Разлика између описне и референтне статистике

Дескриптивна вс. Инференцијална статистика

Статистика је један од најважнијих дијелова истраживања данас с обзиром на то како организује податке у мјерљиве облике. Међутим, неки се ученици збуне између описне и инференцијалне статистике, па им је тешко да одаберу најбољу опцију која ће их користити у истраживању..

Ако погледате изблиза, разлика између описне и инференцијалне статистике у њиховим је именима већ прилично очигледна. „Дескриптивно“ описује податке, док „инференцијално“ закључује или омогућава истраживачу да донесе закључак на основу прикупљених информација.

На пример, имате задатак да истражите тинејџерску трудноћу у одређеној средњој школи. Користећи и описну и инфективну статистику, истраживат ћете број случајева тинејџерске трудноће у школи током одређеног броја година. Разлика је у томе што са описном статистиком ви само сажмете прикупљене податке и, ако је могуће, откријете образац промена. На пример, може се рећи да се у последњих пет година већина тинејџерских трудноћа у Кс средњој школи догодила онима уписаним у трећу годину. Нема потребе да предвиђате да ће на шестој години студенти треће године ипак бити они са већим бројем тинејџерских трудноћа. Закључци и предвиђања раде се само у инференцијалној статистици.

Принцип описивања или закључивања такође се односи на податке или прикупљене податке истраживача. Позивајући се на наш ранији пример о тинејџерској трудноћи, описна статистика ограничена је само на описану популацију. Једноставније речено, подаци прикупљени у Кс средњој школи у вези са тинејџерском трудноћом САМО се примењују на ту установу.

У инференцијалној статистици, Кс Хигх Сцхоол може бити само узорак циљне популације. Рецимо да циљате да откријете статус тинејџерске трудноће у Њујорку. Пошто би било немогуће прикупити податке са сваке средње школе у ​​Њујорку, Кс Хигх Сцхоол ће тада деловати као узорак који би одражавао или представљао све средње школе у ​​Нев Иорку. Наравно, то обично значи да постоји грешка, јер један узорак није довољан да представља целокупну популацију. Ова стопа могућих грешака такође се узима у обзир при анализи података. Користећи разне прорачуне попут средње, средњег и начина, истраживачи би могли да опишу или испитају податке и постигну оно што желе кроз процес.

Статистика, посебно инфективна, у великој је мјери важна у данашњој индустрији, понајвише зато што пружа информације које имају потенцијал помагања појединцима у доношењу одлука у будућности. На пример, покретање инфренцијалних статистика о стопи раста становништва у одређеном граду могло би послужити као основа за предузеће да одлучи да ли ће или не поставити продавницу у том граду. Чињеница да такође користи бројеве за доношење закључака повећава тачност истраживања као и разумљивост података.

Статистички резултати се често приказују кроз различите моделе, од графова до графикона. Да би повећали тачност, истраживачи такође узимају у обзир различите факторе који би могли утицати на њихову популацију и преточити је у нумеричке податке. На овај начин је вероватноћа грешке сведена на минимум и постиже се детаљно сажети приказ случаја.

Резиме:

1. Описна статистика само „описује“ истраживање и не допушта закључке или предвиђања.

2.Инференцијална статистика омогућава истраживачу да донесе закључак и предвиди промене које се могу догодити у вези са забрињавајућом облашћу.

3. Описна статистика обично делује у одређеном подручју које садржи целокупну циљну популацију.

4.Инференцијална статистика обично узима узорак становништва, посебно ако је популација превелика да би се могла вршити истраживања.