Hva er ulempene med en statistisk analyse?

Forskere, sosiologer, meningsmålere og mange andre bruker statistisk analyse for å få den informasjonen de trenger. Statistikk kan være et kraftig verktøy, og det kan gi nyttige svar. Det er imidlertid noen ulemper. Når du utfører en statistisk test, er du vanligvis tester en prøve tatt fra en populasjon, deretter bruke dine eksempeldataene til å gjøre konklusjoner om at befolkningen. For eksempel kan en telefonundersøkelse avstemning 1.000 mennesker for å finne ut hva alle i landet tenker om et bestemt politisk parti. Mange av ulempene ved statistikk stammer fra bruken av prøver.

Problemer med Sampling

Ett stort problem med statistisk analyse er så lett å skaffe en prøve som virkelig gjenspeiler større populasjon som du studerer. En prøve bør ideelt sett være både representativt og tilfeldig. Et representativt utvalg er en som gjenspeiler mangfoldet i større populasjon. Et tilfeldig utvalg er en der hvert element i befolkningen har en lik sjanse for å bli valgt for prøven. Hvis du ikke oppfyller disse kriteriene, vil eksempeldataene ikke riktig gjenspeile befolkningen. Et typisk problem er en ikke-respons bias, der visse typer mennesker ikke svare på en undersøkelse, og dermed produsere ikke-tilfeldig statistikk.

slutninger

Ved å teste en prøve i stedet for hele befolkningen, er du spare deg tid og penger. Men prisen du betaler er at prøven data får du ikke vil være nøyaktig den samme som befolkningsdata. Dette betyr at du må gjøre slutninger, eller kvalifiserte gjetninger, om befolkningen basert på egenskapene til prøven, og så dine konklusjoner vil alltid være unøyaktig. Av denne grunn, statistiske analyser ofte produsere et spekter for noen populasjon karakteristikk, snarere enn en enkelt numerisk verdi.

normalitet Forutsetninger

Mange vanlige statistiske beregninger og tester gjør en viktig forutsetning om befolkningen de studerer. Denne antakelsen er at befolkningen har det som kalles en "normal" fordeling. Dette betyr at karakteristikken av interesse i befolkningen er jevnt fordelt. For mange naturlige fenomener, er dette sant. For eksempel, folks høyder pleier å være normalfordelt. De fleste er av gjennomsnittlig høyde, med en liten prosentandel av folk som er både kort og høy. Hvis befolkningen du studerer er ikke "normal" du kan ikke vite det, og dette kan gjøre statistikken feil.

sannsynlighets~~POS=TRUNC Levels

Mye av statistikken er basert på konsepter av sannsynlighet. En observasjon er nesten aldri umulig i statistikken, bare veldig usannsynlig. Dette betyr at når du trekker konklusjoner i en statistisk analyse, må du trekke linjen på en viss sannsynlighet. Vanligvis vil statistikere godta et resultat som betydelig hvis det bare er en 5- eller 10-prosent sjanse for at resultatet kunne ha skjedd ved tilfeldigheter. Dette betyr at i mange statistiske tester, har konklusjonen en 5 prosent eller 10 prosent sjanse for bare å være feil.