Ero kuvailevien ja aloittavien tilastojen välillä

Kuvaileva vs. aloitustilastot

Tilastot ovat tietojen keräämisen, analysoinnin ja esittämisen kuria. Tilastoteoria jaetaan kahteen osaan niiden tietojen perusteella, joita ne tuottavat analysoimalla tietoja.

Mikä on kuvaava tilasto??

Kuvaileva tilasto on tilasto-osa, joka kuvaa kvantitatiivisesti tietojoukon pääominaisuuksia. Tietojoukon ominaisuuksien esittämiseksi mahdollisimman tarkasti tiedot on koottu yhteen joko graafisesti tai numeerisesti.

Graafinen yhteenveto tehdään taulukoimalla, ryhmittelemällä ja graafisesti kiinnostavien muuttujien arvot. Taajuuden jakauma ja suhteellisen taajuuden jakautumisen histogrammit ovat sellaisia ​​esityksiä. Ne kuvaavat arvojen jakautumista väestön keskuudessa.

Numeerinen yhteenveto sisältää kuvaavien mittojen, kuten keskiarvon, moodin ja keskiarvon, laskemisen. Kuvailevat toimenpiteet luokitellaan edelleen kahteen luokkaan; ne ovat keskeisen taipumuksen mittoja ja leviämisen / variaation mittoja. Keskeisen taipumuksen mitat ovat keskiarvo / keskiarvo, mediaani ja tila. Jokaisella on oma sovellettavuustaso ja hyödyllisyys. Jos yksi epäonnistuu, toinen voi edustaa tietojoukkoa paremmin.

Kuten nimestä voi päätellä, leviämismittauksiin sisältyy datan jakauman mittaaminen. Alue, keskihajonta, varianssi, prosentiilit ja kvartiilialueet sekä variaatiokerroin ovat dispersion mitat. Ne tarjoavat tietoja tietojen leviämisestä.   

Yksinkertainen esimerkki kuvaavien tilastojen käytöstä on opiskelijan arvosanan keskiarvon laskeminen. Pohjimmiltaan GPA on opiskelijoiden tulosten painotettu keskiarvo ja heijastaa kyseisen opiskelijan yleistä akateemista suoritusta.

Mikä on aloitustilastot?

Inferenssitilastot ovat tilastojen haara, jotka tekevät johtopäätöksiä kyseisestä populaatiosta satunnais-, havainnointi- ja otantavaihteluille altistetusta otoksesta saatujen tietojoukkojen perusteella. Yleensä tulokset saadaan satunnaisesta populaation otoksesta ja otoksesta tehdyt päätelmät yleistetaan sitten edustamaan koko populaatiota.

Oto on populaation osajoukko, ja otoksesta saatujen tietojen kuvaavien tilastojen mitat tunnetaan yksinkertaisesti nimellä tilasto. Otosanalyysistä saadut kuvaavien tilastojen mitat tunnetaan parametreina, kun niitä sovelletaan väestöön, ja ne edustavat koko populaatiota.

Alkuperäisissä tilastoissa keskitytään siihen, kuinka näytteestä saadut tilastot voidaan yleistää mahdollisimman tarkasti populaation edustamiseksi. Yksi huolenaihe on otoksen luonne. Jos otos on puolueellinen, niin myös tulokset ovat puolueellisia, ja niihin perustuvat parametrit eivät edusta koko populaatiota oikein. Siksi näytteenotto on yksi tärkeä tutkimus päättelytilastoista. Tilastolliset oletukset, tilastollinen päätöksenteko ja arviointiteoria, hypoteesin testaus, kokeiden suunnittelu, varianssianalyysi ja regression analysointi ovat näkyviä tutkimuskohteita päättelytilastojen teoriassa.  

Hyvä esimerkki päätelmätilastoista toiminnassa on vaalien tulosten ennustaminen ennen äänestystä äänestyksen avulla.   

Mitä eroa kuvailevien ja aloitustilastojen välillä on??

• Kuvailevissa tilastoissa keskitytään otoksesta kerättyjen tietojen yhteenvetoon. Tekniikka tuottaa keskimääräisen taipumuksen ja hajonnan mitat, jotka kuvaavat, kuinka muuttujien arvot keskitetään ja hajautetaan.

• Inferenssitilastot yleistävät otoksesta saadut tilastot väestölle, johon otos kuuluu. Väestön mitat kutsutaan parametreiksi.

• Kuvailevissa tilastoissa tehdään vain yhteenveto sen otoksen ominaisuuksista, josta tiedot on saatu, mutta päättelytilastoissa otoksen mittaa käytetään päätelmään väestön ominaisuuksista.

• Päätelmätilastoissa parametrit saatiin otoksesta, mutta ei koko populaatiosta. siksi aina on olemassa jonkin verran epävarmuutta todellisiin arvoihin verrattuna.