Rozdíl mezi popisnou a inferenční statistikou

Popisné vs. inferenciální statistiky

Statistika je jednou z nejdůležitějších částí výzkumu, která dnes zvažuje, jak organizuje data do měřitelných forem. Někteří studenti se však zaměňují mezi popisnou a inferenční statistikou, což jim ztěžuje výběr nejlepší možnosti, kterou mohou použít ve svém výzkumu..

Pokud se podíváte pozorně, rozdíl mezi popisnou a inferenční statistikou je již v jejich jménech docela zřejmý. „Popisný“ popisuje data, zatímco „inferenciální“ vyvozuje nebo umožňuje výzkumníkovi dospět k závěru na základě shromážděných informací.

Například máte za úkol zkoumat těhotenství dospívajících na určité střední škole. Pomocí deskriptivní i inferenční statistiky budete zkoumat počet případů těhotenství dospívajících ve škole po určitý počet let. Rozdíl je v tom, že pomocí popisné statistiky pouze shrnujete shromážděná data a pokud je to možné, detekujete vzorec změn. Například lze říci, že za posledních pět let se většina dospívajících těhotenství na X High School stala těmi, které se zapsaly do třetího ročníku. Není třeba předpovídat, že v šestém ročníku budou studenty třetího ročníku stále ještě s větším počtem těhotenství dospívajících. Závěry i předpovědi jsou prováděny pouze v inferenciálních statistikách.

Zásada popisu nebo uzavírání se rovněž vztahuje na údaje nebo shromážděné informace výzkumného pracovníka. Vrátíme-li se k předchozímu příkladu těhotenství dospívajících, popisná statistika je omezena pouze na populaci, která je popsána. Jednoduše řečeno, údaje shromážděné na X High School týkající se dospívajícího těhotenství jsou POUZE použitelné pro tuto konkrétní instituci.

V inferenciálních statistikách mohla být X High School pouze ukázkou cílové populace. Řekněme, že se snažíte zjistit stav těhotenství dospívajících v New Yorku. Protože by nebylo možné sbírat data z každé střední školy v New Yorku, bude X High School fungovat jako vzorek, který by odrážel nebo reprezentoval všechny střední školy v New Yorku. Samozřejmě to obvykle znamená, že existuje meze chyb, protože jeden vzorek nestačí k reprezentaci celé populace. Tato míra možné chyby se také bere v úvahu při analýze dat. Pomocí různých výpočtů, jako je průměr, medián a režim, by vědci byli schopni popsat nebo prozkoumat data a dosáhnout toho, co chtějí procesem.

Statistika, zejména inferenciální, je v dnešním průmyslu velmi důležitá, hlavně proto, že poskytuje informace, které mají potenciál pomáhat jednotlivcům v budoucnu rozhodovat. Například zavedení inferenciálních statistik o míře růstu populace v konkrétním městě by mohlo sloužit jako základ pro rozhodnutí podniku, zda v tomto městě založit obchod. Skutečnost, že také používá čísla k závěru, zvyšuje přesnost výzkumu a srozumitelnost údajů.

Statistické výsledky jsou často zobrazovány prostřednictvím různých modelů, od grafů po grafy. V zájmu zvýšení přesnosti vědci také berou v úvahu různé faktory, které by mohly ovlivnit jejich populaci, a převést ji do číselných údajů. Tímto způsobem je minimalizována pravděpodobnost chyby a je dosaženo důkladně shrnutého pohledu na případ.

Souhrn:

1. Popisná statistika pouze „popisuje“ výzkum a neumožňuje závěry ani předpovědi.

2.Interferenční statistika umožňuje výzkumníkovi dospět k závěru a předpovídat změny, které mohou nastat v oblasti zájmu.

3. Popisná statistika obvykle pracuje v určité oblasti, která obsahuje celou cílovou populaci.

4.Inferenční statistika obvykle odebírá vzorek populace, zejména pokud je populace příliš velká na to, aby mohla provádět výzkum.