Разница между описательной и косвенной статистикой

Описательная и логическая статистика

Сегодня статистика является одной из наиболее важных частей исследований, рассматривающих, как она организует данные в измеримые формы. Однако некоторые студенты путаются между описательной и логической статистикой, из-за чего им трудно выбрать лучший вариант для использования в своих исследованиях..

Если вы внимательно посмотрите, разница между описательной и логической статистикой уже очевидна в их названиях. «Описательный» описывает данные, в то время как «логический» выводит или позволяет исследователю прийти к выводу на основе собранной информации.

Например, вам поручено провести исследование о подростковой беременности в определенной средней школе. Используя как описательную, так и выводную статистику, вы будете исследовать количество случаев подростковой беременности в школе за определенное количество лет. Разница в том, что с описательной статистикой вы просто суммируете собранные данные и, если возможно, обнаруживаете изменения в изменениях. Например, можно сказать, что в течение последних пяти лет большинство случаев подростковой беременности в X средней школе приходилось на тех, кто поступил на третий год. Нет необходимости прогнозировать, что на шестом курсе ученики третьего курса будут по-прежнему иметь большее число беременностей среди подростков. Выводы и прогнозы делаются только в логической статистике.

Принцип описания или заключения также применим к данным или собранной информации исследователя. Возвращаясь к нашему более раннему примеру о подростковой беременности, описательная статистика ограничивается только описываемой группой населения. Проще говоря, данные, собранные в X High School относительно подростковой беременности, ТОЛЬКО применимы к этому конкретному учреждению.

В логической статистике X High School может быть просто выборкой целевой группы населения. Допустим, вы стремитесь выяснить статус подростковой беременности в Нью-Йорке. Поскольку было бы невозможно собрать данные из каждой средней школы в Нью-Йорке, X High School будет тогда служить образцом, который будет отражать или представлять все средние школы в Нью-Йорке. Конечно, это обычно означает наличие погрешности, поскольку одной выборки недостаточно для представления всей совокупности. Эта частота возможных ошибок также учитывается при анализе данных. Используя различные вычисления, такие как среднее значение, медиана и режим, исследователи смогут описывать или изучать данные и достигать того, чего они хотят, в процессе..

Статистика, особенно выводная, в значительной степени важна в современной отрасли, главным образом потому, что она предоставляет информацию, которая может помочь людям принимать решения в будущем. Например, запуск логической статистики о темпах прироста населения в конкретном городе может послужить основой для бизнеса, чтобы решить, стоит ли открывать магазин в этом городе. Тот факт, что он также использует цифры, чтобы прийти к выводам, повышает точность исследования, а также понятность данных.

Статистические результаты часто отображаются в различных моделях, от графиков до диаграмм. Для повышения точности исследователи также учитывают различные факторы, которые могут повлиять на их популяцию, и переводят ее в числовые данные. Таким образом, вероятность ошибки сводится к минимуму, и достигается подробный обзор ситуации..

Резюме:

1. Описательная статистика просто «описывает» исследование и не учитывает выводы или прогнозы.

2.Инференциальная статистика позволяет исследователю прийти к заключению и предсказать изменения, которые могут произойти в отношении проблемной области..

3. Описательная статистика обычно работает в определенной области, которая содержит всю целевую группу.

4.Инференциальная статистика обычно берет выборку населения, особенно если население слишком велико для проведения исследования.