Statistika ir termins, kas atvasināts no latīņu vārda “statuss”, kas nozīmē skaitļu grupu, kas tiek izmantota, lai attēlotu informāciju par cilvēka interesēm. Tas attiecas uz tehniku, kas izstrādāta, lai vāktu, pārskatītu, analizētu un izdarītu secinājumus no kvantificētiem datiem. Iegūtos datus pēc tam izmanto lēmumu pieņemšanas procesā.
Finanšu analītiķi Finanšu analītiķi - ko viņi dara, izmanto statistikas metodes, lai analizētu, novērtētu un apkopotu lielu datu apjomu noderīgā matemātiskā formā. Statistika tiek izmantota daudzās disciplīnās, piemēram, uzņēmējdarbībā, sociālajās zinātnēs, ražošanā, psiholoģijā utt.
Statistikas veidi
Statistikas izpēte ir sagrupēta divās galvenajās kategorijās. Tie ietver aprakstošu un secinošu statistiku.
1. Aprakstoša statistika
Aprakstošā statistika apraksta populācijas pamatīpašības un to, kā dati tiek organizēti. Tas ļauj analītiķiem redzēt datu raksturojumu un izprast tos. Piemēram, pieņemsim, ka datoru veikalā tiek pārdotas elektroniskās ierīces, un no 1000 pārdotajām elektroniskajām ierīcēm 300 ir klēpjdatori. Izmantojot šos datus, viens datu apraksts būtu 30% no parauga, kas pārstāv klēpjdatorus.
Zinātnieki izmanto divus galvenos aprakstošās statistikas veidus, un tie ietver:
Centrālās tendences mērījumi
Centrālā tendence Centrālā tendence Centrālā tendence ir aprakstošs datu kopas kopsavilkums, izmantojot vienu vērtību, kas atspoguļo datu izplatīšanas centru. Kopā ar mainīguma rādītājiem tiek ietverts vidējais, vidējais un režīms. Tos izmanto, lai parādītu vispārējās tendences ar datiem. Vidējais tiek izmantots, lai parādītu visu datu kopas komponentu vidējo rādītāju, savukārt mediāna norāda datu vidusdaļu, piemēram, studentu vidējo vecumu, kas dodas uz koledžu. Režīms tiek izmantots, lai parādītu populācijā visbiežāk sastopamos datus, piemēram, visbiežāk sastopamo studentu vecumu viņu pirmajā koledžas gadā.
Izplatīšanās mērījumi
Izplatības mērījumi parāda, cik vērtību kopa ir līdzīga vai atšķirīga un kā tās savstarpēji saistītas. Daži statistikas dati, kas izmantoti, lai aprakstītu datu izplatību, ietver diapazonu, kvartiles, dispersijas, absolūto novirzi, frekvences sadalījumu un standartnovirzi. Standarta novirze No statistikas viedokļa datu kopas standartnovirze ir noviržu lieluma mērs. starp ietverto novērojumu vērtībām.
Piemēram, 20 skolēnu klasē vidējais matemātikas darba rezultāts var būt 70 no 100 atzīmēm. Lai gan vidējais rādītājs ir 70 balles, tas nenozīmē, ka visi studenti iegūs 70 punktus. Drīzāk tas nozīmē, ka rādītāji tiks sadalīti gan zem, gan virs vidējā rādītāja. Šajā gadījumā izplatības rādītāji tiek izmantoti, lai parādītu, kā rādītāji tiek sadalīti.
2. Secinošā statistika
Secinošā statistika izmanto sarežģītus matemātiskus aprēķinus, lai secinātu tendences par lielu iedzīvotāju skaitu. Analizējot lielu iedzīvotāju skaitu, ir grūti analizēt katru šīs populācijas pārstāvi pa vienam. Drīzāk zinātnieki izmanto secinošu statistiku, lai noteiktu saikni starp mainīgajiem izlases populācijā, un pēc tam informāciju izmanto, lai prognozētu, kā mainīgie ir saistīti ar vispārējo populāciju.
Piemēram, ja zinātnieki analizē precētu vīriešu skaitu viena miljona vīriešu populācijā, viņi no viena miljona vīriešu populācijas savāks izlasi un pēc tam, pamatojoties uz izlasē iegūto informāciju, izdarīs vispārinājumus par visu populāciju.
Divas galvenās secinošās statistikas klasifikācijas ietver:
Ticamības intervāls
Uzticamības intervāls Uzticamības intervāls Uzticamības intervāls ir statistikas intervāla novērtējums, kurā var būt populācijas parametrs. Nezināms populācijas parametrs tiek atrasts, izmantojot izlases parametru, kas aprēķināts pēc izlases datiem. Piemēram, populācijas vidējais μ tiek noteikts, izmantojot izlases vidējo x̅. tiek aprēķināts pēc novēroto datu statistikas, kas var saturēt nezināma populācijas parametra faktisko vērtību.
Hipotēžu pārbaude
Hipotēžu pārbaude Hipotēžu pārbaude Hipotēžu pārbaude ir statistikas secināšanas metode. To izmanto, lai pārbaudītu, vai apgalvojums par populācijas parametru ir pareizs. Hipotēžu pārbaude notiek, kad zinātnieki analizē populācijas izlasi un pēc tam izmanto šo informāciju, lai apgalvotu par lielo populāciju, kurai pieder izlase.
Statistikas īpašības
Daži no potenciālajiem raksturlielumiem, kas statistikā jāiekļauj:
1. Pilnība
Pilnīgums attiecas uz norādi par to, vai datu resursā ir pieejami dati, kas nepieciešami, lai apmierinātu informācijas pieprasījumu. Datu pilnība ir nepieciešama, lai nodrošinātu novēroto datu precizitāti.
2. Konsekvence
Konsekvence tiek skatīta datu vienotības vai stabilitātes ziņā. Daži statistikas dati, ko izmanto konsekvences mērīšanai, ietver standartnovirzi, diapazonu un dispersiju. Mērot datu konsekvenci no parauga, kas reprezentē lielu populāciju, parasti tiek pārbaudīta vidējā standarta kļūda.
Tāpat, izmantojot instrumentus datu vākšanai, konsekvenci var izmērīt, novērtējot iegūto punktu ticamību.
3. Pietiekamība
Statistika tiek uzskatīta par pietiekamu, ja nav citas statistikas, ko varētu aprēķināt no izlases. Pietiekamības jēdziens aprakstošajā statistikā ir izplatīts, jo tā ir ļoti atkarīga no datu izplatīšanas formas pieņēmuma.
4. Neobjektivitāte
Statistikas novirzi nosaka starpība starp izmērāmā parametra patieso vērtību un novērtētāja paredzamo vērtību. Ja izlases sadalījuma vidējais lielums un paredzamā parametra vērtība ir vienādas, statistika tiek uzskatīta par objektīvu.
Saistītie lasījumi
Finanses ir oficiālais globālās finanšu modelēšanas un vērtēšanas analītiķu (FMVA) ™ FMVA® sertifikācijas nodrošinātājs. Pievienojieties 350 600+ studentiem, kuri strādā tādos uzņēmumos kā Amazon, JP Morgan un Ferrari sertifikācijas programma, kas paredzēta ikvienam, lai kļūtu par pasaules klases finanšu analītiķi. . Lai turpinātu mācīties un virzīt savu karjeru, noderēs tālāk norādītie papildu finanšu resursi:
- Bayes teorēma Bayes teorēma Statistikā un varbūtību teorijā Bayes teorēma (pazīstama arī kā Bayes likums) ir matemātiska formula, ko izmanto, lai noteiktu nosacīto
- Korelācijas matrica Korelācijas matrica Korelācijas matrica ir vienkārši tabula, kurā parādīti korelācijas koeficienti dažādiem mainīgajiem. Matrica attēlo korelāciju starp visiem iespējamiem vērtību pāriem tabulā. Tas ir spēcīgs rīks, lai apkopotu lielu datu kopu un identificētu un vizualizētu modeļus dotajos datos.
- Lielu skaitļu likums Lielu skaitļu likums Statistikā un varbūtību teorijā lielu skaitļu likums ir teorēma, kas apraksta viena un tā paša eksperimenta atkārtošanas rezultātu lielā skaitā.
- Kopējās varbūtības noteikums Kopējās varbūtības noteikums Kopējās varbūtības noteikums (pazīstams arī kā kopējās varbūtības likums) ir pamatnoteikums statistikā attiecībā uz nosacīto un marginālo
