Существуют пять основных способов организации выборочного наблюдения:

1. простой случайный отбор, при котором объектов случайно извлекаются из генеральной совокупности объектов (например с помощью таблицы или датчика случайных чисел), причем каждая из возможных выборок имеют равную вероятность. Такие выборки называются собственно-случайными;

2. простой отбор с помощью регулярной процедуры осуществляется с помощью механической составляющей (например, даты, дня недели, номера квартиры, буквы алфавита и др.) и полученные таким способом выборки называются механическими;

3. стратифицированный отбор заключается в том, что генеральная совокупность объема подразделяется на подсовокупности или слои (страты) объема так что . Страты представляют собой однородные объекты с точки зрения статистических характеристик (например, население делится на страты по возрастным группам или социальной принадлежности; предприятия — по отраслям). В этом случае выборки называются стратифицированными (иначе, расслоенными, типическими, районированными);

4. методы серийного отбора используются для формирования серийных или гнездовых выборок. Они удобны в том случае, если необходимо обследовать сразу "блок" или серию объектов (например, партию товара, продукцию определенной серии или население при территориально-административном делении страны). Отбор серий можно осуществить собственно-случайным или механическим способом. При этом проводится сплошное обследование определенной партии товара, или целой территориальной единицы (жилого дома или квартала);

5. комбинированный (ступенчатый ) отбор может сочетать в себе сразу несколько способов отбора (например, стратифицированный и случайный или случайный и механический); такая выборка называется комбинированной.

Генеральная и выборочная совокупности

Исходным понятием статистики является понятие совокупность, объединяющее обычно какое-либо множество испытуемых (учащихся) по одному или нескольким интересующим признакам. Главное требование к выделению изучаемой совокупности — это ее качественная однородность, например, по уровню знаний, росту, весу и другим признакам. Члены совокупности могут сравниваться между собой в отношении только того качества, которое становится предметом исследования. При этом обычно абстрагируются от других неинтересующих качеств. Так, если педагога интересует успеваемость учащихся, то он не принимает во внимание, как правило, их рост, вес и другие параметры, не относящиеся непосредственно к изучаемому вопросу.

Применение большинства статистических методов основано на идее использования небольшой случайной совокупности испытуемых из общего числа тех, на которых можно было бы распространить (генерализовать) выводы, полученные в результате изучения совокупности. Эта небольшая совокупность в статистике называется выборочной совокупностью (или короче —выборкой). Главный принцип формирования выборки — это случайный отбор испытуемых из мыслимого множества учащихся, называемого генеральной совокупностью или популяцией объектов или явлений. Как по анализу элементов, содержащихся в капле крови, медики нередко судят о составе всей крови человека, так и по выборочной совокупности учащихся изучаются явления, характерные для всей генеральной совокупности.

Когда для каждого объекта в выборке измерено значение одной переменной, популяция и выборка называются одномерными. Если же для каждого объекта регистрируются значения двух или нескольких переменных, такие данные называются многомерными.

Одной из основных задач статистического анализа является получение по имеющейся выборке достоверных сведений о интересующих исследователя характеристиках генеральной совокупности. Поэтому важным требованием к выборке является ее репрезентативность, то есть правильная представимость в ней пропорций генеральной совокупности. Достижению репрезентативности может способствовать такая организация эксперимента, при которой элементы выборки извлекаются из генеральной совокупности случайным образом.

Теория выборочного метода основана на законе больших чисел. Закон больших чисел, в его математической трактовке, говорит о том, что с увеличением числа наблюдений уменьшается разница между выборочной средней и генеральной средней, и наоборот, чем меньше выборка, тем меньше надежды на то, что выборочная средняя совпадет по величине со средней арифметической генеральной совокупности. Действие этого закона основано на свойстве самих случайных величин, отрицательные и положительные значения которых способны компенсировать друг друга тем полнее, чем большему числу испытаний подвергается случайная величина. В связи с этим закономерности распределения, наблюдаемые в ранжированных совокупностях вариант, следует рассматривать как проявление наиболее общего закона поведения случайных величин — закона больших чисел.

При выборочном наблюдении закон больших чисел и теоремы теории вероятностей в силу случайности отбора единиц позволяют определить ошибки репрезентативности, допущенные при выборочном обследовании. Зная предел допустимой ошибки, на основе закона больших чисел можно определить необходимую численность выборки. Математическое обоснование закона больших чисел было дано еще в начале XVIII столетия Я. Бернулли. В дальнейшем академики П.Л. Чебышев, А.М. Ляпунов и А.А. Марков расширили и уточнили первоначальную формулировку этого закона.

Необходимый объем выборочного наблюдения зависит от нескольких факторов:

• показателей вариации наблюдаемого признака: чем больше показатели вариации (средний квадрат отклонения), тем больше необходимая численность выборочной совокупности; • размера предельной ошибки случайной выборки: чем меньше должен быть размер предельной ошибки, тем больше нужен объем выборочного наблюдения. Иными словами, для получения большей точности необходимо увеличивать объем выборки; • размера вероятности, с которой требуется гарантировать результаты выборки: чем выше показатель кратности ошибки, тем больше должен быть объем выборки; • способа отбора единиц выборочного наблюдения из генеральной совокупности. Для бесповторного наблюдения (при прочих равных условиях) требуется меньшая численность выборки, чем при повторном отборе.

Обычно в статистике различают три типа значений переменных: количественные, номинальные и ранговые.

Значения количественных переменных являются числовыми, могут быть упорядочены и для них имеют смысл различные вычисления (например, среднее значение). На обработку количественных переменных ориентировано подавляющее большинство статистических методов.

Значения номинальных переменных (например: пол, вид, цвет) являются нечисловыми, они означают принадлежность к некоторым классам и не могут быть упорядочены или непосредственно использованы в вычислениях. Для анализа номинальных переменных специально предназначены лишь избранные разделы математической статистики, например, категориальный анализ. Однако в ряде случаев для этой цели могут быть использованы и некоторые ранговые и количественные методы, если номинальные значения предварительно заменить на числа, обозначающие их условные коды.

Ранговые или порядковые переменные занимают промежуточное положение: их значения упорядочены (состояние больного, степень предпочтения), но не могут быть с уверенностью измерены и сопоставлены количественно. К анализу ранговых переменных применимы так называемые ранговые методы.

Ранг наблюдения – это тот номер, который получит данное наблюдение в упорядоченной совокупности всех данных – после их упорядочивания по определенному  правилу (например, от большего значения к меньшим). Процедура перехода от совокупности наблюдений к последовательности их рангов называется ранжированием.

Ранговые и номинальные значения при вводе данных следует обозначать целыми числами.

Статистическое дискретное распределение.

При систематизации данных выборочных обследований используются статистические дискретные и интервальные ряды распределения. Пусть из генеральной совокупности извлечена выборка, причем х₁ наблюдалось n₁ раз, х₂ – n₂ раз, х_k – n_k раз и ∑n_i=n - объем выборки. Наблюдаемые значения х₁ называют вариантами, а последовательность вариант, записанных в возрастающем порядке – вариационным рядом. Число наблюдений варианты называют частотой, а ее отношение к объему выборки - относительной частотой n_i/n=w_i. Статистическим (эмпирическим) законом распределения выборки, или просто статистическим распределением выборки называют последовательность вариант х_i и соответствующих им частот n_i или относительных частот w_i.

Статистическое распределение выборки удобно представлять в форме таблицы распределения частот, называемой статистическим дискретным рядом распределения:

x1	x2	...	xm
n1	n2	...	nm

(сумма всех частот равна объему выборки ∑n_i=n) или в виде таблицы распределения относительных частот:

x1	x2	...	xm
w1	w2	...	wm

(сумма всех относительных частот равна единице ∑w_i=1)

Пример 1. При измерениях в однородных группах обследуемых получены следующие выборки: 71, 72, 74, 70, 70, 72, 71, 74, 71, 72, 71, 73, 72, 72, 72, 74, 72, 73, 72, 74 (частота пульса). Составить по этим результатам статистический ряд распределения частот и относительных частот.

Решение. 1) Статистический ряд распределения частот:

xi	70	71	72	73	74
ni	2	4	8	2	4

2) Объем выборки: n=2+4+8+2+4=20. Найдем относительные частоты, для чего разделим частоты на объем выборки n_i/n=w_i: w_i=2/20=0.1; w₂=4/20=0.2; w₃=0.4; w₄=4/20=0.1; w₅=2/20=0.2. Напишем распределение относительных частот:

xi	70	71	72	73	74
wi	0.1	0.2	0.4	0.1	0.2

Контроль: 0,1+0,2+0,4+0,1+0,2=1.

Полигоном частот называют ломаную, отрезки, которой соединяют точки (х₁,n₁),(х₂,n₂),...,(х_k,n_k). Для построения полигона частот на оси абсцисс откладывают варианты х₂, а на оси ординат – соответствующие им частоты n_i. Точки (х_i,n_i) соединяют отрезками и получают полигон частот. Полигоном относительных частот называют ломаную, отрезки, которой соединяют точки (х₁,w₁),(х₂,w₂),...,(х_k,w_k). Для построения полигона относительных частот на оси абсцисс откладывают варианты х_i, а на оси ординат соответствующие им частоты w_i. Точки (х_i,w_i) соединяют отрезками и получают полигон относительных частот.

Наиболее информативной графической формой частот является специальный график, называемы гистограммой частот.

Гистограммой частот называют ступенчатую фигуру, состоящую из прямоугольников, основаниями которых служат частичные интервалы длиною h, а высоты равны отношению n_i/h (плотность частоты). Для построения гистограммы частот на оси абсцисс откладывают частичные интервалы, а над ними проводят отрезки, параллельные оси абсцисс на расстоянии n_i/h. Площадь i-го частичного прямоугольника равна h•n_i/h=n_i - сумме частот вариант i-го интервала; следовательно, площадь гистограммы частот равна сумме всех частот, т.е. объему выборки. Гистограммой относительных частот называют ступенчатую фигуру, состоящую из прямоугольников, основаниями которых служат частичные интервалы длиною h, а высоты равны отношению w_i/h (плотность относительной частоты).

Для построения гистограммы относительных частот на оси абсцисс откладывают частичные интервалы, а над ними проводят отрезки, параллельные оси абсцисс на расстоянии w_i/h. Площадь i-го частичного прямоугольника равна h•w_i/h=w_i - относительной частоте вариант, попавших в i-й интервал. Следовательно, площадь гистограммы относительных частот равна сумме всех относительных частот, т.е. единице.

Список литературы:

Вероятностные разделы математики / Под ред. Ю. Д. Максимова. — Спб.: «Иван Фёдоров», 2001. — С. 400. — 592 с. Харман Г., Современный факторный анализ. — М.: Статистика, 1972. — 486 с.

Вероятностные разделы математики / Под ред. Ю. Д. Максимова. — Спб.: «Иван Фёдоров», 2001. — С. 400. — 592 с. Харман Г., Современный факторный анализ. — М.: Статистика, 1972. — 486 с.

3. http://statexpert.org

4. http://www.fdfgroup.ru

16