Vilka är de olika dataanalyssteknikerna?

Dataanalysstekniker gör det möjligt för forskare att granska insamlade data och göra slutsatser eller beslutsamhet från informationen. De flesta tekniker fokuserar på tillämpningen av kvantitativa tekniker för att granska data. Några av de mer populära kvantitativa dataanalyssteknikerna inkluderar beskrivande statistik, undersökningsdataanalys och bekräftande dataanalys. De två senare involverar användning av stöd eller inte stödjer 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 forskarens förspänning från insamlade data. Tung användning av statistik, sannolikheter eller andra matematiska tekniker gör det möjligt för individer att använda standardmetoder för tolkning av data. När forskare försöker använda kvalitativa dataanalysstekniker - ofta baserade på individens personliga bakgrund, prefereNCES eller grundläggande forsknings- och resonemangsprinciper - de insamlade uppgifterna kan tolkas felaktigt eller felaktigt tolkas. Därför är matematiska tekniker mindre mottagliga för dessa fel och ofta mer accepterade av andra individer eller forskare.

Beskrivande statistisk analys Separera eller sammanfatta data i specifika grupper. Demografi är en vanlig uppsättning beskrivande statistik. Forskare kommer att samla in information om befolkningens ålder, kön, hushållsstorlek, inkomst, jobbtyp och annan information. En annan typ av beskrivande statistisk analys är slutförandet av en quarterback när man spelar i en fotbollsmatch. Om quarterbacken slutför sex av åtta passförsök, har han en 75 procents slutförandeprocent. En brist i denna teknik är oförmågan för statistiken att tillhandahålla ytterligare information, till exempel längden på varje pass.

undersökningsdata aNalysstekniker involverar ofta användning av rutor, histogram, pareto-diagram, spridningsdiagram eller en stam-och-bladdiagram. Huvudsyftet med denna teknik är att stödja en angiven hypotes från en forskare. Till exempel kan en forskare vilja bevisa en hypotes om åldersintervallet för ägare som kör en specifik typ av bil, till exempel en minivan. För att testa och stödja denna hypotes kommer forskaren att samla in information och skapa en rutan för att bestämma antalet ägare inom hans uttalade sortiment. Statistiken kommer att tillhandahålla information för att stödja eller inte stödja hypotesen och visa hur många outliers som finns i de samlade uppgifterna.

Bekräftande dataanalysstekniker är motsatsen till undersökningstekniker. I dessa tester ser 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 AVERage, varians, p-värden och konfidensintervall. Konfidensintervallet som bevisats genom den bekräftande dataanalysen kommer att ge information om hur säker forskaren bör handla om huruvida nollhypotesen är sant eller falsk.

ANDRA SPRÅK

Hjälpte den här artikeln dig? Tack för feedbacken Tack för feedbacken

Hur kan vi hjälpa? Hur kan vi hjälpa?