סטטיסטיקה תיאורית היא המשמעת של תיאור כמותי של המאפיינים העיקריים של אוסף של מידע, או תיאור כמותי עצמו.
סטטיסטיקה תיאורית חשובה מאוד, כי אם רק נציג את הנתונים הגולמיים שלנו יהיה קשה להבהיר מה הנתונים מוצגים, במיוחד אם יש הרבה מזה. הסטטיסטיקה התיאורית מאפשרת לנו להציג את הנתונים בצורה משמעותית יותר, המאפשרת פרשנות פשוטה יותר של הנתונים.
לדוגמה, אם היו לנו תוצאות של 100 חתיכות של הקורסים של התלמידים, אנו עשויים להיות מעוניינים בביצועים הכוללים של התלמידים האלה. היינו מעוניינים גם בהפצה או בהתפשטות של הסימנים. נתונים סטטיסטיים תיאוריים מאפשרים לנו לעשות זאת. כיצד לתאר כראוי נתונים באמצעות נתונים סטטיסטיים וגרפים הוא נושא חשוב ו נדון אחרים מדריכי לסטטיסטיקה לירד. בדרך כלל, ישנם שני סוגים כלליים של נתונים סטטיסטיים המשמשים לתיאור נתונים:
מדדי נטייה מרכזית: אלה הן דרכים לתאר את המיקום המרכזי של התפלגות התדרים עבור קבוצת נתונים. במקרה זה, התפלגות התדר היא פשוט התפלגות ודפוס של סימנים שנצברו על ידי 100 תלמידים מהנמוך ביותר עד הגבוה ביותר.
מדדי התפשטות: אלה הם דרכים לסכם קבוצה של נתונים על ידי תיאור איך להפיץ את הציונים הם. לדוגמה, הציון הממוצע של 100 הסטודנטים שלנו עשוי להיות 65 מתוך 100. עם זאת, לא כל התלמידים היו ציון 65 סימנים. במקום זאת, ציונים שלהם יהיה פרוש. חלקם יהיו נמוכים יותר ואחרים. מדדי התפשטות מסייעים לנו לסכם את התפשטות התוצאות.
כאשר אנו משתמשים בנתונים סטטיסטיים תיאוריים, כדאי לסכם את קבוצת הנתונים שלנו באמצעות שילוב של תיאור טבלאי (כלומר טבלאות), תיאור גרפי (כלומר גרפים ותרשימים) ופרשנות סטטיסטית (כלומר, דיון בתוצאות).
מהי חשיבותה של האטמוספרה?
האטמוספירה היא המעטפה של גז המקיפה כל גוף שמימי. החשיבות של האטמוספרה של כדור הארץ היא: - => נוכחות האווירה משחקת תפקיד משמעותי במחזור המים. זה מקל על היווצרות של עננים אשר נשאר תלוי עד שהם כבדים מספיק כדי לשפוך על האדמה כמו גשם, ברד או שלג. => מגן על צורות החיים של כדור הארץ מפני קרני UV מזיקות של השמש. הנוכחות של שכבת האוזון עושה זאת על ידי המשקף את קרני UV של השמש. => זה שומר על הטמפרטורה של כדור הארץ קבוע, כך שהוא מתאים לתמוך בחיים. => הוא מגן על כדור הארץ מפני מטאורים קטנים יותר. => מכיל N_2, O_2 וגזים אחרים הדרושים לתמיכה בצורת החיים על פני כדור הארץ. => מקל על הבעירה ובלי שרפה האווירה אינה אפשרית.
מדוע מדדים של נטייה מרכזית חיוניים לסטטיסטיקה תיאורית?
כי בתיאור קבוצת נתונים, האינטרס העיקרי שלנו הוא בדרך כלל הערך המרכזי של ההתפלגות. בסטטיסטיקה תיאורית, אנו מסבירים את המאפיינים של קבוצת נתונים ביד - אנחנו לא עושים מסקנות על האוכלוסייה גדולה יותר מהמקום שבו הנתונים מגיעים (זה סטטיסטיקה סטטיסטית). בעשותנו כן, השאלה העיקרית שלנו היא בדרך כלל 'איפה מרכז ההפצה'. כדי לענות על שאלה זו, אנחנו בדרך כלל להעסיק גם את הממוצע, החציון או את המצב, בהתאם לסוג הנתונים. שלושת אמצעי נטייה מרכזיים אלה מצביעים על הנקודה המרכזית שעליה מתרכזים כל הנתונים. לכן זה אחד משני חלקים חיוניים של סטטיסטיקה תיאורית. החלק האחר הוא מדד הפיזור, המסביר עד כמה הנתונים מופצים סביב הנטייה המרכזית. אז עם
שאלת סטטיסטיקה? + דוגמה
כל סוללה עם חיים של פחות מ 35 שעות צריך להיות מוחלף. זהו יישום פשוט של עקרונות סטטיסטיים. הדברים העיקריים שיש לשים לב הם סטיית תקן ואחוז. אחוז (1%) אומר לנו שאנחנו רוצים רק את אותו חלק של האוכלוסייה כי הוא פחות סביר מאשר 3sigma, או 3 סטיות תקן פחות הממוצע (זה בעצם על 99.7%). אז, עם סטיית תקן של 6 שעות, ההבדל מהממוצע עבור הגבול התחתון הרצוי בחיים הוא: 50 - 3xx6 = 50 - 18 = 32hours משמעות הדבר היא כי כל סוללה עם פחות מ 32 שעות של החיים יוחלפו. מה הנתונים הסטטיסטיים אומרים כי טווח של 32 עד 68 שעות יכלול 99.7% מכלל הסוללות ALL המיוצר. לדוגמה, בסוף "גבוה", זה אומר כי רק 0.3% מכלל הסוללות יש חיים של 68 שעות או יותר. אי