ПОИСК Статьи Чертежи Таблицы Способы группировки первичных данных из "Биометрия " Зафиксированные в документах учета сведения об изучаемом объекте (или объектах) представляют тот первичный фактический материал, который нуждается в соответствующей обработке. Обработка начинается с упорядочения или систематизации собранных данных. Процесс систематизации результатов массовых наблюдений, объединения их в относительно однородные группы по некоторому признаку называется группировкой. [c.23] Группировка — это не просто технический прием, позволяю щий представить первичные данные в комплексном виде, но глубоко осмысленное действие, направленное на выявлени связей между явлениями. Ведь от того, как группируется исхо/ -ный материал, во многих случаях зависят выводы о природе изучаемого явления. Один и тот же материал дает диаметральнс противоположные выводы при разных приемах группировки Нельзя группировать в одну и ту же совокупность неоднородные по составу данные, необдуманно выбирать способ группировки Группировка должна отвечать требованию поставленной задачи и соответствовать содержанию изучаемого явления. [c.24] Таблицы. Наиболее распространенной формой группировки являются статистические таблицы они бывают простыми сложными. К простым относятся, например, четырехпольные таблицы, применяемые при альтернативной группировке, когдг одна группа вариант противопоставляется другой например здоровые — больным, высокие — низким и т. д. В качестве примера такой группировки могут служить результаты обследования 265 учащихся младших классов на состояние нёбных миндалик (табл. 1). [c.24] Из табл. 1 видно, что заболевание нёбных миндалин, по-видимому, чаще встречается среди учащихся третьих и четверты классов. [c.24] К сложным относятся многопольные таблицы, применяемые при изучении корреляционной зависимости и при выяснении при чинно-следственных отношений между варьирующими признака ми. Примером корреляционной таблицы служат классические данные Гальтона, показывающие наличие положительной зависи мости между ростом родителей и ростом их детей (табл. 2). [c.24] В качестве примера группировки, применяемой при выяснении причинно-следственных отношений между признаками, при ведены данные, полученные в Научно-исследовательском инсти туте имени В. В. Докучаева при испытании гречихи сорта Б( гатырь на урожайность в зависимости от предшественников (табл. 3). [c.24] Из табл. 3 ясно, что в данных условиях лучшим предшествен-.ком для гречихи является, по-видимому, ячмень. [c.25] Приведенными таблицами не исчерпывается их многообразие,. десь рассмотрены лишь типичные для курса биометрии приме-1ы. Из этих примеров видно, что статистические таблицы имеют [е только иллюстративное, но и аналитическое значение, позволяя обнаруживать связи между варьируюш,ими признаками. [c.25] Среди группировок видное место занимают вариационные ряды. На их описании следует остановиться более подробно. Ряды регрессии, динамики и другие будут рассмотрены в последующих главах. [c.26] Частоты (веса) выражают не только абсолютными, но и относительными числами — в долях единицы или в процентах от общей численности вариант, составляющих данную совокупность. В таких случаях веса называют относительными частотами или частостями. Общая сумма частостей равна единице, т. е. 2/(/ =1, или 2(/,//г)100=100%, если частоты выражены в процентах от общего числа наблюдений п. Замена частот частостями не обязательна, но иногда оказывается полезной и даже необходимой в тех случаях, когда приходится сопоставлять друг с другом вариационные ряды, сильно отличающиеся по их объемам. [c.26] Этот упорядоченный ряд распределения в равной мере удовлетворяет достижению и первой, и второй целей. Он хорошо обозрим и наилучшим образом иллюстрирует закономерность варьирования признака. [c.27] В неравноинтервальных рядах характер распределения частот меняется по мере изменения ширины классовых интервалов. Поэтому в качестве числовых характеристик таких рядов используют особые показатели (см.гл. И). [c.27] Неравноинтервальную группировку в биологии применяют сравнительно редко. Как правило, биометрические данные распределяются в равноинтервальные ряды, что позволяет не только выявлять закономерность варьирования, но и облегчает вычисление сводных числовых характеристик вариационного ряда, сопоставление рядов распределения друг с другом. [c.27] Примечание. Четыре последние графы понадобятся в дальнейшем (см. разд. ПЛ). [c.28] Число классов (К) можно приблизительно наметить, пользуясь табл. 5. [c.28] Вопрос о том, распределять ли собранные данные в интервальный или безынтервальный ряд, решают в зависимости от характера и размаха варьирования признака. [c.29] Если признак варьирует дискретно и слабо, т. е. в узких границах (величина I. оказывается равной единице или может быть приравнена к единице), данные распределяются в безынтервальный вариационный ряд. Если же признак варьирует в широких границах, то независимо от того, как он варьирует — дискретно или непрерывно, по данным строят интервальный вариационный ряд. [c.29] Техника построения вариационных рядов. Приступая к построению вариационного ряда, нужно в сводке исходных данных отыскать минимальную и максимальную лгтах варианты. Затем, используя формулу (1), определить величину классового интервала %. Если окажется, что Х=1, собранный материал распределяется в безынтервальный вариационный ряд если же Хф исходные данные необходимо распределять в интервальный ряд. При этом точность величины классового интервала должна соответствовать точности, принятой при измерении признака. [c.29] Вернуться к основной статье