Perangkaan

Apakah Statistik?

Statistik ialah satu cabang matematik gunaan yang melibatkan pengumpulan, penerangan, analisis, dan inferens kesimpulan daripada data kuantitatif. Teori matematik di sebalik statistik sangat bergantung pada kalkulus pembezaan dan kamiran, algebra linear, dan teori kebarangkalian.

Ahli perangkaan, orang yang membuat statistik, amat prihatin dengan menentukan cara membuat kesimpulan yang boleh dipercayai tentang kumpulan besar dan peristiwa umum daripada tingkah laku dan ciri-ciri lain yang boleh diperhatikan bagi sampel kecil. Sampel kecil ini mewakili sebahagian daripada kumpulan besar atau bilangan kejadian yang terhad bagi fenomena umum.

Memahami Statistik

Statistik digunakan dalam hampir semua disiplin saintifik seperti sains fizikal dan sosial, serta dalam perniagaan, kemanusiaan, kerajaan, dan pembuatan. Statistik pada asasnya adalah satu cabang matematik gunaan yang berkembang daripada aplikasi alat matematik termasuk kalkulus dan algebra linear kepada teori kebarangkalian.

Dalam amalan, statistik ialah idea yang boleh kita pelajari tentang sifat set objek atau peristiwa yang besar ( populasi ) dengan mengkaji ciri-ciri bilangan objek atau peristiwa serupa yang lebih kecil ( sampel ). Oleh kerana dalam kebanyakan kes, pengumpulan data komprehensif tentang keseluruhan populasi adalah terlalu mahal, sukar atau mustahil, statistik bermula dengan sampel yang boleh diperhatikan dengan mudah atau berpatutan.

Dua jenis kaedah statistik digunakan dalam menganalisis data: statistik deskriptif dan statistik inferensi. Ahli statistik mengukur dan mengumpul data tentang individu atau elemen sampel, kemudian menganalisis data ini untuk menjana statistik deskriptif. Mereka kemudiannya boleh menggunakan ciri-ciri data sampel yang diperhatikan ini, yang dipanggil "statistik" dengan betul untuk membuat inferens atau tekaan berpendidikan tentang ciri-ciri tidak diukur (atau tidak diukur) bagi populasi yang lebih luas, yang dikenali sebagai parameter.

Perangkaan secara tidak rasmi bermula berabad-abad lalu. Rekod awal surat-menyurat antara ahli matematik Perancis Pierre de Fermat dan Blaise Pascal pada tahun 1654 sering disebut sebagai contoh awal analisis kebarangkalian statistik.

Statistik Deskriptif dan Inferensi

Dua bidang utama statistik dikenali sebagai statistik deskriptif, yang menerangkan sifat sampel dan data populasi, dan statistik inferensi, yang menggunakan sifat tersebut untuk menguji hipotesis dan membuat kesimpulan. Statistik deskriptif termasuk min (purata), varians, kecondongan dan kurtosis. Statistik inferensi termasuk analisis regresi linear,. analisis varians (ANOVA), model logit/Probit dan ujian hipotesis nol.

Statistik deskriptif

Statistik deskriptif kebanyakannya menumpukan pada kecenderungan memusat, kebolehubahan, dan pengedaran data sampel. Kecenderungan pusat bermaksud anggaran ciri, elemen tipikal sampel atau populasi, dan termasuk statistik deskriptif seperti min,. median dan mod. Kebolehubahan merujuk kepada satu set statistik yang menunjukkan berapa banyak perbezaan antara unsur sampel atau populasi sepanjang ciri yang diukur, dan termasuk metrik seperti julat,. varians dan sisihan piawai.

Taburan merujuk kepada "bentuk" keseluruhan data, yang boleh digambarkan pada carta seperti histogram atau plot titik, dan termasuk sifat seperti fungsi taburan kebarangkalian, kecondongan dan kurtosis . Statistik deskriptif juga boleh menerangkan perbezaan antara ciri yang diperhatikan bagi unsur-unsur set data. Statistik deskriptif membantu kami memahami sifat kolektif unsur-unsur sampel data dan membentuk asas untuk menguji hipotesis dan membuat ramalan menggunakan statistik inferens.

Statistik inferensi

Statistik inferensi ialah alat yang digunakan oleh ahli statistik untuk membuat kesimpulan tentang ciri-ciri populasi, diambil daripada ciri-ciri sampel, dan untuk memutuskan sejauh mana mereka boleh memastikan kebolehpercayaan kesimpulan tersebut. Berdasarkan saiz sampel dan taburan, ahli statistik boleh mengira kebarangkalian bahawa statistik, yang mengukur kecenderungan memusat, kebolehubahan, taburan, dan hubungan antara ciri-ciri dalam sampel data, memberikan gambaran yang tepat tentang parameter yang sepadan bagi keseluruhan populasi dari mana sampel diambil.

Statistik inferensi digunakan untuk membuat generalisasi tentang kumpulan besar, seperti menganggarkan permintaan purata untuk produk dengan meninjau sampel tabiat membeli pengguna atau untuk cuba meramalkan peristiwa masa depan, seperti mengunjurkan pulangan masa depan kelas keselamatan atau aset berdasarkan pulangan dalam tempoh sampel.

regresi ialah teknik inferens statistik yang digunakan secara meluas yang digunakan untuk menentukan kekuatan dan sifat perhubungan (iaitu, korelasi ) antara pembolehubah bersandar dan satu atau lebih pembolehubah penjelasan (bebas). Output model regresi sering dianalisis untuk kepentingan statistik,. yang merujuk kepada dakwaan bahawa hasil daripada penemuan yang dijana melalui ujian atau eksperimen tidak mungkin berlaku secara rawak atau secara kebetulan tetapi berkemungkinan disebabkan oleh sebab tertentu yang dijelaskan oleh data itu. Mempunyai kepentingan statistik adalah penting untuk disiplin akademik atau pengamal yang sangat bergantung pada menganalisis data dan penyelidikan.

Memahami Data Statistik

Punca statistik didorong oleh pembolehubah. Pembolehubah ialah set data yang boleh dikira yang menandakan ciri atau atribut item. Contohnya, kereta boleh mempunyai pembolehubah seperti pembuatan, model, tahun, perbatuan, warna atau keadaan. Dengan menggabungkan pembolehubah merentas set data (iaitu warna semua kereta di tempat letak kereta tertentu), statistik membolehkan kami memahami arah aliran dan hasil dengan lebih baik.

Terdapat dua jenis pembolehubah utama. Pertama, pembolehubah kualitatif ialah atribut khusus yang selalunya bukan angka. Banyak contoh yang diberikan dalam contoh kereta adalah kualitatif. Contoh lain pembolehubah kualitatif dalam statistik ialah jantina, warna mata atau bandar kelahiran. Data kualitatif paling kerap digunakan untuk menentukan peratusan hasil yang berlaku untuk mana-mana pembolehubah kualitatif tertentu, dan analisis kualitatif selalunya tidak bergantung pada nombor. Contohnya, cuba menentukan peratusan wanita memiliki perniagaan menganalisis data kualitatif.

Jenis pembolehubah kedua dalam statistik ialah pembolehubah kuantitatif. Pembolehubah kuantitatif dikaji secara berangka dan hanya mempunyai berat apabila mengenai deskriptor bukan berangka. Sama seperti analisis kuantitatif,. maklumat ini berakar pada nombor. Dalam contoh kereta di atas, perbatuan yang didorong adalah pembolehubah kuantitatif. Walau bagaimanapun, bilangan 60,000 tidak mempunyai nilai melainkan ia difahami bahawa jumlah batu yang dipandu.

Pembolehubah kuantitatif boleh dipecahkan lagi kepada dua kategori. Pertama, pembolehubah diskret mempunyai had dalam statistik dan membuat kesimpulan bahawa terdapat jurang antara nilai pembolehubah diskret yang berpotensi. Bilangan mata yang dijaringkan dalam permainan bola sepak adalah pembolehubah diskret kerana (1) tidak boleh ada perpuluhan dan (2) adalah mustahil untuk sesebuah pasukan mendapat 1 mata sahaja.

Kedua, statistik juga menggunakan pembolehubah kuantitatif berterusan. Nilai ini berjalan mengikut skala - manakala nilai diskret mempunyai had, pembolehubah berterusan sering diukur dalam perpuluhan. Apabila mengukur ketinggian pemain bola sepak, sebarang nilai (dalam had yang mungkin) boleh diperoleh, dan ketinggian boleh diukur hingga 1/16 per inci jika tidak lebih jauh.

Ahli perangkawan boleh memegang jawatan dan jawatan yang berbeza dalam sesebuah syarikat. Menurut Glassdoor, purata jumlah pampasan untuk seorang ahli statistik pada Disember 2021 ialah $98,034. Peranan saintis data yang sama analitikal menghasilkan pampasan tahunan hampir $119,000.

Tahap Pengukuran Statistik

Selepas menganalisis pembolehubah dan hasil sebagai sebahagian daripada statistik, terdapat beberapa tahap pengukuran yang terhasil. Statistik boleh mengukur hasil dengan cara yang berbeza ini:

Pengukuran Tahap Nominal. Tiada nilai berangka atau kuantitatif, dan kualiti tidak disenaraikan. Sebaliknya, ukuran tahap nominal hanyalah label atau kategori yang diberikan kepada pembolehubah lain. Paling mudah untuk menganggap ukuran aras nominal sebagai fakta bukan berangka tentang pembolehubah. Contoh: Nama Presiden yang dipilih pada 2020 ialah Joseph Robinette Biden, Jr.
Pengukuran Tahap Ordinal: Hasil boleh disusun mengikut urutan, walau bagaimanapun, semua nilai data mempunyai nilai atau berat yang sama. Walaupun ukuran aras berangka dan ordinal dalam perkara statistik tidak boleh ditolak antara satu sama lain kerana hanya kedudukan titik data. Selalunya dimasukkan ke dalam statistik bukan parametrik,. tahap ordinal sering dibandingkan dengan jumlah kumpulan pembolehubah. Contoh: Warga Amerika Fred Kerley ialah lelaki ke-2 terpantas pada Sukan Olimpik Tokyo 2020 berdasarkan masa pecut 100 meter.
Pengukuran Tahap Selang: Hasil boleh disusun mengikut urutan; namun perbezaan antara nilai data kini mungkin mempunyai makna. Dua titik data yang berbeza sering digunakan untuk membandingkan masa berlalu atau mengubah keadaan dalam set data. Selalunya tiada "titik permulaan" untuk julat nilai data dan tarikh atau suhu kalendar mungkin tidak mempunyai nilai sifar intrinsik yang bermakna. Contoh: Inflasi mencecah 8.6% pada Mei 2022. Kali terakhir inflasi mencapai tahap tertinggi ini ialah Disember 1981.
Pengukuran Tahap Nisbah: Hasil boleh disusun mengikut tertib, dan perbezaan antara nilai data kini mempunyai makna. Walau bagaimanapun, kini terdapat titik permulaan atau "nilai sifar" yang boleh digunakan untuk terus memberikan nilai kepada nilai statistik. Nisbah antara nilai data kini mempunyai makna, termasuk jaraknya dari sifar. Contoh: Suhu meteorologi terendah yang direkodkan ialah -128.6 darjah Fahrenheit di Antartika.

Teknik Persampelan Statistik

Untuk mengumpul maklumat statistik, selalunya tidak mungkin untuk mengumpul data dari setiap titik data dalam populasi. Sebaliknya, statistik bergantung pada teknik persampelan yang berbeza untuk mencipta subset perwakilan populasi yang lebih mudah untuk dianalisis. Dalam statistik, terdapat beberapa jenis persampelan utama.

Persampelan rawak mudah memerlukan setiap ahli dalam populasi mempunyai peluang yang sama untuk dipilih untuk analisis. Seluruh populasi digunakan sebagai asas untuk pensampelan, dan mana-mana penjana rawak berdasarkan peluang boleh memilih item sampel. Sebagai contoh, 100 individu berbaris dan 10 dipilih secara rawak.
Persampelan sistematik memerlukan sampel rawak juga. Walau bagaimanapun, tekniknya diubah suai sedikit untuk memudahkan pengendalian. Satu nombor rawak dijana, dan individu kemudiannya dipilih pada selang masa tetap yang ditetapkan sehingga saiz sampel selesai. Sebagai contoh, 100 individu berbaris dan bernombor. Individu ke-7 dipilih untuk sampel diikuti oleh setiap individu ke-9 seterusnya sehingga 10 item sampel telah dipilih.
Persampelan berstrata memerlukan lebih kawalan ke atas sampel anda. Populasi dibahagikan kepada subkumpulan berdasarkan ciri-ciri yang serupa. Kemudian, anda mengira bilangan orang daripada setiap subkumpulan yang akan mewakili keseluruhan populasi. Sebagai contoh, 100 individu dikumpulkan mengikut jantina dan bangsa. Kemudian, sampel daripada setiap subkumpulan akan diambil mengikut nisbah bagaimana mewakili subkumpulan itu daripada populasi.
Panggilan pensampelan kelompok untuk subkumpulan juga. Walau bagaimanapun, setiap subkumpulan harus mewakili populasi. Daripada memilih individu secara rawak dalam subkumpulan, keseluruhan subkumpulan dipilih secara rawak.

Tidak pasti pemain Besbol Liga Utama mana yang sepatutnya memenangi Pemain Paling Berharga tahun lepas? Statistik, sering digunakan untuk menentukan nilai, sering disebut apabila anugerah untuk pemain terbaik diberikan. Statistik boleh termasuk purata pukulan, bilangan larian rumah yang dipukul dan pangkalan yang dicuri.

Contoh Perangkaan

Statistik menonjol dalam kewangan, pelaburan, perniagaan dan dunia. Kebanyakan maklumat yang anda lihat dan data yang anda berikan diperoleh daripada statistik, yang digunakan dalam semua aspek perniagaan.

Dalam pelaburan, statistik termasuk purata volum dagangan, terendah 52 minggu, tinggi 52 minggu, beta dan korelasi antara kelas aset atau sekuriti.
Dalam ekonomi, statistik termasuk KDNK, pengangguran, harga pengguna dan inflasi serta metrik pertumbuhan ekonomi yang lain
Dalam **
Dalam perakaunan, statistik termasuk kecairan, kesolvenan dan metrik keuntungan merentas masa.
Dalam teknologi maklumat, statistik termasuk lebar jalur, keupayaan rangkaian dan logistik perkakasan.
Dalam sumber manusia,. statistik termasuk pusing ganti pekerja, kepuasan pekerja dan purata pampasan berbanding pasaran.

##Sorotan

Beberapa teknik persampelan boleh digunakan untuk menyusun data statistik termasuk persampelan rawak mudah, sistematik, berstrata atau kelompok.
Statistik boleh disampaikan pada tahap yang berbeza daripada deskriptor bukan berangka (peringkat nominal) kepada berangka merujuk kepada titik sifar (peringkat nisbah).
Perangkaan terdapat di hampir setiap jabatan setiap syarikat dan merupakan bahagian penting dalam pelaburan juga.
Statistik ialah kajian dan manipulasi data, termasuk cara untuk mengumpul, menyemak, menganalisis, dan membuat kesimpulan daripada data.
Dua bidang utama statistik ialah statistik deskriptif dan inferensi.

##Soalan Lazim

Apakah Perbezaan Antara Statistik Deskriptif dan Inferens?

Statistik deskriptif digunakan untuk menerangkan atau meringkaskan ciri-ciri sampel atau set data, seperti min pembolehubah, sisihan piawai atau kekerapan. Statistik inferensi, sebaliknya, menggunakan sebarang bilangan teknik untuk mengaitkan pembolehubah dalam set data antara satu sama lain, contohnya menggunakan analisis korelasi atau regresi. Ini kemudiannya boleh digunakan untuk menganggarkan ramalan atau membuat kesimpulan sebab musabab.

Mengapa Statistik Penting?

Statistik menyediakan maklumat untuk mengetahui cara sesuatu berfungsi. Statistik digunakan untuk menjalankan penyelidikan, menilai hasil, membangunkan pemikiran kritis, dan membuat keputusan termaklum. Statistik boleh digunakan untuk menyiasat hampir mana-mana bidang pengajian untuk menyiasat mengapa perkara itu berlaku, bila ia berlaku dan sama ada ia berulang boleh diramalkan.

Siapa yang Menggunakan Statistik?

Statistik digunakan secara meluas merentasi pelbagai aplikasi dan profesion. Bila-bila masa data dikumpul dan dianalisis, statistik sedang dilakukan. Ini boleh terdiri daripada agensi kerajaan kepada penyelidikan akademik kepada menganalisis pelaburan.

Bagaimanakah Perangkaan Digunakan dalam Ekonomi dan Kewangan?

Ahli ekonomi mengumpul dan melihat semua jenis data, daripada perbelanjaan pengguna kepada perumahan bermula kepada inflasi kepada pertumbuhan KDNK. Dalam kewangan, penganalisis dan pelabur mengumpul data tentang syarikat, industri, sentimen dan data pasaran mengenai harga dan volum. Bersama-sama, penggunaan statistik inferens dalam bidang ini dikenali sebagai ekonometrik. Beberapa model kewangan penting daripada CAPM hingga Teori Portfolio Moden (MPT) dan model penentuan harga pilihan Black-Scholes,. bergantung pada inferens statistik.