10.18.34. Статистика
См. слово Вероятность и вероятностная предопределенность
См. слово Метрология метрологическая состоятельность
См. слово Полная Функция Управления ПФУ
Статистика — это отрасль знаний, наука, в которой излагаются общие вопросы сбора, измерения, мониторинга, анализа массовых статистических (количественных или качественных)данных и их сравнение; изучение количественной стороны массовых общественных явлений в числовой форме.
На данный момент, под этим словом, в обществе подразумевают некое банальное обобщение каких-либо данных. Но не всё так просто, как кажется на первый взгляд.
Любая статистика должна изначально разграничиваться на два «лагеря».
- Статистика демографически обусловленных потребностей.
- Статистика деградационно – паразитарных потребностей.
То есть, чтобы вы не считали, чтобы вы не соотносили и сравнивали, вам необходимо, то с чем работаете, отнести либо к первому варианту, либо ко второму.
К примеру, валовой национальный продукт надо считать исключительно на основе информации исходя из первого пункта, а по второму варианту необходимо вычислять ошибки в социальном управлении. Иначе любую статистику можно свести к абсурду. Это как в некоторых странах западного мира, в валовой продукт добавляют доходы от проституции и доходы от оборота лёгких наркотиков.
При этом в повседневной жизни необходимо всегда помнить, что, по сути, никогда нельзя обобщать и сравнивать различные предметы и выводить из этого некие статистические данные относительно нового предмета.
Можно сравнивать объекты и явления исключительно одного вида, иначе:
- одни кушают капусту,
- другие кушают мясо,
- а по статистики все кушают голубцы.
Обыкновенная «прямая» статистика, определяет тенденцию изменения именно одного вида за некий период времени. И этот показатель статичен и неизменен. Нельзя по статистики обобщать изменения разных видов и выводить один, какой-либо объединяющий показатель изменений, не делая оговорку о выходе из видового обобщения. Окружающая среда это набор взаимовложенных суперсистем, и поэтому, объединяя изменения разных параметров единиц суперсистем, используя статистику в понимании, как её представляют сейчас, теряется взаимосвязь с вложенными и всеобъемлющими суперсистемами и от этого нарисовываются ошибки.
При анализе ситуации, используя статистику необходимо искать именно тот обобщающий элемент и характеристику, который уже по жизни объединяет элементы суперсистемы и уже по нему вести наблюдение.
К примеру, в нашем случае с голубцами. Если мы считаем мясо и капусту, чтобы выяснить хватает ли питания всем жителям, то необходимо задаться вопросом, а ЗАЧЕМ мы это хотим выяснить. Какая конечная наша цель. Если тупо узнать сытые люди или голодные, то этот показатель метрологически не измеряем и поэтому, даже введя некие нормы на душу населения, мы получим, как раз ошибку с «голубцами». А вот если цель здоровое питание для всех, то можно выйти на статистику смертности населения и сравнить её с динамикой роста производства капусты и производства мяса и тогда выявить некие закономерности и уже тогда принимать решение о вкладывании средств в развитие той или другой индустрии. Не забывая проводить информационное образование людей насчёт того, что именно лучше для человека в ракурсе питания, исходя из последних истинных статистических наблюдений.
По сути, мы всегда выходим на гармоничное развитие.
Материи – Информации – Меры.
Где развитие Материи в нашем случае это производство необходимых продуктов, развитие Информации это выявление, какие именно продуты и зачем, а развитие Меры это метрологическое определение достаточности продуктов, как по количеству, так и порядку употребления их и производства.
Теперь о самом слове «Статистика».
Хочется добавить, что для понимания этого вопроса необходимо различать, а лучше сказать понимать, что в образ «статистика» входят три близких образа, но с совершенно разными свойствами, исходя из того, как можно обрабатывать полученные статистическими методами данные.
А именно, что существует три понятия:
- Корреляция.
- Вероятность.
- Следствие.
И в настоящее время их постоянно путают, подменяют, подставляют туда, где они рядом не должны использоваться и от этого идёт множество искажений информации, а значит, именно манипулируя этими терминами, вас могут ввести в заблуждение.
Поэтому надо твёрдо знать их определение и при получении любой статистической информации и выводов на её основе уметь внятно различать что где и как.
Корреляция – это метод анализа полученной информации, при котором полученные данные можно привязать по какому-либо критерию не напрямую, а косвенно и вследствие этого выявит их взаимосвязь. Но эта взаимосвязь является не прямой, а указывает лишь на возможную тенденцию, при этом прямая связь не установлена и поэтому, этот метод можно считать промежуточным для дальнейших исследований. Именно этим он как раз и является важным, так как выявляет именно направление и саму возможную связь полученных данных.
Для понимания образа этого слово приведём пример.
Изначально имеем данные, что 20 лет назад в Китае, случаев болезней сердечно-сосудистой системы было выявлено в 10 раз меньше чем в Европе.
Это одни данные.
Далее если мы проедем по Европе в железнодорожном вагоне 2000 км и посчитаем все столбы которые мелькали в окошке и сравним их с количеством увиденных столбов но уже проезжая 2000 км по Катаю, то мы получим тоже некие данные но в другом соотношении. То есть китайских столбов будет в 10 раз меньше европейских. Это выходит из-за того, что менее развита инфраструктура.
В результате получаем ещё одни данные.
Теперь, если будет не совсем добросовестный исследователь, то он может заключить вывод, что сердечные болезни на «прямую» зависят от количества столбов на территории страны. И далее на основе этого исследования и найденной, и научно доказанной взаимосвязи, он вынесет вывод, что уменьшая столбы на своей территории, некое сообщество людей, может уменьшить количество сердечных заболеваний на душу населения.
Получаем, конечно, абсурд.
А вот если продолжать проведенные исследования, выявившие выше указанную закономерность, то можно с легкостью выйти на данные, что, чем больше столбов, тем выше энерговооруженность территории. А значит, есть больше возможности в приготовлении пищи через ёё обработку тепловыми и другими химическими способами. То есть, можно выявить связь, что в Европе люди меньше двигаются. В питании употребляют меньше свежей, живой, растительной и не обработанной пищи. Они кушают больше и даже без мерно больше, варенного животного белка и обработанных молочных продуктов. Они имеют больше консервантов и разной химии и особенно более обширный набор быстрых углеводов как сахаров.
И вот как раз отсутствие всего вышеперечисленного в Китае, приводит к тому, что у них, сердечно – сосудистых заболеваний в разы меньше.
По методике, о которой шла речь в приведенном примере с «хитрым» исследователем, в настоящее время и подтасовываются практически все исследования – главное, чтобы сравниваемые данные не так ярко входили в конфликт своим видовым происхождением как в приведенном примере со столбами. По сути, используя этот принцип можно, что угодно доказать, и что угодно опровергнуть, если конечно в этом есть проплаченная деньгами заинтересованность.
Вероятность – это метод анализа полученной информации, при котором, полученные данные можно привязать по какому-либо критерию, именно через прямую зависимость, т.е. установив прямую взаимосвязь данных, но не на 100 процентов, а в каком-либо отношении. По сути, взаимосвязь есть, но она исходя из действий окружающей среды и факторов, которые пока невозможно статистически подтянуть, может либо создаться, либо нет.
Проведя ряд похожих замеров, можно выявить некую тенденцию, как раз, либо появления такой связи, либо её отсутствие. И проведя, к примеру, 100 измерений, можно выявить процентное отношение вероятностного появления такой связи в последующем, если факторы внешней среды не сильно изменяются.
Хорошим примером вероятности, служит опыт с подбрасыванием монеты – здесь мы видим две прямые зависимости – монета обязательно упадёт либо орлом или решкой. Хотя есть вариант, что она может и встанет на ребро, но это маловероятно, исходя из опыта подбрасывания.
Поэтому, здесь имеем прямую зависимость, либо орел, либо решка, и ни какие-то там столбы возле железной дороги и не частота заболеваний сердцем здесь неуместны.
То есть здесь уже такие манипуляции не проходят. Так как, сбор данных строго ограничен и есть именно некое видовое ограничение по притягиванию данных, которые можно обрабатывать. Здесь можно будет манипулировать данными, только через увеличение, или уменьшение процентного отношения вероятности появления тех или иных данных. К примеру, скрыто изменяя и вводя различные внешние воздействия окружающей среды. и об этом надо, всегда знать и помнить, дабы вас не обманули.
Следствие – это метод анализа полученной информации, при котором, полученные данные можно привязать исключительно только к одному, стопроцентно подходящему критерию именно через прямую зависимость.
То есть, имеем такие условия эксперимента и факторы окружающей среды, что при проведении опыта одни данные будут стопроцентно появляться при появлении других данных. Допустим у нас монета, у которой с двух сторон одинаковое изображение. Поверхность, на которую она будет падать, находится под углом к горизонту. Проводя опыт по подбрасыванию монеты, мы будем иметь всегда следствие того, что у нас всегда стопроцентно выпадет именно тот рисунок, который изображен на монете.
По сути, мы имеем стопроцентное следствие зависимости появления одной информации от изменения другой. И когда говорят, что одно есть следствие другого, то надо именно это так и понимать, что имеет случай с отсутствием каких-либо неожиданных допущений и условий. Если есть возможность появления непредвиденных условий, то это уже не следствие, а вероятность.
Исходя из вышесказанного, когда вы в своей жизни столкнётесь с любыми статистическими данными и выводами, которые делают на их основе, то вы в первую очередь должны определиться, к какому типу всё это «безобразие» относится по критериям, о которых говорилось выше и определить, что перед вами
Корреляция, Вероятность или Следствие.
И лишь после этого приступать к различению и выявлению критериев доверия к любым исследования, какие бы вам на протяжении жизни не попадались. И тогда вас будет всегда очень трудно обмануть и ввести в заблуждение.
Наша жизнь очень разнообразная и в ней встречаются очень разные воздействия, через которые на нас давит окружающая среда и подталкивает к неким действиям.
К примеру, очень легко определить, что если из ведра неопрятно воняет, то это плохо.
А вот как определить, почему воняет и будет ли дальше вонять сильнее или меньше, и вообще, как сделать так, чтобы больше никогда не воняло?
На эти вопросы можно ответить только исходя из новых данных, которые необходимо собрать и проанализировать.
К примеру, кто и когда в ведро что-то выбрасывал, что именно выбрасывал, кто должен очищать ведро, когда и куда утилизировать содержимое ведра, да и вообще, откуда берётся мусор, что такое мусор и почему именно в этом количестве.
Поэтому если вы не в состоянии, к примеру, ответить на приведенные ниже вопросы по существу, то по большому счёту вам вообще нельзя заниматься управлением, занимать любые управленческие должности, да и вообще, скорее всего вы и своей жизнью сами не управляете.
- Нарисуйте в осях функцию распределения случайной величины.
- Нарисуйте в тех же осях плотность распределения случайной величины.
- Опишите формулой или на словах как один график соотносится с другим.
- Покажите, как можно статистику в табличной форме преобразовать в график плотности и вероятности и наоборот графики в таблицы.
- Поясните, что такое хорошо, а что такое плохо и что надо сделать, чтобы вскоре, чтобы стало лучше. То есть, как в этих осях должно в идеале располагаться распределение нашей случайной величины.
Без ответа на эти вопросы любое управление невозможно в принципе, повторимся, именно любое управление и особенно управление государством и обществом.
По той причине, что жизнь общества выражается в статистике, а статистика нуждается в оценках типа хорошо или плохо, после чего уже наступает время политики, где при адекватной политике выполняются действия, которые уже и приводят в действительности от плохого к хорошему.
И если политик, которому дали власть управлять, не знает этих основ, то он шарлатан и общественный вредитель, вор и растратчик человеческих ресурсов.
На данный современный момент, очень хорошим конечным статистическим фактором, по которому можно оценить общественных управленцев, которым доверили или которые сами на себя взяли эту функцию. Является динамика изменения цен. Если цены на товары и услуги из демографически обусловленного спектра потребностей имеют тенденцию к планомерному снижению, то можно смело заявить, что как говорится наши руководители это гордость нашей эпохи. А если цены постоянно растут, то мы имеем безграмотное управление, а управленцы неучи или воры, которые имеют злонравную психику.
Немного серьёзной теории:
Приходится констатировать, что для подавляющего большинства людей слово «статистика» — не определённое по смыслу: оно не вызывает в их психике никаких общих для них образов, которые они могли бы соотнести с жизненными явлениями. Удручающее впечатление производит то обстоятельство, что слово «статистика» не вызывает адекватных образов даже у тех, кто в своё время прослушал в вузе курс «теория вероятностей и математическая статистика». И по сути, получил по нему вполне приличную оценку: как только дело доходит до практического применения в жизни некогда полученных знаний, в подавляющем большинстве случаев оказывается, что знания — сами по себе, а жизнь — сама по себе, вследствие чего её характеристика статистиками оказывается для индивида с одной стороны — невозможной, а при предоставлении ему статистик, — статистики оказываются непонятыми.
Поэтому внесём ясность в вопрос о том, что следует видеть за словом «статистика» в приведённой выше подборке вопросов и ответов.
Обратимся к нижнему рисунку.
Графическое отображение статистик
На рис показана система координат 0xy:
- По горизонтали — ось абсцисс x. По оси x откладываются значения параметра, по которому распределено рассматриваемое множество.
- По вертикали — ось ординат y. По оси y откладываются значения функций плотности распределения φ(x) и интегральной функции распределения Ф(x).
Параллельно оси абсцисс на уровне максимально возможного значения интегральной функции распределения y = Ф(x) = 1 проведена горизонтальная шкала, дублирующая ось x. Она может быть полезной (для удобства) в некоторых случаях при работе со статистическими данными, представленными в такой графической форме.
Кроме того, параллельно оси y размещены ещё две шкалы: № 1, № 2. Обе эти шкалы — процентные, но встречной направленности, поскольку в одних задачах необходим отсчёт доли статистики, включающей в себя максимум значения рассматриваемого параметра; а в других задачах необходим отсчёт доли статистики, включающей в себя минимум значения рассматриваемого параметра. Как ими пользоваться, видно из самого выше указанного рисунка:
- Широкая чёрная полоса вдоль шкалы № 1 отмечает долю статистики, в которой значение анализируемого параметра меньше, чем значение «а», отмеченное на верхней шкале изменений аргумента.
- Широкая чёрная полоса вдоль шкалы № 2 отмечает долю статистики, в которой значение анализируемого параметра выше, чем значение «б», отмеченное на верхней шкале изменений аргумента.
Кроме того, в осях 0xy показаны:
- Столбиковая диаграмма «А». Высота каждого столбика в масштабе оси y равна доле статистики, попадающей в диапазон значений аргумента x, который лежит в основании каждого из столбцов.
- Если сделать более мелкое разделение диапазонов, то дискретная плотность распределения «А» может быть аппроксимирована непрерывной плотностью распределения φ(x), что в ряде задач может быть более удобным.
- Если плотность распределения φ(x) существует (в жизни встречаются распределения, для которых функция плотности распределения не существует) и её проинтегрировать, то получим кривую Ф(x), с масштабом отображения которой по оси y связаны шкалы № 1 и № 2.
- Дискретный аналог кривой Ф(x) не показан, чтобы не загромождать рисунок. Его можно получить, если к высоте каждого из столбиков диаграммы «А» добавить сумму высот всех столбиков, находящихся слева от него по оси x.
- Кривая Ф(x) (и её не построенный дискретный аналог) вместе со шкалами № 1 и № 2 показывает статистическое распределение анализируемого множества по рассматриваемому параметру x.
Представление в такой форме разного рода статистик (в том числе и нескольких статистик в одних и тех же осях) нам представляется удобным.
Современная оргтехника позволяет демонстрировать управленцу и заинтересованной аудитории в ходе выступлений всевозможные иллюстрации, включая и отображение статистических данных в наглядной форме рисинку, которым может сопутствовать некая «цифирь», позволяющая метрологически состоятельно соотнести одну статистику с другой.
Если в этой форме представлена социальная статистика, то в осях 0xy единицей измерения численности населения в разных статистических группах является общая численность населения: в масштабе оси y она равна 1. А каждая выделенная социальная группа, на которую приходится некая доля статистического распределения по рассматриваемому параметру x, — доля от этой единицы. Шкалы № 1, и № 2 по своей смысловой нагрузке аналогичны оси y, с тою лишь разницей, что они оразмерены в более предпочтительной для многих людей процентной мере.
Горизонтальные шкалы аргумента x могут быть как размерными, так и обезразмеренными по тем или иным характеристическим показателям, которые характерны для той или иной теории подобия, привлекаемой к анализу и проектированию статистических характеристик соответствующего объекта (системы).
В этой форме может быть отображена любая по содержанию статистика, из некоторого набора статистик, которыми характеризуется общественно-экономическая формация в процессе её взаимодействия с природной средой.
Плотность распределения – это предел численности исследуемых значений, попавших в интервал на горизонтальной оси (времени), отнесённой к длине этого интервала при устремлении длины интервала к нулю. Соответственно площадь под каждой из кривых плотностей распределения равна 100% численности исследуемых значений в некотором масштабе.
Статистические закономерности - это отражение статистической предопределенности причинно-следственных связей в статистике массовых явлений на каждом иерархическом уровне организации Вселенной.
Примечание № 1
Ныне есть компьютерные технологии, именуемые «Big Data» — «большие данные». С их помощью, собирая разнородную информацию, можно выявить:
• статистические распределения, которыми характеризуются состояния разного рода множеств и процессы во множествах (в обществах — множествах людей, в экономиках — множествах предприятий, в иных множествах);
• взаимосвязи разнородных статистических распределений друг с другом (корреляцию), на основании которых можно выявить и причинно-следственные связи, порождающие эти взаимосвязи статистик;
• элементы множеств, которые не укладываются по разным причинам в статистические распределения;
• а также технологии больших данных и результаты их применения могут быть использованы в постановке и решении прогнозно-аналитических задач — задач многовариантного моделирования течения событий как в пределах государства, так и в глобальных масштабах.
Примечание № 2
Основой для организации бесструктурного управления являются знания математического анализа и теории вероятности. Если очень грубо, то если ты это знаешь, значит, можешь управлять толпой.
См. ролик /7181_Бесструктурное управление примеры/
См. дополнительные пояснения.
Текст в курсе:
/Глава 7.2.3. Статистика и вероятность/
/Глава 7.4.2. Первая практика по 12 основным вопросам/
Литература:
/716_Как манипулируют неучи статистикой/
Видео:
/7179_12 вопросов, на которые должен отвечать любой чиновник (Величко М.В.)/
/764_Пока государством управляют юристы будет бардак/
/7185_Вероятностная предопределенность/
/3110_Клим Жуков про голодомор/
/3128_Визуализация производной и мат.анализа_круто/
/7291_Зачем матстат и тервер коротко/
***
Таблица для завершающей тренировки
См. пояснения по таблице.
Текст в курсе:
/Глава 9.2. Завершающая тренировка/
/Глава 10.0. Пояснение к словарю/
Следующая страница ➤
Данилёнок Вадим Евгеньевич
С этого места Вы можете бесплатно скачать книгу по материалам сайта и выразить благодарность автору по указанной ссылке
СКАЧАТЬ КНИГУ БЕСПЛАТНО
или нажав на верхнюю картинку
* * * * * * * * *