സ്ഥിതിവിവരക്കണക്കുകൾ എന്തൊക്കെയാണ്, ആധുനിക സമൂഹത്തിൽ അതിന്റെ പ്രാധാന്യം എന്താണ്?

സമൂഹത്തെക്കുറിച്ചുള്ള വിവരങ്ങൾ ലഭ്യമാക്കാൻ, ഒരു സങ്കീർണ ശാസ്ത്രവും ഉപയോഗിക്കപ്പെടുന്നു. അവരിൽ ഒരാൾ സ്റ്റാറ്റിസ്റ്റിക്സ് ആണ്. എന്താണ് അത്?

സ്ഥിതിവിവരക്കണക്കുകൾ എന്താണ്?

വിജ്ഞാന ശാഖയുടെ പേരാണ് ഇതാണ്. അത് ബഹുജന (ക്വാണ്ടിറ്റേറ്റീവ് അല്ലെങ്കിൽ ഗുണപരമായ) ഡാറ്റ ശേഖരണം, അളക്കൽ, വിശകലനം എന്നിവയെക്കുറിച്ചുള്ള പൊതു ചോദ്യങ്ങൾ തയ്യാറാക്കുന്നു. കൂടാതെ, ജനസംഖ്യാപരമായ രൂപത്തിന്റെ കാഴ്ചപ്പാടിൽ നിന്ന് പൊതുജന പ്രതിഭാസങ്ങളുടെ പരിജ്ഞാനവീക്ഷണത്തെക്കുറിച്ചുള്ള പഠനങ്ങളെ സംബന്ധിച്ചും സ്ഥിതിവിവരക്കണക്കുകൾ ആശങ്കയിലാണ്. ലാറ്റിൻ പദത്തിൽ നിന്നാണ് ഈ വാക്ക് വരുന്നത്. തുടക്കത്തിൽ ഈ ശാസ്ത്രത്തെ "സ്റ്റേറ്റ് സ്റ്റഡീസ്" എന്ന് വിളിച്ചിരുന്നു.

ആദ്യമായി, "സ്ഥിതിവിവരക്കണക്ക്" എന്ന പ്രയോഗം 1746 ൽ ഉപയോഗിച്ചിരുന്നു, ഈ നിമിഷം അത്തരം അച്ചടക്കവും ശാസ്ത്രവും ആരംഭിച്ചു. കണക്ക്, അളവ്, ഡാറ്റയുടെ വിശകലനം എന്നിവ വളരെ മുമ്പേ നടപ്പാക്കിയതുകൊണ്ടാണ് ഇത് നേരിട്ട് ഉപയോഗിച്ചതെന്ന് പറയാൻ കഴിയില്ല. ഒരു പ്രധാന പാരാമീറ്റർ മോഡാണ്. സമാനമായ എന്തെങ്കിലും ജ്യാമിതിയിൽ നിന്ന് ഓർമിക്കാവുന്നതാണ്, പക്ഷേ അത് തികച്ചും അത്ര കാര്യമല്ല. എന്നാൽ സ്ഥിതിവിവരക്കണക്കുകളിൽ ഫാഷൻ എന്താണ് ? ലീനിയർ സീരീസിൽ നിന്നുള്ള മൂല്യത്തിന്റെ പേരാണ് ഇത്.

ഉദാഹരണങ്ങൾ

യാഥാർത്ഥ്യത്തോട് കൂടുതൽ അടുത്തറിയുക. വെബ്സൈറ്റ് പേജ് സ്റ്റാറ്റിസ്റ്റിക്സ് എന്താണ്? ഈ ശ്രോതസ് റിസോഴ്സ് സന്ദർശിക്കുന്ന ഉപയോക്താക്കളുടെ എണ്ണം, അതിന്റെ ഉള്ളടക്കങ്ങൾ പരിചയപ്പെടാനുള്ള അവസരം ഉണ്ടായിരിക്കാം. എന്നിരുന്നാലും, ഈ വീക്ഷണകോണിൽ നിന്ന് ഉത്തരം VKontakte സ്റ്റാറ്റിസ്റ്റിക് ആണ്, ഉത്തരം ഉത്തരം പ്രയാസമാണ്.

ഓരോ പേജിനും വിവരം ശേഖരിക്കപ്പെടുന്നില്ല. എന്നാൽ ഒരു ദിവസം പോകുന്ന ഉപയോക്താക്കളുടെ എണ്ണം, ഒരു മാസം - പൊതുവേ, നിരന്തരം. ഇതാണ് ചോദ്യത്തിനുള്ള ഉത്തരം, വിവരസാങ്കേതികവിദ്യയിലെ പ്രായോഗിക സ്ഥിതിവിവരക്കണക്കുകൾ എന്തൊക്കെയാണ്.

ഗ്രൂപ്പിന്റെ തരങ്ങൾ

ശാസ്ത്രീയമായ അച്ചടക്കത്തിന്റെ ചട്ടക്കൂടിനുള്ളിൽ ഒരു ഗ്രൂപ്പിനെ വ്യത്യസ്തമായ വിഭാഗങ്ങളായി തിരിച്ചിരിക്കുന്നു. ഇടവേളകളുടെ എണ്ണം കണക്കാക്കാൻ, വ്യക്തമായ പരിധികൾ ഇല്ലാതിരിക്കുമ്പോൾ, സ്റെർഗെസ് 'ഫോർമുല മിക്കപ്പോഴും ഉപയോഗിക്കപ്പെടുന്നു:

CHI = 1 + 3,322 * lg CH, എവിടെയാണ്

• സമഗ്രസംഖ്യകളുടെ എണ്ണം ആണോ?
• Lg ആണ് ലോഗരിതം;
• NN നിരീക്ഷണങ്ങളുടെ എണ്ണമാണ്.

ലക്ഷ്യങ്ങൾ അനുസരിച്ച്, മൂന്നു തരം ഗ്രൂപ്പുകളുണ്ട്:

• അനലിറ്റിക്കൽ. ഗ്രൂപ്പ് വഴികൾ തമ്മിലുള്ള ബന്ധം തിരിച്ചറിയാൻ ഉപയോഗിച്ചു.
• ശാസ്ത്രി. അന്വേഷണമുള്ള ജനസംഖ്യ ഏകപക്ഷീയ ഗ്രൂപ്പുകളായി വേർതിരിക്കുന്നു.
• ഘടന. ഒരു ഏകീകൃത അസോസിയേഷനായി വേർതിരിക്കുന്നത് ഒരു വ്യക്തമായ സൂചനയുടെ അടിസ്ഥാനത്തിലാണ്.

ഒരു സാധാരണ ഗ്രൂപ്പ് കഴിയുന്നത്ര വേഗത്തിൽ മറ്റുള്ളവരിൽ നിന്ന് വ്യത്യസ്തമായിരിക്കണം, അതിനുള്ളിൽ തന്നെ ഏറ്റവും സമാനതയുള്ളവരായിരിക്കണം. അവ പ്രാഥമികവും ദ്വിതീയവുമാണ്. ആദ്യത്തേത് സ്റ്റാറ്റിസ്റ്റിക്കൽ നിരീക്ഷണത്തിലാണ്. ലഭിച്ച ഡാറ്റയെ അടിസ്ഥാനമാക്കിയാണ് ദ്വിതീയ ഗ്രൂപ്പുകൾ നിർമ്മിക്കുന്നത്.

സ്റ്റാറ്റിസ്റ്റിക്കൽ രീതികളുടെ തരംതിരിവ്

അവർ എല്ലായിടത്തും അവരുടെ അപേക്ഷ കണ്ടെത്തി. അതുകൊണ്ടു, യൂണിവേഴ്സൽ ടൂൾ ഇല്ല എന്ന് ഊഹിക്കുന്നത് യുക്തിപരമാണ്. നിർദ്ദിഷ്ട പ്രശ്നങ്ങളിൽ പ്രത്യേകവും പ്രത്യേകതകളേയും ആശ്രയിച്ച്, ഡാറ്റ വിശകലനത്തിന്റെ ഈ സ്റ്റാറ്റിസ്റ്റിക്കൽ രീതികൾ ശ്രദ്ധിക്കുന്നു:

• പ്രത്യേക അപ്ലിക്കേഷൻ കണക്കിലെടുക്കാത്ത പൊതു ഉദ്ദേശ്യ ഉപകരണങ്ങളുടെ വികസനവും ഗവേഷണവും.
• പ്രവർത്തനത്തിന്റെ ഒരു പ്രത്യേക മേഖലയിൽ ചില യഥാർത്ഥ പ്രതിഭാസത്തിന്റെയോ പ്രക്രിയയുടെയോ സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡുകളുടെ രൂപീകരണവും ഉപയോഗവും.
• പ്രയോഗക്ഷമമായ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിനായി നിർദിഷ്ട ഡാറ്റ വിശകലനം ചെയ്യുന്നതിന് രീതികളും ഉപകരണങ്ങളും വികസിപ്പിക്കുകയും ഉപയോഗപ്പെടുത്തുകയും ചെയ്യുക.

പ്രയോഗിച്ച സ്ഥിതിവിവരക്കണക്ക്

ശാസ്ത്രത്തിന്റെ ഈ ഭാഗം ഏകപക്ഷീയ സ്വഭാവത്തിലുള്ള ഡാറ്റയുടെ സംസ്കരണവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. പ്രയോഗിക്കപ്പെട്ട സ്ഥിതിവിവരക്കണക്കുകളുടെ ഗണിതശാസ്ത്രപരമായ അടിസ്ഥാനവും അതിന്റെ വിശകലന രീതികളും, ഗണിതശാസ്ത്രസംസ്കരണവും പ്രോബബിലിറ്റി തിയറിയും ഉപയോഗിക്കുന്നു. ലഭ്യമായ ഡാറ്റ തരം, ഒപ്പം അവരുടെ ഉത്ഭവം മെക്കാനിസം എന്നിവയുടെ വിവരണത്തോടെ എല്ലാം ആരംഭിക്കുന്നു. ഇതിനായി, സംക്ഷിപ്തവും നിർണായകവുമായ രീതികൾ ഉപയോഗിക്കുന്നു. ഗവേഷകനു മതിയായ വിവരങ്ങൾ ഉള്ളപ്പോൾ മാത്രമേ ഉപയോഗിക്കാനാകൂ (ഉദാഹരണത്തിന്, സംരംഭങ്ങളുടെ വിവരങ്ങൾ അടിസ്ഥാനമാക്കിയുള്ള സംസ്ഥാന സ്റ്റാറ്റിസ്റ്റിക്കൽ ഏജൻസികളുടെ റിപ്പോർട്ടുകൾ). എന്നാൽ വലിയ തോതിൽ ലഭിച്ച ഫലം കൈമാറുന്നതിനും സാധ്യതകൾ വിലയിരുത്തുന്നതിനും പ്രോബബിലിറ്റി സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡലിംഗ് ഉപയോഗിച്ച് മാത്രം ഉപയോഗിക്കാവുന്നതാണ്.

ലളിതമായ സാഹചര്യത്തിൽ, വസ്തുവിൽ അന്തർലീനമായ ഒരു പ്രത്യേക ആട്രിബ്യൂട്ടിന്റെ മൂല്യമായി ലഭ്യമായ ഡാറ്റ പ്രവർത്തിക്കുന്നു. ഇവിടെ പരാമീറ്ററുകൾ അളവറ്റതോ സൂചനകളോ ആണ് (അവർ ബന്ധപ്പെടുത്തുന്ന വിഭാഗത്തെ ആശ്രയിച്ച്). രണ്ടാമത്തെ ഐച്ഛികം ഒരു ഗുണപരമായ സ്വഭാവവിശേഷതയെ സൂചിപ്പിക്കുന്നു. കുറച്ചുപേർ മാത്രമേ എടുക്കൂ. അല്ലെങ്കിൽ പരിമിതം ചേർക്കണോ? അപ്പോൾ വസ്തുവിന്റെ വെക്റ്റർ നമുക്ക് കിട്ടുന്നു എന്ന് നമുക്ക് പറയാം. ഇത് ഒരു പുതിയ തരം ഡാറ്റയായി കണക്കാക്കുന്നു. വലിയ തോതിലുള്ള പഠനത്തിൽ സാമ്പിളുകൾ പല സെറ്റ് വെക്റ്ററുകളും നിർമ്മിച്ചിട്ടുണ്ട്. ലഭിച്ച വിവരങ്ങൾ പുനഃപരിശോധിക്കുകയും വീണ്ടും പരിശോധിക്കുകയും ചെയ്യുക. ഇത് ചെയ്യുന്നതിന്, റീ-സാംപ്ലിംഗ് ഉപയോഗിക്കുന്നു.

ഉപസംഹാരം

നിങ്ങൾക്ക് കാണാനാകുന്നതുപോലെ, ചില പ്രദേശങ്ങളിലെ സ്ഥിതിഗതികൾ സംബന്ധിച്ച വിവരങ്ങൾ ലഭ്യമാക്കുന്നതിന് ആവശ്യമായ വിവരങ്ങളുടെ സെറ്റ് രൂപപ്പെടുത്താൻ സ്ഥിതിവിവരക്കണക്കുകൾ നിങ്ങളെ അനുവദിക്കുന്നു. അതിനാൽ, നിക്ഷേപകരെ സംബന്ധിച്ചിടത്തോളം ഒരു പ്രധാന പങ്ക് വഹിക്കുന്നു. കാരണം, അത് സംസ്ഥാനങ്ങളുടെ സമ്പദ്വ്യവസ്ഥകളുടെ വളർച്ചയുടെ ഗതിവിഗതികളെ നിരീക്ഷിക്കാൻ അവസരം നൽകുന്നു. പൗരന്മാർക്കും അധികാരികൾക്കും ഈ സ്ഥിതിവിവരക്കണക്കുകൾ രസകരമാണ്. രാജ്യത്തെ പുരോഗതിയെക്കുറിച്ച് അവരോട് പറയുക: ജനസംഖ്യാപരമായ വളർച്ച അല്ലെങ്കിൽ പ്രതിസന്ധി, ക്ഷേമവശം അല്ലെങ്കിൽ വീഴ്ച വർധിപ്പിക്കൽ തുടങ്ങിയവ.