statistiek is de tak van wetenschap die verschillende instrumenten en analytische technieken maakt om de enorme omvang van de gegevens aan te pakken, in eenvoudige termen is het de wetenschap van het verzamelen, classificeren, analyseren en interpreteren & die de numerieke vorm van gegevens manifesteert om gevolgtrekkingen over de populatie te maken, uit de geselecteerde steekproefgegevens die door bedrijfsdeskundigen kunnen worden gebruikt om hun problemen op te lossen.Bij het organiseren van gegevens en het anticiperen op toekomstige trends, afhankelijk van de informatie, zijn veel organisaties daarom sterk afhankelijk van statistische analyses.
meer in het bijzonder heeft de analyse van statistische gegevens betrekking op het verzamelen, interpreteren en presenteren van gegevens. Het kan worden benaderd terwijl het omgaan met gegevens om complexe problemen op te lossen. Preciezer gezegd, de statistische analyse levert betekenis aan onbeduidende / irrelevante gegevens of getallen.
de belangrijkste soorten statistische analyse zijn
statistische analyse is met name het proces van consolidatie en analyse van afzonderlijke steekproeven van gegevens om patronen of trends te onthullen en te anticiperen op toekomstige gebeurtenissen/situaties om passende beslissingen te nemen.
de statistische analyse heeft de volgende typen die sterk afhankelijk zijn van gegevenstypen.
7 soorten statistische analyses
1. Beschrijvende statistische analyse
in wezen gaat het om het organiseren en samenvatten van gegevens met behulp van getallen en grafieken. Het maakt de enorme hoeveelheden gegevens gemakkelijk voor begrijpelijke interpretatie, zelfs zonder conclusies te vormen buiten de analyse of te reageren op eventuele hypothesen.
in plaats van gegevens in ruwe vorm te verwerken, stelt de beschrijvende statistische analyse ons in staat gegevens efficiënter te representeren en te interpreteren door middel van numerieke berekeningen, grafieken of tabellen.
van alle noodzakelijke voorbereidende stappen tot het afsluiten van analyse en interpretatie omvat de beschrijvende statistische analyse verschillende processen, zoals tabellering, een maat voor de centrale tendens (gemiddelde, mediaan, modus), Een maat voor de verspreiding of variantie (bereik, variatie, standaardafwijking), scheefheidsmetingen en tijdreeksanalyse.
Formulediagram, bron
bij een beschrijvende analyse worden de gegevens samengevat in tabelvorm en beheerd & gepresenteerd in de vorm van grafieken en grafieken om de gegevens samen te vatten, uitgaande van de gegevens voor de gehele populatie.
(meest verwante: beschrijvende statistieken in R)
bovendien helpt het bij het extraheren van verschillende kenmerken van gegevens en bij het samenvatten en verklaren van de essentiële kenmerken van gegevens. Bovendien worden er geen inzichten getrokken over de groepen die niet worden geobserveerd / bemonsterd.
2. Inferentiële statistische analyse
de inferentiële statistische analyse wordt in principe gebruikt wanneer de inspectie van elke eenheid uit de populatie niet haalbaar is, zodat de verkregen informatie geëxtrapoleerd wordt naar de volledige populatie.
in eenvoudige woorden, inferentiële statistische analyse laat ons testen een hypothese afhankelijk van een steekproef gegevens waaruit we gevolgtrekkingen kunnen halen door het toepassen van waarschijnlijkheden en generalisaties over de hele gegevens, en kan ook conclusies met betrekking tot toekomstige resultaten buiten de beschikbare gegevens.
op deze manier verdient het de voorkeur om conclusies te trekken en beslissingen te nemen over de gehele populatie op basis van steekproefgegevens. Als zodanig, deze methode omvat de steekproeftheorie, diverse tests van betekenis, statistische controle enz.
beschrijvende vs inferentiële statistische analyse
3. Voorspellende analyse
voorspellende analyse wordt geà mplementeerd om een voorspelling te maken van toekomstige gebeurtenissen, of wat er waarschijnlijk zal gebeuren, op basis van huidige en vroegere feiten en cijfers. In eenvoudige termen gebruikt predictive analytics statistische technieken en algoritmen voor machine learning om de mogelijkheid van toekomstige resultaten, gedrag en trends te beschrijven, afhankelijk van recente en eerdere gegevens. Veel gebruikte technieken onder predictive analysis omvatten datamining, datamodellering, kunstmatige intelligentie, machine learning en etc. om dwingende voorspellingen te doen.
in het huidige bedrijfssysteem wordt deze analyse benaderd door marketingbedrijven, verzekeringsorganisaties, aanbieders van onlinediensten, datagestuurde marketing en financiële ondernemingen, maar elk bedrijf kan er voordeel uit halen door te plannen voor een onvoorspelbare toekomst, zodat het concurrentievoordeel wordt verkregen en het risico dat verbonden is aan een onvoorspelbare gebeurtenis in de toekomst wordt beperkt.
de voorspellende analyse is gericht op het voorspellen van komende gebeurtenissen met behulp van gegevens en het vaststellen van de waarschijnlijkheid van verschillende trends in gegevensgedrag. Daarom, bedrijven gebruiken deze aanpak om het antwoord te krijgen ” wat kan er gebeuren?”waar de basis van het maken van voorspellingen een waarschijnlijkheidsmaat is.
4. Prescriptive Analysis
de prescriptive analysis onderzoekt de gegevens om uit te vinden wat er moet worden gedaan, wordt op grote schaal gebruikt in de bedrijfsanalyse om de best mogelijke actie voor een situatie te identificeren.
hoewel andere statistische analyses kunnen worden gebruikt voor rijexclusies, biedt deze het feitelijke antwoord. Kortom, het richt zich op het ontdekken van de optimale suggestie voor een proces van besluitvorming.
verschillende technieken die in het kader van prescriptieve analyse worden toegepast, zijn Simulatie, grafiekanalyse, algoritmen, complexe gebeurtenisverwerking, machine learning, aanbevelingsengine, bedrijfsregels, enz.
echter, het is bijna gerelateerd aan beschrijvende en voorspellende analyse, waar beschrijvende analyse de gegevens uitlegt in termen van wat er is gebeurd, voorspellende analyse anticipeert wat er zou kunnen gebeuren, en hier prescriptieve analyse gaat in het verstrekken van passende suggesties onder de beschikbare Voorkeuren.
5. Explorative Data Analysis (Eda)
explorative data analysis, of Eda zoals het bekend is, is een tegenhanger van inferentiële statistieken, en grotendeels geïmplementeerd door gegevensexperts. Het is over het algemeen de eerste stap van het proces van gegevensanalyse dat voorafgaand aan andere statistische analysetechnieken wordt uitgevoerd.
EDA wordt niet alleen ingezet voor het voorspellen of generaliseren, het geeft een preview van gegevens en helpt bij het verkrijgen van enkele belangrijke inzichten in het.
deze methode is volledig gericht op het analyseren van patronen in de gegevens om potentiële relaties te herkennen. EDA kan worden benaderd voor het ontdekken van onbekende associaties binnen data, het inspecteren van ontbrekende data uit verzamelde data en het verkrijgen van maximale inzichten, het onderzoeken van aannames en hypothesen.
6. Causale analyse
in het algemeen helpt causale analyse bij het begrijpen en bepalen van de redenen achter “waarom” dingen gebeuren, of waarom dingen zijn als zodanig, zoals ze lijken.
in het huidige bedrijfsklimaat zijn er bijvoorbeeld veel ideeën of bedrijven die mislukken als gevolg van bepaalde gebeurtenissen, in die situatie identificeert de causale analyse de onderliggende oorzaak van storingen, of gewoon de fundamentele reden waarom er iets zou kunnen gebeuren.
in de IT-industrie wordt dit gebruikt om de kwaliteitsborging van bepaalde software te controleren, zoals waarom die software mislukte, als er een bug was, een datalek, enz., en voorkomt dat bedrijven grote tegenslagen krijgen.
we kunnen de causale analyse als;
- Identificatie van belangrijke probleemgebieden binnen de gegevens,
- onderzoeken en identificeren van de onderliggende oorzaken van het probleem, of falen,
- begrijpen wat er gebeurt met een gegeven variabele als elkaar variabele verandert.
7. Mechanistische analyse
van de bovenstaande statistische analyse is mechanistische het minst voorkomende type, maar het is het waard in het proces van big data-analyse en biologische wetenschap. Het wordt ingezet om te begrijpen en uit te leggen hoe dingen gebeuren in plaats van hoe specifieke dingen ulteriorly zullen plaatsvinden.
het maakt gebruik van het heldere concept van het begrijpen van individuele veranderingen in variabelen die veranderingen in andere variabelen veroorzaken, terwijl externe invloeden worden uitgesloten en rekening wordt gehouden met de aanname dat het hele systeem wordt beïnvloed door de interactie van zijn eigen interne elementen.
de fundamentele doelstellingen van de mechanistische analyse zijn:;
- het begrijpen van de definitieve veranderingen in dat zou kunnen leiden tot veranderingen in andere variabelen
- een duidelijke verklaring van het gebeuren van een gebeurtenis in het verleden in de context van gegevens, vooral wanneer het specifieke onderwerp/probleem betrekking heeft op specifieke activiteiten.
bijvoorbeeld in de biologische wetenschap, bij het bestuderen en inspecteren van hoe verschillende delen van het virus worden beïnvloed door veranderingen in de geneeskunde.
naast de bovengenoemde statistische analysetypes is het de moeite waard hier te bespreken dat deze statistische behandelingen, of statistische data-analysetechnieken, sterk afhankelijk zijn van de manier waarop de gegevens worden gebruikt. Terwijl het rekenen op de functie en de eis van een bepaalde studie, kunnen gegevens en statistische analyse worden gebruikt voor vele doeleinden, bijvoorbeeld, medische wetenschappers kunnen een verscheidenheid van statistische analyse gebruiken voor het testen van de effectiviteit van het geneesmiddel, of potentie.
bovendien kan een groot aantal beschikbare gegevens talrijke informatie verschaffen, die professionalisten willen onderzoeken, zodat statistische analyse een aantal informatieve resultaten kan opleveren en een aantal conclusies kan trekken. Ook kan in sommige gevallen statistische analyse worden benaderd om informatie te verzamelen over de voorkeur van mensen en hun gewoonten. Instagram en Facebook bijvoorbeeld kunnen gebruikersgegevens door analisten worden gebruikt om inzicht te krijgen in de perceptie van gebruikers, zoals wat voor gebruik wordt gedaan en wat hen motiveert. Deze informatie kan profiteren van commerciële advertenties waar een bepaalde groep gebruikers zijn gericht om hen dingen te verkopen. Het is ook nuttig voor de applicatie-ontwikkelaars om de reacties en gewoonten van gebruikers te begrijpen en dienovereenkomstig wijzigingen in producten aan te brengen.
conclusie
een dieper inzicht in gegevens kan de talrijke mogelijkheden voor een bedrijf verbreden, met de implementatie van business analytics, kan een organisatie bereiken tijdens het onderzoeken van gegevens, om bijvoorbeeld voorspellingen, inzichten of conclusies uit gegevens te sturen en dit is wat statistische analyse kan doen, bijvoorbeeld;
- Compileren en te manifesteren in de vorm van grafieken of diagrammen tonen de belangrijkste bevindingen,
- Verkennen van belangrijke elementen/ metingen van gegevens, zoals gemiddelde, variantie, scheefheid, enz.,
- het Testen van een hypothese van meerdere experimenten,
- Anticiperen op komende toekomstverkenning op basis van gegevens uit het verleden gedrag, en nog veel meer.
en daarom kan een bedrijf op verschillende manieren voordeel halen uit statistische analyse, bijvoorbeeld om de dalende verkoopcijfers te bepalen, trends aan de hand van klantgegevens te ontdekken, financiële audits uit te voeren, enz.
(bekijk mijn andere blog over Bayesiaanse statistieken)