W miar\u0119 jak technologia staje si\u0119 coraz bardziej obecna w naszym codziennym \u017cyciu, generuje si\u0119 i gromadzi wi\u0119cej danych ni\u017c kiedykolwiek wcze\u015bniej w historii ludzko\u015bci.<\/span><\/p>\n Statystyka to obszar, kt\u00f3ry mo\u017ce nam pom\u00f3c zrozumie\u0107, w jaki spos\u00f3b wykorzystywa\u0107 te dane do wykonywania nast\u0119puj\u0105cych zada\u0144:<\/span><\/p>\n W tym artykule przedstawiamy 10 powod\u00f3w, dla kt\u00f3rych dziedzina statystyki jest tak wa\u017cna we wsp\u00f3\u0142czesnym \u017cyciu.<\/span><\/p>\n Statystyki opisowe<\/a> s\u0142u\u017c\u0105 do opisu fragmentu surowych danych. Istniej\u0105 trzy g\u0142\u00f3wne typy statystyk opisowych:<\/span><\/p>\n Ka\u017cdy z tych element\u00f3w mo\u017ce pom\u00f3c nam lepiej zrozumie\u0107 istniej\u0105ce dane.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce mamy surowy zbi\u00f3r danych przedstawiaj\u0105cy wyniki test\u00f3w 10 000 uczni\u00f3w w okre\u015blonym mie\u015bcie. Statystyki opisowe mo\u017cemy wykorzystywa\u0107 do:<\/span><\/p>\n U\u017cywaj\u0105c statystyk opisowych, mo\u017cemy znacznie \u0142atwiej zrozumie\u0107 wyniki test\u00f3w uczni\u00f3w, ni\u017c tylko patrz\u0105c na surowe dane.<\/span><\/p>\n Coraz wi\u0119cej grafik generowanych jest w czasopismach, mediach, artyku\u0142ach internetowych i magazynach.<\/span> Niestety wykresy cz\u0119sto mog\u0105 wprowadza\u0107 w b\u0142\u0105d, je\u015bli nie rozumiesz danych le\u017c\u0105cych u ich podstaw.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce czasopismo publikuje badanie, kt\u00f3re wykaza\u0142o ujemn\u0105 korelacj\u0119 mi\u0119dzy wynikami GPA i ACT student\u00f3w okre\u015blonej uczelni.<\/span><\/p>\n Jednak ta ujemna korelacja wyst\u0119puje tylko dlatego, \u017ce studenci, kt\u00f3rzy maj\u0105 zar\u00f3wno<\/em> wysoki wynik GPA, jak i ACT, mog\u0105 studiowa\u0107 na elitarnym uniwersytecie, podczas gdy studenci, kt\u00f3rzy maj\u0105 zar\u00f3wno<\/em> niski wynik GPA, jak i ACT, nie s\u0105 w og\u00f3le przyjmowani.<\/span> <\/p>\n Chocia\u017c korelacja mi\u0119dzy ACT i GPA jest w populacji dodatnia, w pr\u00f3bie korelacja wydaje si\u0119 ujemna.<\/span><\/p>\n To szczeg\u00f3lne odchylenie jest znane jako odchylenie Berksona<\/a> . Maj\u0105c \u015bwiadomo\u015b\u0107 tego b\u0142\u0119du, mo\u017cesz unikn\u0105\u0107 wprowadzenia w b\u0142\u0105d przez niekt\u00f3re wykresy.<\/span><\/p>\n Wa\u017cnym poj\u0119ciem, o kt\u00f3rym dowiesz si\u0119 w statystyce, jest koncepcja mylenia zmiennych<\/a> .<\/span><\/p>\n S\u0105 to zmienne, kt\u00f3re nie s\u0105 brane pod uwag\u0119, a mog\u0105 zafa\u0142szowa\u0107<\/em> wyniki eksperymentu i prowadzi\u0107 do nierzetelnych wniosk\u00f3w.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce badacz zbiera dane dotycz\u0105ce sprzeda\u017cy lod\u00f3w i atak\u00f3w rekin\u00f3w i odkrywa, \u017ce te dwie zmienne s\u0105 silnie skorelowane. Czy to oznacza, \u017ce zwi\u0119kszona sprzeda\u017c lod\u00f3w powoduje wi\u0119cej atak\u00f3w rekin\u00f3w?<\/span><\/p>\n Jest ma\u0142o prawdopodobne. Najbardziej prawdopodobn\u0105 przyczyn\u0105 jest myl\u0105ca zmienna temperatura<\/strong> . Kiedy na zewn\u0105trz jest cieplej, wi\u0119cej os\u00f3b kupuje lody i wi\u0119cej os\u00f3b wybiera si\u0119 nad ocean.<\/span> <\/p>\n Jednym z najwa\u017cniejszych poddziedzin statystyki jest prawdopodobie\u0144stwo<\/strong> . Jest to dziedzina badaj\u0105ca prawdopodobie\u0144stwo wyst\u0105pienia zdarze\u0144.<\/span><\/p>\n Maj\u0105c podstawow\u0105 wiedz\u0119 na temat prawdopodobie\u0144stwa, mo\u017cesz podejmowa\u0107 bardziej \u015bwiadome decyzje w prawdziwym \u015bwiecie.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce licealista wie, \u017ce ma 10% szans na przyj\u0119cie na dan\u0105 uczelni\u0119. Korzystaj\u0105c ze wzoru na prawdopodobie\u0144stwo zaliczenia \u201eco najmniej jednej\u201d<\/a> , student ten mo\u017ce obliczy\u0107 prawdopodobie\u0144stwo, \u017ce zostanie przyj\u0119ty na co najmniej jedn\u0105 uczelni\u0119, na kt\u00f3r\u0105 aplikuje, oraz mo\u017ce dostosowa\u0107 liczb\u0119 uczelni, na kt\u00f3re aplikuje, wed\u0142ug wyniku.<\/span><\/p>\n Innym wa\u017cnym poj\u0119ciem, o kt\u00f3rym dowiesz si\u0119 w statystyce, s\u0105 warto\u015bci p<\/a> .<\/span><\/p>\n Klasyczna definicja warto\u015bci p to:<\/span><\/p>\n Warto\u015b\u0107 p<\/strong> to prawdopodobie\u0144stwo zaobserwowania statystyki pr\u00f3bki, kt\u00f3ra jest co najmniej tak ekstremalna jak statystyka pr\u00f3bki, przy za\u0142o\u017ceniu, \u017ce hipoteza zerowa jest prawdziwa.<\/span><\/p>\n<\/blockquote>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce fabryka twierdzi, \u017ce produkuje opony o \u015bredniej masie 200 funt\u00f3w. Audytor stawia hipotez\u0119, \u017ce rzeczywista \u015brednia waga opon produkowanych w tym zak\u0142adzie r\u00f3\u017cni si\u0119 o 200 funt\u00f3w. Przeprowadza wi\u0119c test hipotezy i stwierdza, \u017ce warto\u015b\u0107 p testu wynosi 0,04.<\/span><\/p>\n Oto jak interpretowa\u0107 t\u0119 warto\u015b\u0107 p:<\/span><\/p>\n Je\u015bli fabryka rzeczywi\u015bcie produkuje opony o \u015bredniej wadze 200 funt\u00f3w, to w 4% wszystkich audyt\u00f3w uzyskamy efekt zaobserwowany w pr\u00f3bce lub wi\u0119cej, ze wzgl\u0119du na b\u0142\u0105d losowej pr\u00f3by. To m\u00f3wi nam, \u017ce uzyskanie przyk\u0142adowych danych uzyskanych przez audytora by\u0142oby do\u015b\u0107 rzadkie, gdyby fabryka faktycznie produkowa\u0142a opony o \u015bredniej wadze 200 funt\u00f3w.<\/span><\/p>\n W zwi\u0105zku z tym audytor prawdopodobnie odrzuci\u0142by hipotez\u0119 zerow\u0105, zgodnie z kt\u00f3r\u0105 rzeczywista \u015brednia waga opon produkowanych w tym zak\u0142adzie w rzeczywisto\u015bci wynosi 200 funt\u00f3w.<\/span><\/p>\n Innym wa\u017cnym poj\u0119ciem, o kt\u00f3rym dowiesz si\u0119 w statystyce, jest korelacja<\/a> , kt\u00f3ra m\u00f3wi nam o liniowym powi\u0105zaniu mi\u0119dzy dwiema zmiennymi.<\/span><\/p>\n Warto\u015b\u0107 wsp\u00f3\u0142czynnika korelacji zawsze mie\u015bci si\u0119 w przedziale od -1 do 1, gdzie:<\/span><\/p>\n Rozumiej\u0105c te warto\u015bci, mo\u017cna zrozumie\u0107 zwi\u0105zek mi\u0119dzy zmiennymi w \u015bwiecie rzeczywistym.<\/span><\/p>\n Na przyk\u0142ad, je\u015bli korelacja mi\u0119dzy wydatkami na reklam\u0119 a przychodami wynosi 0,87, mo\u017cna zrozumie\u0107, \u017ce istnieje silny pozytywny zwi\u0105zek mi\u0119dzy tymi dwiema zmiennymi. Kiedy wydajesz wi\u0119cej pieni\u0119dzy na reklam\u0119, mo\u017cesz spodziewa\u0107 si\u0119 przewidywalnego wzrostu przychod\u00f3w.<\/span><\/p>\n Innym wa\u017cnym powodem uczenia si\u0119 statystyki jest zrozumienie podstawowych modeli regresji, takich jak:<\/span><\/p>\n Ka\u017cdy z tych modeli umo\u017cliwia przewidywanie przysz\u0142ej warto\u015bcizmiennej odpowiedzi<\/a> na podstawie warto\u015bci okre\u015blonych zmiennych predykcyjnych w modelu.<\/span><\/p>\n Na przyk\u0142ad firmy ca\u0142y czas korzystaj\u0105 z wielu modeli regresji liniowej w \u015bwiecie rzeczywistym, korzystaj\u0105c ze zmiennych predykcyjnych, takich jak wiek, doch\u00f3d, pochodzenie etniczne itp. aby przewidzie\u0107, ile klient\u00f3w wyda w ich sklepach.<\/span><\/p>\n Podobnie firmy logistyczne wykorzystuj\u0105 zmienne predykcyjne, takie jak ca\u0142kowity popyt, wielko\u015b\u0107 populacji itp. prognozowa\u0107 przysz\u0142\u0105 sprzeda\u017c.<\/span><\/p>\n Bez wzgl\u0119du na dziedzin\u0119, w kt\u00f3rej pracujesz, istnieje du\u017ca szansa, \u017ce modele regresji zostan\u0105 wykorzystane do przewidzenia przysz\u0142ego zjawiska.<\/span><\/p>\n Innym powodem studiowania statystyki jest \u015bwiadomo\u015b\u0107 r\u00f3\u017cnych rodzaj\u00f3w uprzedze\u0144, kt\u00f3re mog\u0105 pojawi\u0107 si\u0119 w badaniach w \u015bwiecie rzeczywistym.<\/span><\/p>\n Oto kilka przyk\u0142ad\u00f3w:<\/span><\/p>\n Maj\u0105c podstawow\u0105 wiedz\u0119 na temat tego typu uprzedze\u0144, mo\u017cesz unikn\u0105\u0107 ich pope\u0142niania podczas prowadzenia bada\u0144 lub mie\u0107 ich \u015bwiadomo\u015b\u0107 podczas czytania innych artyku\u0142\u00f3w naukowych lub bada\u0144.<\/span><\/p>\n Wiele test\u00f3w statystycznych przyjmuje za\u0142o\u017cenia dotycz\u0105ce badanych danych.<\/span><\/p>\n Czytaj\u0105c wyniki badania lub nawet przeprowadzaj\u0105c w\u0142asne badanie, wa\u017cne jest, aby zrozumie\u0107, jakie za\u0142o\u017cenia nale\u017cy przyj\u0105\u0107, aby wyniki by\u0142y wiarygodne.<\/span><\/p>\n W poni\u017cszych artyku\u0142ach przedstawiono za\u0142o\u017cenia przyj\u0119te w wielu powszechnie stosowanych testach i procedurach statystycznych:<\/span><\/p>\n Innym powodem studiowania statystyki jest zrozumienie koncepcji nadmiernej generalizacji<\/strong> .<\/span><\/p>\n Dzieje si\u0119 tak, gdy osoby bior\u0105ce udzia\u0142 w badaniu nie s\u0105 reprezentatywne<\/a> dla os\u00f3b w ca\u0142ej populacji i dlatego niew\u0142a\u015bciwe jest uog\u00f3lnianie wynik\u00f3w badania na ca\u0142\u0105 populacj\u0119.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce chcemy wiedzie\u0107, jaki procent uczni\u00f3w w okre\u015blonej szkole preferuje \u201edramat\u201d jako sw\u00f3j ulubiony gatunek filmowy. Je\u017celi ca\u0142kowita populacja uczni\u00f3w sk\u0142ada si\u0119 z 50% ch\u0142opc\u00f3w i 50% dziewcz\u0105t, w\u00f3wczas pr\u00f3ba sk\u0142adaj\u0105ca si\u0119 z 90% ch\u0142opc\u00f3w i 10% dziewcz\u0105t mo\u017ce prowadzi\u0107 do stronniczych wynik\u00f3w, je\u015bli znacznie mniej ch\u0142opc\u00f3w preferuje teatr jako sw\u00f3j ulubiony gatunek.<\/span><\/p>\n Idealnie by\u0142oby, gdyby nasza pr\u00f3ba przypomina\u0142a \u201emini wersj\u0119\u201d naszej populacji. Zatem je\u015bli og\u00f3lna populacja uczni\u00f3w sk\u0142ada si\u0119 z 50% dziewcz\u0105t i 50% ch\u0142opc\u00f3w, nasza pr\u00f3ba nie by\u0142aby reprezentatywna, gdyby obejmowa\u0142a 90% ch\u0142opc\u00f3w i tylko 10% dziewcz\u0105t.<\/span> <\/p>\n Zatem niezale\u017cnie od tego, czy przeprowadzasz w\u0142asn\u0105 ankiet\u0119, czy czytasz wyniki ankiety, wa\u017cne jest, aby zrozumie\u0107, czy dane z pr\u00f3by s\u0105 reprezentatywne dla ca\u0142ej populacji i czy wyniki ankiety mo\u017cna z pewno\u015bci\u0105 uog\u00f3lni\u0107 na populacj\u0119.<\/span><\/p>\n Zapoznaj si\u0119 z poni\u017cszymi artyku\u0142ami, aby uzyska\u0107 podstawow\u0105 wiedz\u0119 na temat najwa\u017cniejszych poj\u0119\u0107 we wprowadzaj\u0105cych statystykach:<\/span><\/p>\n Statystyki opisowe lub wnioskowane<\/a> Dziedzina statystyki zajmuje si\u0119 gromadzeniem, analiz\u0105, interpretacj\u0105 i prezentacj\u0105 danych. W miar\u0119 jak technologia staje si\u0119 coraz bardziej obecna w naszym codziennym \u017cyciu, generuje si\u0119 i gromadzi wi\u0119cej danych ni\u017c kiedykolwiek wcze\u015bniej w historii ludzko\u015bci. Statystyka to obszar, kt\u00f3ry mo\u017ce nam pom\u00f3c zrozumie\u0107, w jaki spos\u00f3b wykorzystywa\u0107 te dane do wykonywania nast\u0119puj\u0105cych zada\u0144: Lepiej rozumie\u0107 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1820","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n\n
Pow\u00f3d 1: U\u017cywaj statystyk opisowych, aby zrozumie\u0107 \u015bwiat<\/strong><\/span><\/h3>\n
\n
\n
Pow\u00f3d 2: Uwa\u017caj na wprowadzaj\u0105c\u0105 w b\u0142\u0105d grafik\u0119<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/berkson6.png\")
<\/p>\n Pow\u00f3d 3: uwa\u017caj na myl\u0105ce zmienne<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/confondre4.png\")
<\/p>\n Pow\u00f3d 4: podejmowa\u0107 lepsze decyzje na podstawie prawdopodobie\u0144stwa<\/strong><\/span><\/h3>\n
Pow\u00f3d 5: Zrozumienie warto\u015bci P w badaniach<\/strong><\/span><\/h3>\n
\n
Pow\u00f3d 6: Zrozum korelacj\u0119<\/strong><\/span><\/h3>\n
\n
Pow\u00f3d 7: Przewiduj przysz\u0142o\u015b\u0107<\/strong><\/span><\/h3>\n
\n
Pow\u00f3d 8: Zrozumienie potencjalnej stronniczo\u015bci w badaniach<\/strong><\/span><\/h3>\n
\n
Pow\u00f3d 9: Zrozum za\u0142o\u017cenia przyj\u0119te na podstawie test\u00f3w statystycznych<\/strong><\/span><\/h3>\n
\n
Pow\u00f3d 10: Aby unikn\u0105\u0107 nadmiernego uog\u00f3lnienia<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/rep_sample1.jpg\")
<\/p>\n Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Populacja vs. pr\u00f3bka<\/a>
Statystyki a parametry<\/a>
Zmienne jako\u015bciowe i ilo\u015bciowe<\/a>
Poziomy pomiaru: nominalny, porz\u0105dkowy, interwa\u0142owy i ilorazowy<\/p>\n","protected":false},"excerpt":{"rendered":"