เหตุใดสถิติจึงมีความสำคัญ (10 เหตุผลที่สถิติมีความสำคัญ!)

สาขา สถิติ เกี่ยวข้องกับการรวบรวม การวิเคราะห์ การตีความ และการนำเสนอข้อมูล

เมื่อเทคโนโลยีเข้ามาในชีวิตประจำวันของเรามากขึ้นเรื่อยๆ ข้อมูลก็ถูกสร้างขึ้นและรวบรวมมากขึ้นกว่าที่เคยมีมาในประวัติศาสตร์ของมนุษย์

สถิติเป็นพื้นที่ที่สามารถช่วยให้เราเข้าใจวิธีใช้ข้อมูลนี้เพื่อดำเนินงานต่อไปนี้:

• เข้าใจโลกรอบตัวเรามากขึ้น
• ตัดสินใจโดยใช้ข้อมูล
• ทำนายอนาคตโดยใช้ข้อมูล

ในบทความนี้ เราแบ่งปัน 10 เหตุผลว่าทำไมสาขาสถิติจึงมีความสำคัญในชีวิตสมัยใหม่

เหตุผลที่ 1: ใช้สถิติเชิงพรรณนาเพื่อทำความเข้าใจโลก

สถิติเชิงพรรณนา ใช้เพื่ออธิบายข้อมูลดิบชิ้นหนึ่ง สถิติเชิงพรรณนามีสามประเภทหลัก:

• สถิติสรุป
• กราฟิก
• โต๊ะ

องค์ประกอบแต่ละอย่างสามารถช่วยให้เราเข้าใจข้อมูลที่มีอยู่ได้ดีขึ้น

ตัวอย่างเช่น สมมติว่าเรามีชุดข้อมูลดิบที่แสดงคะแนนสอบของนักเรียน 10,000 คนในเมืองหนึ่งๆ เราอาจใช้สถิติเชิงพรรณนาเพื่อ:

• คำนวณคะแนนสอบเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของผลการทดสอบ
• สร้างฮิสโตแกรมหรือบ็อกซ์พล็อตเพื่อแสดงภาพการกระจายตัวของผลการทดสอบ
• สร้างตารางความถี่เพื่อทำความเข้าใจการกระจายตัวของผลการทดสอบ

การใช้สถิติเชิงพรรณนาช่วยให้เราเข้าใจคะแนนสอบของนักเรียนได้ง่ายกว่าการดูข้อมูลดิบเพียงอย่างเดียว

เหตุผลที่ 2: ระวังกราฟิกที่ทำให้เข้าใจผิด

มีการสร้างกราฟิกมากขึ้นเรื่อยๆ ในวารสาร สื่อ บทความออนไลน์ และนิตยสาร น่าเสียดายที่แผนภูมิมักจะทำให้เข้าใจผิดหากคุณไม่เข้าใจข้อมูลที่เกี่ยวข้อง

ตัวอย่างเช่น สมมติว่าวารสารตีพิมพ์งานวิจัยที่ค้นหาความสัมพันธ์เชิงลบระหว่างคะแนน GPA และ ACT ของนักศึกษาในมหาวิทยาลัยบางแห่ง

อย่างไรก็ตาม ความสัมพันธ์เชิงลบนี้เกิดขึ้นเพียงเพราะนักเรียนที่มี ทั้ง คะแนน GPA และ ACT สูงสามารถเข้าเรียนในมหาวิทยาลัยชั้นนำได้ ในขณะที่นักศึกษาที่มี ทั้ง คะแนน GPA และ ACT ต่ำจะไม่ได้รับการยอมรับเลย

แม้ว่าความสัมพันธ์ระหว่าง ACT และ GPA จะเป็นเชิงบวกในประชากร แต่ความสัมพันธ์ดังกล่าวจะปรากฏเป็นลบในกลุ่มตัวอย่าง

อคติเฉพาะนี้เรียกว่า อคติของเบิร์กสัน เมื่อทราบถึงอคตินี้ คุณจะหลีกเลี่ยงการถูกเข้าใจผิดโดยบางกราฟได้

เหตุผลที่ 3: ระวังตัวแปรที่ทำให้เกิดความสับสน

แนวคิดสำคัญที่คุณจะได้เรียนรู้ในสถิติคือแนวคิดเรื่อง ตัวแปรที่ทำให้สับสน

ตัวแปรเหล่านี้เป็นตัวแปรที่ไม่ได้นำมาพิจารณา และอาจ ทำให้ ผลลัพธ์ของการทดสอบสับสนและนำไปสู่ข้อสรุปที่ไม่น่าเชื่อถือ

ตัวอย่างเช่น สมมติว่านักวิจัยรวบรวมข้อมูลเกี่ยวกับการขายไอศกรีมและการโจมตีของฉลาม และค้นพบว่าตัวแปรทั้งสองมีความสัมพันธ์กันสูง นี่หมายความว่ายอดขายไอศกรีมที่เพิ่มขึ้นทำให้ปลาฉลามโจมตีมากขึ้นใช่หรือไม่

มันไม่น่าเป็นไปได้ สาเหตุที่เป็นไปได้มากที่สุดคือ อุณหภูมิ ที่เปลี่ยนแปลงอย่างน่าสับสน เมื่ออากาศข้างนอกอุ่นขึ้น ผู้คนจะซื้อไอศกรีมมากขึ้น และผู้คนก็ไปทะเลมากขึ้น

เหตุผลที่ 4: เพื่อการตัดสินใจที่ดีขึ้นโดยใช้ความน่าจะเป็น

ฟิลด์ย่อยที่สำคัญที่สุดประการหนึ่งของสถิติคือ ความน่าจะเป็น เป็นสาขาที่ศึกษาความน่าจะเป็นของเหตุการณ์ที่เกิดขึ้น

การมีความเข้าใจพื้นฐานเกี่ยวกับความน่าจะเป็นจะทำให้คุณสามารถตัดสินใจได้อย่างมีข้อมูลมากขึ้นในโลกแห่งความเป็นจริง

ตัวอย่างเช่น สมมติว่านักเรียนมัธยมปลายรู้ว่าเขามีโอกาส 10% ที่จะได้รับการยอมรับเข้ามหาวิทยาลัยที่กำหนด การใช้สูตร ความน่าจะเป็นที่จะผ่าน “อย่างน้อยหนึ่ง” นักเรียนคนนี้สามารถหาความน่าจะเป็นที่เขาจะได้รับการยอมรับจากมหาวิทยาลัยอย่างน้อยหนึ่งแห่งที่เขาสมัคร และสามารถปรับจำนวนมหาวิทยาลัยที่เขาสมัครตามผลการแข่งขันได้

เหตุผลที่ 5: ทำความเข้าใจกับค่า P ในการวิจัย

แนวคิดสำคัญอีกประการหนึ่งที่คุณจะได้เรียนรู้ในสถิติคือ ค่า p

คำจำกัดความคลาสสิกของค่า p คือ:

ค่า p คือความน่าจะเป็นในการสังเกตสถิติตัวอย่างที่อย่างน้อยที่สุดเท่ากับสถิติตัวอย่างของคุณ โดยพิจารณาว่าสมมติฐานว่างนั้นเป็นจริง

ตัวอย่างเช่น สมมติว่าโรงงานอ้างว่าผลิตยางที่มีน้ำหนักเฉลี่ย 200 ปอนด์ ผู้ตรวจสอบตั้งสมมติฐานว่าน้ำหนักเฉลี่ยจริงของยางที่ผลิตในโรงงานแห่งนี้แตกต่างกัน 200 ปอนด์ เขาจึงทำการทดสอบสมมติฐานและพบว่าค่า p ของการทดสอบคือ 0.04

วิธีตีความค่า p นี้:

หากโรงงานผลิตยางที่มีน้ำหนักเฉลี่ย 200 ปอนด์จริง ๆ แล้ว 4% ของการตรวจสอบทั้งหมดจะบรรลุผลตามที่สังเกตได้ในตัวอย่างหรือมากกว่านั้น เนื่องจากข้อผิดพลาดในการสุ่มตัวอย่าง ข้อมูลนี้บอกเราว่าการได้รับข้อมูลตัวอย่างจากผู้ตรวจสอบบัญชีจะค่อนข้างหายากหากโรงงานผลิตยางที่มีน้ำหนักเฉลี่ย 200 ปอนด์จริงๆ

ดังนั้น ผู้ตรวจสอบบัญชีจึงมีแนวโน้มที่จะปฏิเสธสมมติฐานว่างที่ว่าน้ำหนักเฉลี่ยที่แท้จริงของยางที่ผลิตในโรงงานแห่งนี้คือ 200 ปอนด์จริงๆ

เหตุผลที่ 6: ทำความเข้าใจความสัมพันธ์

แนวคิดที่สำคัญอีกประการหนึ่งที่คุณจะได้เรียนรู้ในสถิติคือ ความสัมพันธ์ ซึ่งบอกเราถึงความสัมพันธ์เชิงเส้นระหว่างตัวแปรสองตัว

ค่าของสัมประสิทธิ์สหสัมพันธ์จะอยู่ระหว่าง -1 ถึง 1 เสมอ โดยที่:

• -1 บ่งชี้ถึงความสัมพันธ์เชิงเส้นเชิงลบอย่างสมบูรณ์ระหว่างตัวแปรสองตัว
• 0 บ่งชี้ว่าไม่มีความสัมพันธ์เชิงเส้นระหว่างตัวแปรสองตัว
• 1 บ่งชี้ความสัมพันธ์เชิงเส้นเชิงบวกอย่างสมบูรณ์ระหว่างตัวแปรสองตัว

เมื่อเข้าใจค่าเหล่านี้ คุณจะเข้าใจความสัมพันธ์ระหว่างตัวแปรในโลกแห่งความเป็นจริงได้

ตัวอย่างเช่น หากความสัมพันธ์ระหว่างค่าใช้จ่ายในการโฆษณากับรายได้คือ 0.87 คุณจะเข้าใจได้ว่าตัวแปรทั้งสองมีความสัมพันธ์เชิงบวกอย่างมาก เมื่อคุณใช้จ่ายเงินไปกับการโฆษณามากขึ้น คุณสามารถคาดหวังรายได้ที่เพิ่มขึ้นอย่างคาดการณ์ได้

เหตุผลที่ 7: ทำนายอนาคต

เหตุผลสำคัญอีกประการหนึ่งในการเรียนรู้สถิติคือการทำความเข้าใจแบบจำลองการถดถอยพื้นฐาน เช่น:

• การถดถอยเชิงเส้นอย่างง่าย
• การถดถอยเชิงเส้นพหุคูณ
• การถดถอยโลจิสติก

แต่ละโมเดลเหล่านี้ช่วยให้คุณสามารถคาดการณ์เกี่ยวกับค่าในอนาคตของ ตัวแปรตอบสนอง โดยอิงตามค่าของตัวแปรทำนายบางตัวในโมเดล

ตัวอย่างเช่น บริษัทต่างๆ ใช้แบบจำลองการถดถอยเชิงเส้นหลายตัวในโลกแห่งความเป็นจริงตลอดเวลา เมื่อใช้ตัวแปรทำนาย เช่น อายุ รายได้ ชาติพันธุ์ ฯลฯ เพื่อคาดการณ์จำนวนลูกค้าที่จะใช้จ่ายในร้านค้าของตน

ในทำนองเดียวกัน บริษัทโลจิสติกส์ใช้ตัวแปรคาดการณ์ เช่น ความต้องการทั้งหมด ขนาดประชากร เป็นต้น เพื่อคาดการณ์ยอดขายในอนาคต

ไม่ว่าคุณจะทำงานในสาขาใดก็ตาม มีโอกาสที่ดีที่แบบจำลองการถดถอยจะถูกนำมาใช้ในการทำนายปรากฏการณ์ในอนาคต

เหตุผลที่ 8: เข้าใจอคติที่อาจเกิดขึ้นในการศึกษา

อีกเหตุผลหนึ่งในการศึกษาสถิติก็คือการตระหนักถึงอคติประเภทต่างๆ ทั้งหมดที่อาจเกิดขึ้นในการศึกษาในโลกแห่งความเป็นจริง

นี่คือตัวอย่างบางส่วน:

• สังเกตอคติ
• อคติในการเลือกตนเอง
• อคติอ้างอิง
• ละเว้นอคติของตัวแปร
• อคติน้อยเกินไป
• อคติไม่ตอบสนอง

เมื่อมีความเข้าใจพื้นฐานเกี่ยวกับอคติประเภทนี้ คุณสามารถหลีกเลี่ยงการกระทำเหล่านี้เมื่อทำการวิจัยหรือระวังเมื่ออ่านงานวิจัยหรือการศึกษาอื่นๆ

เหตุผลที่ 9: ทำความเข้าใจสมมติฐานที่ทำโดยการทดสอบทางสถิติ

การทดสอบทางสถิติจำนวนมากตั้งสมมติฐานเกี่ยวกับข้อมูลพื้นฐานที่กำลังศึกษา

เมื่ออ่านผลการศึกษาหรือแม้กระทั่งดำเนินการศึกษาของคุณเอง สิ่งสำคัญคือต้องเข้าใจว่าต้องตั้งสมมติฐานอะไรบ้างเพื่อให้ผลลัพธ์เชื่อถือได้

บทความต่อไปนี้แบ่งปันสมมติฐานที่ทำขึ้นในการทดสอบและขั้นตอนทางสถิติที่ใช้กันทั่วไปหลายประการ:

• ข้อสันนิษฐานความแปรปรวนที่เท่ากันในสถิติคืออะไร?
• ข้อสันนิษฐานปกติในสถิติคืออะไร?
• ข้อสันนิษฐานความเป็นอิสระในสถิติคืออะไร?

เหตุผลที่ 10: เพื่อหลีกเลี่ยงการทำให้เป็นเรื่องทั่วไปมากเกินไป

อีกเหตุผลหนึ่งในการศึกษาสถิติคือการเข้าใจแนวคิดเรื่อง การสรุปทั่วไปมากเกินไป

สิ่งนี้เกิดขึ้นเมื่อบุคคลที่เข้าร่วมในการศึกษาไม่ได้เป็น ตัวแทน ของบุคคลในประชากรโดยรวม ดังนั้นจึงไม่เหมาะสมที่จะสรุปข้อค้นพบของการศึกษากับประชากรทั้งหมด

ตัวอย่างเช่น สมมติว่าเราต้องการทราบว่านักเรียนในโรงเรียนบางแห่งชอบ “ดราม่า” เป็นแนวภาพยนตร์ที่พวกเขาชื่นชอบกี่เปอร์เซ็นต์ หากประชากรนักเรียนทั้งหมดเป็นเด็กผู้ชาย 50% และเด็กผู้หญิง 50% กลุ่มตัวอย่างที่ประกอบด้วยเด็กผู้ชาย 90% และเด็กผู้หญิง 10% อาจนำไปสู่ผลลัพธ์ที่เอนเอียงได้หากเด็กผู้ชายจำนวนน้อยลงมากที่ชอบการแสดงละครเป็นแนวเพลงโปรด

ตามหลักการแล้ว เราต้องการให้ตัวอย่างของเรามีลักษณะคล้ายกับ “เวอร์ชันจิ๋ว” ของประชากรของเรา ดังนั้น หากประชากรนักเรียนโดยรวมประกอบด้วยเด็กผู้หญิง 50% และเด็กผู้ชาย 50% กลุ่มตัวอย่างของเราจะไม่เป็นตัวแทนหากประกอบด้วยเด็กผู้ชาย 90% และเด็กผู้หญิงเพียง 10% เท่านั้น

ดังนั้น ไม่ว่าคุณจะทำการสำรวจของคุณเองหรืออ่านผลการสำรวจ สิ่งสำคัญคือต้องเข้าใจว่าข้อมูลตัวอย่างเป็นตัวแทนของประชากรทั้งหมดหรือไม่ และผลการสำรวจสามารถสรุปให้กับประชากรได้อย่างมั่นใจหรือไม่

แหล่งข้อมูลเพิ่มเติม

อ่านบทความต่อไปนี้เพื่อทำความเข้าใจพื้นฐานเกี่ยวกับแนวคิดที่สำคัญที่สุดในสถิติเบื้องต้น:

สถิติเชิงพรรณนาหรือเชิงอนุมาน
ประชากรเทียบกับ ตัวอย่าง
สถิติเทียบกับพารามิเตอร์
ตัวแปรเชิงคุณภาพและเชิงปริมาณ
ระดับการวัด: ระบุ ลำดับ ช่วงเวลา และอัตราส่วน