वर्णनात्मक बनाम आनुमानिक आंकड़े

आँकड़ों के क्षेत्र को दो प्रमुख विभाजनों में विभाजित किया गया है: वर्णनात्मक और अनुमानात्मक। इनमें से प्रत्येक खंड महत्वपूर्ण है, विभिन्न तकनीकों की पेशकश करता है जो विभिन्न उद्देश्यों को पूरा करते हैं। वर्णनात्मक आँकड़े बताते हैं कि क्या चल रहा है आबादी या डेटा सेट. विरोधाभासी आंकड़े, इसके विपरीत, वैज्ञानिकों को एक नमूना समूह से निष्कर्ष निकालने और उन्हें बड़ी आबादी के लिए सामान्यीकृत करने की अनुमति देते हैं। दो प्रकार के आँकड़ों में कुछ महत्वपूर्ण अंतर हैं।

वर्णनात्मक आँकड़े आँकड़े के प्रकार हैं जो संभवतः "आँकड़े" शब्द सुनते ही अधिकांश लोगों के दिमाग में आते हैं। आंकड़ों की इस शाखा में, लक्ष्य का वर्णन करना है। डेटा के एक सेट की विशेषताओं के बारे में बताने के लिए संख्यात्मक उपायों का उपयोग किया जाता है। इस हिस्से में कई आइटम हैं, जैसे कि:

• औसत, या माध्य, माध्य, मोड या मिडरेंज से मिलकर डेटा सेट के केंद्र का माप
• एक डेटा सेट का प्रसार, जिसे इसके साथ मापा जा सकता है रेंज या मानक विचलन
• डेटा का समग्र विवरण जैसे पाँच नंबर का सारांश
• माप जैसे तिरछापन तथा कुकुदता
• रिश्तों की खोज और सह - संबंध बनती डेटा के बीच
• में सांख्यिकीय परिणामों की प्रस्तुति चित्रात्मक प्रपत्र

ये उपाय महत्वपूर्ण और उपयोगी हैं क्योंकि वे वैज्ञानिकों को डेटा के बीच पैटर्न देखने की अनुमति देते हैं, और इस प्रकार उस डेटा की समझ बनाते हैं। वर्णनात्मक आंकड़ों का उपयोग केवल अध्ययन के तहत निर्धारित जनसंख्या या डेटा का वर्णन करने के लिए किया जा सकता है: परिणामों को किसी अन्य समूह या जनसंख्या के लिए सामान्यीकृत नहीं किया जा सकता है।

सामाजिक वैज्ञानिक वैज्ञानिकों द्वारा उपयोग किए जाने वाले वर्णनात्मक आँकड़े दो प्रकार के होते हैं:

केंद्रीय प्रवृत्ति के उपाय डेटा के भीतर सामान्य रुझानों को कैप्चर करें और गणना, औसत, और मोड के रूप में व्यक्त किए जाते हैं। एक मतलब वैज्ञानिकों को डेटा सेट के सभी के गणितीय औसत को बताता है, जैसे कि पहली शादी में औसत आयु; मध्ययुगीन डेटा वितरण के मध्य का प्रतिनिधित्व करता है, जैसे उम्र जो उस उम्र की सीमा के बीच में बैठता है जिस पर लोग पहली शादी करते हैं; और, मोड सबसे आम उम्र हो सकती है जिस पर लोग पहली शादी करते हैं।

प्रसार के उपाय बताते हैं कि डेटा कैसे वितरित किया जाता है और एक दूसरे से संबंधित हैं, जिसमें शामिल हैं:

• रेंज, डेटा सेट में मौजूद मानों की पूरी रेंज
• आवृत्ति वितरण, जो यह निर्धारित करता है कि डेटा सेट के भीतर कितनी बार एक विशेष मूल्य होता है
• चतुर्थक, उपसमूह एक डेटा सेट के भीतर बनता है जब सभी मानों को सीमा के चार समान भागों में विभाजित किया जाता है
• निरपेक्ष विचलन मतलबऔसत मूल्य प्रत्येक औसत से कितना विचलन करता है
• झगड़ा, जो दिखाता है कि डेटा में कितना फैला हुआ है
• मानक विचलन, जो माध्य के सापेक्ष डेटा के प्रसार को दिखाता है

प्रसार के उपायों को अक्सर टेबल, पाई और बार चार्ट में दर्शाया जाता है, और डेटा के भीतर रुझानों की समझ में सहायता करने के लिए हिस्टोग्राम।

अव्यवस्थित आँकड़े जटिल गणितीय गणनाओं के माध्यम से उत्पन्न होते हैं जो वैज्ञानिकों को इससे लिए गए नमूने के अध्ययन के आधार पर बड़ी आबादी के बारे में रुझान का पता लगाने की अनुमति देते हैं। एक नमूने के भीतर चर के बीच संबंधों की जांच करने के लिए वैज्ञानिक हीनतापूर्ण आंकड़ों का उपयोग करते हैं और फिर सामान्यीकरण या भविष्यवाणियां करें कि कैसे वे चर एक बड़े से संबंधित होंगे आबादी।

आमतौर पर जनसंख्या के प्रत्येक सदस्य की व्यक्तिगत रूप से जांच करना असंभव है। इसलिए वैज्ञानिक जनसंख्या का एक प्रतिनिधि सबसेट चुनते हैं, जिसे एक सांख्यिकीय नमूना कहा जाता है, और इस विश्लेषण से, वे उस आबादी के बारे में कुछ कहने में सक्षम होते हैं जिसमें से नमूना आया था। हीन सांख्यिकी के दो प्रमुख विभाग हैं:

• एक आत्मविश्वास अंतराल एक सांख्यिकीय नमूने को मापने के द्वारा आबादी के एक अज्ञात पैरामीटर के लिए मूल्यों की एक सीमा देता है। यह एक अंतराल और विश्वास की डिग्री के संदर्भ में व्यक्त किया जाता है कि पैरामीटर अंतराल के भीतर है।
• महत्व के परीक्षण या परिकल्पना परीक्षण जहां वैज्ञानिक सांख्यिकीय नमूने का विश्लेषण करके जनसंख्या के बारे में दावा करते हैं। डिजाइन द्वारा, इस प्रक्रिया में कुछ अनिश्चितता है। यह एक स्तर के महत्व के रूप में व्यक्त किया जा सकता है।

ऐसी तकनीकें जो सामाजिक वैज्ञानिक चर के बीच संबंधों की जांच करने के लिए उपयोग करते हैं, और इस तरह हीनतापूर्ण आँकड़े बनाने के लिए शामिल हैं रेखीय प्रतिगमन विश्लेषण, लॉजिस्टिक रिग्रेशन एनालिसिस, एनोवा, सहसंबंध विश्लेषण, संरचनात्मक समीकरण मॉडलिंगऔर अस्तित्व विश्लेषण। हीन सांख्यिकी का उपयोग करते हुए अनुसंधान का आयोजन करते समय, वैज्ञानिक यह निर्धारित करने के लिए महत्व का परीक्षण आयोजित करते हैं कि क्या वे एक बड़ी आबादी के लिए अपने परिणामों को सामान्य कर सकते हैं। महत्व के सामान्य परीक्षणों में शामिल हैं ची-वर्ग तथा टी परीक्षण. ये वैज्ञानिकों को यह संभावना बताते हैं कि नमूने के उनके विश्लेषण के परिणाम समग्र रूप से जनसंख्या के प्रतिनिधि हैं।

हालाँकि वर्णनात्मक आँकड़े डेटा के प्रसार और केंद्र जैसी चीज़ों को सीखने में मददगार होते हैं, लेकिन वर्णनात्मक आँकड़ों में से कुछ का उपयोग किसी भी सामान्यीकरण को बनाने के लिए नहीं किया जा सकता है। वर्णनात्मक आंकड़ों में, माध्य और मानक विचलन जैसे मापों को सटीक संख्या के रूप में बताया जाता है।

हालाँकि, ह्रासमान आँकड़े कुछ समान गणनाओं का उपयोग करते हैं - जैसे कि माध्य और मानक विचलन - फ़ोकस ह्रासमान आँकड़ों के लिए अलग है। बांझपन के आँकड़े एक नमूने के साथ शुरू होते हैं और फिर एक आबादी के लिए सामान्यीकृत होते हैं। जनसंख्या के बारे में यह जानकारी एक संख्या के रूप में नहीं बताई गई है। इसके बजाय, वैज्ञानिक इन मापदंडों को विश्वास की डिग्री के साथ-साथ संभावित संख्याओं की एक सीमा के रूप में व्यक्त करते हैं।