APPSC Paper I · Statistics · Data, sampling, probability and presentation

సాంఖ్యక శాస్త్రం: అర్థం, పరిధి; ప్రాథమిక, ద్వితీయ డేటా; సంపూర్ణ గణన, నమూనా; షెడ్యూల్, ప్రశ్నావళి

సాంఖ్యక శాస్త్రం (statistics) అంటే సంఖ్యా రూపంలోని డేటాను సేకరించడం, ప్రదర్శించడం, విశ్లేషించడం, వ్యాఖ్యానించడం గురించిన శాస్త్రం; డేటా ప్రాథమికం (ఆ ప్రయోజనం కోసం నేరుగా సేకరించినది) లేదా ద్వితీయం (ఇంతకుముందే మరొకరు సేకరించినది) కావచ్చు; అది సంపూర్ణ గణన (ప్రతి యూనిట్) లేదా నమూనా (ఒక భాగం) నుంచి రావచ్చు.

ముఖ్య వాస్తవాలు

  • బహువచన అర్థం (plural sense): గణాంకాలు = సంఖ్యా వాస్తవాలు (డేటా (data)), ఉదా. ఉత్పత్తి గణాంకాలు, ధరలు.
  • ఏకవచన అర్థం (singular sense): సాంఖ్యక శాస్త్రం = డేటా సేకరణ, ప్రదర్శన, విశ్లేషణ, వ్యాఖ్యానాలకు సంబంధించిన శాస్త్రం (పద్ధతులు) (క్రాక్స్‌టన్, కౌడెన్).
  • డేటాగా గణాంకాలు (సెక్రిస్ట్ చెప్పిన లక్షణాలు): వాస్తవాల సముదాయాలు, అనేక కారణాల ప్రభావానికి లోనయ్యేవి, సంఖ్యల్లో వ్యక్తపరిచేవి, సహేతుకమైన కచ్చితత్వంతో అంచనా వేసేవి, ముందే నిర్ణయించిన ప్రయోజనం కోసం క్రమపద్ధతిలో సేకరించేవి, ఒకదానితో ఒకటి సంబంధంలో ఉంచేవి (పోల్చదగినవి).
  • ఒక్క సంఖ్య (ఒక వ్యక్తి ఎత్తు) గణాంకం కాదు; సముదాయాలు మాత్రమే గణాంకాలు.
  • సాంఖ్యక అధ్యయనం దశలు: సేకరణ → వ్యవస్థీకరణ (వర్గీకరణ (classification)) → ప్రదర్శన (పట్టికలు (tables), రేఖాచిత్రాలు (diagrams)) → విశ్లేషణ → వ్యాఖ్యానం.
  • ప్రాథమిక డేటా (primary data): చేపట్టిన విచారణ కోసం పరిశోధకుడు (investigator) మొదటిసారిగా సేకరించేది ("ముడి", మౌలికమైనది).
  • ద్వితీయ డేటా (secondary data): ఇంతకుముందు మరొకరు సేకరించినది, మళ్లీ ఉపయోగించేది; ప్రచురితం లేదా అప్రచురితం.
  • ప్రాథమిక డేటా సేకరణ పద్ధతులు:
    1. ప్రత్యక్ష వ్యక్తిగత పరిశోధన (direct personal investigation)
    2. పరోక్ష మౌఖిక పరిశోధన (indirect oral investigation) (మూడో వ్యక్తులను / సాక్షులను ప్రశ్నించడం)
    3. స్థానిక ఏజెంట్లు లేదా ప్రతినిధుల (local correspondents) ద్వారా సమాచారం
    4. తపాలా ప్రశ్నావళి (mailed questionnaire) (సమాచారం అందించేవారు (informant) నింపుతారు)
    5. ఎన్యూమరేటర్లు (enumerators) నింపే షెడ్యూళ్లు
  • ప్రశ్నావళి (questionnaire): రెస్పాండెంట్ (respondent) స్వయంగా నింపే ప్రశ్నల జాబితా; రెస్పాండెంట్లు అక్షరాస్యులై ఉండాలి.
  • షెడ్యూల్ (schedule): రెస్పాండెంట్‌ను ముఖాముఖి అడుగుతూ ఎన్యూమరేటర్ నింపే ప్రశ్నల జాబితా.
  • సంపూర్ణ గణన (census method; complete enumeration): సమష్టిలోని ప్రతి యూనిట్‌నూ అధ్యయనం చేస్తారు. నమూనా పద్ధతి (sample method): ప్రాతినిధ్యం వహించే ఒక భాగాన్ని మాత్రమే అధ్యయనం చేస్తారు.
  • సమష్టి (population; universe): అధ్యయనంలో ఉన్న మొత్తం సమూహం; నమూనా (sample): వాస్తవంగా పరిశీలించే భాగం.
  • భారత జనగణన (Census) ప్రతి 10 సంవత్సరాలకు జరుగుతుంది (చివరిగా పూర్తయినది: 2011); ఇది జనాభా సంపూర్ణ గణన, నమూనా కాదు.
  • జాతీయ గణాంక కార్యాలయం (NSO), గణాంకాలు, కార్యక్రమాల అమలు మంత్రిత్వ శాఖ (MoSPI) కింద, కేంద్ర గణాంక సంస్థ (CSO), జాతీయ నమూనా సర్వే సంస్థ (NSSO)లను విలీనం చేసి 2019లో ఏర్పడింది.

వివరణ

1. పరిధి, విధులు. సాంఖ్యక శాస్త్రం భారీ సంఖ్యల సముదాయాలను సరళం చేస్తుంది, పోలికను సాధ్యం చేస్తుంది; భవిష్యత్ అంచనాలకు, విధాన రూపకల్పనకు (ప్రణాళిక, బడ్జెట్‌లు, వేతన, ధరల విధానం), వ్యాపార నిర్ణయాలకు (మార్కెట్ పరిశోధన, నాణ్యతా నియంత్రణ), అర్థశాస్త్రం, జీవశాస్త్రం, ఇతర శాస్త్రాల్లో సిద్ధాంతాలను పరీక్షించడానికి సహాయపడుతుంది.

2. పరిమితులు (పాఠ్యపుస్తకాల్లోని ప్రామాణిక జాబితా).

  • సముదాయాలను అధ్యయనం చేస్తుంది, వ్యక్తులను కాదు.
  • గుణాత్మక అంశాలను (నిజాయితీ, తెలివితేటలు) సంఖ్యలుగా (స్కోర్లు, ర్యాంకులు) మార్చితే తప్ప నేరుగా అధ్యయనం చేయదు.
  • దీని నియమాలు కచ్చితంగా కాకుండా సగటున నిజమవుతాయి.
  • పోల్చడానికి డేటా ఏకరీతిగా, సజాతీయంగా ఉండాలి.
  • పద్ధతులు తెలియనివారు దీన్ని దుర్వినియోగం చేయవచ్చు.

3. ప్రాథమిక డేటా, ద్వితీయ డేటా పోలిక.

అంశంప్రాథమిక డేటాద్వితీయ డేటా
సేకరించేదిపరిశోధకుడుమరొక సంస్థ, ఇంతకుముందు
మౌలికతమౌలికమైనదిఇప్పటికే వాడినది
ఖర్చు, సమయంఎక్కువతక్కువ
ప్రయోజనానికి సరిపోవడంకచ్చితంగాసర్దుబాటు అవసరం కావచ్చు

ద్వితీయ డేటా మూలాలు.

  • ప్రచురితం: జనగణన నివేదికలు, జాతీయ నమూనా సర్వే (NSS) నివేదికలు, ఆర్‌బీఐ (RBI) బులెటిన్, భారత ఆర్థిక వ్యవస్థపై గణాంకాల హ్యాండ్‌బుక్, ఆర్థిక సర్వే (Economic Survey), గణాంక సంక్షిప్తులు (Statistical Abstracts), కమిషన్ల నివేదికలు, అంతర్జాతీయ సంస్థలు (ఐక్యరాజ్యసమితి (UN), ఐఎంఎఫ్ (IMF), ప్రపంచ బ్యాంకు (World Bank)).
  • అప్రచురితం: కార్యాలయాలు, సంస్థలు, పరిశోధకుల వద్ద ఉండే, ముద్రించని రికార్డులు.

ద్వితీయ డేటాను వాడే ముందు ఇవి పరిశీలించాలి: సేకరించిన సంస్థ విశ్వసనీయత (reliability), అనుకూలత (అవే నిర్వచనాలు, యూనిట్లు, ప్రాంతం, కాలం), సమృద్ధి (వ్యాప్తి, కచ్చితత్వం).

4. ప్రాథమిక డేటా సేకరణకు ఐదు పద్ధతులు.

పద్ధతిదేనికి సరిపోతుందిప్రధాన లోపం
ప్రత్యక్ష వ్యక్తిగత పరిశోధనచిన్న, లోతైన విచారణలుఖర్చు ఎక్కువ, వ్యాప్తి పరిమితం, పరిశోధకుడి పక్షపాతం
పరోక్ష మౌఖిక పరిశోధనసమాచారం అందించేవారు ఇష్టపడనప్పుడు (ఉదా. వ్యసనాలపై విచారణలు); విచారణ కమిటీలు వాడతాయిసాక్షులు పక్షపాతంతో ఉండవచ్చు
స్థానిక ప్రతినిధులుక్రమం తప్పని, విస్తృత ప్రాంత అంచనాలు (పంటల నివేదికలు, ధరలు)స్థూల కచ్చితత్వం, వ్యక్తిగత పక్షపాతం
తపాలా ప్రశ్నావళిపెద్ద, చెల్లాచెదురుగా ఉన్న, అక్షరాస్యులైన జనాభాస్పందన తక్కువ; అసంపూర్ణ సమాధానాలు
ఎన్యూమరేటర్ల ద్వారా షెడ్యూళ్లుపెద్ద విచారణలు, నిరక్షరాస్యులైన రెస్పాండెంట్లు (జనగణన)ఖర్చు ఎక్కువ; ఎన్యూమరేటర్లకు శిక్షణ అవసరం

5. ప్రశ్నావళి, షెడ్యూల్ పోలిక.

అంశంప్రశ్నావళిషెడ్యూల్
నింపేదిరెస్పాండెంట్ఎన్యూమరేటర్
పంపే విధానంతపాలా / ఆన్‌లైన్ ద్వారాఎన్యూమరేటర్ తీసుకెళ్తారు
రెస్పాండెంట్లుఅక్షరాస్యులై ఉండాలినిరక్షరాస్యులైనా సరే
స్పందన రేటుతక్కువఎక్కువ

6. మంచి ప్రశ్నావళి. చిన్నదిగా ఉండాలి; ప్రశ్నలు సరళంగా, స్పష్టంగా, సందిగ్ధత లేకుండా ఉండాలి; ప్రేరేపించే ప్రశ్నలు (leading questions) ఉండకూడదు; వ్యక్తిగత లేదా నొప్పించే ప్రశ్నలు ఉండకూడదు; ప్రశ్నలు తార్కిక క్రమంలో ఉండాలి; పట్టికీకరించడానికి సులువైన సంవృత (అవును/కాదు, బహుళైచ్ఛిక) ప్రశ్నలకు (closed questions) ప్రాధాన్యం ఇవ్వాలి; కచ్చితత్వం కోసం సరిచూసే ప్రశ్నలు ఉండాలి; ఉద్దేశాన్ని వివరిస్తూ, గోప్యతకు హామీ ఇచ్చే వివరణ లేఖ (covering letter) జతచేయాలి; ఫారాన్ని సరిదిద్దడానికి ముందుగా పైలట్ అధ్యయనం (pilot survey) (చిన్న ప్రయోగాత్మక పరీక్ష) ద్వారా పరీక్షించాలి.

7. సంపూర్ణ గణన, నమూనా పోలిక.

అంశంసంపూర్ణ గణననమూనా
అధ్యయనం చేసే యూనిట్లుఅన్నీఒక భాగం
ఖర్చు, సమయం, శ్రమఎక్కువతక్కువ
ప్రతి యూనిట్‌పై వివరాలుతక్కువ సాధ్యంమరింత లోతుగా
ప్రతిచయన దోషం (sampling error)ఉండదుఉంటుంది (కొలవవచ్చు)
  • సంపూర్ణ గణన సరిపోయేది: చిన్న సమష్టులు, విజాతీయ (heterogeneous) యూనిట్లు, ప్రతి యూనిట్ డేటా అవసరమైనప్పుడు (జనాభా లెక్కింపు, ఓటర్ల జాబితా).
  • నమూనా సరిపోయేది: పెద్ద లేదా అనంత సమష్టులు, విధ్వంసక పరీక్ష (destructive testing) (బల్బుల పరీక్ష, ఆహారం రుచి చూడటం, క్రాష్ పరీక్షలు), సమయం, డబ్బు పరిమితంగా ఉన్నప్పుడు.
  • సంపూర్ణ గణనలో ప్రతిచయన దోషం ఉండదు, కానీ ప్రతిచయనేతర దోషాలు (non-sampling errors) (తప్పుడు సమాధానాలు, లెక్కింపు పొరపాట్లు) ఉంటాయి.

లోతైన విశ్లేషణ

సాంఖ్యక యూనిట్లు (statistical units). సేకరణకు ముందు యూనిట్‌ను స్పష్టంగా నిర్వచించాలి: ఉదా. "కుటుంబం" (ఉమ్మడి వంటగదిని పంచుకునేవారు), "కార్మికుడు", "కర్మాగారం". యూనిట్ స్పష్టంగా, స్థిరంగా (కాలక్రమంలో మారకుండా), సజాతీయంగా (homogeneous), ప్రయోజనానికి తగినట్లు ఉండాలి. అస్పష్టమైన యూనిట్ల వల్ల డేటా పోల్చదగినదిగా ఉండదు.

కచ్చితత్వ స్థాయి. సంపూర్ణ కచ్చితత్వం సాధ్యమూ కాదు, అవసరమూ లేదు; ఆమోదయోగ్యమైన స్థాయి ప్రయోజనంపై ఆధారపడుతుంది. పెద్ద మొత్తాలను (ఉదా. లక్షల్లోకి) సంక్షిప్తీకరిస్తారు; చిన్న కొలతలకు (మందుల మోతాదులు) కచ్చితత్వం అవసరం. ఉజ్జాయింపు (approximation) సాంఖ్యక శాస్త్రంలో భాగమే, కానీ సంక్షిప్తీకరణ నియమాన్ని పేర్కొనాలి.

భారత గణాంక వ్యవస్థ (2026 స్థితి).

  • ఎంఓఎస్‌పీఐ ప్రమాణాలను నిర్దేశిస్తుంది; ఎన్‌ఎస్‌ఓలో జాతీయ ఖాతాలు, సర్వే విభాగాలు ఉన్నాయి (పాత సీఎస్‌ఓ, ఎన్‌ఎస్‌ఎస్‌ఓ పని).
  • ఎన్‌ఎస్‌ఎస్ రౌండ్లు: కుటుంబ వినియోగ వ్యయ సర్వే, ఆవర్తన శ్రామిక శక్తి సర్వే (Periodic Labour Force Survey; PLFS; గ్రామీణ, పట్టణ ప్రాంతాలకు నెలవారీ, త్రైమాసిక అంచనాలు, వార్షిక నివేదిక ఇచ్చేలా 2025 జనవరి నుంచి పునర్వ్యవస్థీకరించారు), సంస్థల సర్వేలు.
  • జనగణన 2027: భారతదేశ తదుపరి జనగణనకు (2021 నుంచి వాయిదా పడింది) రిఫరెన్స్ తేదీగా 2027 మార్చి 1, మంచు ప్రాంతాలకు 2026 అక్టోబర్ 1గా నోటిఫై చేశారు; ఇందులో కులగణన ఉంటుంది (1931 తర్వాత మొదటి పూర్తి కులగణన), డేటాను డిజిటల్‌గా సేకరిస్తారు (2025 ప్రకటనలు). జనాభా లెక్కింపు కంటే ముందు ఇళ్ల జాబితా దశ జరుగుతుంది.
  • భారత రిజిస్ట్రార్ జనరల్, జనగణన కమిషనర్ (Registrar General and Census Commissioner of India) (కేంద్ర హోం మంత్రిత్వ శాఖ) జనగణనను, జనన, మరణ రేట్ల కోసం నమూనా నమోదు వ్యవస్థను (Sample Registration System; SRS) నిర్వహిస్తారు.

ఉదాహరణ 1. ఒక పరిశోధకురాలికి కింది వాటిలో ఏది ప్రాథమిక డేటా? (a) ఆర్‌బీఐ బులెటిన్ నుంచి తీసుకున్న ధరలు (b) పాల ధరలపై ఆమె స్వయంగా చేసిన కుటుంబ సర్వే (c) జనగణన 2011 పట్టికలు (d) ఒక మంత్రిత్వ శాఖ వార్షిక నివేదిక సాధన. ఆమె విచారణ కోసం నేరుగా సేకరించినది (b) మాత్రమే. సమాధానం: (b)

ఉదాహరణ 2. ఒక సంస్థ తాను తయారుచేసే విద్యుత్ బల్బుల సగటు జీవితకాలం తెలుసుకోవాలనుకుంటోంది. అది నమూనానే ఎందుకు తీసుకోవాలి? సాధన. జీవితకాలాన్ని పరీక్షించడం అంటే బల్బు కాలిపోయే వరకు వెలిగించడం: సంపూర్ణ గణన చేస్తే మొత్తం ఉత్పత్తి నాశనమవుతుంది. సమాధానం: విధ్వంసక పరీక్ష వల్ల సంపూర్ణ గణన అసాధ్యం

ఉదాహరణ 3. చాలామంది పెద్దలకు చదవడం రాని ఒక గ్రామంలో సర్వే. ప్రశ్నావళా, షెడ్యూలా? సాధన. ప్రశ్నావళికి రెస్పాండెంట్‌కు చదవడం, రాయడం రావాలి; షెడ్యూల్‌తో ఎన్యూమరేటర్ మౌఖికంగా అడగవచ్చు. సమాధానం: షెడ్యూల్

ఆంధ్రప్రదేశ్ కోణం

  • ప్రణాళికా శాఖ కింద ఉన్న అర్థ, గణాంక శాఖ (Directorate of Economics and Statistics; DES), ఆంధ్రప్రదేశ్ రాష్ట్ర నోడల్ గణాంక సంస్థ; అసిస్టెంట్ స్టాటిస్టికల్ ఆఫీసర్లు ఈ వ్యవస్థలో జిల్లా, మండల స్థాయిల్లో పనిచేస్తారు.
  • డీఈఎస్ షెడ్యూళ్ల ద్వారా ప్రాథమిక డేటాను సేకరిస్తుంది: పంట అంచనా సర్వేలు (పంట కోత ప్రయోగాలు), వ్యవసాయ, ధరల గణాంకాలు, ఎన్‌ఎస్‌ఎస్ రౌండ్ల రాష్ట్ర నమూనా; రాష్ట్ర గణాంక సంక్షిప్తి, జిల్లా హ్యాండ్‌బుక్‌ల కోసం ద్వితీయ డేటాను కూడా సంకలనం చేస్తుంది, స్థూల రాష్ట్ర దేశీయ ఉత్పత్తి (GSDP) అంచనాలను రూపొందిస్తుంది.
  • రాష్ట్ర బడ్జెట్‌తో పాటు విడుదలయ్యే ఆంధ్రప్రదేశ్ సామాజిక–ఆర్థిక సర్వే (Socio-Economic Survey) రాష్ట్ర డేటాకు ప్రామాణిక ద్వితీయ మూలం.

తరచూ చేసే పొరపాట్లు

  • ✗ "ప్రశ్నావళిని ఎన్యూమరేటర్ నింపుతారు." ✓ ప్రశ్నావళిని రెస్పాండెంట్ నింపుతారు; షెడ్యూల్‌ను ఎన్యూమరేటర్ నింపుతారు.
  • ✗ "జనగణన డేటా ఎప్పుడూ ద్వితీయమే." ✓ జనగణన కార్యాలయానికి అది ప్రాథమికం; ప్రచురించిన పట్టికలను తర్వాత వాడేవారికి అది ద్వితీయం. వాడేవారిని బట్టి అదే డేటా రకం మారుతుంది.
  • ✗ "సంపూర్ణ గణనలో దోషాలే ఉండవు." ✓ ప్రతిచయన దోషం ఉండదు, కానీ ప్రతిచయనేతర దోషాలు ఉంటాయి.
  • ✗ "రవి ఆదాయం వంటి ఒక్క సంఖ్య గణాంకం." ✓ గణాంకాలు వాస్తవాల సముదాయాలు.
  • ✗ "సాంఖ్యక శాస్త్రం గుణాత్మక వాస్తవాలను నేరుగా అధ్యయనం చేస్తుంది." ✓ వాటిని సంఖ్యలుగా (ర్యాంకులు, స్కోర్లు) మార్చిన తర్వాతే.
  • ✗ "సీఎస్‌ఓ, ఆర్‌బీఐలను విలీనం చేసి ఎన్‌ఎస్‌ఓ ఏర్పడింది." ✓ సీఎస్‌ఓ, ఎన్‌ఎస్‌ఎస్‌ఓ విలీనమై ఎంఓఎస్‌పీఐ కింద ఎన్‌ఎస్‌ఓ (2019) ఏర్పడింది.
  • ✗ "తపాలా ప్రశ్నావళులు నిరక్షరాస్య జనాభాకు సరిపోతాయి." ✓ వాటికి అక్షరాస్యులైన రెస్పాండెంట్లు కావాలి, స్పందన రేటు తక్కువ.

త్వరిత పునశ్చరణ

  • గణాంకాలు (బహువచనం) = డేటా; సాంఖ్యక శాస్త్రం (ఏకవచనం) = పద్ధతుల శాస్త్రం.
  • దశలు: సేకరణ, వ్యవస్థీకరణ, ప్రదర్శన, విశ్లేషణ, వ్యాఖ్యానం.
  • ప్రాథమికం = నేరుగా సేకరించినది; ద్వితీయం = ఇంతకుముందు ఇతరులు సేకరించినది.
  • ఐదు ప్రాథమిక పద్ధతులు: ప్రత్యక్ష వ్యక్తిగత, పరోక్ష మౌఖిక, స్థానిక ప్రతినిధులు, తపాలా ప్రశ్నావళి, ఎన్యూమరేటర్ల షెడ్యూళ్లు.
  • ప్రశ్నావళి: రెస్పాండెంట్ నింపుతారు; షెడ్యూల్: ఎన్యూమరేటర్ నింపుతారు.
  • పైలట్ అధ్యయనం = ఫారాన్ని పరీక్షించే ప్రయోగాత్మక సర్వే.
  • సంపూర్ణ గణన = అన్ని యూనిట్లు; నమూనా = భాగం; విధ్వంసక పరీక్షలకు నమూనాలు తప్పనిసరి.
  • సంపూర్ణ గణన: ప్రతిచయన దోషం ఉండదు, ప్రతిచయనేతర దోషాలు ఉంటాయి.
  • ద్వితీయ డేటాను విశ్వసనీయత, అనుకూలత, సమృద్ధి కోసం పరిశీలించాలి.
  • ఎన్‌ఎస్‌ఓ (2019) = సీఎస్‌ఓ + ఎన్‌ఎస్‌ఎస్‌ఓ, ఎంఓఎస్‌పీఐ కింద; జనగణన ప్రతి 10 సంవత్సరాలకు, తదుపరి రిఫరెన్స్ తేదీ 2027 మార్చి 1.

మూలాలు: Telugu Akademi, Statistics (B.A. / B.Com / B.Sc. first year): introduction and collection of data; S.P. Gupta, Statistical Methods (Sultan Chand), collection of data; NCERT Statistics for Economics, Class 11 (chapters on collection of data); Ministry of Statistics and Programme Implementation: NSO and survey programmes

చివరిగా సరిచూసిన తేదీ: 2026-10-21.

ఈ అంశాన్ని ప్రాక్టీస్ చేయండి. Medha AI యాప్‌లో సమాధానాల వివరణతో ప్రశ్నలు.

Medha AI writes its own notes and checks them against the sources listed. Medha AI is an independent preparation service. It is not affiliated with, endorsed by or connected to APPSC, TGPSC (formerly TSPSC), MPSC, UPSC or any other commission or government body.