Beschrijvende statistiek is de discipline van het kwantitatief beschrijven van de belangrijkste kenmerken van een verzameling informatie, of de kwantitatieve beschrijving zelf.
Beschrijvende statistieken zijn erg belangrijk, want als we onze ruwe gegevens gewoon zouden presenteren, zou het moeilijk zijn om te zien wat de gegevens vertoonden, vooral als er veel van was. Beschrijvende statistieken stellen ons daarom in staat de gegevens op een meer betekenisvolle manier te presenteren, wat een eenvoudigere interpretatie van de gegevens mogelijk maakt.
Als we bijvoorbeeld de resultaten van 100 cursussen van studenten hebben, zijn we mogelijk geïnteresseerd in de algehele prestaties van die studenten. We zijn ook geïnteresseerd in de verdeling of verspreiding van de cijfers. Beschrijvende statistieken stellen ons in staat om dit te doen. Het correct beschrijven van gegevens door middel van statistieken en grafieken is een belangrijk onderwerp en wordt besproken in andere Laerd Statistics-handleidingen. Doorgaans zijn er twee algemene typen statistieken die worden gebruikt om gegevens te beschrijven:
Maatregelen van centrale tendens: dit zijn manieren om de centrale positie van een frequentieverdeling voor een groep gegevens te beschrijven. In dit geval is de frequentieverdeling gewoon de verdeling en het patroon van de scores die door de 100 studenten van het laagste naar het hoogste cijfer worden gescoord.
Spreidingsmaatregelen: dit zijn manieren om een groep gegevens samen te vatten door te beschrijven hoe verspreid de scores zijn. De gemiddelde score van onze 100 studenten kan bijvoorbeeld 65 van de 100 zijn. Niet alle studenten hebben echter 65 punten behaald. Integendeel, hun scores zullen worden verspreid. Sommige zullen lager zijn en andere hoger. Met spreidingsmaatregelen kunnen we samenvatten hoe verspreid deze scores zijn.
Wanneer we beschrijvende statistieken gebruiken, is het nuttig om onze groep gegevens samen te vatten met behulp van een combinatie van een getabuleerde beschrijving (d.w.z. tabellen), een grafische beschrijving (d.w.z. grafieken en diagrammen) en statistische commentaar (d.w.z. een bespreking van de resultaten).
Wat is de relatie tussen beschrijvende en inferentiële statistieken?
Beschrijvende statistiek omvat een beschrijving van gegeven voorbeeldgegevens, zonder oordeel te vellen over de populatie. Bijvoorbeeld: steekproefgemiddelde kan worden berekend op basis van steekproef en het is een beschrijvende statistiek. Inferentiële statistieken leiden een conclusie over populatie af op basis van steekproef. Bijvoorbeeld, leidend dat de meerderheid van de mensen één kandidaat ondersteunt (op basis van een gegeven steekproef). Relatie: Omdat we geen toegang hebben tot de volledige populatie, gebruiken we beschrijvende statistieken om inferentiële conclusies te trekken.
Waarom zijn maatregelen van centrale tendentie essentieel voor beschrijvende statistieken?
Omdat bij het beschrijven van een reeks gegevens ons belangrijkste belang meestal de centrale waarde van de distributie is. In beschrijvende statistieken leggen we de kenmerken van een reeks gegevens uit de hand - we maken geen conclusies over de grotere populatie waaruit de gegevens afkomstig zijn (dat zijn inferentiële statistieken). Daarbij is onze belangrijkste vraag meestal 'waar is het centrum van de distributie'. Om die vraag te beantwoorden, gebruiken we gewoonlijk het gemiddelde, de mediaan of de modus, afhankelijk van het type gegevens. Deze drie centrale tendensmetingen geven het centrale punt aan w
Hoe bereken ik de volgende statistieken van de levensduurverwachting van de motor? (statistieken, zou dit echt op prijs stellen)
"a)" 4 "b) 0.150158" "c) 0.133705" "Merk op dat een waarschijnlijkheid niet negatief kan zijn, daarom denk ik dat" "we moeten aannemen dat x van 0 tot 10 gaat." "Eerst en vooral moeten we c bepalen zodat de som van alle" "kansen 1 is:" int_0 ^ 10 cx ^ 2 (10 - x) "" dx = c int_0 ^ 10 x ^ 2 (10 - x) " "dx = 10 c int_0 ^ 10 x ^ 2 dx - c int_0 ^ 10 x ^ 3 dx = 10 c [x ^ 3/3] _0 ^ 10 - c [x ^ 4/4] _0 ^ 10 = 10000 c / 3 - 10000 c / 4 = 10000 c (1/3 - 1/4) = 10000 c (4 - 3) / 12 = 10000 c / 12 = 1 => c = 12/10000 = 0.0012 "a) varianti