In de snelle wereld van vandaag spelen statistieken een grote rol op het gebied van onderzoek; dat helpt bij het verzamelen, analyseren en presenteren van gegevens in een meetbare vorm. Het is vrij moeilijk om te identificeren of het onderzoek afhankelijk is van beschrijvende statistieken of inferentiële statistieken, aangezien mensen meestal geen kennis hebben van deze twee takken van statistiek. Zoals de naam al doet vermoeden, beschrijvende statistieken is er een die de bevolking beschrijft.
Aan de andere kant, Inferentiële statistieken wordt gebruikt om de generalisatie over de populatie te maken op basis van de monsters. Er is dus een groot verschil tussen beschrijvende en inferentiële statistieken, d.w.z. wat u met uw gegevens doet. Laten we een blik werpen op dit artikel voor meer informatie over de twee onderwerpen.
Basis voor vergelijking | Beschrijvende statistieken | Inferentiële statistieken |
---|---|---|
Betekenis | Beschrijvende statistiek is die tak van statistieken die zich bezighoudt met het beschrijven van de populatie die wordt bestudeerd. | Inferentiële statistiek is een soort van statistieken, die zich richt op het trekken van conclusies over de populatie, op basis van steekproefanalyse en observatie. |
Wat het doet? | Organiseer, analyseer en presenteer gegevens op een zinvolle manier. | Vergelijkt, test en voorspelt gegevens. |
Vorm van het uiteindelijke resultaat | Grafieken, grafieken en tabellen | Waarschijnlijkheid |
Gebruik | Om een situatie te beschrijven. | Om de kansen van het optreden van een evenement uit te leggen. |
Functie | Het verklaart de gegevens, die al bekend zijn, om het monster samen te vatten. | Het probeert de conclusie te trekken om meer te weten te komen over de populatie, die verder gaat dan de beschikbare gegevens. |
Beschrijvende statistiek verwijst naar een discipline die kwantitatief de belangrijke kenmerken van de dataset beschrijft. Voor het doel van het beschrijven van eigenschappen gebruikt het metingen van centrale neiging, d.w.z. gemiddelde, mediaan, modus en de maten van spreiding d.w.z. bereik, standaarddeviatie, kwartielafwijking en variantie, enz..
De gegevens worden op een handige manier door de onderzoeker samengevat met behulp van numerieke en grafische hulpmiddelen zoals grafieken, tabellen en grafieken, om gegevens op een nauwkeurige manier weer te geven. Bovendien wordt de tekst ter ondersteuning van de diagrammen gepresenteerd om uit te leggen wat zij vertegenwoordigen.
Inferentiële statistiek heeft alles te maken met generaliseren van het monster tot de populatie, d.w.z. de resultaten van de analyse van het monster kunnen worden afgeleid van de grotere populatie waaruit het monster wordt genomen. Het is een handige manier om conclusies te trekken over de populatie wanneer het niet mogelijk is om elk lid van het universum te bevragen. Het gekozen monster is een vertegenwoordiger van de gehele populatie; daarom moet het belangrijke kenmerken van de bevolking bevatten.
Inductieve statistieken worden gebruikt om de waarschijnlijkheid van eigenschappen van de populatie te bepalen op basis van de eigenschappen van het monster, door gebruik te maken van de waarschijnlijkheidstheorie. De belangrijkste inferentiële statistieken zijn gebaseerd op de statistische modellen zoals variantie-analyse, chi-kwadraat-test, student-t-verdeling, regressie-analyse, enz. Methoden van inferentiële statistieken:
Het verschil tussen beschrijvende en inferentiële statistieken kan duidelijk worden getrokken om de volgende redenen:
We hebben dus genoeg discussie over de twee onderwerpen, het enige dat u moet weten is dat beschrijvende statistieken allemaal betrekking hebben op het illustreren van uw huidige dataset, terwijl inferentiële statistieken zich richten op het maken van aannames over de extra populatie, die verder gaat dan de dataset die wordt bestudeerd. Hoewel beschrijvende statistieken de sommatie geven van de gegevens die de onderzoeker daadwerkelijk heeft bestudeerd, terwijl inferentiële statistieken, de generalisatie maakt, wat betekent dat de aan u verstrekte gegevens niet daadwerkelijk worden bestudeerd.