STATISTIKAS NOZARES, STUDĒTĀS UN LIETOJUMPROGRAMMAS - DUDAS - 2025

Par statistika ir matemātikas nozare, kas atbilst uz vākšanu, analīzi, interpretāciju, prezentāciju un organizāciju datu (iestatītā vērtība kvalitatīvais vai kvantitatīvais mainīga). Šīs disciplīnas mērķis ir izskaidrot fenomena (fiziskās vai dabiskās) attiecības un atkarības.

Angļu statistists un ekonomists Artūrs Lions Bovijs statistiku definē šādi: "Skaitliski faktu paziņojumi no jebkuras pētniecības nodaļas, kas atrodas savstarpēji." Šajā ziņā statistika ir atbildīga par noteiktas populācijas (statistikā, indivīdu, objektu vai parādību kopuma) un / vai masu vai kolektīvu parādību izpēti.

Šī matemātikas nozare ir transversāla zinātne, tas ir, piemērojama dažādām disciplīnām, sākot no fizikas un beidzot ar sociālajām, veselības zinātnēm vai kvalitātes kontroli.

Turklāt tam ir liela vērtība uzņēmējdarbībā vai valdības darbībā, kur iegūto datu izpēte ļauj atvieglot lēmumu pieņemšanu vai veikt vispārinājumus.

Izplatīta prakse statistiska pētījuma veikšanai, kas tiek pielietots problēmai, vispirms ir jānosaka populācija, kas var būt no dažādām tēmām.

Kopējs iedzīvotāju piemērs ir kopējais valsts iedzīvotāju skaits, tāpēc, veicot tautas skaitīšanu, tiek veikts statistiskais pētījums.

Dažas specializētās statistikas disciplīnas ir: aktuārzinātnes, biostatistika, demogrāfija, rūpniecības statistika, statistiskā fizika, apsekojumi, sociālo zinātņu statistika, ekonometrija utt.

Psiholoģijā psihometrijas disciplīna, kas specializējas un kvantitatīvi nosaka cilvēka prātam raksturīgos psihiskos mainīgos, izmantojot statistiskās procedūras.

Galvenās statistikas nozares

Statistika ir sadalīta divās lielās zonās: aprakstošā statistika un secinošā statistika, kas ietver lietišķo statistiku.

Papildus šīm divām jomām ir arī matemātiskā statistika, kas satur statistikas teorētiskos pamatus.

1- Aprakstošā statistika

Par aprakstošā statistika ir filiāle statistika, kas raksturo apkopotas kvantitatīvi vai (izmērāmu) piedāvā kolekcija informācijas vākšanu.

Tas ir, aprakstošā statistika ir atbildīga par statistiskās izlases (datu kopuma, kas iegūts no kopas) apkopošanu, nevis lai uzzinātu par izlasi pārstāvošajām populācijām.

Daži no pasākumiem, ko parasti izmanto aprakstošajā statistikā, lai aprakstītu datu kopu, ir centrālās tendences mēri un mainīguma vai izkliedes mēri.

Attiecībā uz centrālās tendences mērījumiem tiek izmantoti tādi rādītāji kā vidējais, vidējais un režīms. Kaut arī mainīguma mērījumos tiek izmantota dispersija, kurtoze utt.

Aprakstošā statistika parasti ir pirmā daļa, kas jāveic statistiskajā analīzē. Šo pētījumu rezultātiem parasti pievieno grafikus, un tie ir gandrīz jebkuras kvantitatīvas (izmērāmas) datu analīzes pamatā.

Aprakstošās statistikas piemērs varētu būt skaitlis, lai apkopotu, cik labi beisbola bumba darbojas.

Tādējādi skaitlis tiek iegūts no trāpījumu skaita, ko devusi plakanā mašīna, dalot ar to reižu skaitu, kad viņš ir ticis pie bat. Tomēr šis pētījums nesniegs precīzāku informāciju, piemēram, kuri no šiem trāpījumiem ir bijuši mājas izmēģinājumi.

Citi aprakstošās statistikas pētījumu piemēri var būt: pilsoņu vidējais vecums, kas dzīvo noteiktā ģeogrāfiskā apgabalā, visu grāmatu vidējais garums, kas attiecas uz noteiktu tēmu, atšķirības attiecībā uz laiku, ko apmeklētāji pavada, pārlūkojot Interneta lapa.

2 - Inferenciālā statistika

Par inferential statistika atšķiras aprakstošo statistiku, galvenokārt, izmantojot secinājumu un indukcijas.

Tas ir, šī statistikas nozare cenšas secināt pētāmās populācijas īpašības, tas ir, tas ne tikai apkopo un apkopo datus, bet arī mēģina izskaidrot noteiktas īpašības vai raksturlielumus no iegūtajiem datiem.

Šajā ziņā secinošā statistika nozīmē pareizu secinājumu iegūšanu no statistiskās analīzes, kas veikta, izmantojot aprakstošo statistiku.

Šī iemesla dēļ daudzos eksperimentos sociālajās zinātnēs tiek iesaistīta neliela iedzīvotāju grupa, tādējādi ar secinājumu un vispārinājumu palīdzību var noteikt, kā uzvedas vispārējie iedzīvotāji.

Secinājumi, kas iegūti, izmantojot secinošo statistiku, ir pakļauti nejaušībai (modeļu vai likumsakarību neesamībai), bet, izmantojot piemērotas metodes, iegūst attiecīgus rezultātus.

Tādējādi, gan aprakstošās statistikas un inferential statistika iet roku ir rokā.

Inferenciālo statistiku iedala:

Parametriskā statistika

Tas ietver statistiskas procedūras, kuru pamatā ir reālu datu sadalījums, ko nosaka ar ierobežotu parametru skaitu (skaitlis, kas apkopo no statistiskā mainīgā iegūto datu daudzumu).

Lai lielākoties izmantotu parametriskās procedūras, iepriekš jāzina sadalījuma forma pētāmās populācijas formām.

Tāpēc, ja sadalījums, kam seko iegūtie dati, nav pilnībā zināms, jāizmanto neparametriskā procedūra.

Neparametriska statistika

Šī secinošās statistikas nozare ietver procedūras, kuras piemēro statistiskajos testos, un modeļus, kuros to sadalījums neatbilst tā saucamajiem parametriskajiem kritērijiem. Tā kā izpētītie dati nosaka tā izplatību, to nevar iepriekš noteikt.

Neparametriskā statistika ir procedūra, kas jāizvēlas, kad nav zināms, vai dati atbilst zināmam sadalījumam, lai tas varētu būt solis pirms parametriskās procedūras.

Tāpat testā, kas nav parametrs, kļūdas iespējamība tiek samazināta, izmantojot piemērotus izlases lielumus.

3- Matemātiskā statistika

Matemātiskās statistikas esamība ir minēta arī kā statistikas disciplīna.

To veido iepriekšējā statistikas līmeņa skala, kurā viņi izmanto varbūtības teoriju (matemātikas nozare, kas pēta nejaušas parādības) un citas matemātikas nozares.

Matemātisko statistiku veido informācijas iegūšana no datiem un tiek izmantotas tādas matemātiskas metodes kā: matemātiskā analīze, lineārā algebra, stohastiskā analīze, diferenciālvienādojumi utt. Tādējādi matemātisko statistiku ir ietekmējusi lietišķā statistika.

Atsauces

1. Statistika. (2017. gads, 3. jūlijs). Vikipēdijā Brīvā enciklopēdija. Saņemts 08:30, 2017. gada 4. jūlijā, no en.wikipedia.org
2. Dati. (2017. gads, 1. jūlijs). Vikipēdijā Brīvā enciklopēdija. Saņemts 08:30, 2017. gada 4. jūlijā, no en.wikipedia.org
3. Statistika. (2017. gads, 25. jūnijs). Wikipedia, bezmaksas enciklopēdija. Apspriešanās datums: 08:30, 2017. gada 4. jūlijs no es.wikipedia.org
4. Parametriskā statistika. (2017. gads, 10. februāris). Wikipedia, bezmaksas enciklopēdija. Apspriešanās datums: 08:30, 2017. gada 4. jūlijs no es.wikipedia.org
5. Neparametriska statistika. (2015. gads, 14. augusts). Wikipedia, bezmaksas enciklopēdija. Apspriešanās datums: 08:30, 2017. gada 4. jūlijs no es.wikipedia.org
6. Aprakstošā statistika. (2017. gads, 29. jūnijs). Wikipedia, bezmaksas enciklopēdija. Apspriešanās datums: 08:30, 2017. gada 4. jūlijs no es.wikipedia.org
7. Inferenciālā statistika. (2017. gads, 24. maijs). Wikipedia, bezmaksas enciklopēdija. Apspriešanās datums: 08:30, 2017. gada 4. jūlijs no es.wikipedia.org
8. Statistiskie secinājumi. (2017. gads, 1. jūlijs). Vikipēdijā Brīvā enciklopēdija. Saņemts 08:30, 2017. gada 4. jūlijā, no en.wikipedia.org
9. Inferenciālā statistika (2006. gads, 20. oktobris). Pētniecības metodēs zināšanu bāze. Iegūts 08:31, 2017. gada 4. jūlijā no socialresearchmethods.net
10. Aprakstošā statistika (2006, 20. oktobris). Pētniecības metodēs zināšanu bāze. Iegūts 08:31, 2017. gada 4. jūlijā no socialresearchmethods.net.