Typer af Statistisk analyse

Empiriske statistikker slutte prøven til den faktiske befolkning. Ryan McVay / Photodisc / Getty Images

Hvis du er en high school lærer, der ønsker at undersøge dine elever scorer på en nylig test, for eksempel, kan du bruge snesevis af forskellige statistiske analyser, afhængigtpå de specifikke spørgsmål, du ønsker at spørge om dataene.Groft sagt, statistik falder i to kategorier: beskrivende og empiriske. Beskrivende statistik kan hjælpe dig med at forstå de data, du allerede har indsamlet fra dine elever, mens Empiriske statistikker kan hjælpe dig med at afgøre, hvordan typiske studerende i din prøve sammenligne med andre i befolkningen.

Mål for central tendens

  • Mål for central tendens er beskrivende statistik der vurderer, hvordan spredes ud datapunkterne i en prøve er.De tre primære mål for central tendens er middelværdi, den grundlæggende gennemsnit;median, den midterste score;og tilstand, den mest almindelige score. Disse foranstaltninger er nyttige til at bestemme, hvad en typisk score i en prøve ser ud.For eksempel, hvis medianen test score

    i en klasse var 90, det betyder, at halvdelen af ​​de studerende scorede højere end 90 og halvdelen scoret under 90.

Foranstaltninger af Dispersion

  • Mål for spredning er en anden klasse af deskriptiv statistik der forklarer, hvordan spredes ud datapunkter i en prøve er. Det mest almindelige mål for spredning er standardafvigelsen, en værdi beregnet ved at måle afstanden fra hvert punkt fra prøven betyder, kvadrat dem, tilføje dem sammen og derefter tage kvadratroden.Jo større værdien af ​​standardafvigelsen, desto mere spredt ud datapunkter er.For eksempel, hvis den gennemsnitlige score på math test var 85 og standardafvigelsen var 5, der betyder omkring to tredjedele af de studerende scorede mellem 80 og 90 point.Hvis standardafvigelsen var 15, der betyder to tredjedele af de studerende scorede mellem 70 og 100.

Test af Forskel

  • Test af forskel producere empiriske statistik , så forskerne at bestemme, om forskelle mellem grupper iprøve opstår tilfældigt eller som følge af en eller anden variabel.For eksempel kan en gymnasielærer bemærke, at pigerne scorede et gennemsnit på 95 point på math test, mens drengene scorede et gennemsnit på 85 point.Læreren kunne fristes til at konkludere, at piger er bedre end drenge på emnet, men forskellen i scoringer kunne være resultatet af tilfældige chance.Læreren kunne bruge en t-test eller variansanalyse (ANOVA) for at kontrollere, hvor sandsynligt de forskellige score er at være resultatet af prøveudtagning fejl.

Test af Relationship

  • Hvis du ønskede at afgøre, om studerende, der studerede mere udført bedre på eksamen, kan du bruge en test af forhold, som en korrelation eller lineær regression .Hvis du vil køre en af ​​disse tests, kan du bede eleverne til at indberette, hvor mange timer de studerede til eksamen.En korrelation måler, hvor tæt relateret de "timers studier" variabel er til "eksamen score" variabel.En perfekt korrelation vil have en værdi på 1, mens to helt uafhængige variabler har en værdi på 0. En negativ korrelation antyder, at studere faktisk var relateret til nedsat scores.Du kunne inkorporere andre variabler, som tidligere eksamen scoringer, i beregningen ved hjælp af multipel regression.

Ressourcer

  • University of Texas: SPSS: Beskrivende og Empiriske statistikker
  • Australian Bureau of Statistics: Foranstaltninger i Central- Tendens
  • Jeg Coach Math: Foranstaltninger i Central- Tendens
804
0
1
Kollegium