Hvad er de forskellige dataanalyseteknikker?

Dataanalyseteknikker giver forskere mulighed for at gennemgå indsamlede data og foretage konklusioner eller bestemmelse fra informationen.De fleste teknikker fokuserer på anvendelse af kvantitative teknikker til at gennemgå dataene.Et par af de mere populære kvantitative dataanalyseteknikker inkluderer beskrivende statistikker, efterforskende dataanalyse og bekræftende dataanalyse.De sidstnævnte to involverer brugen af støtte eller ikke understøtter en forudbestemt hypotese.Grupper, der muligvis bruger disse teknikker, inkluderer individuelle forskere, studerende, virksomheder, regeringsorganer og aktuarer, blandt andre parter, der har brug for information og data.

Kvantitativ dataanalyse forsøger at fjerne forskerbias fra indsamlede data.Tung brug af statistikker, sandsynligheder eller andre matematiske teknikker giver enkeltpersoner mulighed for at bruge standardmetoder til fortolkning af data.Når forskere forsøger at bruge kvalitative dataanalyseteknikker og mdash;Ofte baseret på den enkeltes personlige baggrund, præferencer eller grundlæggende forsknings- og ræsonnementsprincipper og mdash;De indsamlede data kan blive forkert læst eller forkert fortolkes.Derfor er matematiske teknikker mindre modtagelige for disse fejl og ofte mere accepteret af andre individer eller forskere.

Beskrivende statistisk analyse adskiller eller opsummerer data i specifikke grupper.Demografi er et almindeligt sæt beskrivende statistikker.Forskere vil indsamle information vedrørende en befolknings alder, køn, husholdningsstørrelse, indkomst, jobtype og anden information.En anden type beskrivende statistisk analyse er færdiggørelsesprocenten af en quarterback, når man spiller i en fodboldkamp.Hvis quarterbacken afslutter seks ud af otte pasningsforsøg, har han en 75 procent færdiggørelsesprocent.En fejl i denne teknik er manglende evne til statistikken til at give yderligere oplysninger, såsom længden af hver pas.-leaf plot.Hovedformålet med denne teknik er at støtte en angivet hypotese fra en forsker.For eksempel kan en forsker ønske at bevise en hypotese om aldersområdet for ejere, der kører en bestemt type bil, såsom en minivan.For at teste og støtte denne hypotese vil forskeren indsamle information og oprette en kasseplot for at bestemme antallet af ejere inden for hans angivne rækkevidde.Statistikken giver information til støtte for eller ikke understøtter hypotesen og viser, hvor mange outliers der er i de indsamlede data.

Bekræftende dataanalyseteknikker er det modsatte af efterforskningsteknikker.I disse test er forskeren på udkig efter at modbevise nulhypotesen, som er en erklæring, der generelt accepteres som sandt af de fleste enkeltpersoner.For at modbevise nulhypotesen vil forskeren indsamle specifikke oplysninger relateret til hypotesen og teste gennemsnit, varians, p-værdier og konfidensintervaller.Det konfidensinterval, der er bevist ved den bekræftende dataanalyse, vil give oplysninger om, hvor sikker forskeren skal handle om, hvorvidt nulhypotesen er sand eller falsk.