Для начала, давайте определим, что такое первичные статистические данные. В данном случае, это набор значений чистой прибыли предприятий, который мы можем использовать для анализа. У нас есть следующие данные о чистой прибыли в миллионах рублей:

• 400
• 600
• 900
• 400
• 700
• 600
• 800
• 120
• 800
• 900
• 600
• 500
• 700
• 700
• 800
• 100
• 110
• 500
• 600
• 300
• 700
• 800
• 700
• 500
• 400
• 400
• 600
• 900
• 400
• 700
• 600

Теперь давайте проведем анализ данных и построим дискретную и интервальную группировку.

1. Составьте частотную таблицу, в которой будут указаны все уникальные значения чистой прибыли и количество их повторений.
2. Для этого пройдитесь по всем данным и посчитайте, сколько раз каждое значение встречается.

• 100 - 1 раз
• 110 - 1 раз
• 120 - 1 раз
• 300 - 1 раз
• 400 - 6 раз
• 500 - 4 раза
• 600 - 6 раз
• 700 - 6 раз
• 800 - 4 раза
• 900 - 3 раза

1. Определите диапазон данных. В данном случае, минимальное значение - 100, максимальное - 900.
2. Выберите количество интервалов. Обычно выбирают от 5 до 10 интервалов. Например, возьмем 6 интервалов.
3. Рассчитайте ширину интервала. Для этого используйте формулу: (максимальное значение - минимальное значение) / количество интервалов. В нашем случае это (900 - 100) / 6 = 133.33. Округлим до 134.
4. Сформируйте интервалы, начиная с минимального значения:
• 100 - 233
• 234 - 367
• 368 - 501
• 502 - 635
• 636 - 769
• 770 - 900
5. Подсчитайте, сколько значений попадает в каждый интервал.

• 100 - 233: 3 значения (100, 110, 120)
• 234 - 367: 1 значение (300)
• 368 - 501: 7 значений (400 - 500)
• 502 - 635: 8 значений (600)
• 636 - 769: 10 значений (700 - 800)
• 770 - 900: 6 значений (800 - 900)

Таким образом, мы построили дискретную и интервальную группировку для данных о чистой прибыли. Эти методы позволяют лучше понять распределение значений и выявить тенденции в данных.