Ano ang iba't ibang mga diskarte sa pagsusuri ng data?

Ang mga diskarte sa pagsusuri ng data ay nagpapahintulot sa mga mananaliksik na suriin ang natipon na data at gumawa ng mga inpormasyon o pagpapasiya mula sa impormasyon.Karamihan sa mga pamamaraan ay nakatuon sa aplikasyon ng mga pamamaraan ng dami upang suriin ang data.Ang ilan sa mga mas tanyag na pamamaraan ng pagsusuri ng data ng pagsusuri ay may kasamang mga istatistika na naglalarawan, pagsusuri ng data ng exploratory at pagsusuri ng data ng kumpirmasyon.Ang huling dalawa ay nagsasangkot sa paggamit ng pagsuporta o hindi pagsuporta sa isang paunang natukoy na hypothesis.Ang mga pangkat na maaaring gumamit ng mga pamamaraan na ito ay kinabibilangan ng mga indibidwal na mananaliksik, mag -aaral, negosyo, ahensya ng gobyerno at actuaries, bukod sa iba pang mga partido na nangangailangan ng impormasyon at data.Ang mabibigat na paggamit ng mga istatistika, mga posibilidad o iba pang mga diskarte sa matematika ay nagbibigay -daan sa mga indibidwal na gumamit ng mga karaniwang pamamaraan para sa pagbibigay kahulugan sa data.Kapag tinangka ng mga mananaliksik na gumamit ng mga diskarte sa pagsusuri ng data ng husay at MDASH;madalas batay sa personal na background ng indibidwal, kagustuhan o pangunahing pananaliksik at mga prinsipyo ng pangangatuwiran at MDASH;Ang natipon na data ay maaaring mali o hindi wastong kahulugan.Samakatuwid, ang mga diskarte sa matematika ay hindi gaanong madaling kapitan sa mga pagkakamali na ito at madalas na tinanggap ng ibang mga indibidwal o mananaliksik.Ang mga demograpiko ay isang pangkaraniwang hanay ng mga naglalarawan na istatistika.Ang mga mananaliksik ay magtitipon ng impormasyon na may kaugnayan sa edad, kasarian, laki ng sambahayan, kita, uri ng trabaho at iba pang impormasyon.Ang isa pang uri ng descriptive statistical analysis ay ang porsyento ng pagkumpleto ng isang quarterback kapag naglalaro sa isang laro ng football.Kung nakumpleto ng quarterback ang anim sa walong mga pagtatangka sa pass, mayroon siyang 75 porsyento na porsyento sa pagkumpleto.Ang isang kapintasan sa pamamaraang ito ay ang kawalan ng kakayahan para sa mga istatistika na magbigay ng karagdagang impormasyon, tulad ng haba ng bawat pass.-Leaf plot.Ang pangunahing layunin para sa pamamaraang ito ay upang suportahan ang isang nakasaad na hypothesis mula sa isang mananaliksik.Halimbawa, ang isang mananaliksik ay maaaring pagnanais na patunayan ang isang hypothesis tungkol sa edad na hanay ng mga may -ari na nagtutulak ng isang tiyak na uri ng kotse, tulad ng isang minivan.Upang masubukan at suportahan ang hypothesis na ito, ang mananaliksik ay magtitipon ng impormasyon at lumikha ng isang plot ng kahon upang matukoy ang bilang ng mga may -ari sa loob ng kanyang nakasaad na saklaw.Ang mga istatistika ay magbibigay ng impormasyon upang suportahan o hindi suportahan ang hypothesis at ipakita kung gaano karaming mga outlier ang nasa natipon na data.

Ang mga diskarte sa pagsusuri ng data ng kumpirmasyon ay kabaligtaran ng mga diskarte sa pagsaliksik.Sa mga pagsubok na ito, ang mananaliksik ay naghahanap upang tanggihan ang null hypothesis, na kung saan ay isang pahayag na karaniwang tinatanggap bilang totoo ng karamihan sa mga indibidwal.Upang hindi mapigilan ang null hypothesis, ang mananaliksik ay magtitipon ng mga tiyak na impormasyon na may kaugnayan sa hypothesis at subukan ang average, pagkakaiba-iba, p-halaga at agwat ng kumpiyansa.Ang agwat ng kumpiyansa na napatunayan ng pagtatasa ng data ng kumpirmasyon ay magbibigay ng impormasyon kung paano tiwala ang mananaliksik tungkol sa kung ang null hypothesis ay totoo o hindi totoo.