Параметр против статистики: определения, примеры и использование

1 июля 2021 г.

Параметры и статистика играют важную роль в количественных исследованиях, потому что они позволяют исследователям понять, как их данные ведут себя в различных обстоятельствах и как они могут применить свои исследования в реальных ситуациях. Хотя эти две концепции имеют связанную цель, они представляют разные аспекты исследовательского процесса. Исследователи стремятся получить параметр, и использование статистики облегчает им анализ данных. В этой статье мы обсуждаем параметры и статистику, различия между ними, разные статистики и параметры и то, как исследователи используют их в своих исследованиях.

Что такое параметр?

Параметр – это числовая характеристика всей совокупности. Исследователи часто изучают популяции людей, но они также могут включать группы других факторов, таких как:

• Объекты

• Организации

• Регионы

• Разновидность

• Процедуры

• Случаи

Исследователи часто проводят свои исследования, чтобы определить параметры, которые могут дать им важную информацию о конкретной группе населения, которую они изучают. Это может помочь исследователям понять и контролировать его, чтобы они и другие специалисты в своей области могли решать конкретные проблемы в этой группе населения и добиваться успехов, предотвращающих возникновение проблем в будущем. Исследователям легче определить параметры для небольших групп, поскольку их размер облегчает их измерение.

Пример. Фармацевтическая компания дала 1000 добровольцев новую вакцину для определения распространенности болей в теле как побочного эффекта. У 65% добровольцев в течение 48 часов после вакцинации появились боли в теле. Исследователи могут подтвердить точность этого процента, потому что они знают, сколько людей принимали участие в исследовании и сколько людей впоследствии сообщили о болях в теле. Следовательно, этот процент считается параметром.

Что такое статистика?

Статистика – это числовая характеристика выборки населения. Как и параметры, совокупность, используемая при определении статистики, может включать любую измеримую группу, и исследователи используют статистику для решения проблем и предотвращения их возникновения в будущем. Статистика похожа на параметры, потому что они оба описывают определенную группу. Однако статистика описывает выборку большой группы, а не всей группы.

Пример: 80% студентов колледжей в США сообщают, что едят пиццу не реже одного раза в неделю. Поскольку количество студентов колледжей в США постоянно меняется и охватывает значительную часть населения, исследователи рассчитывают эту статистику путем опроса выборки всех студентов колледжей в США. Это делает их вывод статистикой, а не параметром.

Параметр против статистики

Небольшие группы позволяют исследователям определять точные параметры, в то время как выборки больших групп, которые часто меняются или содержат неизмеримые элементы, дают исследователям информацию, необходимую им для получения статистических данных о группе. Если исследователи могут определить, что рассчитанное ими численное значение представляет всю популяцию, включенную в их исследование, у них есть параметр. Если их исследование раскрывает факты о выборке из большей совокупности, и эта выборка отражает большую совокупность, исследователь вычислил статистику.

Часто задаваемые вопросы

Вот некоторые часто задаваемые вопросы о параметрах и статистике:

Какие бывают типы параметров?

Существует два основных типа параметров: меры центральной тенденции и меры вариации. Меры центральной тенденции сообщают исследователям, насколько центрированы значения вокруг определенной точки на шкале. Они включают в себя три компонента:

• Среднее: Чтобы вычислить среднее, также называемое средним, сложите все значения данных и разделите их на количество значений данных в наборе. Например, если ваш набор данных равен 1, 1, 2, 4 и 8, вы добавите их, чтобы получить 16, и разделите их на 4, чтобы получить среднее значение 4.

• Медиана: Медиана — это среднее значение в наборе, когда набор упорядочен от самого низкого до самого высокого. Например, медиана 1, 1, 2, 4 и 8 — это число в середине, равное 2.

• Режим: режим — это число, которое чаще всего встречается в наборе. Например, режим 1, 1, 2, 4 и 8 равен 1, потому что он появляется дважды, а другие числа появляются один раз.

Меры вариации сообщают исследователям, насколько разбросаны числа вокруг центрального значения набора данных. Меры вариации включают:

• Диапазон: диапазон представляет собой разницу между самым низким и самым высоким значением в наборе данных. Например, диапазон 1, 1, 2, 4 и 8 равен 7, потому что наибольшее число (8) минус наименьшее число (1) равно 7.

• Стандартное отклонение. Стандартное отклонение дает исследователям приблизительное представление о средней величине отклонения каждого значения в наборе данных от его центрального значения, которое они рассчитывают путем вычитания среднего значения из определенного значения в наборе. Например, если среднее значение набора данных равно 4, то стандартное отклонение значения данных, равного 1, равно -3.

• Дисперсия. Дисперсия набора данных представляет собой среднее квадратов расстояний от его среднего значения, для определения которого исследователи используют сложную математическую формулу. Дисперсия набора данных 1, 1, 2, 4 и 8 составляет 6,96.

Какие бывают виды статистики?

В исследованиях используются два типа статистики: описательная и логическая. Описательная статистика позволяет исследователям описывать свои данные на основе их свойств. Примеры описательной статистики включают:

• Меры частоты, которые показывают, как часто встречается конкретное значение.

• Меры центральной тенденции, которые показывают средние или общие значения

• Меры дисперсии или вариации, которые показывают распределение данных

• Меры положения, которые позволяют исследователям сравнивать данные с другими данными.

Логическая статистика позволяет исследователям анализировать свои результаты и делать выводы о населении, которое они выбрали в своем исследовании. Примеры логической статистики включают:

• Т-тест: инструмент, используемый для определения того, отличается ли среднее значение популяции от среднего, выдвинутого исследователем.

• Доверительный интервал: диапазон значений данных для неизвестного параметра.

• Таблица непредвиденных обстоятельств: частотное распределение переменных

• Корреляция Пирсона: сила линейной зависимости между двумя значениями данных.

• Двумерная регрессия: связь между двумя значениями данных

• Многомерная регрессия: взаимосвязь между тремя или более значениями данных.

Почему исследователи используют статистику?

Статистика помогает исследователям понять, как данные из групп выборки соотносятся с более крупными группами населения, которые они представляют. Исследователи используют эту информацию, чтобы отвечать на вопросы, прогнозировать результаты и продолжать свои исследования. Их выводы могут помочь другим профессионалам в своей отрасли решать проблемы, вносить изменения и предотвращать будущие проблемы, предоставляя им ресурсы для выявления и удовлетворения потребностей. Производственная компания, например, может извлечь пользу из исследования того, какую упаковку предпочитают потребители, потому что они могут использовать результаты, чтобы решить, какую упаковку выбрать для своей продукции.

Когда параметры используются в исследованиях?

Исследователи используют параметры, когда их исследование требует значений данных от каждого элемента совокупности. Затем они могут использовать эти параметры в качестве основы для других исследований, чтобы принять важные решения о дальнейших действиях. Например, страховая компания может использовать параметры своих общих расходов на медицинские расходы держателей полисов, чтобы принять решение о франшизе или премии на следующий год.