تحلیل آماری علم جمع آوری داده ها و کشف الگوها و روندها است. پس از جمعآوری دادهها، میتوانید آنها را تجزیه و تحلیل کنید:
- خلاصه کردن داده ها
به عنوان مثال، نمودار دایره ای بسازید.
- یافتن معیارهای کلیدی موقعیت مکانی
به عنوان مثال، میانگین به شما می گوید که عدد متوسط در مجموعه ای از داده ها چقدر است.
- محاسبه مقیاس های سنجش پراگندگی (measures of spread)
این ها به شما می گویند که آیا داده های شما کاملاً خوشه ای است یا پراکنده تر. انحراف معیار یکی از رایجترین معیارهای استفاده است و به شما می گوید که داده های شما در اطراف میانگین چقدر پراکنده است.
- پیش بینی آینده بر اساس رفتار گذشته
این مورد در خرده فروشی، تولید، بانکداری، ورزش یا برای هر سازمانی که دانستن روندهای آینده سودمند باشد، بسیار مفید است.
- آزمایش کردن یک فرضیه آزمایش
جمعآوری دادهها از یک آزمایش تنها زمانی داستانی را بیان میکند که دادهها را تجزیه و تحلیل میکنید. این بخش از تجزیه و تحلیل آماری به طور رسمی تر “آزمایش فرضیه” نامیده می شود، که در آن فرضیه صفر (نظریه پذیرفته شده رایج) یا اثبات یا رد می شود.
تجزیه و تحلیل آماری و روش علمی
تجزیه و تحلیل آماری به طور گسترده در علوم مختلف که از فیزیک گرفته تا علوم اجتماعی استفاده می شود. علاوه بر آزمون فرضیه ها، آمار می تواند تقریبی برای یک مجهول ارائه دهد که اندازه گیری آن دشوار یا غیرممکن است. به عنوان مثال، زمینه نظریه میدان کوانتومی (quantum field theory)، در حالی که موفقیت در جنبه نظری چیزها را فراهم می کند، برای آزمایش و اندازه گیری تجربی چالش برانگیز است. سنجش برخی از موضوعات علوم اجتماعی، مانند مطالعه آگاهی یا انتخاب، عملا غیرممکن است. تجزیه و تحلیل آماری می تواند محتمل ترین یا کم احتمال ترین سناریو را روشن کند.
آمار می تواند دروغ بگوید!!!
در حالی که آمار می تواند به عنوان یک پایه محکم برای نتیجه گیری و ارائه “حقایق” به نظر برسد، مراقب مشکلات تجزیه و تحلیل آماری باشید که شامل دستکاری عمدی و تصادفی نتایج هستند. با این حال، گاهی اوقات آمار فقط اشتباه است. مثال معروف آمار “اشتباه آشکار” پارادوکس سیمپسون (Simpson’s Paradox) است که به ما نشان می دهد که حتی بهترین آمار می تواند کاملاً بی فایده باشد. در یک مورد کلاسیک از سیمپسون، میانگین پذیرش از دانشگاه برکلی (به درستی) نشان داد که میانگین نرخ پذیرش آنها برای زنان بیشتر از مردان است، در حالی که در واقع برعکس بود.
6 پاسخ