Статыстычныя формулы ў даследаваннях
Статыстыка — гэта раздзел матэматыкі, які займаецца зборам, аналізам, інтэрпрэтацыяй і прадстаўленнем дадзеных. У даследаваннях, няхай гэта будзе прыродазнаўства, тэхніка, сацыяльныя ці нават гуманітарныя навукі, статыстыка адыгрывае вырашальную ролю, дапамагаючы даследчыкам правяраць гіпотэзы, рабіць прагнозы і высновы. У гэтым артыкуле будуць абмеркаваны некаторыя асноўныя статыстычныя формулы і іх прымяненне ў даследаваннях.
1. Апісальная статыстыка
Апісальная статыстыка выкарыстоўваецца для апісання дадзеных, сабраных у даследаванні. Яна ўключае розныя паказчыкі, якія даюць агульнае ўяўленне аб дадзеных.
а. Сярэдняе значэнне (Mean)
Сярэдняе значэнне — гэта найбольш часта выкарыстоўванае значэнне ў статыстыцы. Гэта агульная сума ўсіх значэнняў у наборы дадзеных, падзеленая на колькасць значэнняў.
\[ \text{Сярэдняе} (\bar{x}) = \frac{\sum_{i=1}^{n} x_i}{n} \]
Дзе:
– \( \sum \) — гэта сімвал сумы, які азначае складання ўсіх значэнняў \(x \) ад 1 да \(n \).
– \(x_i \) — гэта кожнае значэнне ў наборы даных.
– \(n \) — агульная колькасць значэнняў у наборы даных.
б. Медыяна
Медыяна — гэта сярэдняе значэнне ў адсартаваным наборы даных. Калі колькасць значэнняў у даных няцотная, медыяна — гэта сярэдняе значэнне. Калі колькасць значэнняў цотная, медыяна — гэта сярэдняе значэнне двух сярэдніх значэнняў.
c. Рэжым
Мода — гэта значэнне, якое часцей за ўсё сустракаецца ў наборы даных. Набор даных можа мець адну моду (унімадальная), больш за адну моду (мультымадальная) або наогул не мець моды.
г. Дыяпазон
Дыяпазон — гэта розніца паміж максімальным і мінімальным значэннямі ў наборы даных.
\[ \text{Дыяпазон} = \text{Макс}(x) – \text{Мін}(x) \]
е. Стандартнае адхіленне
Стандартнае адхіленне — гэта мера распаўсюджвання або дысперсіі дадзеных вакол сярэдняга значэння. Формула для стандартнага адхілення папуляцыі выглядае наступным чынам:
\[ \sigma = \sqrt{\frac{\sum_{i=1}^{N} (x_i – \mu)^2}{N}} \]
І для ўзору:
\[s = \sqrt{\frac{\sum_{i=1}^{n} (x_i – \bar{x})^2}{n-1}} \]
Дзе:
– \( \sigma \) — стандартнае адхіленне папуляцыі.
– \(s \) — стандартнае адхіленне выбаркі.
– \(x_i \) — гэта кожнае значэнне ў наборы даных.
– \( \mu \) — сярэдняе значэнне для папуляцыі.
– \( \bar{x} \) — сярэдняе значэнне выбаркі.
– \(N \) — агульная колькасць значэнняў у генеральнай сукупнасці.
– \(n \) — агульная колькасць значэнняў у выбарцы.
2. Высноўная статыстыка
Высноўная статыстыка дазваляе даследчыкам рабіць высновы аб папуляцыі на аснове выбаркі дадзеных. Яна ахоплівае розныя метады, такія як праверка гіпотэз, рэгрэсія і дысперсійны аналіз (ANOVA).
а. Праверка гіпотэз
Праверка гіпотэз — гэта статыстычны працэс, які выкарыстоўваецца для вызначэння таго, ці ёсць дастаткова доказаў у выбарцы дадзеных, каб зрабіць выснову, што ўмова праўдзівая ў папуляцыі.
i. Нулявая гіпотэза (H0) і альтэрнатыўная гіпотэза (H1)
– Нулявая гіпотэза (H0): Няма ніякай розніцы або эфекту.
– Альтэрнатыўная гіпотэза (H1): Існуе розніца або эфект.
Тэставанне праводзіцца з выкарыстаннем тэставай статыстыкі, напрыклад, t-крытэрыя, крытэрыя хі-квадрат або дысперсійнага аналізу (ANOVA), і параўнання p-значэння з узроўнем значнасці (α), звычайна 0,05.
ii. t-крытэрый
T-крытэрый выкарыстоўваецца для параўнання сярэдніх значэнняў дзвюх груп. Існуе некалькі варыянтаў t-крытэрыя, такія як t-крытэрый незалежных выбарак і парны t-крытэрый.
Асноўная формула для t-крытэрыя для незалежных выбарак выглядае наступным чынам:
\[ t = \frac{\bar{x}_1 – \bar{x}_2}{\sqrt{\left( \frac{s_1^2}{n_1} \right) + \left( \frac{s_2^2}{n_2} \right)}} \]
б. Рэгрэсія
Рэгрэсія выкарыстоўваецца для мадэлявання сувязі паміж адной або некалькімі незалежнымі зменнымі (прадказальнікамі) і залежнай зменнай (рэакцыяй).
i. Простая лінейная рэгрэсія
Простая лінейная рэгрэсія мадэлюе сувязь паміж адной незалежнай зменнай і адной залежнай зменнай.
Простае лінейнае рэгрэсійнае ўраўненне мае выгляд:
\[y = \beta_0 + \beta_1 x + \epsilon \]
Дзе:
– \(y\) — залежная зменная.
– \(x \) — незалежная зменная.
– \( \beta_0 \) — гэта кропка перасячэння.
– \( \beta_1 \) — каэфіцыент рэгрэсіі.
– \( \epsilon \) — гэта памылка.
ii. Множная лінейная рэгрэсія
Множная лінейная рэгрэсія мадэлюе сувязь паміж некалькімі незалежнымі зменнымі і адной залежнай зменнай.
Ураўненне множнай лінейнай рэгрэсіі мае выгляд:
\[y = \beta_0 + \beta_1 x_1 + \beta_2 x_2 + \ldots + \beta_p x_p + \epsilon \]
Дзе:
– \(y\) — залежная зменная.
– \(x_1, x_2, \ldots, x_p \) — незалежная зменная.
– \( \beta_0 \) — гэта кропка перасячэння.
– \( \beta_p \) — каэфіцыент рэгрэсіі для незалежнай зменнай \(p \).
– \( \epsilon \) — гэта памылка.
в. Дысперсійны аналіз (ANOVA)
Дысперсійны аналіз (ANOVA) выкарыстоўваецца для параўнання сярэдніх значэнняў трох або больш груп. ANOVA вызначае, ці ёсць значная розніца паміж сярэднімі значэннямі груп, параўноўваючы зменлівасць паміж групамі са зменлівасцю ўнутры груп.
Асноўная формула для ANOVA:
\[ F = \frac{\text{Міжгрупавая зменлівасць}}{\text{Унутрыгрупавая зменлівасць}} \]
F-статыстыка разлічваецца і параўноўваецца з крытычным значэннем F-размеркавання, каб вызначыць, ці ёсць значная розніца паміж сярэднімі значэннямі групы.
3. Карэляцыя
Карэляцыя вымярае сілу і кірунак лінейнай залежнасці паміж двума зменнымі.
а. Каэфіцыент карэляцыі Пірсана (r)
Каэфіцыент карэляцыі Пірсана з'яўляецца найбольш часта выкарыстоўванай мерай для вымярэння лінейнай карэляцыі паміж двума зменнымі.
Формула для каэфіцыента карэляцыі Пірсана выглядае наступным чынам:
\[ r = \frac{\sum_{i=1}^{n} (x_i – \bar{x})(y_i – \bar{y})}{\sqrt{\sum_{i=1}^{n} (x_i – \bar{x})^2} \sqrt{\sum_{i=1}^{n} (y_i – \bar{y})^2}} \]
Дзе:
– \(r \) — каэфіцыент карэляцыі Пірсана.
– \(x_i \) і \(y_i \) — значэнні дзвюх зменных.
– \( \bar{x} \) і \( \bar{y} \) — сярэднія значэнні дзвюх зменных.
Значэнне \(r\) вагаецца ад -1 (ідэальная адмоўная карэляцыя) да +1 (ідэальная станоўчая карэляцыя), дзе 0 азначае адсутнасць карэляцыі.
Закрыццё
Статыстыка — гэта найважнейшы інструмент даследавання, які дапамагае даследчыкам прадстаўляць, аналізаваць і рабіць высновы на аснове дадзеных. У гэтым артыкуле разглядаюцца толькі некалькі асноўных формул апісальнай і вывадной статыстыкі, а таксама карэляцыя. Нягледзячы на прастату, глыбокае разуменне гэтых формул з'яўляецца ключом да правядзення абгрунтаванага аналізу і атрымання дакладных высноў на аснове дадзеных даследавання. Авалодаўшы статыстыкай, даследчыкі могуць гарантаваць, што іх высновы заснаваны на грунтоўным і надзейным аналізе.
