統計は、膨大なデータに対処するために様々なツールや分析技術をレンダリングする科学の枝であり、簡単に言えば、ビジネスの専門家が問題を解決するために使用できる抽出されたサンプルデータから、人口についての推論を行うためのデータの数値形式を明示する&です。
したがって、データを整理し、将来の動向を予測するための努力において、情報に応じて、多くの組織は統計分析に大きく依存しています。
より正確には、統計データ分析はデータ収集、解釈、提示に関するものである。 複雑な問題を解決するためにデータを処理しながらアプローチすることができます。 より正確には、統計分析は、重要でない/無関係なデータまたは数値に有意性を提供します。
統計分析の主要なタイプは
特に、統計分析は、パターンや傾向を明らかにし、適切な意思決定を行うために将来のイベント/状況を予測するために、データ
統計分析には、データ型に大きく依存する以下の型があります。
7 統計分析の種類
1. 記述統計分析
基本的には、数値やグラフを使用してデータを整理し、要約することを扱っています。 分析を超えた結論を形成したり、仮説に応答したりすることなく、理解可能な解釈のための膨大な量のデータを容易にします。
記述統計分析は、データを生の形で処理するのではなく、数値計算、グラフ、表を通じてデータをより効率的に表現し、解釈することを可能にします。
必要なすべての準備ステップから分析と解釈の結論まで、記述統計分析には、集計、中心傾向の尺度（平均、中央値、モード）、分散または分散の尺度（範囲、変動、標準偏差）、歪度測定、時系列分析などの様々なプロセスが含まれる。
数式チャート、ソース
記述分析では、データは表形式で要約され、管理されています&データを集計するためのチャートやグラフの形で提示され、母集団全体
（最も関連する：Rの記述統計）
さらに、データの異なる特性を抽出し、データの本質的な特徴を要約し説明するのに役立ちます。 さらに、観察/サンプリングされていないグループに関する洞察は描かれていません。
2. 推論統計分析
推論統計分析は、基本的に、母集団からの各単位の検査が達成できない場合に使用されるため、得られた情報を完全な母集団に外挿す
簡単に言えば、推論統計分析では、確率を適用して推論を抽出し、データ全体について一般化することができるサンプルデータに応じて仮説を検定し、利用可能なデータを超えた将来の結果についても結論を出すことができます。
このようにして、標本データに基づいて母集団全体について結論を出し、決定を下す一方で、非常に好ましい。 このように、この方法には、サンプリング理論、有意性の様々な検定、統計的制御などが含まれます。
記述と推論の統計分析
3. 予測分析
予測分析は、現在および過去の事実と数字に基づいて、将来の出来事、または次に起こる可能性の高いものを予測するために実装されています。
簡単に言えば、予測分析は統計的手法と機械学習アルゴリズムを使用して、最近および以前のデータに応じて将来の結果、行動、および傾向の可能性 予測分析の下で広く使用されている技術には、データマイニング、データモデリング、人工知能、機械学習などが含まれます。 命令的な予測をする。
現在のビジネスシステムでは、この分析はマーケティング会社、保険組織、オンラインサービスプロバイダ、データ駆動型マーケティング、金融企業によってアプローチされていますが、競争上の優位性を獲得し、予測不可能な将来のイベントに関連するリスクを絞り込むなど、予測不可能な未来を計画することによって、どのビジネスでもそれを活用することができます。
予測分析は、データを使用して今後のイベントを予測し、データ行動のいくつかの傾向の可能性を確認することに収束します。 したがって、企業はこのアプローチを使用して、”何が起こるか？”予測を行うための基礎は、確率尺度である場合。
4. 規範的分析
規範的分析は、何をすべきかを見つけるためにデータを調べ、状況に最適な行動を特定するためのビジネス分析に広く使用されています。
除外を推進するために他の統計分析が展開される可能性がありますが、実際の答えを提供します。 基本的に、それは意思決定のプロセスのための最適な提案を発見することに焦点を当てています。
規範的分析の下で実装されるいくつかの技術には、シミュレーション、グラフ分析、アルゴリズム、複雑なイベント処理、機械学習、レコメンデーションエンジン、ビジネスルールなどがあります。
しかし、それは記述的および予測的分析にほぼ関連しており、記述的分析は何が起こったのかという点でデータを説明し、予測的分析は何が起こるのかを予測し、ここでは規範的分析は利用可能な好みの中で適切な提案を提供することを扱っている。
5. 探索的データ分析（eda）
探索的データ分析、または知られているようにEDAは、推論統計に対応しており、データ専門家によって大幅に実装されています。 これは、一般的に、他の統計分析技術の前に実施されるデータ分析プロセスの最初のステップです。
EDAは予測や一般化のために単独で展開されるのではなく、データのプレビューをレンダリングし、重要な洞察を得るのに役立ちます。
この方法は、潜在的な関係を認識するためにデータ内のパターンを分析することに完全に焦点を当てています。 EDAは、データ内の未知の関連を発見し、収集されたデータから欠落したデータを検査し、最大の洞察を得て、仮定と仮説を調べるためにアプローチすることがで
6. 因果分析
一般的に、因果分析は、物事が「なぜ」発生するのか、または物事が出現する理由の背後にある理由を理解し、決定するのに役立ちます。
例えば、現在のビジネス環境では、いくつかのイベントが起こって失敗する多くのアイデアやビジネスがあり、その状況では、原因分析は、失敗の根本的な原因、または単に何かが起こる可能性のある基本的な理由を特定します。
IT業界では、そのソフトウェアがなぜ失敗したのか、バグがあったのか、データ侵害など、特定のソフトウェアの品質保証をチェックするために使用され、企業が大きな挫折を防ぐために使用されます。
次の場合、因果分析を考えることができます;
- 重要な問題-データ内の領域の特定、
- 問題または失敗の根本原因の調査および特定、
- 他の変数が変更された場合に提供された変数に何が起こるかを理解
7. メカニズム分析
上記の統計分析の中で、メカニズムは最も一般的ではありませんが、ビッグデータ分析や生物科学の過程で価値があります。 それは、物事がどのように起こるのかを理解し、説明するために展開されています。
それは、外部の影響を排除しながら、それに応じて他の変数の変化を引き起こす変数の個々の変化を理解し、システム全体がそれ自身の内部要素の相互作用
機械論的分析の基本的な目的は次のとおりです;
- 他の変数に変更を加える可能性のある明確な変更を理解する
- 特に特定の主題/懸念が特定の活動を扱う場合、データの文脈における過去のイベン
例えば、生物科学では、医学の変化によってウイルスの様々な部分がどのように影響を受けるかを研究し、検査するとき。
上記の統計分析の種類に加えて、これらの統計処理、または統計データ分析技術は、データが使用されている方法に深く依存していることをここで議論す 特定の研究の機能と要件を考慮しながら、データと統計分析は、多くの目的のために採用することができ、例えば、医療科学者は、薬物の有効性、または効力
さらに、多くの利用可能なデータは多くのことを知らせることができ、データ専門家が探索したいので、統計分析は有益な結果を得て推論することがで また、場合によっては、統計分析にアプローチして、人々の嗜好や習慣に関する情報を蓄積することができます。
例えば、FacebookやInstagramのようなサイトのユーザーデータは、アナリストがユーザーの認識を理解するために使用することができます。facebookは、何を使用しているのか、何が動機づけられているのかなど。
instagramのようなサイトのユーザーデータを使用することができます。 この情報は、ユーザーの特定のグループがそれらに物事を販売することをターゲットにしている商業広告に利益をもたらすことができます。 また、アプリケーション開発者がユーザーの反応や習慣を理解し、それに応じて製品を変更するのにも役立ちます。
結論
データのより深い理解は、ビジネスのための多くの機会を広げることができます,ビジネス分析の実装で,組織は、データを精査しながら達成するこ;
- 主要な知見を示すためにグラフやチャートの形でデータをコンパイルして明示する、
- 平均、分散、歪度などのデータから重要な要素/測定値を探索する、
- 複数の実験から仮説をテストする、
- 過去のデータ行動に基づいて来る先見の明を予測するなど、より多くの。
したがって、売上のダウンパフォーマンスの判断、顧客データからの傾向の発見、財務監査など、さまざまな方法で統計分析を利用することができます。
(ベイズ統計に関する私の他のブログをチェックしてください)