3 galvenās statistikas nozares



The statistika tā ir matemātikas nozare, kas atbilst datu vākšanai, analīzei, interpretācijai, noformēšanai un organizēšanai (kvalitatīvā vai kvantitatīvā mainīgā lieluma vērtību kopums). Šīs disciplīnas mērķis ir izskaidrot parādības (fiziskās vai dabiskās) attiecības un atkarības..

Statistika un britu ekonomists Arthur Lyon Bowley definē statistiku kā: "Skaitliski paziņojumi par jebkuras pētniecības nodaļas faktiem, kas atrodas viena pret otru". Šajā ziņā statistika ir atbildīga par konkrētas studijas iedzīvotājiem (statistikā, indivīdu grupā, priekšmetos vai parādībās) un / vai masu vai kolektīvās parādības.

Šī matemātikas nozare ir transversāla zinātne, kas ir piemērojama dažādām disciplīnām, sākot no fizikas līdz sociālajām zinātnēm, veselības zinātnēm vai kvalitātes kontrolei..

Turklāt tai ir liela nozīme uzņēmējdarbības vai valdības darbībās, kur iegūto datu izpēte atvieglo lēmumu pieņemšanu vai vispārināšanu.

Parasta prakse, lai veiktu kādai problēmai piemērotu statistisko pētījumu, ir sākt, nosakot a iedzīvotājiem, kas var būt dažādas tēmas.

Visbiežāk sastopamais iedzīvotāju skaits ir valsts kopējais iedzīvotāju skaits, tāpēc, veicot valsts tautas skaitīšanu, tiek veikts statistikas pētījums..

Dažas specializētas statistikas jomas ir: aktuārzinātnes, biostatistika, demogrāfija, rūpniecības statistika, statistikas fizika, apsekojumi, statistika sociālajās zinātnēs, ekonometrijā utt..

Psiholoģijā, psihometrija, kas specializējas un kvantitatīvi nosaka cilvēka prāta psiholoģiskos mainīgos, izmantojot statistikas procedūras.

Galvenās statistikas nozares

Statistika ir sadalīta divās lielās jomās: Aprakstoša statistika un ENetieša statistika, kas sastāv no ELietotā statistika.

Papildus šīm divām jomām ir matemātiskā statistika, kas ietver statistikas teorētisko pamatu.

1. Aprakstoša statistika

The aprakstošā statistika ir statistikas daļa, kas apraksta vai apkopo informācijas vākšanas kvantitatīvās (izmērāmās) īpašības.

Tas nozīmē, ka aprakstošā statistika ir atbildīga par statistikas parauga apkopošanu (datu kopums, kas iegūts no a) iedzīvotājiem), nevis mācīties iedzīvotājiem kas pārstāv paraugu.

Daži no pasākumiem, ko parasti izmanto aprakstošajā statistikā, lai aprakstītu datu kopumu, ir galvenās tendences un mainīguma rādītāji o dispersija.

Attiecībā uz centrālās tendences pasākumiem, piemēram, vidēji, the mediāna un modē. Lai gan mainīguma rādītāji izmanto dispersijas, the kurtosis, utt..

Aprakstošā statistika parasti ir pirmā daļa, kas jāveic statistiskajā analīzē. Šo pētījumu rezultātus parasti papildina grafiki, un tie veido gandrīz jebkuras kvantitatīvas (izmērāmas) datu analīzes pamatu.

Aprakstošas ​​statistikas piemērs varētu būt skaitlis, lai apkopotu, cik labi darbojas beisbola hitter..

Tādējādi numuru iegūst pēc skaita hits kas ir devis mīklu dalīts ar to, cik reižu viņš ir bijis nūja. Tomēr šajā pētījumā netiks sniegta konkrētāka informācija, piemēram, kāda no šīm partijām Sākums darbojas.

Citi aprakstošu statistikas pētījumu piemēri var būt: vidējais to iedzīvotāju vecums, kuri dzīvo noteiktā ģeogrāfiskajā apgabalā, visu to grāmatu vidējais garums, kas attiecas uz konkrētu tēmu, atšķirības attiecībā uz laiku, ko apmeklētāji pavada pārlūkojot interneta lapa.

2

The nenoteiktā statistika atšķiras no aprakstošās statistikas, galvenokārt izmantojot secinājumus un indukciju.

Tas nozīmē, ka šī statistikas daļa ir vērsta uz atribūtu atvasināšanu no a iedzīvotājiem tas ir, ne tikai apkopo un apkopo datus, bet arī cenšas izskaidrot noteiktas īpašības vai raksturlielumus no iegūtajiem datiem..

Šajā ziņā nenovērtējamā statistika nozīmē iegūt pareizus secinājumus no statistikas analīzes, kas veikta ar aprakstošu statistiku.

Šā iemesla dēļ daudzi sociālās zinātnes eksperimenti ir saistīti ar grupu iedzīvotājiem samazināts, tāpēc ar secinājumiem un vispārinājumiem var noteikt kā iedzīvotājiem kopumā tā darbojas.

Secinājumi, kas iegūti, izmantojot statistisko informāciju, tiek pakļauti nejaušībai (modeļu vai likumsakarību trūkums), bet, izmantojot piemērotas metodes, tiek sasniegti attiecīgie rezultāti..

Tātad, gan aprakstošā statistika nenoteiktā statistika tie iet roku rokā.

Secīgā statistika ir sadalīta:

Parametriskā statistika

Ietver statistiskās procedūras, kas pamatojas uz reālo datu izplatīšanu, ko nosaka ar ierobežotu parametru skaitu (skaits, kas apkopo no statistiskā mainīgā iegūto datu apjomu)..

Lai piemērotu parametriskās procedūras, lielākoties ir nepieciešams zināt izplatīšanas formu, kas saistīta ar pētāmo iedzīvotāju skaitu..

Tādēļ, ja iegūto datu izplatīšana nav pilnībā zināma, jāizmanto neparametriska procedūra..

Neparametriska statistika

Šī nenoteiktās statistikas daļa ietver procedūras, ko izmanto testos, un statistikas modeļus, kuros to sadalījums neatbilst tā saucamajiem parametru kritērijiem. Tā kā pētītie dati ir tie, kas nosaka tā izplatīšanu, to nevar iepriekš definēt.

Neparametriskā statistika ir procedūra, kas jāizvēlas, ja nezinot, vai dati atbilst zināmam sadalījumam, tā, ka tas var būt solis pirms parametru procedūras.

Tāpat neparametriskā testā kļūdu iespējamība samazinās, izmantojot piemērotus paraugu izmērus.

3. Matemātiskā statistika

Tajā pašā veidā tika minēts, ka pastāv Matemātiskā statistika, kā statistikas disciplīna.

Tas sastāv no iepriekšējās skalas statistikas pētījumā, kurā viņi izmanto varbūtības teoriju (matemātikas nozari, kas studē nejaušas parādības) un citas matemātikas nozares.

Matemātiskā statistika ietver informācijas iegūšanu no datiem un matemātisko metožu izmantošanu, piemēram: matemātiskā analīze, lineārā algebra, stohastiskā analīze, diferenciālvienādojumi utt.. Tādējādi matemātisko statistiku ietekmē lietotā statistika.

Atsauces

  1. Statistika (2017. gada 3. jūlijs). In Vikipēdija, brīvā enciklopēdija. Izgūti 08:30, 2017. gada 4. jūlijā, no en.wikipedia.org
  2. Dati. (2017. gada 1. jūlijs). In Vikipēdija, brīvā enciklopēdija. Izgūti 08:30, 2017. gada 4. jūlijā, no en.wikipedia.org
  3. Statistika (2017. gada 25. jūnijs). Vikipēdija, brīvā enciklopēdija. Apspriešanās datums: 2017. gada 4. jūlijā plkst. 08:30 no en.wikipedia.org
  4. Parametriskā statistika. (2017. gada 10. februāris). Vikipēdija, brīvā enciklopēdija. Apspriešanās datums: 2017. gada 4. jūlijā plkst. 08:30 no en.wikipedia.org
  5. Neparametriska statistika. (2015. gada 14. augusts). Vikipēdija, brīvā enciklopēdija. Apspriešanās datums: 2017. gada 4. jūlijā plkst. 08:30 no en.wikipedia.org
  6. Aprakstoša statistika (2017. gada 29. jūnijs). Vikipēdija, brīvā enciklopēdija. Apspriešanās datums: 2017. gada 4. jūlijā plkst. 08:30 no en.wikipedia.org
  7. Netieša statistika. (2017. gada 24. maijs). Vikipēdija, brīvā enciklopēdija. Apspriešanās datums: 2017. gada 4. jūlijā plkst. 08:30 no en.wikipedia.org
  8. Statistiskais secinājums. (2017. gada 1. jūlijs). In Vikipēdija, brīvā enciklopēdija. Izgūti 08:30, 2017. gada 4. jūlijā, no en.wikipedia.org
  9. Neatbilstoša statistika (2006. gads, 20. oktobris). Pētniecības metožu zināšanu bāzē. Izgūti 08:31, 2017. gada 4. jūlijā, no socialresearchmethods.net 
  10. Aprakstoša statistika (2006. gads, 20. oktobris). Pētniecības metožu zināšanu bāzē. Izgūti 08:31, 2017. gada 4. jūlijā, no socialresearchmethods.net.