5 통계 분석 방법–상세 개요(2021)

소개

모든 것은 통계 분석 방법의 특권을 활용하는 것으로,이는 우리가 상호 작용하고 데이터 테스트를 수집하여 추세와 패턴을 밝히는 방법입니다.

최근 10 년 동안 정상적인 사업은 근본적으로 변했습니다. 에 관계 없이 그것은 하드웨어 작업 영역 또는 부여 하는 데 사용 하는 소프트웨어에 활용,매우 드문 것 들 봐 그들이 사용 하는 것과 동등한. 통계 모델링 기술은 로지스틱 회귀,선형 회귀,변동 분석,상관 관계,행렬 연산,샘플링 등입니다.

독특한 것은 우리가 얼마나 많은 정보를 쉽게 이용할 수 있는지입니다. 한때 부족한 것은 현재 정보의 압도적 인 척도입니다. 이 수 있으므로,그것은 아마도 당신은 통찰력과 진정한 의미를 발견하기 위해 귀하의 비즈니스 정보를 조사하는 방법 안개가 아이디어를 가지고 있지 않은 오프 기회에 압도 것.

통계 분석 수행 방법

이 통계 분석 방법에는 선택할 수있는 5 가지가 있습니다:

1. 평균
2. 표준 편차
3. 회귀
4. 가설 검정
5. 표본 크기 결정

1) 평균:

사용 된 통계 분석 방법은 평균으로 더 일반적으로 언급되는 평균입니다. 이 기술이 활용되는 시점에서 데이터에 대한 빠르고 컴팩트 한 관점을 얻을 수있는 용량과 마찬가지로 데이터 세트의 일반적인 패턴을 결정하는 것이 고려됩니다. 이 기술의 클라이언트는 빠르고 단순한 추정을 통해 추가로 이점을 얻습니다.

통계적 수단은 준비중인 정보의 주요 문제를 생각하고 있습니다. 결과는 주어진 정보의 평균으로 언급된다. 실제로,개인은 일반적으로 탐사,스포츠 및 학계에 관한 의도를 사용합니다.

평균을 찾는 방법

데이터의 평균을 찾으려면 처음에 숫자를 함께 추가 한 다음 전체를 데이터 세트 내부에있는 숫자의 수로 나눕니다.

예를 들어,의 평균을 찾으려면 24, 3, 15, 6, 2, 당신은 처음에 그들을 함께 추가 할 것입니다.

24 3 15 6 2=50

이 시점에서 요약(5)의 숫자 수로 나눕니다.

50/5= 10

평균은 10 이다.

단점

평균을 사용하는 것이 비범 할 때 독립적 인 통계 분석 방법으로 제안되지 않습니다. 이렇게 하면 추정 뒤에 있는 전체 노력이 파괴될 수 있기 때문에 일부 데이터 세트에서 중앙값 및 모드로 식별되는 것처럼 보입니다.

2)표준 편차:

표준 편차는 평균 주위의 정보 확산을 측정하는 통계 분석 방법에 대한 전략입니다.

상승된 편차를 관리하는 시점에서는 평균에서 광범위하게 확산되는 정보에 초점을 맞춥니다. 마찬가지로,낮은 표준 편차는 대부분의 정보가 평균에 의한 것이며 마찬가지로 세트의 예상 값으로 알려질 수 있음을 보여줍니다.

표준 편차를 찾는 방법

표준 편차를 계산하는 공식은 다음과 같습니다.:

1. 엔 모집단의 데이터 요소 수를 나타냅니다.
2. 2 는 분산을 나타냅니다.
3. 320 은 데이터의 평균을 나타냅니다.
4. 엑스 데이터 세트의 값을 나타냅니다.
5. 320 은 데이터의 합을 나타냅니다.
6. 표준 편차의 기호는 다음과 같습니다.

단점

평균 활용의 단점에 비해 표준 편차는 측정 가능한 시험에서 독방 전략으로 활용 될 때 속일 수 있습니다.

3)회귀 분석:

통찰력과 관련하여 회귀는 통계 분석 방법에서 독립 변수와 종속 변수 사이의 연결입니다. 회귀 분석 차트 및 그래프에 사용되는 선은 특정 시간 측정 전반에 걸쳐 패턴을 표시 함에도 불구하고 요인 간의 연결이 고체 또는 연약한지 여부를 의미합니다.

회귀 방정식

나중에 정보가 어떻게 눈에 보일 수 있는지 인식하는 데 사용되는 회귀 방정식은 다음과 같습니다.

와이=ㅏ 비(엑스)

:

1. 비 경사 또는 상승 오버런을 나타냅니다.
2. 와이 독립 변수입니다.
3. 엑스 종속 변수입니다.
4. ㅏ 참조 와이-절편,값 와이 때 엑스=0.

단점

데이터 통계 분석의 구성 요소로 회귀를 사용하는 한 가지 단점은 회귀가 틀림 없다는 것입니다.

4)가설 검정:

가설 검정,그렇지 않으면 통계 분석 방법에서”테스트”라고합니다. 가설 검정 방법은 특정 경합 또는 끝이 데이터 집합에 대해 유효한 경우 검정과 연결됩니다. 그것은 다른 가정 및 가설에 대한 정보를 대조하는 것을 고려합니다. 그것은 마찬가지로 사업을 위해 의미 할 수 만든 어떤 선택을 추정하는 데 도움이 될 수 있습니다.

가설 검정 공식

통계적 가설 검정의 후유증은 특별한 경우를 만들기 위해 해독되어야 한다.

이 가설 검정의 공식은 다음과 같습니다:

1. 10.5
2. 10.5
3. 10.5
4. 5

단점

가설 검정은 경우에 따라 위약 효과와 유사한 규칙적인 실수로 인해 왜곡되고 흐려질 수 있습니다.

5)표본 크기 결정:

통계적 방법에 대한 정보를 조사하는 것과 관련하여,어떤 경우에는 데이터 집합이 본질적으로 지나치게 거대하여 데이터 집합의 모든 구성 요소에 대한 정확한 정보를 수집하기가 어렵습니다.

표본 크기 찾기

어쨌든 표본 크기를 결정하는 동안 기억해야 할 몇 가지 광범위한 팁이 있습니다:

1. 보다 겸손한 표본 크기를 고려하면서 직접 통계 데이터.
2. 자신의 것과 같이 조사의 표본 크기를 활용하십시오.
3. 비독점 보고서를 지시하는 경우,현재로서는 잠재적 이익을 위해 사용할 수 있는 테이블이 있을 수 있습니다.
4. 샘플 크기 미니 컴퓨터를 사용합니다.

단점

이 기술 내에서 검증되지 않은 다른 정보 변수를 조사 할 때 특정 의혹에 의존해야합니다. 그렇게하면 완전히 기본 의심을 가져올 수 있습니다.

결론

당신이 선택하는 통계 분석 방법에 대한 어떤 전략에 관계없이,단지 다른 공식으로,모든 예상 단점의 예외적 인 메모를 취하려고합니다. 활용할 수있는 최고 품질 수준이나 잘못되거나 올바른 기술은 없습니다. 그것은 당신이 최종 제품으로 가지고 바라고 지식의 비트와 마찬가지로,수집 한 정보의 종류에 의존 할 것이다. 데이터 분석의 예로는 규범 분석,예측 분석,진단 분석,추론 분석이 있습니다. 설명 분석,텍스트 분석,등등.

당신이 데이터 과학 분야에서 경력을 만들기에 관심이 있다면,우리의 11 개월 대면 데이터 과학 과정은 성공적인 데이터 과학 전문가가되는 데 대단히 도움이 될 수 있습니다.

또한 읽기

• 2021 년 데이터 과학자를위한 중요한 클러스터링 알고리즘