాంక పరిశీలన) - అధ్యయనం చేయబడిన దృగ్విషయం యొక్క వ్యక్తిగత కేసులను నమోదు చేయడం మరియు రిజిస్ట్రేషన్ ఫారమ్‌లలో వాటిని వర్గీకరించే అకౌంటింగ్ లక్షణాలు ఉంటాయి. ఈ పనికి ముందు మరియు సమయంలో, నిఘా ప్రదర్శనకారులకు సూచించబడతారు (మౌఖిక లేదా వ్రాతపూర్వకంగా) మరియు రిజిస్ట్రేషన్ ఫారమ్‌లు అందించబడతాయి.

సమయం పరంగా, గణాంక పరిశీలన ప్రస్తుత లేదా ఒక-సమయం కావచ్చు.

కొనసాగుతున్న నిఘాలో, ఒక దృగ్విషయం ఒక నిర్దిష్ట వ్యవధిలో (వారం, త్రైమాసికం, సంవత్సరం మొదలైనవి) అధ్యయనం చేయబడుతుంది, ప్రతి సంఘటన సంభవించినప్పుడు రోజువారీగా దృగ్విషయాన్ని రికార్డ్ చేస్తుంది.

ఒక-పర్యాయ పరిశీలనతో, గణాంక డేటా నిర్దిష్ట (క్లిష్టమైన) సమయంలో సేకరించబడుతుంది. ఒక-పర్యాయ నమోదు అధ్యయనం సమయంలో దృగ్విషయం యొక్క స్థితిని ప్రతిబింబిస్తుంది. నెమ్మదిగా మారుతున్న దృగ్విషయాలను అధ్యయనం చేయడానికి ఈ రకమైన పరిశీలన ఉపయోగించబడుతుంది.

కాలక్రమేణా పరిశీలన రకం ఎంపిక అధ్యయనం యొక్క ప్రయోజనం మరియు లక్ష్యాల ద్వారా నిర్ణయించబడుతుంది.

అధ్యయనం చేయబడిన దృగ్విషయం యొక్క సంపూర్ణతపై ఆధారపడి, నిరంతర మరియు నిరంతర పరిశోధనల మధ్య వ్యత్యాసం ఉంటుంది.

నిరంతర అధ్యయనంలో, జనాభాలో చేర్చబడిన పరిశీలన యొక్క అన్ని యూనిట్లు అధ్యయనం చేయబడతాయి, అనగా. సామాన్య జనాభా. దృగ్విషయం యొక్క సంపూర్ణ పరిమాణాలను స్థాపించడానికి సమగ్ర అధ్యయనం నిర్వహించబడుతుంది. కార్యాచరణ పని కోసం సమాచారం అవసరమైన సందర్భాల్లో కూడా నిరంతర పద్ధతి ఉపయోగించబడుతుంది.

నిరంతర అధ్యయనంలో, జనాభాలో కొంత భాగాన్ని మాత్రమే అధ్యయనం చేస్తారు. ఇది అనేక రకాలుగా విభజించబడింది: ప్రశ్నాపత్రం, మోనోగ్రాఫిక్, ప్రధాన శ్రేణి, ఎంపిక.

మోనోగ్రాఫిక్ పద్ధతి - జనాభా యొక్క వ్యక్తిగత యూనిట్ల యొక్క వివరణాత్మక వర్ణనను అందిస్తుంది, ఇది కొంత లక్షణం మరియు వస్తువుల యొక్క లోతైన, సమగ్ర వివరణ.

ప్రధాన శ్రేణి పద్ధతిలో గణనీయమైన మెజారిటీ పరిశీలన యూనిట్లు కేంద్రీకృతమై ఉన్న వస్తువుల అధ్యయనం ఉంటుంది. ఈ పద్ధతి యొక్క ప్రతికూలత ఏమిటంటే, జనాభాలో కొంత భాగం అధ్యయనం ద్వారా బయటపడింది, అయినప్పటికీ పరిమాణంలో చిన్నది, కానీ ఇది ప్రధాన శ్రేణి నుండి గణనీయంగా భిన్నంగా ఉండవచ్చు.

ప్రశ్నాపత్రం పద్ధతి అనేది వ్యక్తుల యొక్క నిర్దిష్ట సర్కిల్‌ను ఉద్దేశించి ప్రత్యేకంగా రూపొందించిన ప్రశ్నపత్రాలను ఉపయోగించి గణాంక డేటా సేకరణ. ఈ అధ్యయనం స్వచ్ఛందత సూత్రంపై ఆధారపడి ఉంటుంది, కాబట్టి ప్రశ్నాపత్రాల వాపసు తరచుగా అసంపూర్ణంగా ఉంటుంది. తరచుగా అడిగిన ప్రశ్నలకు సమాధానాలు ఆత్మాశ్రయత మరియు యాదృచ్ఛికత యొక్క ముద్రను కలిగి ఉంటాయి. అధ్యయనం చేయబడిన దృగ్విషయం యొక్క ఉజ్జాయింపు లక్షణాన్ని పొందడానికి ఈ పద్ధతి ఉపయోగించబడుతుంది.

నమూనా పద్ధతి - మొత్తం జనాభాను వర్గీకరించడానికి ప్రత్యేకంగా ఎంపిక చేయబడిన పరిశీలన యూనిట్ల భాగాన్ని అధ్యయనం చేస్తుంది. ఈ పద్ధతి యొక్క ప్రయోజనం ఏమిటంటే ఇది అధిక స్థాయి విశ్వసనీయతతో పాటు గణనీయంగా తక్కువ ఖర్చుతో ఫలితాలను ఉత్పత్తి చేస్తుంది. అధ్యయనంలో తక్కువ సంఖ్యలో ప్రదర్శకులు ఉంటారు మరియు తక్కువ సమయం కూడా అవసరం.

గణాంక పరిశీలన సమయంలో సమాచారాన్ని పొందే పద్ధతి మరియు దాని అమలు యొక్క స్వభావం ప్రకారం, అనేక రకాలు వేరు చేయబడతాయి:

1) ప్రత్యక్ష పరిశీలన

2) సామాజిక పద్ధతులు: ఇంటర్వ్యూ పద్ధతి (ముఖాముఖి సర్వే), ప్రశ్నాపత్రం (కరస్పాండెన్స్ సర్వే - అనామక లేదా నాన్-అజ్ఞాత), మొదలైనవి;

3) డాక్యుమెంటరీ పరిశోధన.

మూడవ దశ - పదార్థాన్ని సమూహపరచడం మరియు సంగ్రహించడం - పరిశీలనల సంఖ్యను తనిఖీ చేయడం మరియు స్పష్టం చేయడం, అందుకున్న సమాచారం యొక్క సంపూర్ణత మరియు ఖచ్చితత్వం, లోపాలను గుర్తించడం మరియు తొలగించడం, నకిలీ రికార్డులు మొదలైనవాటితో ప్రారంభమవుతుంది.

పదార్థం యొక్క సరైన అభివృద్ధి కోసం, ప్రాథమిక అకౌంటింగ్ పత్రాల ఎన్క్రిప్షన్ ఉపయోగించబడుతుంది, అనగా. ప్రతి లక్షణం యొక్క హోదా మరియు దాని సమూహం చిహ్నంతో - అక్షరం లేదా డిజిటల్. ఎన్క్రిప్షన్ అనేది సాంకేతిక సాంకేతికత, ఇది మెటీరియల్ అభివృద్ధిని సులభతరం చేస్తుంది మరియు వేగవంతం చేస్తుంది, అభివృద్ధి యొక్క నాణ్యత మరియు ఖచ్చితత్వాన్ని పెంచుతుంది. సాంకేతికలిపిలు - చిహ్నాలు - ఏకపక్షంగా ఉత్పత్తి చేయబడతాయి. రోగనిర్ధారణలను ఎన్కోడింగ్ చేసినప్పుడు, అంతర్జాతీయ నామకరణం మరియు వ్యాధుల వర్గీకరణను ఉపయోగించమని సిఫార్సు చేయబడింది; వృత్తులను గుప్తీకరించేటప్పుడు - వృత్తుల నిఘంటువుతో.

ఎన్‌క్రిప్షన్ యొక్క ప్రయోజనం ఏమిటంటే, అవసరమైతే, ప్రధాన అభివృద్ధిని పూర్తి చేసిన తర్వాత, మీరు కొత్త కనెక్షన్‌లు మరియు డిపెండెన్సీలను స్పష్టం చేయడానికి డెవలప్‌మెంట్ మెటీరియల్‌కి తిరిగి రావచ్చు. ఎన్‌క్రిప్టెడ్ అకౌంటింగ్ మెటీరియల్‌ని ఎన్‌క్రిప్ట్ చేయని అకౌంటింగ్ మెటీరియల్ కంటే సులభంగా మరియు వేగంగా చేయడానికి మిమ్మల్ని అనుమతిస్తుంది. ధృవీకరణ తర్వాత, లక్షణాలు సమూహం చేయబడతాయి.

గ్రూపింగ్ అనేది అత్యంత ముఖ్యమైన లక్షణాల ప్రకారం సజాతీయ, సాధారణ సమూహాలలో అధ్యయనం చేయబడిన మొత్తం డేటా యొక్క విభజన. గుణాత్మక మరియు పరిమాణాత్మక ప్రమాణాల ప్రకారం సమూహాన్ని నిర్వహించవచ్చు. సమూహం లక్షణం యొక్క ఎంపిక అధ్యయనం చేయబడిన జనాభా యొక్క స్వభావం మరియు అధ్యయనం యొక్క లక్ష్యాలపై ఆధారపడి ఉంటుంది.

గుణాత్మక (వివరణాత్మక, గుణాత్మక) లక్షణాల ప్రకారం టైపోలాజికల్ గ్రూపింగ్ చేయబడుతుంది.

పరిమాణాత్మక (వైవిధ్య) లక్షణాల ద్వారా సమూహం చేయడం లక్షణం యొక్క సంఖ్యా కొలతల ఆధారంగా నిర్వహించబడుతుంది. పరిమాణాత్మక సమూహానికి సమూహ విరామం పరిమాణం యొక్క సమస్యను పరిష్కరించడం అవసరం: విరామం సమానంగా ఉంటుంది, కానీ కొన్ని సందర్భాల్లో ఇది అసమానంగా ఉంటుంది మరియు ఓపెన్ గ్రూపులు అని పిలవబడే వాటిని కూడా కలిగి ఉంటుంది.

సమూహాల సంఖ్యను నిర్ణయించేటప్పుడు, అవి అధ్యయనం యొక్క ప్రయోజనం మరియు లక్ష్యాల నుండి ముందుకు సాగుతాయి. అధ్యయనం చేయబడిన దృగ్విషయం యొక్క నమూనాలను సమూహాలు బహిర్గతం చేయడం అవసరం. పెద్ద సంఖ్యలో సమూహాలు పదార్థం యొక్క అధిక ఫ్రాగ్మెంటేషన్ మరియు అనవసరమైన వివరాలకు దారితీయవచ్చు. తక్కువ సంఖ్యలో సమూహాలు లక్షణ లక్షణాల అస్పష్టతకు దారితీస్తాయి.

మెటీరియల్ సమూహాన్ని పూర్తి చేసిన తర్వాత, సారాంశానికి వెళ్లండి.

సారాంశం - నిర్దిష్ట సమూహాలలో గణాంక పరిశోధన ఫలితంగా పొందిన వ్యక్తిగత కేసుల సాధారణీకరణ, వాటిని లెక్కించడం మరియు వాటిని టేబుల్ లేఅవుట్‌లలోకి నమోదు చేయడం.

గణాంక అంశాల సారాంశం గణాంక పట్టికలను ఉపయోగించి నిర్వహించబడుతుంది. సంఖ్యలతో నింపబడని పట్టికను లేఅవుట్ అంటారు.

గణాంక పట్టికలు జాబితా చేయబడతాయి, కాలక్రమానుసారం లేదా ప్రాదేశికంగా ఉంటాయి.

పట్టికలో ఒక విషయం మరియు సూచన ఉంది. గణాంక విషయం సాధారణంగా పట్టిక యొక్క ఎడమ వైపున క్షితిజ సమాంతర రేఖల వెంట ఉంచబడుతుంది మరియు ప్రధాన, ప్రధాన లక్షణాన్ని ప్రతిబింబిస్తుంది. స్టాటిస్టికల్ ప్రిడికేట్ నిలువు నిలువు వరుసల వెంట ఎడమ నుండి కుడికి ఉంచబడుతుంది మరియు అదనపు అకౌంటింగ్ లక్షణాలను ప్రతిబింబిస్తుంది.

గణాంక పట్టికలు సాధారణ, సమూహం మరియు కలయికగా విభజించబడ్డాయి.

సాధారణ పట్టికలు ఒక లక్షణం మరియు దాని భాగాలకు అనుగుణంగా పదార్థం యొక్క సంఖ్యా పంపిణీని ప్రదర్శిస్తాయి. ఒక సాధారణ పట్టిక సాధారణంగా అధ్యయనం చేయబడిన మొత్తం దృగ్విషయం యొక్క సాధారణ జాబితా లేదా సారాంశాన్ని కలిగి ఉంటుంది.

పట్టికలను కంపైల్ చేసేటప్పుడు, కొన్ని అవసరాలు తప్పక తీర్చాలి:

ప్రతి పట్టికలో దాని కంటెంట్‌లను ప్రతిబింబించే శీర్షిక ఉండాలి;

పట్టిక లోపల, అన్ని నిలువు వరుసలు కూడా స్పష్టమైన, చిన్న శీర్షికలను కలిగి ఉండాలి;

పట్టికను పూరించేటప్పుడు, పట్టికలోని అన్ని సెల్‌లు తప్పనిసరిగా తగిన సంఖ్యా డేటాను కలిగి ఉండాలి. ఈ కలయిక లేనందున ఖాళీగా ఉన్న పట్టికలోని సెల్‌లు దాటవేయబడతాయి (“-”), మరియు సెల్‌లో సమాచారం లేకుంటే, “n.s.” నమోదు చేయబడుతుంది. లేదా "...";

పట్టికను పూరించిన తర్వాత, నిలువు నిలువు వరుసలు మరియు క్షితిజ సమాంతర వరుసలు దిగువ క్షితిజ సమాంతర వరుసలో మరియు కుడి వైపున ఉన్న చివరి నిలువు వరుసలో సంగ్రహించబడతాయి.

పట్టికలు తప్పనిసరిగా ఒకే వరుస సంఖ్యను కలిగి ఉండాలి.

తక్కువ సంఖ్యలో పరిశీలనలతో అధ్యయనాలలో, సారాంశాలు మానవీయంగా నిర్వహించబడతాయి. అన్ని అకౌంటింగ్ పత్రాలు లక్షణం కోడ్‌కు అనుగుణంగా సమూహాలుగా విభజించబడ్డాయి. తరువాత, డేటా లెక్కించబడుతుంది మరియు పట్టికలోని తగిన సెల్‌లో నమోదు చేయబడుతుంది.

నాల్గవ దశ - గణాంక విశ్లేషణ - అధ్యయనం యొక్క క్లిష్టమైన దశ. ఈ దశలో, గణాంక సూచికలు లెక్కించబడతాయి (ఫ్రీక్వెన్సీ, నిర్మాణం, అధ్యయనం చేయబడిన దృగ్విషయం యొక్క సగటు పరిమాణం), వాటి గ్రాఫికల్ ప్రాతినిధ్యం ఇవ్వబడుతుంది, డైనమిక్స్ మరియు పోకడలు అధ్యయనం చేయబడతాయి మరియు దృగ్విషయాల మధ్య కనెక్షన్లు స్థాపించబడతాయి. అంచనాలు ఇవ్వబడ్డాయి మొదలైనవి. విశ్లేషణ పొందిన డేటాను వివరించడం మరియు పరిశోధన ఫలితాల విశ్వసనీయతను అంచనా వేయడం. చివరగా, ముగింపులు డ్రా చేయబడ్డాయి.

ఐదవ దశ - సాహిత్య ప్రాసెసింగ్ చివరిది. ఇది గణాంక అధ్యయనం యొక్క ఫలితాల ముగింపును కలిగి ఉంటుంది. ఫలితాలను వ్యాసం, నివేదిక, వ్యాసం మొదలైన రూపంలో సమర్పించవచ్చు. ప్రతి రకమైన ప్రదర్శన కోసం, సాహిత్యంలో గణాంక అధ్యయన ఫలితాలను ప్రాసెస్ చేసేటప్పుడు తప్పనిసరిగా గమనించవలసిన కొన్ని అవసరాలు ఉన్నాయి.

ముగింపు

వివిధ సామాజిక మరియు సామాజిక-ఆర్థిక దృగ్విషయాలను, అలాగే ప్రకృతిలో సంభవించే కొన్ని ప్రక్రియలను అధ్యయనం చేయడానికి, ప్రత్యేక గణాంక అధ్యయనాలు నిర్వహించబడతాయి. ఏదైనా గణాంక అధ్యయనం అధ్యయనం చేయబడిన దృగ్విషయం లేదా ప్రక్రియ గురించిన లక్ష్య సేకరణతో ప్రారంభమవుతుంది.

గణాంక పరిశోధన యొక్క ఉద్దేశ్యం, ఏదైనా శాస్త్రీయ పరిశోధన వలె, సామూహిక దృగ్విషయాలు మరియు ప్రక్రియల సారాంశాన్ని అలాగే వాటి స్వాభావిక నమూనాలను బహిర్గతం చేయడం. ఈ నమూనాల యొక్క విలక్షణమైన లక్షణం ఏమిటంటే, అవి జనాభాలోని ప్రతి ఒక్క యూనిట్‌కు వర్తించవు, కానీ మొత్తం యూనిట్ల ద్రవ్యరాశికి వర్తించవు. గణాంక నమూనాల అధ్యయనానికి అంతర్లీనంగా ఉన్న సాధారణ సూత్రం పెద్ద సంఖ్యల చట్టం అని పిలవబడుతుంది.

గణాంక పరిశీలన ఫలితంగా పొందిన డేటాను సాధారణీకరించడానికి మరియు క్రమబద్ధీకరించడానికి, అవి కొన్ని ప్రమాణాల ప్రకారం సమూహాలుగా విభజించబడ్డాయి మరియు సమూహ ఫలితాలు పట్టికలలో సంగ్రహించబడ్డాయి.

గణాంక అధ్యయనాన్ని నిర్వహిస్తున్నప్పుడు, డేటాను సేకరించి, సమూహపరచిన తర్వాత, వారు తమ విశ్లేషణకు వెళతారు, దీని కోసం వివిధ సాధారణ సూచికలను ఉపయోగిస్తారు.

ఉపయోగించిన సాహిత్యం జాబితా

1. ఎలిసీవా I.I. సామాజిక గణాంకాల పాఠ్యపుస్తకం 3వ ఎడిషన్., సవరించబడింది. మరియు అదనపు -ఎం.: ఫైనాన్స్ అండ్ స్టాటిస్టిక్స్, 2003.

2. గణాంక పరిశోధన/ఎలక్ట్రానిక్ మూలం యొక్క పద్ధతులు (http://studme.org/43731/istoriya/metody_statisticheskih_issledovaniy).

3. చట్టపరమైన గణాంకాలు: పాఠ్య పుస్తకం / ఎడ్. బి.సి. లియాలినా, A.V. సిమోనెంకో. -2వ ఎడిషన్., రివైజ్ చేయబడింది. మరియు అదనపు M.: UNITY-DANA, 2010.

4. Savyuk L.K. లీగల్ స్టాటిస్టిక్స్ / టెక్స్ట్ బుక్, M.: యూరిస్ట్, 2004.

5. గణాంకాలు: బాచిలర్స్ కోసం పాఠ్య పుస్తకం / ed. I. I. ఎలిసీవా. -- 3వ ఎడిషన్., రివైజ్ చేయబడింది. మరియు అదనపు - M.: Yurayt పబ్లిషింగ్ హౌస్, 2014.

6. ఎన్సైక్లోపీడియా ఆఫ్ స్టాటిస్టికల్ టర్మ్స్. v.1. గణాంకాల యొక్క మెథడాలాజికల్ పునాదులు. FSGS, 2012.

Allbest.ruలో పోస్ట్ చేయబడింది

ఇలాంటి పత్రాలు

నేర నియంత్రణకు ప్రభుత్వ చర్యల అమలులో డేటాను సేకరించే ప్రాథమిక మార్గం గణాంక పరిశీలన. గణాంక పరిశీలన యొక్క నిర్వచనం మరియు దశలు: సన్నాహక దశ, ప్రోగ్రామ్ మరియు సాధనాల అభివృద్ధి.

సారాంశం, 02/12/2008 జోడించబడింది


చట్టపరమైన గణాంకాలలో ఉపయోగించే పద్ధతులు, పద్ధతులు మరియు పరిశోధన పద్ధతులు: సేకరణ, సారాంశం మరియు ప్రాసెసింగ్, గణాంక సమాచారం యొక్క సాధారణీకరణ మరియు వివరణ. గణాంక సమూహం యొక్క ప్రధాన పనులు. ఘాతాంకాలు, పోలికలు, అంకగణిత సగటు.

పరీక్ష, 07/07/2009 జోడించబడింది


సామాజిక-ఆర్థిక ప్రక్రియల నిర్వహణలో రాష్ట్ర అంచనా మరియు ప్రణాళిక యొక్క భావన మరియు ప్రయోజనం. సామాజిక పరిశోధన యొక్క కంటెంట్ మరియు ప్రధాన దశలు. సామాజిక-ఆర్థిక ప్రక్రియల అంచనా స్థాయిలు మరియు అంశాలు.

ఉపన్యాసాల కోర్సు, 11/10/2013 జోడించబడింది


క్రిమినాలజికల్ డేటాను సేకరించే పద్ధతుల్లో ఒకటిగా సర్వే భావనను పరిగణనలోకి తీసుకోవడం. ఇంటర్వ్యూలు మరియు ప్రశ్నాపత్రాల రకాలను అధ్యయనం చేయడం. ప్రత్యక్ష అవగాహన మరియు రికార్డింగ్ ద్వారా సమాచారాన్ని సేకరించే పద్ధతిగా పరిశీలన. నేర శాస్త్ర ప్రయోగం మరియు పరీక్ష.

ప్రదర్శన, 04/20/2015 జోడించబడింది


సమాజం మరియు ప్రజా జీవితం యొక్క భావన యొక్క పరిశోధన మరియు విశ్లేషణ. నైతిక మరియు చట్టపరమైన నియంత్రణ యొక్క అంశాలను ఏకీకృత సామాజిక నిబంధనల యొక్క భాగాలుగా గుర్తించడం మరియు మొత్తం సామాజిక జీవితాన్ని స్థిరీకరించే యంత్రాంగాలుగా వాటి పనితీరు యొక్క లక్షణాలు.

కోర్సు పని, 05/18/2011 జోడించబడింది


ఫోరెన్సిక్ చేతివ్రాత గుర్తింపు సిద్ధాంతం. ఆచరణాత్మక కార్యకలాపాలలో చేతివ్రాత పరిశోధన యొక్క లక్ష్యాలు. చేతివ్రాత యొక్క లక్షణాలు మరియు దాని లక్షణాలను ఉపయోగించడం కోసం షరతులు. ఆధునిక రచన యొక్క పనితీరు మరియు పరిణామ ప్రక్రియ మరియు చేతివ్రాత పరిశోధన యొక్క ప్రధాన దశలు.

సారాంశం, 08/27/2009 జోడించబడింది


రష్యన్ ఫెడరేషన్ యొక్క రాజ్యాంగ వ్యవస్థ యొక్క సామాజిక-ఆర్థిక పునాదుల యొక్క చట్టపరమైన స్థాపన మరియు స్వభావం యొక్క అధ్యయనం. రాష్ట్రంలో మరియు వోరోనెజ్ ప్రాంతంలో మార్కెట్ ఆర్థిక వ్యవస్థ యొక్క విజయవంతమైన ఆధునికీకరణ కోసం సామాజిక హామీలు మరియు కారకాలను అమలు చేయడంలో సమస్యలు.

థీసిస్, 08/02/2011 జోడించబడింది


నేరం మరియు శిక్ష యొక్క సాధారణ సిద్ధాంతం. రష్యన్ ఫెడరేషన్ యొక్క క్రిమినల్ కోడ్ మరియు పొరుగు దేశాల (బెలారస్, మోల్డోవా, కజాఖ్స్తాన్ మరియు ఉక్రెయిన్) చట్టం ప్రకారం నేరాల యొక్క భావన, లక్షణాలు మరియు రకాల నియంత్రణ.

కోర్సు పని, 04/25/2014 జోడించబడింది


మూల్యాంకన లక్షణాలతో నేరాల అర్హత యొక్క భావన, ప్రధాన రకాలు మరియు లక్షణాలు. సామాజిక-నైతిక హాని యొక్క మూల్యాంకన సంకేతాల యొక్క అర్హతలు. అశ్లీల విషయాలలో సామాజిక-సాంస్కృతిక మూల్యాంకన లక్షణాల అర్హతతో ఇబ్బందులు.

కోర్సు పని, 03/08/2011 జోడించబడింది


భావన, సామాజిక-ఆర్థిక హక్కుల లక్షణాలు. పౌరుల సామాజిక-ఆర్థిక హక్కులు మరియు స్వేచ్ఛల అమలుకు చట్టపరమైన హామీలు. రంగాల చట్టంలో పౌరుల రాజ్యాంగ హక్కులను నిర్ధారించడం. పౌరుల సామాజిక మరియు ఆర్థిక హక్కుల న్యాయ రక్షణ.

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. జాతీయ లేదా ప్రాంతీయ స్థాయి నుండి వ్యక్తిగత సంస్థ లేదా ప్రైవేట్ సంస్థ స్థాయి వరకు - అన్ని స్థాయిలలో నిర్వహణ నిర్ణయాలు తీసుకోవడం 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, రంగాల గణాంకాలు (పరిశ్రమ, వ్యవసాయం, వాణిజ్యం మరియు ఇతరులు), జనాభా గణాంకాలు, సామాజిక గణాంకాలు మరియు ఇతర గణాంక రంగాలలో ఉపయోగించబడుతుంది.

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

గణాంక సముదాయం అనేది ప్రజలు, జనాభా మరియు సహజ దృగ్విషయాల యొక్క సహజ వనరులు, ఇది స్థలం మరియు సమయం యొక్క నిర్దిష్ట సరిహద్దులలో కలిసి, సమాజం యొక్క ఆర్థిక జీవితాన్ని ప్రభావితం చేస్తుంది. 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, వర్గీకరించే లక్షణాల జాబితా ఈ గణాంక అధ్యయనం యొక్క ప్రయోజనం మరియు లక్ష్యాలపై ఆధారపడి ఉంటుంది.

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 పరిశీలన పద్ధతి (పెద్ద సంఖ్యల చట్టం) 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.