描述和推论统计:如何分析你的数据

统计分析允许你使用数学来得出关于各种情况的结论。这种类型的分析可以通过多种方式执行，但您通常会发现，为了对一组数据进行全面分析，您同时使用了描述性统计和推理统计。这两种类型的分析有关键的区别，使用它们都可以帮助你对你的测试对象得到准确的结论。

那么这种类型的分析在哪里适用呢?信不信由你，大多数人在他们生活的很多方面使用统计分析，不管他们是否意识到。你真的可以通过对统计学和它是如何工作的多一点了解来加深你对世界的理解。如果你想了解关于这个主题的一切，除了描述和推理统计的基础知识，然后查看车间在概率Udemy课程。

描述性统计

为了了解描述性和推理统计数据之间的关键差异，以及了解何时使用它们，您必须先了解每种类型的统计数据，以及它用于分析的内容。

描述性统计数据是一种分析形式，可以通过以有意义的方式描述，概述或显示数据来帮助您帮助您。描述性统计数据的示例将找到来自您所采取的数据的模式。

统计学的局限性在于，它不能让你在分析的数据集之外做出任何结论。描述性统计只给予我们描述展现在我们面前的事物的能力。你不能仅凭描述性统计的假设就得出任何具体的结论。

一个很好的例子就是给一群学生评分。想象一下，你正在给100个学生的考试评分，你正在分析这个学生的平均考试成绩。使用描述性统计，你可以发现测试分数的模式，例如少数学生得到高或低的测试分数，而大量学生得到平均分数。

不幸的是，描述性分析并没有让您超越这套数据的能力。例如，您将无法弄清楚接下来的100个测试分数的平均值是什么。

描述性统计非常重要。如果您只是简单地呈现数据，那么您将无法轻松地可视化数据试图显示或告诉您什么。当有大量数据需要处理时，这就更加困难了。

描述性统计比你想象的要深入得多，有很多很棒的资源可以让你用来了解它。看看Udemy课程SPSS中的描述性统计这本书教你如何用计算机软件进行这种形式的分析。

描述统计的两种类型

人们在分析数据时，倾向于使用两种描述性统计。第一种是集中趋势测度。当涉及到一组特定的数据时，这种统计信息描述了频率分布的中心位置。

描述这种统计数据形式的方法是找到所收集数据的平均值、中位数和模式。在100个考试成绩中，平均考试成绩是77，这是对数据集中趋势的衡量。

通常使用的第二种描述性统计数据是传播的衡量标准。这种类型的分析有助于人们通过描述数据展开的方式来总结数据。再次查看测试得分;中位数可以是83。

这种形式的分析来看看这些测试分数，并评估了多少学生在83到100之间的得分，以及0到83之间的得分。这样做的不同方式是这样一种分析的方式包括找到事物例如绝对偏差，方差，四分位数，标准偏差和范围。

其中一些概念可能看起来很复杂，但是您可以这样做快速轻松地学习统计学Udemy。有各种各样的课程和教程可以帮助你掌握统计学。

推论统计

上面我们探索描述性分析，它有助于大量总结数据。关于100考试评分的实例是对人口的分析。人口是一组数据，其中包含您对使用的所有信息。群体可以是大或小的，具体取决于您的分析。

当你使用描述性统计时，你必须掌握整个总体，因为描述性分析给你总体的属性，比如平均值或绝对偏差。这些被称为参数，只有一小部分人口你不可能突然得出参数。

当您无权访问整个人口时，推理统计数据播放。例如，如果您想找到整个学校的测试分数的平均值，您可能会发现您不可能这样做，以便获取所需的数据。

您将拍摄一个小型样本，而是您已经拥有的100个测试分数，而不是从整个学校获取数据。这款小型样本将允许您对学校的整个人口进行推断，即使您没有真正拥有所有数据，您可以对数据所需的内容进行了解的猜测。

当你寻找诸如标准差或范围之类的东西时，你找的不是描述性统计数据那样的参数，而是统计数据。

您用于推动统计的技术有点不同于您与描述性统计数据一起使用的方法。推论统计涉及您采取几个样本并试图找到一个准确代表整个人口的样本。然后，您测试该样本并使用它来对整个人口进行概括，在这种情况下是学校内的每个学生。

在推论统计学中有两种方法:第一种方法涉及估计参数，第二种方法涉及检验统计假设。

推论统计学的一个缺点是你的数据不准确。你可以对总体的测试分数做出一个接近的估计，但是如果你没有自己的数据，你就无法准确地知道测试分数的参数是什么。

就像描述统计学一样，你可以学习用计算机软件做推断统计学。这可以使事情变得容易得多，并允许您为更大的数字集输入数据。看看Udemy课程SPSS中的推论统计学。本课程为您提供了与SPSS软件进行推理统计所需的一切。您还将获得一个分步指南，以帮助确保能够轻松学习概念。

描述统计和推理统计的差异

描述性和推理统计数据都具有他们的利益和缺点。描述性统计对于小人口来说很棒。您可以准确地为人群产生数字，而不担心违背或产生任何错误，但您不能出任何超出您拥有的人口的任何结论。如前所述，您可能需要的准确性，但它局限于人口非常小，至少与推动统计数据相比。

通过推理统计，您不需要整个人口的数据来得出结论;这种级别的统计数据只需要准确的样本，以便您得出结论。您可以对整个人口的参数是什么，无论多么大。

不幸的是，这确实阻止了您获得准确的数据。虽然推论统计学确实能让你很好地猜测数据的样子，但它无法与描述性统计学等更具体的东西相比。

这两种形式的统计数据都很好，当它们一起使用时，你可以得到一个小种群的精确参数，然后进一步利用这些参数，得到一个更大的种群的统计数据的近似。

了解统计的关键类型

就像学习统计学的概念看起来很简单一样，在现实世界中应用它可能是一件困难的事情。要分析几十条数据可能不是什么大任务，但当数据达到成百上千条时，事情就变得有点困难了。

如果您之前从未完成任何类型的统计分析，请尝试介绍性统计课程Udemy可用。它可以教你许多统计分析的关键概念。