서술 적 통계와 추론 통계의 차이

설명과 추론 통계

통계는 오늘날 데이터를 측정 가능한 형태로 구성하는 방법을 고려하여 연구의 가장 중요한 부분 중 하나입니다. 그러나 일부 학생들은 설명 및 추론 통계 사이에 혼란을 겪으므로 연구에 사용할 최상의 옵션을 선택하기가 어렵습니다.

면밀히 살펴보면, 설명과 추론 통계의 차이는 이미 주어진 이름에서 분명합니다. "설명 적"은 데이터를 설명하고, "추론"은 수집 된 정보를 기반으로 결론에 도달하거나 연구원이 결론을 내도록 허용합니다.

예를 들어, 특정 고등학교에서 10 대 임신에 대해 조사해야합니다. 설명 적 통계와 추론 통계를 모두 사용하여 특정 수년 동안 학교에서 10 대 임신 사례의 수를 조사합니다. 차이점은 설명 통계를 사용하면 수집 된 데이터를 요약하고 가능한 경우 변경 사항의 패턴을 감지한다는 것입니다. 예를 들어, 지난 5 년 동안 X 고등학교에서 10 대 임신의 대다수는 3 학년에 등록한 사람들에게 일어났습니다. 6 학년 때 3 학년 학생들이 여전히 십대 임신 횟수가 더 많을 것이라고 예측할 필요가 없습니다. 결론뿐만 아니라 예측은 추론 통계에서만 수행됩니다.

기술 또는 결론의 원칙은 연구자의 자료 또는 수집 된 정보에도 적용된다. 서술적인 통계는 단지 십대 임신에 대한 우리의 초기 사례를 다시 언급하면서 묘사 된 인구에만 국한된다. 이를 간단히 말하면 십대 임신과 관련하여 X 고등학교에서 수집 한 데이터는 해당 특정 교육 기관에만 적용됩니다.

추론 통계에서 X 고등학교는 대상 인구의 표본 일 수 있습니다. 뉴욕에서 십대 임신 상태를 알아 내려고한다고 가정 해 봅시다. 뉴욕의 각 고등학교에서 데이터를 수집하는 것은 불가능하므로 X 고등학교는 뉴욕시의 모든 고등학교를 대표하거나 대표하는 표본의 역할을합니다. 물론 이것은 일반적으로 한 표본이 전체 인구를 대표하기에 충분하지 않기 때문에 오차 한계가 있음을 의미합니다. 이 가능한 오류 비율은 데이터를 분석 할 때 고려됩니다. 연구자들은 평균, 중앙값 및 모드와 같은 다양한 계산을 사용하여 데이터를 설명하거나 조사하고 프로세스를 통해 원하는 것을 얻을 수 있습니다.

통계학, 특히 추론은 오늘날의 산업에서 매우 중요합니다. 이는 주로 개인이 향후 의사 결정을 내릴 수있는 잠재력을 지닌 정보를 제공하기 때문입니다.예를 들어 특정 도시의 인구 증가율에 대한 추세 통계를 시작하면 해당 도시에서 상점을 설립할지 여부를 결정할 수있는 근거가 될 수 있습니다. 결론에 도달하기 위해 숫자를 활용한다는 사실은 데이터의 이해 가능성뿐만 아니라 연구의 정확성을 향상시킵니다.

통계 결과는 종종 그래프에서 차트에 이르기까지 다양한 모델을 통해 표시됩니다. 정확성을 높이기 위해 연구원은 인구에 영향을 미치고 수치 데이터로 변환 할 수있는 다양한 요소도 고려합니다. 이렇게하면 오류 확률이 최소화되고 사례에 대한 철저한 요약보기가 이루어집니다.

요약:

1. 기술 통계는 단순히 "연구"를 기술하고 결론이나 예측을 허용하지 않습니다. 2. 추론 통계는 연구자가 결론에 도달하고 우려 영역에 대해 발생할 수있는 변화를 예측할 수있게합니다. 3. 기술 통계는 일반적으로 전체 대상 인구를 포함하는 특정 영역 내에서 작동합니다. 4. 추론 통계는 일반적으로 인구의 표본을 취합니다. 특히 인구가 너무 커서 연구를 수행 할 수없는 경우입니다.