Ero kuvailevien ja aloittavien tilastojen välillä

Kuvaileva vs. aloitustilastot

Tilastot ovat yksi tutkimuksen tärkeimmistä osista ottaen huomioon, miten se järjestää tiedot mitattavissa oleviin muotoihin. Jotkut opiskelijat sekoittuvat kuitenkin kuvailevien ja päätelmätilastojen välillä, minkä vuoksi heidän on vaikea valita paras vaihtoehto käytettäväksi tutkimuksessaan..

Jos tarkastellaan tarkkaan, ero kuvaavien ja päättelytilastojen välillä on jo melko ilmeinen heidän nimissään. ”Kuvaileva” kuvaa tietoja, kun taas ”päätellen” päättelee tai antaa tutkijalle mahdollisuuden tehdä johtopäätös kerättyjen tietojen perusteella.

Esimerkiksi, sinun on tehtävä tutkimus teini-ikäisten raskaudesta tietyssä lukiossa. Käyttämällä sekä kuvailevia että päätelmätilastoja, tutkit teini-ikäisten raskaustapausten lukumäärää koulussa tietyn vuoden ajan. Ero on siinä, että kuvaavien tilastojen avulla olet vain tiivistänyt kerätyt tiedot ja havainnut mahdollisuuksien mukaan muutoskuvion. Esimerkiksi voidaan sanoa, että viimeisen viiden vuoden aikana suurin osa X-lukion teini-ikäisten raskauksista tapahtui kolmannen vuoden opiskelijoille. Ei tarvitse ennustaa, että kuudennena vuonna kolmannen vuoden opiskelijat olisivat edelleen ne, joilla on enemmän teini-ikäisiä raskauksia. Johtopäätökset ja ennusteet tehdään vain päätelmätilastoissa.

Kuvauksen tai päätelmän periaate pätee myös tutkijan tietoihin tai kerättyihin tietoihin. Viitaten aikaisempaan esimerkkiimme teini-ikäisten raskauksista, kuvaavat tilastot ovat rajoitettu vain kuvattavaan väestöön. Yksinkertaisesti sanottuna, X-lukiosta kerättyjä tietoja teini-ikäisten raskaudesta voidaan soveltaa VAIN kyseiseen oppilaitokseen.

Päätelmätilastoissa X-lukio voisi olla vain näyte kohdeväestöstä. Oletetaan, että tavoitteena on selvittää teini-ikäisten raskauksien tila New Yorkissa. Koska olisi mahdotonta kerätä tietoja jokaisesta New Yorkin lukiosta, X High School toimii sitten otoksena, joka heijastaa tai edustaa kaikkia New Yorkin lukioita. Tämä tarkoittaa tietysti yleensä virhemarginaalin olemassaoloa, koska yksi otos ei riitä edustamaan koko populaatiota. Tämä mahdollinen virheaste otetaan huomioon myös tietoja analysoitaessa. Käyttämällä erilaisia ​​laskelmia, kuten keskiarvoa, mediaania ja tilaa, tutkijat kykenevät kuvaamaan tai tutkimaan tietoja ja saavuttamaan prosessinsa kautta haluamansa..

Tilastot, etenkin päätellen, ovat suurelta osin nykypäivän teollisuudessa pääasiassa siksi, että ne tarjoavat tietoa, joka voi auttaa ihmisiä tekemään päätöksiä tulevaisuudessa. Esimerkiksi tiettyjen kaupunkien väestönkasvuvauhtia koskevien päätelmätilastojen käynnistäminen voisi toimia perustana yritykselle, joka päättää perustaako kaupan kaupunkiin. Se, että se käyttää numeroita myös päätelmien tekemiseen, parantaa tutkimuksen tarkkuutta ja datan ymmärrettävyyttä.

Tilastotulokset näytetään usein eri malleissa, kuvaajista kaavioihin. Tarkkuuden lisäämiseksi tutkijat ottavat myös huomioon useita tekijöitä, jotka voivat vaikuttaa heidän väestönsä, ja muuntaa sen numeeriseksi tiedoksi. Tällä tavalla virheen todennäköisyys minimoidaan ja saadaan perusteellisesti yhteenveto tapauksesta.

Yhteenveto:

1.Kuvavat tilastot vain "kuvaavat" tutkimusta eivätkä salli johtopäätöksiä tai ennusteita.

2.Inferenssitilastojen avulla tutkija voi tehdä päätelmän ja ennakoida muutoksia, joita voi tapahtua huolestuttavalla alueella.

3.Kuvavat tilastot toimivat yleensä tietyllä alueella, joka sisältää koko kohdeväestön.

4.Inferenssitilastot ottavat yleensä otoksen väestöstä, varsinkin jos väestö on liian suuri tutkimuksen suorittamiseen.