Соответствует образовательным стандартам по направлениям подготовки бакалавриата: 01.03.05 «Статистика», 38.03.01 «Экономика», 38.03.02 «Менеджмент», 38.03.03 «Управление персоналом», 38.03.04 «Государственное и муниципальное управление», 38.03.05 «Бизнес-информатика», 38.03.06 «Торговое дело», 3803.07 «Товароведение», 43.03.01 «Сервис», 43.03.02 «Туризм», 43.03.03 «Гостиничное дело». В эпоху цифровой трансформации и роста количества данных статистические методы становятся как никогда актуальны. Нет такой отрасли, где бы ни пригодилось умение анализировать результаты и строить прогнозы. Область больших данных позволяет получать принципиально новые модели, обладающие высочайшей точностью прогнозирования. Предназначено для студентов, обучающихся по направлениям «Экономика», «Менеджмент», «Торговое дело» и др., и преподавателей, а также для широкого круга читателей, интересующихся данной тематикой.

Corresponds to the educational standards for bachelor’s degree programs: 01.03.05 “Statistics”, 38.03.01 “Economics”, 38.03.02 “Management”, 38.03.03 “Personnel Management”, 38.03.04 “State and Municipal Management”, 38.03.05 “Business Informatics”, 38.03.06 “Commerce”, 38.03.07 “Commodity science”, 43.03.01 “Service”, 43.03.02 “Tourism”, 43.03.03 “Hotel Management”. In the era of digital transformation and increasing amounts of data, statistical methods are more relevant than ever. There is no industry that does not need the ability to analyze results and make forecasts. The field of big data allows obtaining fundamentally new models with the highest forecasting accuracy. It is intended for students studying in the majors “Economics”, “Management”, “Commerce”, etc., and teachers, as well as for a wide range of readers interested in this subject.

• ОГЛАВЛЕНИЕ
• 1. ВВЕДЕНИЕ В СТАТИСТИКУ
• 1.1. Базовые понятия
• 1.2. Классификация признаков
• 1.3. Метод статистики
• 1.3.1. Наблюдение
• 1.3.2. Сводка
• 1.3.3. Анализ
• 2. ГРУППИРОВКИ
• 2.1. Понятие группировки и техника ее выполнения
• 2.2. Качественные признаки
• 2.2.1. Атрибутивная группировка
• 2.2.2. Альтернативная группировка
• 2.2.3. Многомерная группировка
• 2.3. Количественные признаки
• 2.3.1. Дискретный ряд
• 2.3.2. Интервальный ряд с равными интервалами
• 2.3.3. Интервальный ряд с неравными интервалами
• 2.3.4. Частота и частость
• 2.3.5. Накопленная частота и накопленная частость
• 2.3.6. Кумулята и огива
• 3. ОСНОВНЫЕ ПРОСТЫЕЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ
• 3.1. Степенные средние показатели
• 3.1.1. Средняя арифметическая
• 3.1.2. Средняя гармоническая
• 3.1.3. Средняя геометрическая
• 3.1.4. Средняя квадратическая
• 3.2. Структурные средние
• 3.2.1. Медиана
• 3.2.2. Квантили
• 3.2.3. Мода
• 3.2.4. Боксплот
• 3.3. Показатели размаха вариации
• 3.3.1. Размах вариации
• 3.3.2. Среднее линейное отклонение
• 3.3.3. Дисперсия
• 3.3.4. Среднее квадратическое отклонение
• 3.3.5. Коэффициент вариации
• 3.4. Показатели формы распределения
• 3.4.1. Коэффициент асимметрии
• 3.4.2. Коэффициент эксцесса
• 4. ВЗВЕШЕННЫЕ ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ
• 4.1. Взвешенные степенные средние характеристики
• 4.2. Взвешенные показатели размаха вариации
• 4.3. Взвешенные структурные средние
• 4.3.1. Мода
• 4.3.2. Медиана
• 4.3.3. Квантили
• 4.4. Взвешенные показатели формы распределения
• 5. ВЫБОРОЧНОЕ НАБЛЮДЕНИЕ
• 5.1. Ошибка выборки
• 5.1.1. Средняя ошибка
• 5.1.2. Предельная ошибка
• 5.1.3. Доверительный интервал
• 5.2. Необходимый объем выборки
• 5.3.1. Число степеней свободы
• 5.3.2. Уровень значимости и ошибки
• 6. КОРРЕЛЯЦИИ И КОРРЕЛЯЦИОННЫЙ АНАЛИЗ
• 6.1. Параллельные данные
• 6.2. Графический метод
• 6.3. Метод аналитических группировок
• 6.4. Метод корреляционных таблиц
• 6.5. Коэффициент корреляции знаков Фехнера
• 6.6. Линейный коэффициент корреляции Пирсона
• БИБЛИОГРАФИЧЕСКИЙ СПИСОК