ለጀማሪዎች ስታቲስቲክስ
ስታቲስቲክስ ከመረጃ አሰባሰብ፣ ትንተና፣ ትርጓሜ፣ አቀራረብ እና አደረጃጀት ጋር የተያያዘ የሂሳብ ዘርፍ ነው። መረጃን በቁጥር መልክ ለመረዳት እና ለመተርጎም ለሚፈልግ ለማንኛውም ሰው አስፈላጊ መሣሪያ ነው። ውስብስብ ቢመስልም፣ በመሠረታዊ ግንዛቤ ማንኛውም ሰው ስታቲስቲክስን መቆጣጠር ይችላል። ይህ ጽሑፍ ከመሠረታዊ ፅንሰ-ሀሳቦች እስከ አንዳንድ የተለመዱ የትንታኔ ቴክኒኮች ድረስ የስታቲስቲክስን ዓለም ለማሰስ ይረዳዎታል።
ስታቲስቲክስ ለምን አስፈላጊ ነው?
ስታቲስቲክስ በመረጃ ላይ የተመሰረቱ ውሳኔዎችን እንድናደርግ ይረዳናል። በሁሉም የሕይወት ዘርፎች ማለት ይቻላል - ከህክምና እና ከግብይት እስከ ንግድ እና ማህበራዊ ሳይንስ እስከ ስፖርት - መረጃ አፈፃፀምን ለመለካት፣ ውጤቶችን ለመገምገም እና ለወደፊቱ እቅድ ለማውጣት ጥቅም ላይ ይውላል። ስታቲስቲክስ ተመራማሪዎች እና ውሳኔ ሰጪዎች በቀላል ግምቶች ወይም ግንዛቤ ሳይሆን በማስረጃ ላይ ተመስርተው ስትራቴጂ እንዲያወጡ እና ውሳኔዎችን እንዲያደርጉ ያስችላቸዋል።
በስታቲስቲክስ ውስጥ መሰረታዊ ፅንሰ ሀሳቦች
የሕዝብ ብዛት እና ናሙና
– የሕዝብ ብዛት፡- የጥናታችን ትኩረት የሆነባቸው የነገሮች ወይም የግለሰቦች አጠቃላይ ቡድን ነው። ለምሳሌ፣ የአንድ ከተማ ነዋሪዎችን አማካይ ዕድሜ ማወቅ ከፈለግን፣ የእኛ ሕዝብ ሁሉም የዚያች ከተማ ነዋሪዎች ናቸው።
– ናሙና፡- ለመተንተን የተወሰደ የህዝብ ንዑስ ቡድን ነው። መረጃ ከመላው ህዝብ መሰብሰብ ብዙውን ጊዜ ተግባራዊ ያልሆነ ወይም የማይቻል ስለሆነ፣ በቀላሉ ከዚያ ህዝብ ተወካይ ናሙና መረጃ እንሰበስባለን።
መለኪያዎች እና ስታቲስቲክስ
– መለኪያ፡- የሕዝብን ባህሪ የሚገልጽ የቁጥር እሴት ነው (ለምሳሌ የሕዝብ አማካይ)።
– ስታቲስቲክስ፡- የናሙናን ባህሪ የሚገልጹ የቁጥር እሴቶች ናቸው (ለምሳሌ የናሙና አማካይ)።
ተለዋዋጭ
ተለዋዋጭ የሚለካ ወይም የሚታዘብ ባህሪ ወይም ባህሪ ነው። ሁለት ዋና ዋና የተለዋዋጮች ዓይነቶች አሉ፡
1. የጥራት ተለዋዋጮች፡ የክፍለ-ግዛት ምድቦች ወይም ባህሪያት፣ ለምሳሌ ጾታ፣ የአይን ቀለም ወይም የትምህርት ደረጃ።
2. የቁጥር ተለዋዋጮች፡- የቁጥር ብዛት ወይም መጠን፣ ለምሳሌ እድሜ፣ ቁመት ወይም ገቢ። የቁጥር ተለዋዋጮች መለያየት (ሙሉ ቁጥሮች) ወይም ቀጣይ (እውነተኛ ቁጥሮች) ሊሆኑ ይችላሉ።
የመለኪያ ልኬት
1. ስመ፡- ቅደም ተከተል ወይም ደረጃ የሌለው የጥራት መረጃ። ምሳሌዎች፡- ጾታ፣ የአይን ቀለም።
2. ተራ፡- ቅደም ተከተል ወይም ደረጃ ያለው ነገር ግን ልዩነቶቹ ሊለኩ የማይችሉ የጥራት መረጃዎች። ለምሳሌ፡- የእርካታ ደረጃ (በጣም እርካታ የጎደለው፣ እርካታ የጎደለው፣ ገለልተኛ፣ እርካታ የጎደለው፣ በጣም እርካታ የጎደለው)።
3. የጊዜ ክፍተት፡- ሊለኩ የሚችሉ ልዩነቶች ያሉት እና ፍጹም ዜሮ የሌለው የቁጥር መረጃ። ለምሳሌ፡- በሴልሺየስ ወይም ፋራናይት የሙቀት መጠን።
4. ጥምርታ፡ ሊለኩ የሚችሉ ልዩነቶች እና ፍፁም ዜሮ ያለው የቁጥር መረጃ፣ ይህም ማባዛትና መከፋፈልን ያስችላል። ምሳሌዎች፡ ቁመት፣ ክብደት፣ ዕድሜ።
የውሂብ ስብስብ
የውሂብ አሰባሰብ በስታቲስቲክስ ትንተና ውስጥ የመጀመሪያው እርምጃ ነው። የውሂብ አሰባሰብ ቴክኒኮች የሚከተሉትን ሊያካትቱ ይችላሉ፡
1. የዳሰሳ ጥናት፡- ከመልስ ሰጪዎች በቀጥታ መረጃ ለመሰብሰብ መጠይቆችን ወይም ቃለመጠይቆችን መጠቀም።
2. ሙከራ፡- በተቆጣጠሩ ሁኔታዎች ውስጥ ምርመራዎችን ማካሄድ።
3. ምልከታ፡- ጉዳዩን ያለ ጣልቃ ገብነት በተፈጥሮው ሁኔታ መመልከት።
4. ሁለተኛ ደረጃ የመረጃ አሰባሰብ፡- በሌሎች ወገኖች የተሰበሰቡ መረጃዎችን መጠቀም፣ ለምሳሌ የመንግስት መረጃ ወይም ሳይንሳዊ ጽሑፎች።
ገላጭ የውሂብ ትንተና
ገላጭ ትንተና መረጃን ለመረዳት የመጀመሪያው እርምጃ ነው። በማጠቃለያ ስታቲስቲክስ ወይም በምስል አማካኝነት መረጃን ለማጠቃለል የሚያስችሉ ዘዴዎችን ያካትታል።
የማጠቃለያ ስታቲስቲክስ
1. ማዕከላዊነት መለኪያ
– አማካይ (አማካይ): የሁሉም እሴቶች ድምር በእሴቶች ብዛት የተከፈለ።
– መካከለኛ፡ የተደረደረው መረጃ መካከለኛ እሴት።
– ሁነታ፡ በውሂብ ስብስቡ ውስጥ በብዛት የሚታየው እሴት።
2. የመበተን መጠን
– ክልል፡- በከፍተኛ እና ዝቅተኛ እሴቶች መካከል ያለው ልዩነት።
– ልዩነት (ተለዋዋጭ): በእያንዳንዱ እሴት እና በአማካይ መካከል ያለው ልዩነት አማካኝ ካሬ።
– መደበኛ መዛባት (መደበኛ መዛባት): የልዩነቱ ካሬ ሥር።
የውሂብ ምስላዊነት
የውሂብ ምስላዊነት በውሂብ ውስጥ ያለውን ስርጭት እና ቅጦች ለመረዳት ይረዳል። አንዳንድ በብዛት ጥቅም ላይ የሚውሉ የእይታ መሳሪያዎች የሚከተሉትን ያካትታሉ፡
– ሂስቶግራም፡ የቁጥር መረጃ ድግግሞሽ ስርጭትን ያሳያል።
– የባር ገበታ (የባር ዲያግራም): ለጥራት መረጃ ጥቅም ላይ የሚውል።
– የፓይ ገበታ (የክብ ዲያግራም): የጥራት መረጃ መጠንን ያሳያል።
– የሣጥን ፕላት (የሣጥን ዲያግራም): የውሂቡን ስርጭት ኳርቲሎች እና ውጪ ያሉ ነገሮችን በማጉላት ያሳያል።
የማጣቀሻ ትንተና
የማጣቀሻ ትንተና በናሙና መረጃ ላይ ተመስርቶ ስለ አንድ ሕዝብ መደምደሚያ ላይ ለመድረስ ይጠቅማል። እንደ መላምት ሙከራ፣ ሪግሬሽን እና የልዩነት ትንተና (ANOVA) ያሉ የተለያዩ ቴክኒኮችን ያካትታል።
የሂፕቴሲስ ምርመራ
የሂፕታይዝስ ምርመራ አንድ ሁኔታ ለጠቅላላው ህዝብ እውነት መሆኑን ለመደምደም በአንድ የውሂብ ናሙና ውስጥ በቂ ማስረጃ መኖር አለመኖሩን ለመወሰን የሚያገለግል ዘዴ ነው። ደረጃዎቹ የሚከተሉትን ያካትታሉ፡
1. ባዶ መላምት (H0) እና አማራጭ መላምት (H1) ይወስኑ
– H0፡ ምንም ውጤት ወይም ልዩነት የለም።
– H1: ውጤት ወይም ልዩነት አለ።
2. የጥቅሙን ደረጃ (α) ይወስኑ፣ አብዛኛውን ጊዜ 0.05።
3. የፈተና ስታቲስቲክስ እና ፕሮባቢሊቲ (p-value) ማስላት
4. p-valueን ከ α ጋር ማወዳደር
– p < α ከሆነ፣ H0 ውድቅ ይደረጋል፤ H1ን ለመቀበል በቂ ማስረጃ አለ። – p ≥ α ከሆነ፣ H0 ውድቅ አይደረግም፤ H1ን ለመቀበል በቂ ማስረጃ የለም። ትስስሩ እና ወደኋላ መመለስ 1. ትስስሩ፡ በሁለት የቁጥር ተለዋዋጮች መካከል ያለውን መስመራዊ ግንኙነት ጥንካሬ እና አቅጣጫ ይለካል። የትስስሩ ኮፊሸንት በ-1 (ፍጹም አሉታዊ ግንኙነት) እና 1 (ፍጹም አዎንታዊ ግንኙነት) መካከል ይገኛል። 2. ወደኋላ መመለስ፡- በጥገኛ ተለዋዋጭ እና በአንድ ወይም ከዚያ በላይ ገለልተኛ ተለዋዋጮች መካከል ያለውን ግንኙነት ይለካል። ቀላል መስመራዊ ተዛምዶ የቀጥታ መስመር \(y = mx + c\) እኩልታ ይጠቀማል፣ እዚያም የ m (ቁልቁለት) እና c (መቆራረጥ) ምርጥ እሴቶችን ለማግኘት እንሞክራለን። የልዩነት ትንተና (ANOVA) ANOVA የሶስት ወይም ከዚያ በላይ ቡድኖችን መንገዶች ለማነፃፀር ይጠቅማል። ይህ ዘዴ ሁሉም የቡድን መንገዶች እኩል ናቸው የሚለውን መላምት ይፈትሻል እና ቢያንስ አንድ የቡድን መንገዶች የተለያዩ ናቸው። መደምደሚያ
