Secinājumu statistika ir dati, ko izmanto, lai, pamatojoties uz izlasi, veiktu vispārinājumus par populāciju. Viņi paļaujas uz nejaušas izlases metodes izmantošanu, lai nodrošinātu, ka paraugs ir reprezentatīvs. Vienkāršu secinājumu statistikas piemēru, iespējams, var atrast gandrīz jebkura laikraksta pirmajā lapā ar jebkuru rakstu, kurā apgalvots, ka “X% no Y iedzīvotāju domā/dara/jūt/tic Z”. Tāds apgalvojums kā “33% 24–30 gadus vecu cilvēku dod priekšroku kūkai, nevis pīrāgam”, balstās uz secinājumu statistiku. Būtu nepraktiski iztaujāt ikvienu 24–30 gadus vecu cilvēku par viņa desertu vēlmēm, tāpēc tā vietā ir aptaujāta reprezentatīva iedzīvotāju izlase ar mērķi izdarīt secinājumus par populāciju kopumā.
Secinošā un aprakstošā statistika
Vēl viens aptauju datu izmantošanas veids ir aprakstoša statistika. Šajā gadījumā tiek sniegti paziņojumi, kas vienkārši apraksta savāktos datus. To pašu datu kopu var izmantot aprakstošā vai secināmā veidā. Piemēram, tuvojoties vēlēšanām ASV, 1,000 cilvēku kādā pilsētā var tikt iztaujāti par saviem balsošanas nodomiem, kā rezultātā 430 teica, ka balsos par demokrātiem, 410 teica, ka balsos par republikāņiem, bet 160 nav izlēmuši vai nevēlas teikt. . Piemērs šo datu izmantošanai aprakstošā veidā varētu būt vienkārši paziņojums, ka 43% no 1,000 šajā pilsētā aptaujātajiem cilvēkiem plāno balsot par demokrātiem. Secinošs apgalvojums būtu “Demokrātu pārsvars ir 2%” — secinājums par balsošanas nodomiem kopumā ir izdarīts no izlases.
Metodes
Pirms vispārēju secinājumu izdarīšanas no izlases ir svarīgi izmantot pareizās metodes, pretējā gadījumā šie secinājumi var nebūt spēkā. Bieži sastopami kļūdu avoti ir parauga salikšanas veidā, un izlases kopas derīgumu var ietekmēt vairāki faktori. Lielumam ir izšķiroša nozīme, jo jo mazāks izmērs, jo lielāks risks, ka izlase nebūs reprezentatīva visai populācijai. Jāuzmanās arī, lai novērstu neobjektivitātes avotus. Iepriekš minētajā piemērā tādi faktori kā vecums, dzimums un ienākumi var būtiski ietekmēt balsošanas nodomus, tādēļ, ja izlase nav veidota tā, lai atspoguļotu vispārējo populāciju, secinājums var nebūt derīgs.
Paraugu ņemšanas metodes jāizvēlas rūpīgi; piemēram, ja kāds paņēma ērtību paraugu, kurā ir iekļauts katrs 10. vārds tālruņu grāmatā vai katrs 10. garāmgājējs tirdzniecības centrā, šis paraugs var nebūt derīgs. Jāņem vērā arī izlases neobjektivitāte. Piemēram, iespējams, ka 24 līdz 30 gadus veci jaunieši, kas apmeklē pīrāgu cienītāju sanāksmi, visticamāk, baudīs pīrāgu, nevis kūku, kas nozīmētu, ka aptauja par desertu izvēli, kurā kā paraugs izmantoti konferences apmeklētāji, nebūtu īpaši reprezentatīva.
Izmanto
Secinājumu statistikas izmantošana ir populāciju un notikumu izpētes stūrakmens, jo parasti ir grūti un bieži vien neiespējami aptaujāt katru populācijas locekli vai novērot katru notikumu. Tā vietā pētnieki mēģina iegūt reprezentatīvu paraugu un izmanto to kā pamatu vispārīgākiem secinājumiem. Piemēram, nebūtu bijis iespējams pārbaudīt katra atsevišķa smēķētāja medicīniskos dokumentus, lai noteiktu saikni starp smēķēšanu un plaušu vēzi, taču daudzi izlases veida paraugi, kuros smēķētāji ir salīdzināti ar nesmēķētājiem un izslēgti citi riska faktori, ir stingri pierādīti. šo saiti.
Pētnieki, kas strādā ar secināmu statistiku, cenšas saglabāt savas metodes un praksi caurspīdīgas un pēc iespējas stingrākas, lai nodrošinātu rezultātu integritāti. Paziņojumi, kuru pamatā ir neoficiālas aptaujas un ātras aptaujas, var nebūt īpaši noderīgi, taču tādās jomās kā medicīniskie pētījumi un klīniskie izmēģinājumi standarti ir daudz stingrāki, un secināmā statistika ir sniegusi milzīgu daudzumu vērtīgas informācijas. Citās jomās tos izmanto katru dienu, lai veiktu visaptverošus vispārinājumus par populācijām, kas var veidot sabiedrisko politiku, produktu dizainu, mārketingu un politiskās kampaņas.