Aprakstošs vs. Inferenciālā statistika

Statistikas lauks ir sadalīts divās lielās daļās: aprakstošā un secinošā. Katrs no šiem segmentiem ir svarīgs, piedāvājot dažādas metodes, kas ļauj sasniegt dažādus mērķus. Aprakstošā statistika raksturo to, kas notiek a populācija vai datu kopa. Turpretī inferenciālā statistika ļauj zinātniekiem ņemt secinājumus no paraugu grupas un tos vispārināt lielākam skaitam. Abiem statistikas veidiem ir dažas būtiskas atšķirības.

Aprakstošā statistika ir statistikas veids, kas, iespējams, rodas lielākajai daļai cilvēku, prātā dzirdot vārdu “statistika”. Šajā statistikas nozarē mērķis ir aprakstīt. Lai pastāstītu par datu kopas īpašībām, tiek izmantoti skaitliskie rādītāji. Šajā statistikas daļā ietilpst vairāki vienumi, piemēram:

• vidējais, vai datu kopas centra mērs, kas sastāv no vidējā, vidējā, režīma vai vidējā diapazona
• Datu kopas izplatība, ko var izmērīt ar diapazons vai standarta novirze
• Vispārīgi datu apraksti, piemēram, piecu numuru kopsavilkums
• Mērījumi, piemēram šķībums un kurtoze
instagram viewer
• Attiecību un korelācija starp pārī savienotiem datiem
• Statistisko rezultātu prezentācija grafisks forma

Šie pasākumi ir svarīgi un noderīgi, jo tie ļauj zinātniekiem redzēt datu modeļus un tādējādi izprast šos datus. Aprakstošo statistiku var izmantot tikai, lai aprakstītu pētāmo populāciju vai datu kopu. Rezultātus nevar vispārināt ar citu grupu vai populāciju.

Sociālie zinātnieki izmanto divu veidu aprakstošo statistiku:

Centrālās tendences mēri uztver vispārējās tendences datos un tiek aprēķinātas un izteiktas kā vidējais, vidējais un režīms. Vidējais rādītājs zinātniekiem norāda visu datu kopas matemātisko vidējo, piemēram, vidējo vecumu pirmajā laulībā; mediāna apzīmē datu izplatīšanas vidu, piemēram, vecumu, kas atrodas to vecumu diapazona vidū, kurā cilvēki pirmo reizi apprecējās; un režīms varētu būt visizplatītākais vecums, kurā cilvēki pirmo reizi apprecas.

Izplatīšanas pasākumi apraksta to, kā dati tiek izplatīti un savstarpēji saistīti, ieskaitot:

• Diapazons, viss vērtību diapazons, kas atrodas datu kopā
• Frekvences sadalījums, kas nosaka, cik reizes konkrēta vērtība rodas datu kopā
• Kvartili, apakšgrupas, kas izveidotas datu kopā, ja visas vērtības ir sadalītas četrās vienādās daļās visā diapazonā
• Vidējā absolūtā novirze, vidējais, cik katra vērtība atšķiras no vidējās
• Dispersija, kas parāda, cik liela ir datu izplatība
• Standarta novirze, kas ilustrē datu izplatību attiecībā pret vidējo

Izkliedes mēri bieži tiek vizuāli attēloti tabulās, sektoru un joslu diagrammās un histogrammās, lai palīdzētu izprast tendences datos.

Inferenciālo statistiku sagatavo, izmantojot sarežģītus matemātiskus aprēķinus, kas ļauj zinātniekiem secināt tendences par lielāku iedzīvotāju skaitu, pamatojoties uz no tā ņemtā parauga pētījumu. Zinātnieki izmanto secinošo statistiku, lai pārbaudītu attiecības starp mainīgajiem paraugā un pēc tam veiciet vispārinājumus vai prognozes par to, kā šie mainīgie attieksies uz lielāku populācija.

Parasti nav iespējams pārbaudīt katru iedzīvotāju atsevišķi. Tātad zinātnieki izvēlas reprezentatīvu populācijas apakškopu, ko sauc par statistisko paraugu, un no šīs analīzes viņi spēj kaut ko pateikt par to populāciju, no kuras izveidojās paraugs. Pastāv divi galvenie secinošās statistikas iedalījumi:

• Uzticamības intervāls dod vērtību diapazonu nezināmam parametram populācijā, izmērot statistisko paraugu. To izsaka ar intervālu un ticamības pakāpi, ka parametrs atrodas intervālā.
• Svarīgi testi vai hipotēzes pārbaude kur zinātnieki apgalvo par populāciju, analizējot statistisko paraugu. Pēc dizaina šajā procesā ir zināma nenoteiktība. To var izteikt ar nozīmīguma līmeni.

Metodes, kuras sociālie zinātnieki izmanto, lai pārbaudītu attiecības starp mainīgajiem lielumiem un tādējādi izveidotu secinošo statistiku, ietver lineārās regresijas analīzes, loģistiskās regresijas analīzes, ANOVA, korelācijas analīzes, strukturālā vienādojuma modelēšana, un izdzīvošanas analīze. Veicot pētījumus, izmantojot secinošo statistiku, zinātnieki veic nozīmīguma pārbaudi, lai noteiktu, vai viņi var vispārināt savus rezultātus plašākam iedzīvotāju skaitam. Kopējie nozīmīguma testi ietver: chi-kvadrāts un t-tests. Tie zinātniekiem norāda uz varbūtību, ka parauga analīzes rezultāti ir reprezentatīvi visai populācijai.

Lai arī aprakstošā statistika ir noderīga, apgūstot tādas lietas kā datu izplatība un centrs, neko aprakstošajā statistikā nevar izmantot, lai veiktu vispārinājumus. Aprakstošajā statistikā mērījumus, piemēram, vidējo un standartnovirzi, norāda kā precīzus skaitļus.

Kaut arī secinošajā statistikā tiek izmantoti daži līdzīgi aprēķini, piemēram, vidējais un standartnovirze, secinošajā statistikā uzmanība tiek pievērsta atšķirīgi. Inferenciālā statistika sākas ar izlasi un pēc tam vispārina uz kopu. Šī informācija par iedzīvotājiem nav norādīta kā skaitlis. Tā vietā zinātnieki izsaka šos parametrus kā potenciālo skaitļu diapazonu līdz ar zināmu ticamības pakāpi.