Jakie są różne techniki analizy danych?
Techniki analizy danych umożliwiają badaczom przegląd zebranych danych i wnioski lub określanie informacji. Większość technik koncentruje się na zastosowaniu technik ilościowych do przeglądu danych. Kilka bardziej popularnych technik analizy danych, obejmują statystyki opisowe, analiza danych eksploracyjnych i analizę danych potwierdzających. Dwa ostatnie wymagają zastosowania wspierania lub nie potwierdzania z góry określonej hipotezy. Grupy, które mogą korzystać z tych technik, obejmują poszczególnych badaczy, studentów, przedsiębiorstwa, agencje rządowe i aktuariusze, wśród innych stron potrzebujących informacji i danych.
Próby analizy danych ilościowych w celu usunięcia stronniczości badaczy zebranych danych. Ciężkie stosowanie statystyki, prawdopodobieństw lub innych technik matematycznych pozwala osobom stosować standardowe metody interpretacji danych. Kiedy naukowcy próbują stosować jakościowe techniki analizy danych - często oparte na osobistym pochodzeniu jednostki, preferująNCES lub podstawowe zasady badań i rozumowania - zebrane dane mogą być źle odczytane lub nieprawidłowo interpretowane. Dlatego techniki matematyczne są mniej podatne na te błędy i często bardziej akceptowane przez inne osoby lub badaczy.
opisowa analiza statystyczna Oddziel lub podsumuj dane do określonych grup. Dane demograficzne są wspólnym zestawem statystyk opisowych. Naukowcy zgromadzą informacje dotyczące wieku populacji, płci, wielkości gospodarstwa domowego, dochodu, rodzaju pracy i innymi informacjami. Innym rodzajem opisowej analizy statystycznej jest ukończenie rozgrywającego podczas gry w meczu piłkarskim. Jeśli rozgrywający ukończy sześć z ośmiu prób podania, ma 75 -procentowy procent ukończenia. Wadą tej techniki jest niezdolność statystyk do dostarczania dodatkowych informacji, takich jak długość każdego przejścia.
Dane eksploracyjne aTechniki nalizy często obejmują stosowanie wykresów pudełkowych, histogramów, wykresów Pareto, wykresów rozrzutu lub wykresu macierzystego i liści. Głównym celem tej techniki jest wsparcie podanej hipotezy od badacza. Na przykład badacz może chcieć udowodnić hipotezę o przedziale wiekowym właścicieli, którzy prowadzą określony rodzaj samochodu, taki jak minivan. Aby przetestować i poprzeć tę hipotezę, badacz zebierze informacje i utworzy wykres pudełkowy w celu ustalenia liczby właścicieli w jego określonym zakresie. Statystyki dostarczy informacji do wsparcia lub nie poparcia hipotezy i pokażą, ile wartości odstających jest w zebranych danych.
Techniki analizy danych potwierdzających są przeciwieństwem technik eksploracyjnych. W tych testach badacz chce obalić hipotezę zerową, która jest stwierdzeniem ogólnie zaakceptowanym przez większość osób jako prawdziwe. Aby obalić hipotezę zerową, badacz zebierze konkretne informacje związane z hipotezą i przetestuje AVERAGE, wariancja, wartości p i przedziały ufności. Przedział ufności udowodniony przez potwierdzającą analizę danych dostarczy informacji o tym, jak pewny powinien być badacz na temat tego, czy hipoteza zerowa jest prawdziwa, czy fałszywa.