Statistikas secinājums ir metožu kopums, kas, izmantojot statistikas izlasi, ļauj izraisīt noteiktas populācijas uzvedību. Pēc tam statistikas secinājums pēta, kā, piemērojot šīs metodes izlases datiem, var izdarīt secinājumus par datu kopas parametriem. Tādā pašā veidā tā arī pēta no pētījuma iegūto rezultātu ticamības pakāpi.
Lai saprastu jēdzienu, ir svarīgi saprast trīs jēdzienus:
- Secinājums: Secinājums burtiski nozīmē izdarīt spriedumus vai secinājumus no noteiktiem pieņēmumiem, neatkarīgi no tā, vai tie ir vispārīgi vai īpaši.
- Populācija: Datu kopa ir kopējais datu kopums, kas pastāv mainīgajā.
- Statistikas paraugs: Izlase ir daļa no datu kopas.
Skaidrībā par to, ko mēs saprotam ar secināšanas jēdzienu, viena no galvenajām šaubām slēpjas faktā, ka populācijas vietā izvēlas izlasi.
Parasti statistikā jūs strādājat ar izlasēm, jo populācijai ir liels datu apjoms. Piemēram, ja mēs vēlamies izdarīt secinājumus, tas ir, secināt par vispārējo vēlēšanu rezultātiem, nav iespējams jautāt visiem valsts iedzīvotājiem. Lai atrisinātu šo problēmu, tiek izvēlēts daudzveidīgs un reprezentatīvs paraugs. Pateicoties tam, var iegūt gala rezultāta novērtējumu. Par piemērota parauga izvēli atbild dažādas paraugu ņemšanas metodes.
Otra lieliskā statistikas nozare ir aprakstošā statistika.
Statistiskās secināšanas metodes
Statistiskās secināšanas metodes un paņēmienus var iedalīt divās: parametru novērtēšanas metodes un hipotēžu pārbaudes metodes.
- Parametru novērtēšanas metodes: Tas ir atbildīgs par vērtības piešķiršanu parametram vai parametru kopai, kas raksturo pētāmo lauku. Protams, tā kā tā ir aplēse, pastāv zināma kļūda. Lai iegūtu šai realitātei pielāgotus novērtējumus, tiek izveidoti ticamības intervāli.
- Hipotēžu pārbaudes metodes: Tās mērķis ir pārbaudīt, vai novērtējums atbilst populācijas vērtībām. Visās hipotēžu pārbaudēs ir divi pieņēmumi. Nulles hipotēze (H0), kas atspoguļo domu, ka vērtībai ir iepriekš noteikta vērtība. Ja nulles hipotēze (H0) tiek noraidīta, tiek pieņemta alternatīvā hipotēze (H1).