Vilka är de olika dataanalyssteknikerna?
Dataanalystekniker gör det möjligt för forskare att granska insamlade data och göra slutsatser eller bestämning av informationen. De flesta tekniker fokuserar på tillämpning av kvantitativa tekniker för att granska uppgifterna. Några av de mer populära kvantitativa dataanalysteknikerna inkluderar beskrivande statistik, undersökande dataanalys och bekräftande dataanalys. De två senare involverar användningen av att stödja eller inte stödja en förutbestämd hypotes. Grupper som kan använda dessa tekniker inkluderar enskilda forskare, studenter, företag, myndigheter och aktuarier, bland andra parter som behöver information och data.
Kvantitativ dataanalys försöker ta bort forskares partiskhet från insamlade data. Tung användning av statistik, sannolikheter eller andra matematiska tekniker gör det möjligt för individer att använda standardmetoder för att tolka data. När forskare försöker använda kvalitativa dataanalysstekniker - ofta baserade på individens personliga bakgrund, preferenser eller grundläggande principer för forskning och resonemang - kan de insamlade uppgifterna vara fellästa eller felaktigt tolkade. Därför är matematiska tekniker mindre mottagliga för dessa fel och ofta mer accepterade av andra individer eller forskare.
Beskrivande statistisk analys separerar eller sammanfattar data i specifika grupper. Demografi är en vanlig uppsättning beskrivande statistik. Forskare samlar in information om befolkningens ålder, kön, hushållets storlek, inkomst, jobbstyp och annan information. En annan typ av beskrivande statistisk analys är slutförandet av en quarterback när man spelar i en fotbollsmatch. Om quarterbacken fullbordar sex av åtta passförsök, har han en 75 procent färdigprocent. En brist i denna teknik är oförmågan för statistiken att ge ytterligare information, till exempel längden på varje pass.
Undersökande dataanalystekniker involverar ofta användning av låddiagram, histogram, Pareto-diagram, spridningsdiagram eller en stam-och-blad-tomt. Det huvudsakliga syftet med denna teknik är att stödja en uttalad hypotes från en forskare. Till exempel kan en forskare vilja bevisa en hypotes om åldersintervallet för ägare som kör en viss typ av bil, till exempel en minivan. För att testa och stödja denna hypotese kommer forskaren att samla in information och skapa en ruta för att bestämma antalet ägare inom sitt angivna intervall. Statistiken kommer att ge information för att stödja eller inte stödja hypotesen och visa hur många utdelare som finns i den insamlade informationen.
Bekräftande dataanalystekniker är motsatsen till undersökningstekniker. I dessa tester söker forskaren att motbevisa nollhypotesen, vilket är ett uttalande som allmänt accepteras som sant av de flesta individer. För att motbevisa nollhypotesen kommer forskaren att samla in specifik information relaterad till hypotesen och testa medel-, varians-, p-värden och konfidensintervall. Det konfidensintervall som bevisats med den bekräftande dataanalysen kommer att ge information om hur säker forskaren ska vara om nollhypotesen är sann eller falsk.