研究における統計の重要性 (例付き)

統計の分野は、データの収集、分析、解釈、表示に関係します。

研究では、次の理由から統計が重要です。

理由 1 : 統計を使用すると、研究者は研究結果をより多くの母集団に推定できるように研究を計画できます。

理由 2 : 統計により、研究者は仮説検証を実行して、新薬、手順、製造方法などに関する特定の主張が正しいかどうかを判断できます。有効です。本当です。

理由 3 : 統計により、研究者は信頼区間を作成して母集団推定値の不確実性を把握できます。

この記事の残りの部分では、これらのそれぞれの理由を説明します。

理由 1: 統計により、研究者は研究を計画できるようになります

研究者は多くの場合、次のような 集団に関する質問に答えたいと考えています。

• 特定の種類の鳥の平均体重はどれくらいですか?
• 特定の植物種の平均高さはどれくらいですか?
• 特定の都市の住民の何パーセントが特定の法律を支持していますか?

これらの質問に答える 1 つの方法は、対象となる母集団の各個人に関するデータを収集することです。

ただし、これには通常、費用と時間がかかりすぎるため、研究者は代わりに母集団のサンプルを採取し、そのサンプルデータを使用して母集団全体についての結論を導き出します。

研究者が個人をサンプルに入れるために使用できる可能性のあるさまざまな方法が多数あります。これらはサンプリング方法として知られています。

サンプリング方法には 2 つのクラスがあります。

• 確率サンプリング法: 母集団の各メンバーは、サンプルの一部として選択される確率が等しいです。
• 非確率サンプリング法: 母集団のすべてのメンバーがサンプルの一部として選択される確率が同じであるわけではありません。

確率サンプリング手法を使用することにより、研究者は母集団全体の代表的なサンプルを取得する可能性を最大化できます。

これにより、研究者はサンプルからの結果を母集団全体に推定することができます。

2 つのクラスのサンプリング方法について詳しくは 、こちらをご覧ください。

理由 2: 統計により、研究者は仮説検証を行うことができます

統計は、仮説検定の形で研究にも使用されます。

これらは、研究者が異なる医療処置や治療間に統計的有意性があるかどうかを判断するために使用できるテストです。

たとえば、ある科学者が、新薬には肥満患者の血圧を下げる効果があると信じているとします。これを検証するために、同氏は新薬を1か月間使用する前後で30人の患者の血圧を測定した。

次に、次の仮定を使用して、 対応のあるサンプルの t 検定を実行します。

• H ₀ : μ _after = μ _before (平均血圧は薬の使用前と使用後で同じです)
• H _A : μ _after < μ _before (薬物使用後の平均血圧は低下します)

検定のp 値が特定の有意水準 (例: α = 0.05) を下回る場合、帰無仮説は棄却され、新薬が血圧の低下を引き起こすと結論付けることができます。

注: これは研究で使用される仮説検証の一例にすぎません。その他の一般的な検定には、 1 サンプル t 検定、 2 サンプル t 検定、一元配置分散分析、二元配置分散分析などがあります。

理由 3: 統計により研究者は信頼区間を作成できる

統計は、信頼区間の形で研究にも使用されます。

信頼区間は、一定の信頼レベルで母集団パラメータが含まれる可能性が高い値の範囲です。

たとえば、研究者が特定の種のカメの平均体重を推定したいとします。

研究者は、個体群内のすべてのカメの体重を測定する代わりに、次の情報を含むカメの単純な無作為サンプルを採取できます。

• サンプルサイズn = 25
• 平均サンプル重量x = 300
• サンプル標準偏差s = 18.5

平均式の信頼区間を使用して、研究者は次の 95% 信頼区間を構築できます。

95% 信頼区間: 300 +/- 1.96*(18.5/√ 25 ) = [292.75, 307.25]

研究者らは、このカメの個体群の真の平均体重が 292.75 ポンドから 307.25 ポンドの間であることを 95% 確信していると主張するでしょう。

追加リソース

次の記事では、他の分野における統計の重要性について説明しています。

医療における統計の重要性
看護における統計の重要性
ビジネスにおける統計の重要性
経済学における統計の重要性
教育における統計の重要性