描述性统计家庭作业帮助

什么是“描述性统计”

描述性统计是总结给定数据集的简要描述性系数，其可以是单个群体的表示或其样本的示例。描述性统计数据分为中央缓解措施和可变性或扩散措施。中心措施平均值，中位数和模式之和，变异性测度包括标准偏差或方差，最小和最大变量以及峰度和偏度。

简而言之，描述性的统计数据有助于描述和理解特定数据集的特征，简要介绍了数据的样本和度量。最公认的描述性统计类型是平均值，中位数和模式，它们在几乎所有级别的数学和统计学中都被使用。然而，较不常见的描述性统计类型仍然非常重要。

人们使用描述性统计，将大量数据集中的难以理解的量化重新定义为大小描述。例如，学生的平均成绩（GPA）可以很好地理解描述性统计数据。 GPA的想法是，从广泛的考试，课程和成绩获取数据点，并将它们平均在一起，以提供对学生整体学术效果的一般了解。学生的个人GPA显示了他的平均学业成绩。

所有描述性统计数据，无论是平均值，中位数，模式，标准偏差，峰度或偏度，都是中心扩散或变异性度量的指标。这两个措施使用图表，一般讨论来帮助人们了解正在分析的数据的含义。

数据集分布的中心位置的中心共同点的度量。一个人使用平均值，中位数或模式来分析分布中每个数据点的频率并对其进行描述，该平均值，中值或模式测量数据集中最常见的模式为Quot;

可变性措施或扩散措施有助于分析如何将分布扩展到一组数据。例如，虽然中央冷却措施可以给人一个数据集的平均值，但它不描述数据在集合内的分布情况。所以，虽然数据的平均值可能是100分之内的65，但在1和100之间仍然可以有数据点。变异性的测量有助于treun数据集。范围，四分位数，绝对偏差和方差都是变异性度量的例子。

描述性统计用于描述研究中数据的基本特征。他们提供了关于样本和措施的简单摘要。与简单的图形分析一起，它们几乎构成了数据的所有定量分析的基础。

描述性统计数据与调查统计数据不同。使用描述性统计数据，您将获得数据显示的数据或数据。在调查统计数据中，您正在努力达成超出立即数据的结论。例如，我们使用推论统计来尝试从样本数据推断人口可能会考虑什么。或者，我们使用推论统计来判断组合之间接受的差异是可靠的或可能在本研究中可能采取的可能性之间的差异的判断。使用推论统计从我们的数据推导到更一般的条件;我们使用描述性统计来简单地描述我们的数据发生了什么。

描述性统计用于以可管理的形式呈现量化描述。在研究中，我们可能会采取很多措施。或者我们可以测量大量的人。描述性统计帮助我们以合理的方式简化大量数据。每个描述性统计数据将大量数据减少为更简单的摘要。例如，考虑一个简单的数字，用于总结面糊在棒球中的表现，击球平均水平。这个单个数字只是命中数除以蝙蝠的次数（报告为三位有效数字）。击中.333的面糊在蝙蝠每三击一次。一次击球.250击中四次一次。单个数字描述了大量的离散事件。或者，考虑许多学生的祸害，成绩点平均（GPA）。这个单一的数字描述了学生跨越潜在广泛的课程体验的一般表现。

分销。分布是各个值的频率或变量值的范围的总结。最简单的分布将列出变量的每个值和每个值的人数。例如，描述大学生分配的一个典型方法是在大学毕业，列出四年中每个学生的数量或百分比。或者，我们通过列出男性和女性的数量或百分比来描述性别。在这些情况下，变量具有足够的值，我们可以列出每个值，并总结有多少个样本的值。但是，对于像收入或GPA这样的变量，我们做什么呢？有了这些变量，可能有很多可能的值，每个人都有相对较少的值。在这种情况下，我们将原始分数根据值的范围分类。例如，我们可以根据字母级别范围来查看GPA。或者，我们可以将收入分成四到五个收入值范围

描述性统计

描述性统计是给数据分析的术语，有助于以有意义的方式描述，显示或汇总数据，以便例如数据可能出现。然而，描述性统计数据不允许我们超出我们分析的数据结论，或得出关于我们可能提出的任何假设的结论。它们只是描述我们的数据的一种方式。

描述性统计是非常重要的，因为如果我们简单地提供原始数据，那么很难明确数据显示，特别是如果有很多。因此，描述性统计数据使我们能够以更有意义的方式呈现数据，这允许更简单地解释数据。例如，如果我们获得了100个学生的课程成绩，我们可能对这些学生的整体表现感兴趣。我们也会对商标的分发或传播感兴趣。描述性的统计数据使我们能够做到这一点。如何通过统计和图表正确描述数据是一个重要的话题，并在其他“Laerd Statistics”指南中讨论。通常，有两种常用的统计数据类型用于描述数据：

我们在家庭作业中通过在统计学中提供一系列主题的解决方案，在空间上树立了自己的突出位置。 您可以通过点击主页上提供的“提交您的”标签来上传您的/家庭作业或项目，以获取任何有关描述性统计的统计/统计作业或统计项目的帮助。