Statystyki opisowe i inferencyjne

Statystyka opisowa a inferencyjna

Statystyka jest obecnie jedną z najważniejszych części badań, biorąc pod uwagę, jak organizuje dane w mierzalne formy. Jednak niektórzy uczniowie są zdezorientowani między statystykami opisowymi i inferencyjnymi, co utrudnia im wybór najlepszej opcji do wykorzystania w swoich badaniach.

Jeśli przyjrzeć się bliżej, różnica między statystykami opisowymi i inferencyjnymi jest już dość oczywista w ich nazwach. "Opisowy" opisuje dane, podczas gdy "wnioskowa" sugeruje lub pozwala badaczowi dojść do wniosku na podstawie zebranych informacji.

Na przykład masz za zadanie badanie ciąży nastoletniej w pewnej szkole średniej. Korzystając ze statystyk opisowych i inferencyjnych, będziesz badać liczbę przypadków ciąży nastoletniej w szkole przez określoną liczbę lat. Różnica polega na tym, że w statystykach opisowych jedynie podsumowujesz zebrane dane i, jeśli to możliwe, wykrywasz wzorzec w zmianach. Na przykład można powiedzieć, że w ciągu ostatnich pięciu lat większość ciąż nastolatek w X High School przypadała w stosunku do osób zapisanych na trzeci rok. Nie trzeba przewidywać, że w szóstym roku uczniowie trzeciego roku nadal będą tymi, którzy mają większą liczbę ciąż u nastolatek. Wnioski, a także prognozy są wykonywane tylko w statystyce inferencyjnej.

Zasada opisu lub zawarcia dotyczy także danych lub zebranych informacji badacza. Odnosząc się do naszego wcześniejszego przykładu dotyczącego ciąż nastolatek, statystyki opisowe ograniczają się tylko do opisywanej populacji. Mówiąc prościej, dane zebrane w X High School dotyczące nastoletniej ciąży są TYLKO odpowiednie dla tej konkretnej instytucji.

W statystyce inferencyjnej X High School może być tylko próbką populacji docelowej. Powiedzmy, że zamierzasz dowiedzieć się o statusie nastoletnich ciąż w Nowym Jorku. Ponieważ nie byłoby możliwe zebranie danych z każdego liceum w Nowym Jorku, X High School będzie wtedy próbką, która będzie odzwierciedlać lub reprezentować wszystkie licea w Nowym Jorku. Oczywiście zwykle oznacza to, że istnieje margines błędu, ponieważ jedna próbka nie wystarcza do reprezentowania całej populacji. Ten współczynnik ewentualnego błędu jest również brany pod uwagę przy analizie danych. Korzystając z różnych obliczeń, takich jak średnia, mediana i tryb, badacze będą w stanie opisać lub przeanalizować dane i osiągnąć to, czego chcą w tym procesie.

Statystyki, w szczególności wnioskowanie, są w dużej mierze ważne w dzisiejszym przemyśle, głównie dlatego, że dostarczają informacji, które mogą pomóc jednostkom w podejmowaniu decyzji w przyszłości. Na przykład uruchomienie inferencyjnych statystyk dotyczących tempa wzrostu liczby ludności w danym mieście może stanowić podstawę dla firmy do podjęcia decyzji, czy założyć sklep w tym mieście. Fakt, że również wykorzystuje liczby do wyciągnięcia wniosków, zwiększa dokładność badań, a także zrozumiałość danych.

Wyniki statystyczne są często pokazywane w różnych modelach, od wykresów po wykresy. Aby zwiększyć dokładność, naukowcy biorą również pod uwagę różne czynniki, które mogą wpłynąć na ich populację i przetłumaczyć je na dane liczbowe. W ten sposób minimalizuje się prawdopodobieństwo błędu i uzyskuje się dokładny obraz sprawy.

Streszczenie:

1. Statystyki opisowe jedynie "opisują" badania i nie pozwalają na wnioski ani przewidywania.

2. Statystyki statystyczne umożliwiają badaczowi wyciągnięcie wniosków i przewidzenie zmian, które mogą wystąpić w odniesieniu do obszaru zainteresowania.

3. Statystyki opisowe zwykle działają w obrębie określonego obszaru, który zawiera całą populację docelową.

4. Statystyki statystyczne zwykle pobierają próbkę populacji, szczególnie jeśli populacja jest zbyt duża, aby można było prowadzić badania.