Inferential statistics definition investopedia forex

Estatísticas descritivas BREAKING Down Estatísticas descritivas As estatísticas descritivas, em suma, ajudam a descrever e compreender os recursos de um conjunto de dados específico, fornecendo breves resumos sobre a amostra e as medidas dos dados. Os tipos mais reconhecidos de estatística descritiva são a média, a mediana e o modo, que são utilizados em quase todos os níveis de matemática e estatística. No entanto, existem tipos menos comuns de estatística descritiva que ainda são muito importantes. As pessoas usam estatísticas descritivas para reutilizar informações quantitativas difíceis de entender em um grande conjunto de dados em descrições de tamanho de mordida. A média de pontos de alunos (GPA), por exemplo, fornece uma boa compreensão das estatísticas descritivas. A idéia de um GPA é que é preciso dados de uma ampla gama de exames, aulas e notas, e os compõe em conjunto para fornecer uma compreensão geral das habilidades acadêmicas gerais de um aluno. Um GPA pessoal de estudantes reflete seu desempenho acadêmico médio. Medidas de estatística descritiva Todas as estatísticas descritivas, quer sejam a média, a mediana, o modo, o desvio padrão, a curtose ou a aspereza, são medidas de tendência central ou medidas de variabilidade. Essas duas medidas usam gráficos, tabelas e discussões gerais para ajudar as pessoas a entender o significado dos dados que estão sendo analisados. As medidas de tendência central descrevem a posição central de uma distribuição para um conjunto de dados. Uma pessoa analisa a freqüência de cada ponto de dados na distribuição e descreve-a usando a média, a mediana ou o modo, que medem os padrões mais comuns do conjunto de dados em análise. As medidas de variabilidade ou as medidas de disseminação ajudam a analisar a distribuição da distribuição para um conjunto de dados. Por exemplo, enquanto as medidas de tendência central podem dar a uma pessoa a média de um conjunto de dados, ela não descreve como os dados são distribuídos dentro do conjunto. Assim, enquanto a média dos dados pode ser 65 de 100, ainda pode haver pontos de dados em 1 e 100. As medidas de variabilidade ajudam a comunicar isso descrevendo a forma e a disseminação do conjunto de dados. Gama, quartis. Desvio absoluto e variância são exemplos de medidas de variabilidade. Compreendendo as estatísticas descritivas e inferenciais por Ashley Crossman. Especialista em Sociologia Atualizado em 13 de dezembro de 2017. Como trabalhamos e faz sentido que os dados quantitativos dentro da sociologia se dividem em dois campos: estatística descritiva versus estatística inferencial. Em termos simples, as estatísticas descritivas descrevem a população ou o conjunto de dados em estudo, enquanto as estatísticas inferenciais nos permitem obter resultados de um grupo de amostra e generalizá-los para uma população maior. Digamos que digamos mais profundamente as diferenças entre os dois e saiba como cada um é útil na pesquisa em ciências sociais. Continue lendo abaixo das estatísticas descritivas As estatísticas descritivas são as estatísticas básicas que descrevem o que está acontecendo em uma população ou conjunto de dados. Eles são importantes e úteis porque nos permitem ver padrões entre nossos dados e, portanto, dar sentido a esses dados. É importante perceber que as estatísticas descritivas só podem ser usadas para descrever a população ou o conjunto de dados em estudo. Ou seja, os resultados não podem ser generalizados para qualquer outro grupo ou população. Existem dois tipos de estatística descritiva que os cientistas sociais usam: medidas de tendência central e medidas de disseminação. As medidas de tendência central capturam tendências gerais dentro dos dados e são calculadas e expressas como a média. mediana. E modo. Um meio nos diz a média matemática de todos os nossos dados, como, por exemplo, a idade média na primeira base de casamento representa o meio da distribuição de dados, como a idade que se situa no meio da faixa de idades em que as pessoas primeiro se casam e fazem o modo É o valor mais comum presente nos dados, como a idade mais comum em que as pessoas se casam pela primeira vez. Enquanto isso, medidas de disseminação descrevem como os dados são distribuídos e como eles se relacionam. Continue a ler abaixo Medidas estatísticas que nos mostram isso incluem alcance (toda a gama de valores presentes em um conjunto de dados), distribuição de freqüência (quantas vezes um valor particular ocorre dentro de um conjunto de dados), quartis (subgrupos formados dentro de um conjunto de dados quando todos Os valores são divididos em quatro partes iguais em todo o intervalo), desvio absoluto médio (a média de quanto cada valor se desvia da média), variância (ilustra quanto de spread existe em nossos dados) e desvio padrão (ilustra o spread De dados relativos à média). As medidas de propagação são muitas vezes representadas visualmente em tabelas, gráficos de torta e barra e histogramas para ajudar nossa compreensão das tendências dentro dos dados. Estatísticas infernais Enquanto as estatísticas descritivas nos informam informações básicas sobre a população ou o conjunto de dados em estudo, as estatísticas inferenciais são produzidas por cálculos matemáticos mais complexos e nos permitem inferir tendências sobre uma população maior com base em um estudo de uma amostra tirada dela. Usamos estatísticas inferenciais para examinar as relações entre as variáveis ​​dentro de uma amostra e, em seguida, fazer generalizações ou previsões sobre como essas variáveis ​​se relacionarão em uma população maior. A maioria das ciências sociais quantitativas opera com estatísticas inferenciais, pois normalmente é muito dispendioso ou demorado para estudar toda uma população de pessoas. Usando uma amostra estatisticamente válida e estatísticas inferenciais, podemos realizar pesquisas que, de outra forma, não seriam possíveis. (Clique aqui para saber mais sobre os diferentes tipos de amostras e como compilá-los e usá-los.) Ao realizar pesquisas usando estatísticas inferenciais, é importante e necessário realizar um teste de significância para saber se você pode generalizar seus resultados para um maior população. Testes comuns de significância incluem o Qui-quadrado e T-test. Estes nos dizem a probabilidade de os resultados da nossa análise da amostra serem representativos da população que a amostra representa.