В результате изучения данной главы студент должен:

знать

положение стандартов ИСО о роли статистических методов контроля и обеспечения качества продукции;
способы анализа качества продукции и регулирования технологических процессов;

уметь

проводить анализ качества работы оборудования;
применять статистические методы для разработки новой технологии и контроля качества на различных этапах производственного процесса;

владеть

Навыками применения статистических методов при регулировании качества продукции.

Понятие о контроле качества продукции и применяемых статистических методах. Семь инструментов контроля качества

Контроль качества продукции является составной частью производственного процесса. Он проводится на всех стадиях технологического цикла, начиная с контроля качества используемых сырья и материалов и заканчивая определением соответствия готового продукта техническим характеристикам и параметрам. Контроль качества продукции ведется в двух направлениях:

1) при регулировании хода технологического процесса по изготовлению продукции;
2) при приеме готовой продукции.

Контроль качества на предприятии возложен на специальные службы - отделы технического контроля, в функции которых входят разработка показателей оценки качества по всем видам выпускаемой продукции, методов проверки качества, анализ рекламаций, выяснение причин возникновения дефектов и брака и условий их устранения.

В соответствии с международным положением стандартов ИСО серии 9001 статистические методы рассматриваются как одно из высокоэффективных средств обеспечения качества продукции. Применение статистических методов позволяет с заданной степенью точности и достоверности судить о состоянии производственного процесса и необходимости его регулирования на всех этапах жизненного цикла продукции. Статистические методы рассматриваются как путь разработки новой технологии и контроля качества на различных этапах производственного процесса. Детальные указания по применению статистических методов для анализа и контроля качества содержатся в ИСО 9004-1, п. 4.20.

Для получения качественной продукции необходимо обеспечить точность имеющегося оборудования, определять соответствие точности выбранного технологического процесса заданной точности изделия, оценивать стабильность технологического процесса. Решение этих задач осуществляется в основном путем статистической обработки эмпирических данных, полученных многократными измерениями, либо измерением размеров изделий, либо данных о погрешностях обработки или погрешностях измерения.

Для контроля технологических процессов на каждой стадии оцениваются их точность и стабильность. При этом фактические данные сравниваются с эталоном на контролируемые параметры, которые заданы в технологической документации.

Разброс данных, относящихся к измерению параметров изготавливаемого изделия, исследуется статистическими методами. Для контроля над разбросом строится график замеров, что позволяет понять характер процесса. Если разброс данных мал, среднюю оценку параметра можно считать надежной и нет необходимости в изменении технологии производства. Если же разброс велик, то это означает необходимость регулирования процесса для его стабилизации и обеспечения качества продукции.

Для контроля качества продукции необходимо располагать:

стандартами, техническими параметрами, характеризующими качество продукции;
методами и средствами контроля проверки качества;
техническими средствами для проведения испытаний;
причинами возникновения дефектов, брака и условий их устранения;
результатами анализа рекламаций.

Статистические методы включают:

1) методы, применяемые при разработке операций технического контроля, планировании промышленных экспериментов, при расчетах точности и надежности параметров изделий. Они позволяют довольно просто идентифицировать несоответствие параметров изделия технической документации. Это так называемые семь инструментов контроля качества, которые в 1979 г. были объединены и предложены

Союзом японских ученых и инженеров (JUSE) как наиболее простые в использовании наглядных методов анализа процессов производства;

2) методы многомерного статистического анализа: корреляционнорегрессионный и дисперсионный анализ, методы факторного и кластерного анализа, адаптивные робастные статистики и др.

Основное назначение статистических методов - контроль производственного процесса и предоставление фактов для корректировки и улучшения процесса производства.

Семь инструментов контроля качества. Семь инструментов контроля качества - набор инструментов, позволяющих облегчить задачу контроля процессов производства, корректировки и улучшения качества продукции. Они включают в себя:

1) контрольные листки, позволяющие усовершенствовать процесс сбора данных и их автоматического упорядочения для облегчения их дальнейшего использования;
2) гистограммы, отражающие условия процесса за период, в течение которого были получены данные. Сравнение вида распределения с контрольными нормативами дает информацию для управления процессом (удобны при составлении месячных отчетов о качестве выпускаемой продукции, о результатах технического контроля, при демонстрации изменения уровня качества по месяцам и т.д.);
3) диаграммы Парето, позволяющие выяснить причины появления дефектов и сосредоточить усилия на ликвидации именно этих причин (используются при анализе видов брака, суммы потерь от брака, затраты времени и материальных средств на его исправление);
4) метод стратификации (расслаивания данных) - инструмент, позволяющий произвести разделение данных на подгруппы по определенному признаку;
5) диаграмму Исикавы (диаграмма причин изменения качества), показывающую отношение между характеристиками качества и воздействующими на него факторами (используется при решении вопросов обеспечения качества продукции, эффективности использования оборудования, внедрения стандартов на технологические операции);
6) диаграммы рассеяния (разброса), позволяющие выявить причинно-следственные связи показателей качества и влияющих факторов при анализе диаграммы Исикавы (строится как поле корреляции для зависимости между двумя переменными х и у);
7) контрольные карты, используемые для управления качеством технологического процесса, так как позволяют контролировать моменты, когда выпускаемая продукция отклоняется от заданных техническими условиями допусков.

Перечисленные методы просты и образуют эффективную систему методов контроля и анализа качества. Они могут применяться в любой последовательности, их можно рассматривать как целостную систему и как отдельные инструменты анализа.

Статистические методы (методы, основанные на использовании математической статистики), являются эффективным инструментом сбора и анализа информации о качестве. Применение этих методов, не требует больших затрат и позволяет с заданной степенью точности и достоверностью судить о состоянии исследуемых явлений (объектов, процессов) в системе качества, прогнозировать и регулировать проблемы на всех этапах жизненного цикла продукции и на основе этого вырабатывать оптимальные управленческие решения. Потребность в статистических методах возникает, прежде всего, в связи с необходимостью минимизации изменчивости процессов. Изменчивость присуща практически всем областям деятельности, связанной с обеспечением качества. Однако наиболее характерна она для процессов, поскольку они содержат много источников изменчивости.

Один из главных этапов психологического исследования – количественный и содержательный анализ полученных результатов. Содержательный анализ результатов исследования – наиболее значимый, сложный и творческий этап. Использование статистики в психологии – это необходимый компонент в процессе обработки и анализа данных. Он предлагает лишь количественные аргументы, которые требуют содержательного обоснования и интерпретации.

Условно все методы можно классифицировать по признаку общности на три основные группы: графические методы, методы анализа статистических совокупностей и экономико-математические методы.

Графические методы основаны на применении графических средств анализа статистических данных. В эту группу могут быть включены такие методы, как контрольный листок, диаграмма Парето, схема Исикавы, гистограмма, диаграмма разброса, расслоение, контрольная карта, график временного ряда и др. Данные методы не требуют сложных вычислений, могут использоваться как самостоятельно, так и в комплексе с другими методами. Овладение ими не представляет особого труда не только для инженерно-технических работников, но и для рабочих. Вместе с тем это весьма эффективные методы. Недаром они находят самое широкое применение в промышленности, особенно в работе групп качества.

Методы, анализа статистических совокупностей служат для исследования информации, когда изменение анализируемого параметра носит случайный характер. Основными методами, включаемыми в данную группу являются: регрессивный, дисперсионный и факторный виды анализа, метод сравнения средних, метод сравнения дисперсий и др. Эти методы позволяют: установить зависимость изучаемых явлений от случайных факторов как качественную (дисперсионный анализ), так и количественную (корреляционный анализ); исследовать связи между случайными и неслучайными величинами (регрессивный анализ); выявить роль отдельных факторов в изменении анализируемого параметра (факторный анализ) и т. д.

Экономико-математические методы представляют собой сочетание экономических, математических и кибернетических методов. Центральным понятием методов этой группы является оптимизация, т. е. процесс нахождения наилучшего варианта из множества возможных с учетом принятого критерия (критерия оптимальности). Строго говоря, экономико-математические методы не являются чисто статистическими, но они широко используют аппарат математической статистики, что дает основание включить их в рассматриваемую классификацию статистических методов. Для целей, связанных с обеспечением качества, из достаточно обширной группы экономико-математических методов следует выделить в первую очередь следующие: математическое программирование (линейное, нелинейное, динамическое); планирование эксперимента; имитационное моделирование: теория игр; теория массового обслуживания; теория расписаний; функционально-стоимостной анализ и др. В данную группу могут быть включены и методы Тагути, и метод развертывания функции качества (Quality Function Deployment-QFD).

Признаки и переменные

Признаки и переменные - это измеряемые психологические явления. Такими явлениями могут быть: время решения задачи, количество допущенных ошибок, уровень тревожности, показатель интеллектуальной лабильности, интенсивность агрессивных реакций, угол поворота корпуса в беседе, показатель социометрического статуса и множество других переменных.

Понятия признака и переменной могут использоваться как взаимозаменяемые. Они являются наиболее общими. Иногда вместо них используются понятия показателя или уровня, например, уровень настойчивости, показатель вербального интеллекта и др. Понятия показателя и уровня указывают на то, что признак может быть измерен количественно, так как к ним применимы определения "высокий" или "низкий", например, высокий уровень интеллекта, низкие показатели тревожности и др.

Психологические переменные являются случайными величинами, поскольку заранее неизвестно, какое именно значение они примут.

Значения признака определяются при помощи специальных шкал измерения.

Шкалы измерения Измерение - это приписывание числовых форм объектам или событиям в соответствии с определенными правилами. классификация типов шкал измерения:

Номинативная шкала(шкала наименований) –Объекты группируются по различным классам так, чтобы внутри класса они были идентичны по измеряемому св-ву.

Порядковая шкала(ранговая) – приписывание объектам чисел в зависимости от степени выраженности измеряемого признака.

Интервальная шкала(метрическая)- Это измерение, при котором числа отражают не только различия между объектами на уровне выраженности св-ва, но и насколько больше или меньше выражено св-во.

Переменные - это то, что можно измерять, контролировать или что можно изменять в исследованиях. Переменные отличаются многими аспектами, особенно той ролью, которую они играют в исследованиях, шкалой измерения и т.д.

Независимыми переменными называются переменные, которые варьируются исследователем, тогда как зависимые переменные - это переменные, которые измеряются или регистрируются.

Дискретная - это такая переменная, которая может принимать значения только из некоторого списка определенных чисел. Непрерывной будем считать любую переменную, не являющуюся дискретной.

Качественные - данные, которые регистрируют определенное качество, которым обладает объект.

Введение

Одним из важнейших положений тотального менеджмента качества (TQM) является принятие решений на основе фактов. Совершенствование качества продукции и процессов требует скрупулезной работы персонала предприятия по выявлению причин дефектов (отклонений от документации) и их устранению. Для этого необходимо организовать поиск фактов, характеризующих несоответствия, в подавляющем большинстве которыми являются статистические данные, разработать методы анализа и обработки данных, выявить коренные причины дефектов и разработать мероприятия по их устранению с наименьшими затратами.

Проблемами сбора, обработки и анализа результатов производственной деятельности занимается математическая статистика, которая включает в себя большое количество не только известных методов, но и современных инструментов (как модно в последние годы называть методы) анализа и выявления дефектов. К таким методам можно отнести корреляционный и регрессионный анализы, проверку статистических гипотез, факторный анализ, анализ временных рядов, анализ безотказности и т. д.

Большое распространение в управлении качеством (под влиянием японских специалистов) получили семь простых методов, применение которых не требует высокой квалификации персонала и позволяет охватить анализ причины большинства возникающих на производстве дефектов. В настоящем пособии эти методы включены в различные разделы, исходя из целесообразности их применения.

Большое внимание уделяется практическому приложению математической статистики для решения конкретных производственных задач, особенно при анализе качества процессов.

Следует отметить, что с развитием научных систем управления качеством роль статистических методов в управлении качеством непрерывно возрастает. Именно широкое применение в производстве продукции статистических методов на первых этапах борьбы за качество (50-е годы) позволило японским предприятиям очень быстро выйти в лидеры мировой экономики.

Конкурентоспособность российских предприятий будет так же во многом зависеть от масштаба обучения персонала методам статистического управления качеством и их систематического применения на практике.

Понятие о статистических методах качества

Понятие "управление качеством" как наука возникло в конце 19-го столетия, с переходом промышленного производства на принципы разделения труда. Принцип разделения труда потребовал решения проблемы взаимозаменяемости и точности производства. До этого при ремесленном способе производстве продукции обеспечение точности готового продукта производилось по образцам или методами подгонки сопрягаемых деталей и узлов. Учитывая значительные вариации параметров процесса, становилось ясно, что нужен критерий качества производства продукции, позволяющий ограничить отклонения размеров при массовом изготовлении деталей.

В качестве такого критерия Ф.Тейлором были предложены интервалы, устанавливающие пределы отклонений параметров в виде нижних и верхних границ. Поле значений такого интервала стали называть допуском.

Установление допуска привело к противостоянию интересов конструкторов и производственников: одним ужесточение допуска обеспечивало повышение качества соединения элементов конструкции, другим - создавало сложности с созданием технологической системы, обеспечивающей требуемые значения вариаций процесса. Очевидно также, что при наличии разрешенных границ допуска у изготовителей не было мотивации "держать" показатели (параметры) изделия как можно ближе к номинальному значению параметра, это приводило к выходу значений параметра за пределы допуска.

В тоже время (начало 20-х годов прошлого столетия) некоторых специалистов в промышленности заинтересовало, можно ли предсказать выход параметра за пределы допуска. И они стали уделять основное внимание не самому факту брака продукции, а поведению технологического процесса, в результате которого возникает этот брак или отклонение параметра от установленного допуска. В результате исследования вариабельности технологических процессов появились статистические методы управления процессами. Родоначальником этих методов был В.Шухарт.

Одновременно с этим большое внимание уделялось разработке теории выборочного контроля продукции. Первые работы в этой области появились в конце 20-х годов в США, автором их был Г.Додж, ставший впоследствии известным американским ученым.

С момента зарождения статистических методов контроля качества специалисты понимали, что качество продукции формируется в результате сложных процессов, на результативность которых оказывают влияние множество материальных факторов и ошибки работников. Поэтому для обеспечения требуемого уровня качества нужно уметь управлять всеми влияющими факторами, определять возможные варианты реализации качества, научиться его прогнозировать и оценивать потребность объектов того или иного качества.

В послевоенное время и в США, и в Европе появились национальные стандарты по качеству. Центральная роль в разработке нормативных документов в области качества принадлежит Международной организации по стандартизации (ISO). Начиная с 90-х годов, идеи теории вариаций, статистического управления процессами (SPC) овладели не только специалистами-математиками, но и стали неотъемлемыми инструментами менеджеров и работников служб качества.

Большой толчок дальнейшему развитию принципов управления качеством дал японский ученый Г.Тагути. Он предложил учитывать вариации свойств продукции на разных этапах ее разработки, что для менеджмента качества явилось революционной идеей. По Тагути нужно было установить те сочетания параметров изделий и процессов, которые приводили к минимуму вариаций процессов. Эти процессы, которые стали называть робастными, были устойчивы к вариациям входных параметров процессов.

Используемые в сегодняшней практике предприятий статистические методы можно подразделить на следующие категории:

Методы высокого уровня сложности, которые используются разработчиками систем управления предприятием или процессами. К ним относятся методы кластерного анализа, адаптивные робастные статистики и др.;

Методы специальные, которые используются при разработке операций технического контроля, планировании промышленных экспериментов, расчетах на точность и надежность и т.д.;

Методы общего назначения, в разработку которых большой вклад внесли японские специалисты. К ним относятся "Семь простых методов" (или "Семь инструментов качества"), включающие в себя контрольные листки; метод расслоения; графики; диаграммы Парето; диаграммы Исикавы; гистограммы; контрольные карты.

В настоящее время по статистическим методам имеется обширная литература и пакеты прикладных компьютерных программ, по разработке которых отечественные научные школы по теории вероятностей занимают ведущее место в мире.

Из существующих статистических методов наиболее распространенными являются:

1) описательная статистика;

2) планирование экспериментов;

3) проверка гипотез;

4) регрессионный анализ;

5) корреляционный анализ;

6) выборочный контроль;

7) факторный анализ;

8) анализ временных рядов;

9) статистическое установление допуска;

10) анализ точности измерений;

11) статистический контроль процессов;

12) статистическое регулирование процессов;

13) анализ безотказности;

14) анализ причин несоответствий;

15) анализ возможностей процесса (гистограммы).

В таблице 1 приведены сферы использования статистических методов. Наименования граф соответствует номеру статистического метода из вышеперечисленных.

Таблица 1 Статистические методы, используемые при контроле качества

Буквенная индексация строк соответствует следующим элементам системы качества по стандарту ISO 9001- 94:

А - ответственность руководства;

Б - анализ контракта;

В - проектирование;

Г - закупки;

Д - идентификация продукции и прослеживаемость;

Е - управление процессами;

Ж - контроль и испытания;

З - контрольное, измерительное и испытательное оборудование;

И - действия с несоответствующей продукцией;

К - регистрация данных;

Л - внутренние проверки качества;

М - подготовка кадров.

Статистические методы

Статисти́ческие ме́тоды - методы анализа статистических данных. Выделяют методы прикладной статистики , которые могут применяться во всех областях научных исследований и любых отраслях народного хозяйства, и другие статистические методы, применимость которых ограничена той или иной сферой. Имеются в виду такие методы, как статистический приемочный контроль, статистическое регулирование технологических процессов, надежность и испытания, планирование экспериментов.

Классификация статистических методов

Статистические методы анализа данных применяются практически во всех областях деятельности человека. Их используют всегда, когда необходимо получить и обосновать какие-либо суждения о группе (объектов или субъектов) с некоторой внутренней неоднородностью.

Целесообразно выделить три вида научной и прикладной деятельности в области статистических методов анализа данных (по степени специфичности методов, сопряженной с погруженностью в конкретные проблемы):

а) разработка и исследование методов общего назначения, без учета специфики области применения;

б) разработка и исследование статистических моделей реальных явлений и процессов в соответствии с потребностями той или иной области деятельности;

в) применение статистических методов и моделей для статистического анализа конкретных данных.

Прикладная статистика

Описание вида данных и механизма их порождения - начало любого статистического исследования. Для описания данных применяют как детерминированные, так и вероятностные методы. С помощью детерминированных методов можно проанализировать только те данные, которые имеются в распоряжении исследователя. Например, с их помощью получены таблицы, рассчитанные органами официальной государственной статистики на основе представленных предприятиями и организациями статистических отчетов. Перенести полученные результаты на более широкую совокупность, использовать их для предсказания и управления можно лишь на основе вероятностно-статистического моделирования. Поэтому в математическую статистику часто включают лишь методы, опирающиеся на теорию вероятностей.

Мы не считаем возможным противопоставлять детерминированные и вероятностно-статистические методы. Мы рассматриваем их как последовательные этапы статистического анализа. На первом этапе необходимо проанализировать имеющие данные, представить их в удобном для восприятия виде с помощью таблиц и диаграмм. Затем статистические данные целесообразно проанализировать на основе тех или иных вероятностно-статистических моделей. Отметим, что возможность более глубокого проникновения в суть реального явления или процесса обеспечивается разработкой адекватной математической модели.

В простейшей ситуации статистические данные - это значения некоторого признака, свойственного изучаемым объектам. Значения могут быть количественными или представлять собой указание на категорию, к которой можно отнести объект. Во втором случае говорят о качественном признаке.

При измерении по нескольким количественным или качественным признакам в качестве статистических данных об объекте получаем вектор. Его можно рассматривать как новый вид данных. В таком случае выборка состоит из набора векторов. Есть часть координат - числа, а часть - качественные (категоризованные) данные, то говорим о векторе разнотипных данных.

Одним элементом выборки, то есть одним измерением, может быть и функция в целом. Например, описывающая динамику показателя, то есть его изменение во времени, - электрокардиограмма больного или амплитуда биений вала двигателя. Или временной ряд, описывающий динамику показателей определенной фирмы. Тогда выборка состоит из набора функций.

Элементами выборки могут быть и иные математические объекты. Например, бинарные отношения. Так, при опросах экспертов часто используют упорядочения (ранжировки) объектов экспертизы - образцов продукции, инвестиционных проектов, вариантов управленческих решений. В зависимости от регламента экспертного исследования элементами выборки могут быть различные виды бинарных отношений (упорядочения, разбиения, толерантности), множества, нечеткие множества и т. д.

Итак, математическая природа элементов выборки в различных задачах прикладной статистики может быть самой разной. Однако можно выделить два класса статистических данных - числовые и нечисловые. Соответственно прикладная статистика разбивается на две части - числовую статистику и нечисловую статистику.

Числовые статистические данные - это числа, вектора, функции. Их можно складывать, умножать на коэффициенты. Поэтому в числовой статистике большое значение имеют разнообразные суммы. Математический аппарат анализа сумм случайных элементов выборки - это (классические) законы больших чисел и центральные предельные теоремы.

Нечисловые статистические данные - это категоризованные данные, вектора разнотипных признаков, бинарные отношения, множества, нечеткие множества и др. Их нельзя складывать и умножать на коэффициенты. Поэтому не имеет смысла говорить о суммах нечисловых статистических данных. Они являются элементами нечисловых математических пространств (множеств). Математический аппарат анализа нечисловых статистических данных основан на использовании расстояний между элементами (а также мер близости, показателей различия) в таких пространствах. С помощью расстояний определяются эмпирические и теоретические средние, доказываются законы больших чисел, строятся непараметрические оценки плотности распределения вероятностей, решаются задачи диагностики и кластерного анализа, и т. д. (см. ).

В прикладных исследованиях используют статистические данные различных видов. Это связано, в частности, со способами их получения. Например, если испытания некоторых технических устройств продолжаются до определенного момента времени, то получаем т. н. цензурированные данные, состоящие из набора чисел - продолжительности работы ряда устройств до отказа, и информации о том, что остальные устройства продолжали работать в момент окончания испытания. Цензурированные данные часто используются при оценке и контроле надежности технических устройств.

Обычно отдельно рассматривают статистические методы анализа данных первых трех типов. Это ограничение вызвано тем отмеченным выше обстоятельством, что математический аппарат для анализа данных нечисловой природы - существенно иной, чем для данных в виде чисел, векторов и функций.

Вероятностно-статистическое моделирование

При применении статистических методов в конкретных областях знаний и отраслях народного хозяйства получаем научно-практические дисциплины типа «статистические методы в промышленности», «статистические методы в медицине» и др. С этой точки зрения эконометрика - это «статистические методы в экономике». Эти дисциплины группы б) обычно опираются на вероятностно-статистические модели, построенные в соответствии с особенностями области применения. Весьма поучительно сопоставить вероятностно-статистические модели, применяемые в различных областях, обнаружить их близость и вместе с тем констатировать некоторые различия. Так, видна близость постановок задач и применяемых для их решения статистических методов в таких областях, как научные медицинские исследования, конкретные социологические исследования и маркетинговые исследования, или, короче, в медицине , социологии и маркетинге . Они часто объединяются вместе под названием «выборочные исследования».

Отличие выборочных исследований от экспертных проявляется, прежде всего, в числе обследованных объектов или субъектов - в выборочных исследованиях речь обычно идет о сотнях, а в экспертных - о десятках. Зато технологии экспертных исследований гораздо изощреннее. Еще более выражена специфика в демографических или логистических моделях, при обработке нарративной (текстовой, летописной) информации или при изучении взаимовлияния факторов.

Вопросы надежности и безопасности технических устройств и технологий, теории массового обслуживания подробно рассмотрены, в большом количестве научных работ.

Статистический анализ конкретных данных

Применение статистических методов и моделей для статистического анализа конкретных данных тесно привязано к проблемам соответствующей области. Результаты третьего из выделенных видов научной и прикладной деятельности находятся на стыке дисциплин. Их можно рассматривать как примеры практического применения статистических методов. Но не меньше оснований относить их к соответствующей области деятельности человека.

Например, результаты опроса потребителей растворимого кофе естественно отнести к маркетингу (что и делают, читая лекции по маркетинговым исследованиям). Исследование динамики роста цен с помощью индексов инфляции, рассчитанных по независимо собранной информации, представляет интерес прежде всего с точки зрения экономики и управления народным хозяйством (как на макроуровне, так и на уровне отдельных организаций).

Перспективы развития

Теория статистических методов нацелена на решение реальных задач. Поэтому в ней постоянно возникают новые постановки математических задач анализа статистических данных, развиваются и обосновываются новые методы. Обоснование часто проводится математическими средствами, то есть путем доказательства теорем. Большую роль играет методологическая составляющая - как именно ставить задачи, какие предположения принять с целью дальнейшего математического изучения. Велика роль современных информационных технологий, в частности, компьютерного эксперимента.

Актуальной является задача анализа истории статистических методов с целью выявления тенденций развития и применения их для прогнозирования.

Литература

2. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. - М.: Мир, 1975. - 500 с.

3. Крамер Г. Математические методы статистики. - М.: Мир, 1948 (1-е изд.), 1975 (2-е изд.). - 648 с.

4. Большев Л. Н., Смирнов Н. В. Таблицы математической статистики. - М.: Наука, 1965 (1-е изд.), 1968 (2-е изд.), 1983 (3-е изд.).

5. Смирнов Н. В., Дунин-Барковский И. В. Курс теории вероятностей и математической статистики для технических приложений. Изд. 3-е, стереотипное. - М.: Наука, 1969. - 512 с.

6. Норман Дрейпер, Гарри Смит Прикладной регрессионный анализ. Множественная регрессия = Applied Regression Analysis. - 3-е изд. - М.: «Диалектика» , 2007. - С. 912. - ISBN 0-471-17082-8

Смотри также

Wikimedia Foundation . 2010 .

Yat-Kha
Амальгама (значения)

Смотреть что такое "Статистические методы" в других словарях:

СТАТИСТИЧЕСКИЕ МЕТОДЫ - СТАТИСТИЧЕСКИЕ МЕТОДЫ научные методы описания и изучения массовых явлений, допускающих количественное (численное) выражение. Слово “статистика” (от игал. stato государство) имеет общий корень со словом “государство”. Первоначально оно… … Философская энциклопедия

СТАТИСТИЧЕСКИЕ МЕТОДЫ – - научные методы описания и изучения массовых явлений, допускающих количественное (численное) выражение. Слово «статистика» (от итал. stato – государство) имеет общий корень со словом «государство». Первоначально оно относилось к науке управления и … Философская энциклопедия

Статистические методы - (в экологии и биоценологии) методы вариационной статистики, позволяющие исследовать целое (напр., фитоценоз, популяцию, продуктивность) по его частным совокупностям (напр., по данным, полученным на учетных площадках) и оценить степень точности… … Экологический словарь

статистические методы - (в психологии) (от лат. status состояние) нек рые методы прикладной математической статистики, используемые в психологии в основном для обработки экспериментальных результатов. Основная цель применения С. м. повышение обоснованности выводов в… … Большая психологическая энциклопедия

Статистические методы - 20.2. Статистические методы Конкретные статистические методы, используемые для организации, регулирования и проверки деятельности, включают, но не ограничиваются следующими: а) планированием экспериментов и факторный анализ; b) анализ дисперсии и … Словарь-справочник терминов нормативно-технической документации

СТАТИСТИЧЕСКИЕ МЕТОДЫ - методы исследования количеств. стороны массовых обществ. явлений и процессов. С. м. дают возможность в цифровом выражении характеризовать происходящие изменения в обществ. процессах, изучать разл. формы социально экономич. закономерностей, смену… … Сельско-хозяйственный энциклопедический словарь

СТАТИСТИЧЕСКИЕ МЕТОДЫ - некоторые методы прикладной математической статистики, используемые для обработки экспериментальных результатов. Ряд статистических методов был разработан специально для проверки качества психологических тестов, для применения в профессиональном… … Профессиональное образование. Словарь

СТАТИСТИЧЕСКИЕ МЕТОДЫ - (в инженерной психологии) (от лат. status состояние) некоторые методы прикладной статистики, используемые в инженерной психологии для обработки экспериментальных результатов. Основная цель применения С. м. повышение обоснованности выводов в… … Энциклопедический словарь по психологии и педагогике

Предмет статистической науки

Роль и значение статистики как науки

Статистика - это отрасль человеческой деятельности, направленная на сбор, обработку и анализ данных народно-хозяйственного учета. Сама статистика является одним из видов учета (бухгалтерский и оперативно-технический).

Статистика появилась как наука впервые в Китае в 5 веке до нашей эры, когда возникла необходимость в подсчете государственных земель, казны, численности населения и т.д. Связано с рождением государства. Свое дальнейшее развитие статистика получила при становлении капитализма: заводы, фабрики, с/х, внешняя торговля и т.д. Глубокие изменения претерпела статистика и в годы социализма и в настоящее время. Основы для разработки приемов, методов ст. явились предпосылки развития государственного и частного секторов.

В науку термин введен немец. ученым Готфридом Ахенвалем, к-рый в 1746 г. начал читать в Марбукском, а затем в Геттенгенском университетах новую дисциплину, названную им « статистика».

· Массовые соц-эк. явления

· Показатели коммерческой деятельности

Предметом статистики является изучение общественных явлений, динамики и направления их развития. При помощи статистических показателей данная наука определяет количественную сторону общественного явления, наблюдает закономерности перехода количества в качество на примере данного общественного явления и на основании этих наблюдений производит анализ данных, полученных в определенных условиях места и времени. Статистика исследует социально-экономические явления и процессы, которые носят массовый характер, изучает множество определяющих их факторов.

СТАТИСТИЧЕСКИЕ МЕТОДЫ - научные методы описания и изучения массовых явлений, допускающих количественное (численное) выражение

Статистические методы включают в себя и экспериментальное, и теоретическое начала. Статистика исходит прежде всего из опыта;

Статистические методы анализа данных применяются практически во всех областях деятельности человека. Их используют всегда, когда необходимо получить и обосновать какие-либо суждения о группе (объектов или субъектов) с некоторой внутренней неоднородностью.

а) разработка и исследование методов общего назначения, без учета специфики области применения;

в) применение статистических методов и моделей для статистического анализа конкретных данных.

Совокупность разнообразных методов образуют статистическую методологию.

Метод стадии экономико-статич.исследования

статистическая сводка и обработка