раздел математической статистики, имеющий дело с признаками (данными), значения которых суть не числа, а объекты более общей природы. Эти объекты можно разделить на классы, каждый из которых обладает лишь некоторыми свойствами класса числовых данных. Одним из примеров служит класс подмножеств фиксированного множества. Частный случай такого признака - ответ на неальтернативный вопрос анкеты, где респондент может выбрать (отметить) то или иное подмножество из множества предложенных позиций. Другой пример подобного рода - класс ранжировок (упорядочений) некоторого фиксированного множества. Некоторые разделы С.О.Н.П., по существу, содержат в формализованном виде ряд процедур социометрии, особенно метода социограмм .
В С.О.Н.П. можно выделить два подхода. В первом из них с помощью специальных приемов (оцифровка, многомерное шкалирование) нечисловые данные переводятся в числовую форму, после чего применяются традиционные статистические методы. Второй подход предполагает разработку специальных статистических методов для нечисловых данных, что требует дополнительных усилий, но способствует большей адекватности математической модели. Развитие методов перевода различных математических структур в числовую форму сближает эти подходы.
Эффективность С.О.Н.П. увеличивается при обоснованном (адекватном) выборе первоначальной математической структуры на множестве значений данных. Среди этих структур в настоящее время наибольшую роль играют, по-видимому, алгебраические, из которых наиболее широко применяются порядковые структуры. Далее, это топологические структуры, и в первую очередь - так называемые метрические пространства, т.е. множества, между элементами которых задано расстояние, обладающее некоторыми свойствами обычного расстояния. Расстояние можно ввести в частности в упомянутых классах подмножеств и ранжировок. Наконец, активно применяются вероятностные структуры. Поскольку для социологических исследований нечисловые данные весьма характерны, роль С.О.Н.П. здесь постоянно возрастает.
Н.Н. Леонов
СТАТИСТИКА ОБЪЕКТОВ НЕЧИСЛОВОЙ ПРИРОДЫ
СТАТИСТИКА ОБЪЕКТОВ НЕЧИСЛОВОЙ ПРИРОДЫ
Источник: Социология: энциклопедия
СТАТИСТИКА ОБЪЕКТОВ НЕЧИСЛОВОЙ ПРИРОДЫ
раздел статистики математической (см.), в к-ром статистич. данными являются рез-ты наблюдений объектов нечисловой природы. Объекты нечисловой природы - элементы множеств, не являющихся линейными пространствами, т. е. такие объекты нельзя складывать и умножать на число (см. Данные нечисловые). Примерами объектов нечисловой природы являются: рез-ты измерений в шкалах наименований, порядка, интервалов, ранжировки, разбиения, толерантности и др. бинарные отношения; рез-ты парных и множественных сравнений, множества, нечеткие множества. Необходимость применения объектов нечисловой природы возникает во многих областях научн. и практич. деятельности - в социологии, экономике, технич. исследованиях, медицине, при изучении организационных и техно-логич. систем (в частности, с помощью метода экспертных оценок) и т. д. Примерами являются ответы на "закрытые" вопросы в социология. анкетах, в к-рых респондент должен выбрать одну или несколько из фиксированного числа "подсказок"; или измерение мнений о привлекательности, проводимое по порядковой шкале. В С.о.н.п. классич. задачи математич. статистики - описание данных, оценивание, проверка гипотез - рассматривают применительно к данным неклассич. вида (нечисловой природы), что приводит к своеобразию постановок задач и методов их решения. Наряду со специальными теориями для каждого отдельного вида объектов нечисловой природы имеется и теория обработки данных, лежащих в пространстве общей природы, рез-ты к-рой применимы во всех специальных теориях. Из-за отсутствия линейной структуры пространства, в к-ром лежат данные, в С.о.н.п. ма тематич. ожидание (см. Величины средние) определяют как решение задачи минимизации функции представляющей собой математич. ожидание (в классич. смысле) меры близости (см.) между значением случайной величины и фиксированным элементом пространства. Эмпирич. среднее (выборочную оценку математич. ожидания) определяют как рез-т минимизации суммы расстояний от рез-тов наблюдений до фиксированного элемента пространства. В С.о.н.п. справедлив закон больших чисел (см.): эмпирич. среднее при увеличении объема выборки сходится к математич. ожиданию, если рез-ты наблюдений являются независимыми, одинаково распределенными случайными величинами и выполнены нек-рые условия регулярности. Аналогичным образом определяют условное математич. ожидание и регрессионную зависимость (см. Анализ регрессионный). Из сходимости решений экстремальных статистич. задач к решениям соответствующих предельных задач вытекает состоятельность оценок (см. Оценивание статистическое) в параметрич. задачах оценивания параметров и аппроксимации, а также ряд рез-тов в многомерном статистич. анализе. Большую роль в С.о.н.п. играют непараметрические методы статистики, в частности, непараметрические методы оценки плотности и регрессионной зависимости в пространствах общей природы. Для решения многих задач С.о.н.п. (нахождения эмпирич. среднего, оценки регрессионной зависимости, классификации наблюдений и др.) используют меры близости между элементами рассматриваемых пространств, вводимые аксиоматически (см. Метод аксиоматический). Принятое в теории измерений условие адекватности алгоритмов обработки данных (см. Теория измерений, Адекватность математи-чгского метода) позволяет указать вид средних величин, расстояний, показателей связи и т. д., соответствующих измерениям в тех или иных шкалах. Методы шкалирования многомерного (см.) позволяют сжать информацию и дать ее наглядное представление. А.И. Орлов.
Источник: Российская социологическая энциклопедия