Non importa quanto sia grande il vostro dati è, se non si può spiegare , nessuno saprà . Tecniche di analisi statistica ci permettono di fare un’inferenza da un insieme di dati . Senza queste tecniche , dati non è impugnabile , in quanto siamo in grado di determinare se le nostre osservazioni sono rappresentativi della popolazione o semplicemente dovuta al caso . Per fortuna, ci sono una miriade di tecniche là fuori per noi da usare . Statistica descrittiva

Una corretta analisi inizia con guardando le statistiche descrittive . Dall’esame della media , deviazioni standard e quartili dei dati , si è in grado di avere un’idea approssimativa di ciò che i vostri dati assomiglia. In seguito a questo con tecniche grafiche , come ad esempio , istogrammi, grafici a dispersione o addirittura complotti QQ può darvi un’idea di come i dati sono distribuiti e se avete intenzione di incorrere in problemi più tardi, quando è necessario soddisfare i presupposti di altre tecniche di analisi .

analisi della varianza

Se il set di dati viene da un esperimento , in cui si potrebbe avere diversi gruppi di soggetti che si trovano in celle sperimentali , quindi ANOVA potrebbe essere il biglietto . Questa tecnica confronta le medie dei diversi gruppi sperimentali . Ad esempio, se si dovesse avere un esperimento in cui hai dato un placebo o 10 , 20 , o 30 milligrammi di un farmaco e misurare il tempo di sopravvivenza , si consiglia di confrontare i tempi di sopravvivenza medi dei gruppi . Lo svantaggio è che l’ ANOVA solo dirà se c’è una differenza , non che i gruppi sia la differenza tra .

Linear Regression

Un quadro potente per l’analisi statistica è la famiglia regressione lineare . Utilizzando la regressione lineare multipla , è possibile analizzare grandi insiemi di dati con molte variabili . Ad esempio , supponiamo di avere un set di dati con le statistiche demografiche , il tasso di criminalità e la spesa di polizia . Utilizzando la regressione lineare multipla , si sarebbe in grado di determinare se la spesa per la polizia è correlata con una riduzione della criminalità , con gli effetti della demografia , mantenendo costanti . Lo svantaggio di questa tecnica è che alcune delle ipotesi di dati che devono essere rispettate al fine di controllare per errore statistico può essere oneroso .

Muiltivariate Tecniche

Se avere più misure dipendenti , poi si vuole guardare tecniche multivariate , come MANOVA o misure ripetute MANOVA . Le tecniche consentono di testare l’effetto di variabili predittive su una serie di misure . Queste tecniche sono utili quando misure dipendenti sono intimamente legate , o quando la relazione tra le variabili viola le assunzioni delle tecniche univariate più popolari . Lo svantaggio di tecniche multivariate sono loro complessità; un forte background in algebra lineare e statistiche univariate sono un must .