Forskjell mellom beskrivende og inferensiell statistikk: beskrivende vs inferensiell statistikk sammenlignet

Anonim

Beskrivende vs Inferential Statistics

Statistikk er disiplinen for innsamling, analyse og presentasjon av data. Statistikkteori er delt inn i to grener på grunnlag av informasjonen de produserer ved å analysere dataene.

Hva er Beskrivende statistikk?

Beskrivende statistikk er grenen av statistikk som beskriver hovedegenskapene til et datasett kvantitativt. For å representere egenskapene til et datasett så nøyaktig som mulig, blir dataene oppsummert ved hjelp av enten grafiske eller numeriske verktøy.

Den grafiske oppsummeringen gjøres ved å tabulere, gruppere og tegne verdiene av interessene av interesse. Frekvensfordeling og relative frekvensfordelingshistogrammer er slike representasjoner. De skildrer fordelingen av verdiene i hele befolkningen.

Den numeriske oppsummeringen innebærer beregning av beskrivende tiltak som gjennomsnitt, modus og gjennomsnitt. De beskrivende tiltakene er videre kategorisert i to klasser; de er tiltak av sentral tendens og tiltak av spredning / variasjon. Tiltakene av sentral tendens er middel / middel, median og modus. Hver har sin egen grad av anvendelighet og nytte. Hvor man kan mislykkes, kan den andre representere datasettet bedre.

Som navnet tilsier, involverer spredningstiltak måling av fordelingen av dataene. Utvalget, standardavvik, varians, prosentiler og kvartilområder og variasjonskoeffisient er tiltak av dispersjon. De gir informasjon om spredning av dataene.

Et enkelt eksempel på bruk av beskrivende statistikk er å beregne karakterpoeng gjennomsnitt av en student. GPA er i hovedsak det vektede gjennomsnittet av studentens resultater og er en refleksjon av den generelle akademiske prestasjonen til den aktuelle studenten.

Hva er Inferential Statistics?

Inferensiell statistikk er grenen av statistikk, som danner konklusjoner om den berørte befolkningen fra datasettet oppnådd fra en prøve utsatt for tilfeldige, observasjons- og prøvetakingsvarianter. Generelt blir resultater oppnådd fra en tilfeldig prøve av befolkningen, og konklusjonene avledet fra prøven blir deretter generalisert for å representere hele befolkningen.

Prøven er en delmengde av befolkningen, og målinger av beskrivende statistikk for dataene som er innhentet fra prøven, kalles bare statistikk.Tiltakene av beskrivende statistikk hentet fra analysen av prøven er kjent som parametere når de brukes på befolkningen, og de representerer hele befolkningen.

Inferentiell statistikk fokuserer på hvordan man generaliserer statistikken hentet fra en prøve så nøyaktig som mulig for å representere befolkningen. En bekymringsfaktor er prøvenes natur. Hvis prøven er partisk, er resultatene også partisk, og parametrene basert på disse representerer ikke hele befolkningen riktig. Derfor er prøvetaking en viktig studie av inferensiell statistikk. Statistiske antagelser, Statistisk beslutningsteori, og estimeringsteori, hypotesetesting, utforming av eksperimenter, variansanalyse og analyse av regresjon er fremtredende temaer i teorien om inferensiell statistikk.

Et godt eksempel på inferensiell statistikk i aksjon er forutsigelsen av resultatet av et valg før avstemningen ved avstemning.

Hva er forskjellen mellom beskrivende og inferensiell statistikk?

• Beskrivende statistikk er fokusert på å oppsummere dataene samlet fra en prøve. Teknikken produserer tiltak av sentral tendens og spredning som representerer hvordan verdiene av variablene er konsentrert og spredt.

• Inferentiell statistikk generaliserer statistikken hentet fra en prøve til den generelle befolkningen som prøven tilhører. Tiltakene fra befolkningen er betegnet som parametere.

• Beskrivende statistikk gjør bare oppsummering av egenskapene til prøven fra hvilke data er ervervet, men i inferensiell statistikk brukes målingen fra prøven for å avlede egenskapene til befolkningen.

• I inferentiell statistikk ble parametrene hentet fra en prøve, men ikke hele populasjonen; Derfor eksisterer det alltid en viss usikkerhet i forhold til de reelle verdiene.