Aprakstošā statistika ir disciplīna, kas ir atbildīga par datu kopas vākšanu, glabāšanu, pasūtīšanu, tabulu vai diagrammu izveidošanu un pamatparametru aprēķināšanu.
Aprakstošā statistika kopā ar statistikas secinājumiem vai secinošo statistiku ir viena no divām lielākajām statistikas nozarēm. Pats nosaukums to norāda, mēģina kaut ko aprakstīt. Bet neraksturojiet to nekādā veidā, bet gan kvantitatīvi. Apsveriet dārzeņu kastes svaru, cilvēka augumu vai naudas summu, ko uzņēmums nopelna. Mēs varētu pateikt daudzas lietas par šiem mainīgajiem. Piemēram, mēs varētu norādīt, ka šī vai šī tomātu kaste sver daudz vai sver mazāk nekā citi. Turpinot ar citu piemēru, mēs varētu teikt, ka uzņēmuma ienākumi laika gaitā ļoti atšķiras vai ka cilvēkam ir vidējs augums.
Lai diktētu iepriekš minētos apgalvojumus par daudz, maz, augstu, zemu, ļoti mainīgu vai maz mainīgu, mums ir nepieciešami mērījumu mainīgie. Tas ir, mums tie jāizsaka skaitļos, jāpiedāvā skaitlis. Paturot to prātā, mēs varētu izmantot gramus vai kilogramus kā mērvienību, lai atrastu tik daudz tomātu kastīšu svaru, cik mēs uzskatām. Kad būsim nosvēruši trīsdesmit kastes, mēs zināsim, kuras sver vairāk, kuras sver mazāk, cik daudz atkārtojas visvairāk vai ja starp dažādu kastīšu svariem ir daudz atšķirību.
Ar šo ideju tika izveidota aprakstoša statistika, lai apkopotu datus, tos uzglabātu, izveidotu tabulas vai pat diagrammas, kas mums piedāvā informāciju par noteiktu tēmu. Turklāt viņi piedāvā mums pasākumus, kas apkopo informāciju par lielu datu apjomu.
Statistisko mainīgo veidi
Aprakstošās statistikas ietvaros mēs varam aprakstīt datus kvalitatīvi vai kvantitatīvi.
- Kvalitatīvais mainīgais: Tas attiecas uz kvalitāti. Piemēri: cilvēka acu krāsa vai matu krāsa.
- Kvantitatīvais mainīgais: Tas attiecas uz kvantitatīvu mēru. Piemēri: cilvēka augums centimetros vai personas svars kilogramos.
Tādējādi uz šiem mainīgajiem var aprēķināt noteiktus parametrus. Jo īpaši attiecībā uz kvantitatīvajiem mainīgajiem. Tā kā, piemēram, kāda ir vidējā acu krāsas vērtība? Ja ir pieci cilvēki ar zilu acu krāsu un pieci ar zaļu acu krāsu, vidējais rādītājs nenozīmē, ka viņiem ir vidēji zila-zaļa acu krāsa. Tāpēc tādā gadījumā nebūtu iespējams aprēķināt dažus parametrus, kurus mēs redzēsim tālāk.
Statistiskais mainīgaisStatistikas pamatparametri
Lai apkopotu informāciju, tika izstrādātas dažādas formulas, kas piedāvāja noteikta veida pasākumus. Tādējādi ir daži, kas mums piedāvā informāciju par centru, citi par izkliedi vai mainīgumu un citi par vērtības pozīciju.
- Centrālās tendences mēri: Tā nosaukts, jo tie sniedz informāciju par datu kopu centru. Piemēram, vidējais ir tendences vai centrālās pozīcijas rādītājs, jo vidējais mums dod datu kopas centrālo vērtību. Kur mēs varētu teikt, ka viduspunkts atrodas? Centrā, vidū aptuveni. Vēl viens centrālās tendences mēra piemērs ir mediāna.
- Dispersijas mērījumi: Tos sauc arī par mainīguma rādītājiem. Piemēram, standarta novirze ir mainīguma rādītājs, jo tas mums norāda, vai datu kopas vērtības ir ļoti atšķirīgas vai nē. Vēl divi izkliedes mēru piemēri varētu būt dispersija un statistiskais diapazons.
- Pozīcijas mērījumi: Tie nav vispazīstamākie, taču tos bieži lieto. Piemērs tam ir procentiles vai deciļi. Ja konkrēti dati atrodas 90. procentilē, tas nozīmē, ka 90% datu atrodas zem šiem datiem. Ir arī citi pozīcijas mērījumi, piemēram, kvartiles vai daži varianti, piemēram, pirmā kvartile.
Frekvences sadalījums
Ir arī interesanti redzēt, kā frekvences tiek sadalītas. Lai to izdarītu, mums ir jāzina daži jēdzieni:
- Absolūtais biežums: kopējais reižu skaits, kad novērojums tiek atkārtots. Novērojumus dažreiz var uzrādīt ar intervālu.
- Relatīvais biežums: novērojums vai to kopa tiek atkārtota procentos.
- Uzkrātā frekvence: to var uzkrāt relatīvi vai uzkrāt absolūti. Norāda uzkrāto summu līdz noteiktam novērojumam.
Tabulas un diagrammas aprakstošajā statistikā
Lai gan tabulas un diagrammas nav raksturīgas tikai aprakstošai statistikai, tās to raksturo. Pārskatos, pētījumos un pētījumos grafiku izmantošana ir ļoti izplatīta. Tie palīdz mums parādīt informāciju vienkāršāk un ierobežotāk.
Protams, tabulās un diagrammās ir ļoti daudz veidu. Šeit ir daži bieži izmantotu grafiku un tabulu piemēri.
- Histogramma.
- Bāra grafika.
- Sektoru diagramma.
- Varbūtību tabulas.
- Divdimensiju tabulas.
- Lodziņu diagramma.
Aprakstoši statistikas piemēri
Aprakstošas statistikas piemērs varētu būt gadījums, kad mēs vēlamies aprēķināt vidējos futbolista vārtus vienā spēlē. Tā ir aprakstoša statistika, jo mēs cenšamies aprakstīt mainīgo (mērķu skaitu). Šajā gadījumā, aprēķinot metriku.
Tā teikt, ka Ronaldu pēdējo 30 spēļu laikā guva 1,05 vārtus spēlē, ir pareiza aprakstoša statistikas frāze.
Mēs varētu arī teikt, ka, piemēram, 30% Huana klasesbiedru acis ir zilas, 60% brūnas un pārējās 10% melnas. Tas būtu kvalitatīvs mainīgais (acu krāsa), bet mēs aprakstām tā parādīšanās biežumu.