Soorten Statistische analyse

Verklarende statistiek sluit het monster op de werkelijke bevolking. Ryan McVay / Photodisc / Getty Images

Als je een middelbare school leraar die wil je leerlingen scores te onderzoeken op een recente test, bijvoorbeeld, zou je tientallen verschillende statistische analyses te gebruiken, afhankelijkop de specifieke vragen die u wilt vragen over de gegevens.Grofweg statistieken vallen in twee categorieën: beschrijvende en inferentiële. beschrijvende statistiek kan helpen begrijpen van de gegevens die u al hebt verzameld van uw leerlingen, terwijl de verklarende statistiek kan u helpen te bepalen hoe typische studenten in je steekproef te vergelijken met anderen in de bevolking.

maatregelen van centrale tendens

  • maatregelen van centrale tendens zijn beschrijvende statistieken die beoordelen hoe verspreid de data punten in een monster zijn.De drie primaire maatregelen van de centrale tendens zijn het gemiddelde, de basis-gemiddelde;mediaan, de middelste score;en mode, de meest voorkomende score. Deze maatregelen zijn nuttig voor het bepalen van wat een t

    ypische score in een monster eruit ziet.Bijvoorbeeld, als de mediaan test score in een klasse was 90, dat betekent dat de helft van de studenten scoorden hoger dan 90 en de helft scoorde onder 90.

Maatregelen van Dispersion

  • Maatregelen van dispersie zijn een andere klasse van beschrijvende statistiek die uitleggen hoe verspreid datapunten in een monster zijn. De meest voorkomende maat voor dispersie standaarddeviatie, een waarde berekend door het meten van de afstand van elk punt van het monster bedoel, de kwadratuur van hen, ze samen te voegen en vervolgens het nemen van de wortel.Hoe groter de waarde van de standaardafwijking, hoe meer verspreid datapunten.Als bijvoorbeeld de gemiddelde score van de mathtest was 85 en de standaardafwijking 5, betekent dat ongeveer tweederde van studenten scoorden tussen 80 en 90 punten.Indien de standaardafwijking was 15, dat betekent dat tweederde van de leerlingen scoorde tussen de 70 en 100.

Tests of Difference

  • Tests verschil opbrengst inferentiële statistiek , waardoor onderzoekers om te bepalen of de verschillen tussen de groepen in demonster op willekeurige plaatsen of als gevolg van een aantal variabele.Bijvoorbeeld, een middelbare school leraar merken dat meisjes scoorde een gemiddelde van 95 punten op de wiskunde test, terwijl jongens scoorde een gemiddelde van 85 punten.De leraar zou geneigd zijn te concluderen dat meisjes beter dan jongens op het onderwerp, maar het verschil in scores kan het gevolg zijn van toeval zijn.De leraar zou een t-test of analyse van variantie (ANOVA) gebruiken om te controleren hoe waarschijnlijk de verschillende scores zijn het resultaat van de bemonstering fout.

Tests relatie

  • Als je wilde om te bepalen of studenten die meer studeerde beter presteerden op het examen, kunt u een test van de relatie te gebruiken, zoals een correlatie of lineaire regressie .Om een ​​van deze tests uit te voeren, kan je leerlingen vragen om te rapporteren hoeveel uur zij bestudeerden voor het examen.Een correlatie meet hoe nauw verwant de "uren studie" variabele is om de "examen score" variabele.Een perfecte correlatie zou een waarde van 1, terwijl twee volledig los variabelen een waarde van 0. Een negatieve correlatie zou hebben zou erop wijzen dat de studie was eigenlijk gerelateerd aan verminderde scores.Je zou kunnen nemen andere variabelen, zoals de vorige examen scores, in de berekening van het gebruik van meerdere regressie.

Resources

  • University of Texas: SPSS: beschrijvende en Inductieve statistieken
  • Australische Bureau voor de Statistiek: Maatregelen van de centrale tendens
  • Ik Coach Math: Maatregelen van de centrale tendens
750
0
1
College