Kirjeldava ja soovitusliku statistika erinevus

Kirjeldav vs algatusstatistika

Statistika on tänapäeval üks olulisemaid uurimistöö osi, kui arvestada sellega, kuidas see korraldab andmeid mõõdetavates vormides. Mõni õpilane ajab kirjeldava ja järeldatava statistika segadusse, mistõttu on neil raske valida oma uurimistöös parimat varianti..

Kui vaadata tähelepanelikult, on kirjeldava ja järeldusliku statistika erinevus nende nimedes juba üsna ilmne. “Kirjeldav” kirjeldab andmeid, samal ajal kui “järeldav” järeldab või lubab teadlasel kogutud teabe põhjal järelduse teha.

Näiteks on teil ülesandeks uurida teismeliste raseduse kohta teatud keskkoolis. Kasutades nii kirjeldavat kui ka järelduslikku statistikat, uurite teismeliste raseduse juhtude arvu konkreetse aasta jooksul. Erinevus on see, et kirjeldava statistika korral teete lihtsalt kogutud andmete kokkuvõtte ja võimaluse korral tuvastate muudatuste mustri. Näiteks võib öelda, et viimase viie aasta jooksul juhtus X keskkoolis suurem osa teismeliste rasedustest kolmandal kursusel õppinutega. Ei ole vaja ennustada, et kuuendal aastal on ikkagi kolmanda kursuse õpilased need, kellel on suurem arv teismeliste rasedusi. Järeldusi ja ennustusi tehakse ainult järeldavas statistikas.

Kirjeldamise või kokkuvõtte tegemise põhimõte kehtib ka uurija andmete või kogutud teabe kohta. Tulles tagasi meie varasemale teismelise raseduse näitele, piirdub kirjeldav statistika ainult kirjeldatud elanikkonnaga. Lihtsalt öeldes on X keskkooli kohta teismeliste raseduse kohta kogutud andmed AINULT selle konkreetse asutuse kohta.

Järeldustatistikas võiks X keskkool olla lihtsalt valim sihtrühmast. Oletame, et teie eesmärk on välja selgitada teismeliste raseduste staatus New Yorgis. Kuna New Yorgi igast keskkoolist oleks võimatu andmeid koguda, toimib X keskkool siis valimina, mis kajastaks kõiki New Yorgi keskkooli või esindaks neid. Muidugi tähendab see tavaliselt veamarginaali olemasolu, kuna ühest valimist ei piisa kogu populatsiooni esindamiseks. Seda võimaliku veamäära võetakse andmete analüüsimisel samuti arvesse. Erinevaid arvutusi, näiteks keskmist, mediaani ja režiimi kasutades, saaksid teadlased andmeid kirjeldada või uurida ja saavutada protsessi kaudu seda, mida nad soovivad..

Statistika, eriti järelduslik, on tänapäeva tööstuses suuresti oluline peamiselt seetõttu, et see pakub teavet, mis võib aidata inimestel tulevikus otsuseid vastu võtta. Näiteks võib järelduste tegemise statistika käivitamine konkreetse linna elanikkonna kasvu määra kohta olla aluseks ettevõttele, kes otsustab, kas luua selles linnas kauplus või mitte. Fakt, et see kasutab järelduste tegemiseks ka numbreid, suurendab uurimistöö täpsust ja andmete arusaadavust.

Statistilisi tulemusi näidatakse sageli erinevate mudelite kaudu, alates graafikutest kuni diagrammideni. Täpsuse suurendamiseks võtavad teadlased arvesse ka mitmesuguseid tegureid, mis võivad nende elanikke mõjutada, ja teisendavad selle arvandmeteks. Nii minimeeritakse vea tõenäosus ja saadakse juhtumist põhjalik ülevaade.

Kokkuvõte:

1.Kirjeldav statistika lihtsalt “kirjeldab” uurimistööd ega võimalda järeldusi ega ennustusi teha.

2. Erinev statistika võimaldab teadlasel jõuda järeldusele ja ennustada muutusi, mis võivad muret tekitavas valdkonnas esineda.

3.Kirjeldav statistika töötab tavaliselt konkreetses piirkonnas, mis sisaldab kogu sihtrühma.

4.International statistika võtab tavaliselt valimi elanikkonnast, eriti kui populatsioon on liiga suur, et seda uurida.