ผู้หญิงเก่งเรื่องสถิติมากกว่าที่คิด

ความคิดที่ยิ่งใหญ่

ผู้หญิงในชั้นเรียนสถิติทำผลงานทางวิชาการได้ดีกว่าผู้ชายตลอดหนึ่งภาคการศึกษา แม้ว่าจะมีทัศนคติเชิงลบเกี่ยวกับความสามารถของตนเองก็ตาม ตามการศึกษาล่าสุดของเราในวารสารสถิติและการศึกษาด้านวิทยาศาสตร์ข้อมูล

เมื่อใช้ข้อมูลจากนักเรียนชายและหญิงมากกว่า 100 คนจากชั้นเรียนสถิติหลายชั้น เพื่อนร่วมงานและฉันประเมินความแตกต่างทางเพศในเกรดตลอดภาคการศึกษา ในส่วนของการศึกษานี้ นักเรียนยังได้ตอบแบบสำรวจในช่วงเริ่มต้นและสิ้นสุดภาคการศึกษาที่วัดสิ่งที่แตกต่างกัน 6 อย่าง ได้แก่ ความกลัวต่อครูสถิติโดยทั่วไป ความคิดของพวกเขาเกี่ยวกับประโยชน์ของสถิติ การรับรู้ความสามารถทางคณิตศาสตร์ของตนเอง ความวิตกกังวลในการทำข้อสอบ ความวิตกกังวลในการตีความสถิติ และกลัวการขอความช่วยเหลือ

โดยรวมแล้ว เราพบว่านักเรียนที่มีการรับรู้ในทางลบมากกว่าความสามารถทางคณิตศาสตร์ของตนเองได้เกรดต่ำกว่าตลอดภาคการศึกษา สิ่งที่น่าสนใจยิ่งกว่าคือความแตกต่างทางเพศที่เกิดขึ้น

แม้ว่าผู้ชายและผู้หญิงจะสอบได้คะแนนเท่ากันในช่วงเริ่มต้นภาคเรียน แต่ผู้หญิงก็จบภาคการศึกษาด้วยคะแนนสอบปลายภาคที่สูงกว่าเกือบ 10% เป็นกรณีนี้แม้ว่าผู้หญิงจะมีทัศนคติที่แย่กว่าอย่างมีนัยสำคัญเกี่ยวกับความสามารถทางคณิตศาสตร์ของพวกเขาเมื่อเริ่มต้นภาคเรียนมากกว่าผู้ชาย

โดยเฉพาะในช่วงเริ่มต้นของภาคเรียน ผู้หญิงมักจะให้คะแนนความสามารถทางคณิตศาสตร์ของตนต่ำกว่าผู้ชายในชั้นเรียน และรายงานความวิตกกังวลต่อการสอบและการตีความผลการวิจัยทางสถิติมากขึ้น อย่างไรก็ตาม การประเมินตนเองแต่ละครั้งดีขึ้นตลอดภาคการศึกษา ทำให้ทัศนคติของผู้หญิงไม่แตกต่างจากผู้ชายในตอนท้าย

ขณะที่คะแนนของนักเรียนชายที่รายงานความกลัวครูสถิติหรือกลัวการขอความช่วยเหลือลดลงอย่างมากตลอดภาคการศึกษา สำหรับผู้ชายที่มีทัศนคติที่ดีขึ้นในช่วงเปิดเทอม เกรดก็ดีขึ้นเช่นกัน แม้ว่าเกรดของผู้หญิงจะดีขึ้นไม่มาก

ทำไมถึงสำคัญ

จากการศึกษาจำนวนหนึ่งแสดงให้เห็นว่าตั้งแต่อายุยังน้อย เด็กชายและเด็กหญิงเรียนรู้คณิตศาสตร์ได้ดีเท่าเทียมกัน

อย่างไรก็ตาม เด็กผู้หญิงมักจะถูกเรียกตัวในชั้นเรียนคณิตศาสตร์น้อยกว่าเด็กผู้ชาย แม้ว่าจะยกมือขึ้นมากพอๆ กับเด็กผู้ชายก็ตาม ยิ่งกว่านั้น ครูบางคนให้คะแนนแบบทดสอบคณิตศาสตร์ของเด็กผู้หญิงโดยไม่รู้ตัวรุนแรงกว่าเด็กผู้ชาย ในโรงเรียนมัธยมศึกษาตอนต้น คะแนนคณิตศาสตร์มีความแตกต่างทางเพศ ปัจจัยเหล่านี้อาจส่งผลให้ผู้หญิงที่เป็นผู้ใหญ่มีแนวโน้มที่จะให้คะแนนตนเองว่ามีทักษะทางคณิตศาสตร์น้อยกว่าผู้ชาย ด้วยเหตุนี้ ผู้หญิงจึงมีโอกาสน้อยที่จะไล่ตาม STEM ไม่ว่าจะเป็นสายงานวิทยาศาสตร์ เทคโนโลยี วิศวกรรมศาสตร์ และคณิตศาสตร์

ผลลัพธ์จากการศึกษาของเราซึ่งสอดคล้องกับแนวคิดอื่นๆ ได้สนับสนุนแนวคิดที่ว่าผู้หญิงมีศักยภาพที่จะทำได้เช่นเดียวกับผู้ชาย และดียิ่งขึ้นไปอีกในด้าน STEM เช่น สถิติ เรายืนยันว่าผู้หญิงจะได้รับประโยชน์จากการให้คำปรึกษาเพิ่มเติมเพื่อสนับสนุนพวกเขาเมื่อพวกเขาเริ่มศึกษาเกี่ยวกับ STEM

อะไรยังไม่รู้

หลักฐานข้างต้นให้คำใบ้ถึงสาเหตุบางประการของความคลาดเคลื่อนทางเพศในความสามารถในการรับรู้ อย่างไรก็ตาม ยังมีอีกมากที่เรายังไม่รู้

ตัวอย่างเช่น เหตุใดทัศนคติของสตรีในการศึกษาของเราจึงดีขึ้นเมื่อเวลาผ่านไป ขึ้นอยู่กับความมั่นใจในความสามารถของพวกเขาเมื่อเกรดดีขึ้นหรือครูสถิติของพวกเขามีอิทธิพลต่อการรับรู้ความสามารถของตนเองเมื่อเวลาผ่านไปหรือไม่?

จำเป็นต้องมีการวิจัยเพิ่มเติมเพื่อทำความเข้าใจว่าผู้หญิงมีทัศนคติที่แตกต่างจากผู้ชายอย่างไรตลอดช่วงปิดเทอมของโรงเรียน รวมถึงคำถามอื่นๆ โดยเฉพาะอย่างยิ่ง เราต้องการแยกแยะว่าปัจจัยในชั้นเรียนหรือผู้สอนแบบใดสามารถนำไปสู่ทัศนคติที่ดีขึ้นในหมู่นักเรียนได้ และท้ายที่สุดก็แปลเป็นเกรดที่ดีขึ้น

สถิติคืออะไร?

สถิติเป็นสาขาหนึ่งของคณิตศาสตร์ประยุกต์ที่เกี่ยวข้องกับการรวบรวม คำอธิบาย การวิเคราะห์ และการอนุมานข้อสรุปจากข้อมูลเชิงปริมาณ ทฤษฎีทางคณิตศาสตร์เบื้องหลังสถิติอาศัยแคลคูลัสเชิงอนุพันธ์และปริพันธ์ พีชคณิตเชิงเส้น และทฤษฎีความน่าจะเป็นเป็นอย่างมาก

นักสถิติ ผู้ที่ทำสถิติ มีความกังวลเป็นพิเศษกับการกำหนดข้อสรุปที่เชื่อถือได้เกี่ยวกับกลุ่มใหญ่และเหตุการณ์ทั่วไปจากพฤติกรรมและลักษณะอื่นๆ ที่สังเกตได้ของกลุ่มตัวอย่างขนาดเล็ก ตัวอย่างขนาดเล็กเหล่านี้เป็นตัวแทนของกลุ่มใหญ่หรือปรากฏการณ์ทั่วไปจำนวนจำกัด

ประเด็นที่สำคัญ

• สถิติคือการศึกษาและการจัดการข้อมูล รวมถึงวิธีการรวบรวม ทบทวน วิเคราะห์ และสรุปผลจากข้อมูล
• สถิติหลักสองส่วนคือสถิติเชิงพรรณนาและสถิติเชิงอนุมาน
• สถิติสามารถสื่อสารได้ในระดับต่างๆ ตั้งแต่ตัวอธิบายที่ไม่ใช่ตัวเลข (ระดับเล็กน้อย) ไปจนถึงตัวเลขโดยอ้างอิงถึงจุดศูนย์ (ระดับอัตราส่วน)
• สามารถใช้เทคนิคการสุ่มตัวอย่างจำนวนหนึ่งเพื่อรวบรวมข้อมูลทางสถิติ รวมถึงการสุ่มตัวอย่างแบบสุ่มอย่างง่าย ระบบ การแบ่งชั้น หรือคลัสเตอร์
• สถิติมีอยู่ในเกือบทุกแผนกของทุกบริษัทและเป็นส่วนสำคัญของการลงทุนเช่นกัน

ทำความเข้าใจสถิติ

สถิติถูกใช้ในแทบทุกสาขาวิชาวิทยาศาสตร์ เช่น วิทยาศาสตร์กายภาพและสังคมศาสตร์ เช่นเดียวกับในธุรกิจ มนุษยศาสตร์ รัฐบาล และการผลิต โดยพื้นฐานแล้วสถิติเป็นสาขาหนึ่งของคณิตศาสตร์ประยุกต์ที่พัฒนาจากการใช้เครื่องมือทางคณิตศาสตร์รวมถึงแคลคูลัสและพีชคณิตเชิงเส้นไปจนถึงทฤษฎีความน่าจะเป็น

ในทางปฏิบัติ สถิติเป็นแนวคิดที่เราสามารถเรียนรู้เกี่ยวกับคุณสมบัติของชุดของวัตถุหรือเหตุการณ์ขนาดใหญ่ (ประชากร) โดยการศึกษาลักษณะของวัตถุหรือเหตุการณ์ที่คล้ายกันจำนวนน้อยกว่า (ตัวอย่าง) เนื่องจากในหลายกรณีการรวบรวมข้อมูลที่ครอบคลุมเกี่ยวกับประชากรทั้งหมดนั้นมีค่าใช้จ่ายสูง ยากเกินไป หรือเป็นไปไม่ได้เลย สถิติจึงเริ่มต้นด้วยตัวอย่างที่สามารถสังเกตได้อย่างสะดวกหรือจ่ายได้

การวิเคราะห์ข้อมูลใช้วิธีทางสถิติสองประเภท: สถิติพรรณนาและสถิติอนุมาน นักสถิติจะวัดและรวบรวมข้อมูลเกี่ยวกับบุคคลหรือองค์ประกอบของกลุ่มตัวอย่าง จากนั้นวิเคราะห์ข้อมูลนี้เพื่อสร้างสถิติเชิงพรรณนา จากนั้นพวกเขาสามารถใช้ลักษณะเฉพาะที่สังเกตได้เหล่านี้ของข้อมูลตัวอย่าง ซึ่งเรียกว่า “สถิติ” อย่างถูกต้อง เพื่อทำการอนุมานหรือเดาอย่างมีการศึกษาเกี่ยวกับลักษณะเฉพาะที่ไม่ได้วัด (หรือไม่ได้วัด) ของประชากรในวงกว้าง หรือที่เรียกว่าพารามิเตอร์

สถิติเชิงพรรณนาและเชิงอนุมาน

สถิติหลักสองส่วนเรียกว่าสถิติเชิงพรรณนา ซึ่งอธิบายคุณสมบัติของตัวอย่างและข้อมูลประชากร และสถิติอนุมาน ซึ่งใช้คุณสมบัติเหล่านั้นเพื่อทดสอบสมมติฐานและสรุปผล สถิติเชิงพรรณนาประกอบด้วยค่าเฉลี่ย (ค่าเฉลี่ย) ความแปรปรวน ความเบ้ และความโด่ง สถิติเชิงอนุมานรวมถึงการวิเคราะห์การถดถอยเชิงเส้น การวิเคราะห์ความแปรปรวน (ANOVA) โมเดล logit/Probit และการทดสอบสมมติฐานว่าง

สถิติเชิงพรรณนา

สถิติเชิงพรรณนาส่วนใหญ่เน้นที่แนวโน้มศูนย์กลาง ความแปรปรวน และการกระจายข้อมูลตัวอย่าง แนวโน้มจากส่วนกลาง หมายถึง การประมาณลักษณะเฉพาะ ซึ่งเป็นองค์ประกอบทั่วไปของกลุ่มตัวอย่างหรือประชากร และรวมถึงสถิติเชิงพรรณนา เช่น ค่าเฉลี่ย ค่ามัธยฐาน และแบบวิธี ความแปรปรวนหมายถึงชุดของสถิติที่แสดงว่าองค์ประกอบของกลุ่มตัวอย่างหรือประชากรมีความแตกต่างกันมากเพียงใดตามคุณลักษณะที่วัดได้ และรวมถึงตัวชี้วัด เช่น ช่วง ความแปรปรวน และค่าเบี่ยงเบนมาตรฐาน

การกระจายหมายถึง “รูปร่าง” โดยรวมของข้อมูล ซึ่งสามารถแสดงบนแผนภูมิได้ เช่น ฮิสโตแกรมหรือจุดพล็อต และรวมถึงคุณสมบัติต่างๆ เช่น ฟังก์ชันการกระจายความน่าจะเป็น ความเบ้ และความโด่ง สถิติเชิงพรรณนายังสามารถอธิบายความแตกต่างระหว่างคุณลักษณะที่สังเกตได้ขององค์ประกอบของชุดข้อมูล สถิติเชิงพรรณนาช่วยให้เราเข้าใจคุณสมบัติโดยรวมขององค์ประกอบของตัวอย่างข้อมูล และสร้างพื้นฐานสำหรับการทดสอบสมมติฐานและการคาดการณ์โดยใช้สถิติอนุมาน

สถิติอนุมาน

สถิติเชิงอนุมานเป็นเครื่องมือที่นักสถิติใช้ในการสรุปเกี่ยวกับลักษณะของประชากร ดึงมาจากลักษณะของกลุ่มตัวอย่าง และเพื่อตัดสินใจว่าจะมีความแน่นอนเพียงใดจากข้อสรุปเหล่านั้น ตามขนาดกลุ่มตัวอย่างและสถิติการกระจายสามารถคำนวณความน่าจะเป็นที่สถิติซึ่งวัดแนวโน้มศูนย์กลาง ความแปรปรวน การแจกแจง และความสัมพันธ์ระหว่างลักษณะเฉพาะภายในตัวอย่างข้อมูล ให้ภาพที่ถูกต้องของพารามิเตอร์ที่สอดคล้องกันของประชากรทั้งหมดซึ่งกลุ่มตัวอย่าง ถูกวาด

สถิติเชิงอนุมานใช้เพื่อสร้างภาพรวมเกี่ยวกับกลุ่มใหญ่ เช่น การประมาณความต้องการเฉลี่ยสำหรับผลิตภัณฑ์โดยการสำรวจกลุ่มตัวอย่างพฤติกรรมการซื้อของผู้บริโภค หรือเพื่อพยายามคาดการณ์เหตุการณ์ในอนาคต เช่น การคาดการณ์ผลตอบแทนในอนาคตของหลักทรัพย์หรือประเภทสินทรัพย์ตาม กลับมาในช่วงเวลาตัวอย่าง

การวิเคราะห์การถดถอยเป็นเทคนิคที่ใช้กันอย่างแพร่หลายในการอนุมานทางสถิติ ซึ่งใช้เพื่อกำหนดความแข็งแกร่งและลักษณะของความสัมพันธ์ (เช่น ความสัมพันธ์) ระหว่างตัวแปรตามและตัวแปรอธิบาย (อิสระ) หนึ่งตัวหรือมากกว่า ผลลัพธ์ของตัวแบบการถดถอยมักถูกวิเคราะห์สำหรับนัยสำคัญทางสถิติ ซึ่งหมายถึงการอ้างว่าผลลัพธ์จากการค้นพบที่เกิดจากการทดสอบหรือการทดลองไม่น่าจะเกิดขึ้นแบบสุ่มหรือโดยบังเอิญ แต่น่าจะมาจากสาเหตุเฉพาะที่อธิบายโดย ข้อมูล. การมีนัยสำคัญทางสถิติเป็นสิ่งสำคัญสำหรับสาขาวิชาหรือผู้ปฏิบัติงานที่ต้องอาศัยการวิเคราะห์ข้อมูลและการวิจัยเป็นอย่างมาก

การทำความเข้าใจข้อมูลสถิติ

รากของสถิติถูกขับเคลื่อนโดยตัวแปร ตัวแปรคือชุดข้อมูลที่สามารถนับได้ซึ่งระบุคุณลักษณะหรือแอตทริบิวต์ของรายการ ตัวอย่างเช่น รถยนต์สามารถมีตัวแปรได้ เช่น ยี่ห้อ รุ่น ปี ระยะทาง สี หรือสภาพ การรวมตัวแปรต่างๆ ในชุดข้อมูล (เช่น สีของรถทุกคันในที่จอดรถที่กำหนด) สถิติช่วยให้เราเข้าใจแนวโน้มและผลลัพธ์ได้ดีขึ้น

ตัวแปรหลักมีสองประเภท ประการแรก ตัวแปรเชิงคุณภาพเป็นคุณลักษณะเฉพาะที่มักไม่ใช่ตัวเลข ตัวอย่างมากมายที่ให้ไว้ในตัวอย่างรถยนต์นั้นมีคุณภาพ ตัวอย่างอื่นๆ ของตัวแปรเชิงคุณภาพในสถิติ ได้แก่ เพศ สีตา หรือเมืองเกิด ข้อมูลเชิงคุณภาพมักใช้เพื่อกำหนดเปอร์เซ็นต์ของผลลัพธ์ที่เกิดขึ้นสำหรับตัวแปรเชิงคุณภาพที่กำหนด และการวิเคราะห์เชิงคุณภาพมักไม่อาศัยตัวเลข ตัวอย่างเช่น การพยายามกำหนดเปอร์เซ็นต์ของผู้หญิงที่เป็นเจ้าของธุรกิจเพื่อวิเคราะห์ข้อมูลเชิงคุณภาพ

ตัวแปรประเภทที่สองในสถิติคือตัวแปรเชิงปริมาณ ตัวแปรเชิงปริมาณได้รับการศึกษาเป็นตัวเลขและมีน้ำหนักก็ต่อเมื่อเกี่ยวกับตัวอธิบายที่ไม่ใช่ตัวเลขเท่านั้น เช่นเดียวกับการวิเคราะห์เชิงปริมาณ ข้อมูลนี้มีรากฐานมาจากตัวเลข ในตัวอย่างรถยนต์ด้านบน ระยะที่ขับเคลื่อนเป็นตัวแปรเชิงปริมาณ อย่างไรก็ตาม จำนวน 60,000 ไม่มีมูลค่าเว้นแต่จะเข้าใจว่าเป็นจำนวนไมล์ที่ขับเคลื่อนทั้งหมด

ตัวแปรเชิงปริมาณสามารถแบ่งออกเป็นสองประเภทเพิ่มเติม ประการแรก ตัวแปรที่ไม่ต่อเนื่องมีข้อจำกัดในสถิติและอนุมานว่ามีช่องว่างระหว่างค่าตัวแปรที่ไม่ต่อเนื่องที่อาจเกิดขึ้น จำนวนคะแนนในเกมฟุตบอลเป็นตัวแปรที่ไม่ต่อเนื่อง เนื่องจาก (1) ไม่สามารถมีทศนิยมได้ และ (2) เป็นไปไม่ได้ที่ทีมจะทำคะแนนได้เพียง 1 คะแนน

ประการที่สอง สถิติยังใช้ประโยชน์จากตัวแปรเชิงปริมาณอย่างต่อเนื่อง ค่าเหล่านี้ทำงานตามมาตราส่วน – ในขณะที่ค่าที่ไม่ต่อเนื่องมีข้อจำกัด ตัวแปรต่อเนื่องมักถูกวัดเป็นทศนิยม เมื่อวัดความสูงของผู้เล่นฟุตบอล สามารถรับค่าใดก็ได้ (ภายในขีดจำกัดที่เป็นไปได้) และสามารถวัดความสูงได้เหลือ 1/16 ของนิ้วหากไม่มากไปกว่านั้น

ระดับสถิติของการวัด

หลังจากวิเคราะห์ตัวแปรและผลลัพธ์เป็นส่วนหนึ่งของสถิติแล้ว ผลลัพธ์ของการวัดผลมีหลายระดับ สถิติสามารถคำนวณผลลัพธ์ได้หลายวิธีดังนี้:

1. การวัดระดับที่กำหนด ไม่มีค่าที่เป็นตัวเลขหรือเชิงปริมาณ และไม่มีการจัดอันดับคุณภาพ การวัดระดับเล็กน้อยเป็นเพียงป้ายกำกับหรือหมวดหมู่ที่กำหนดให้กับตัวแปรอื่นๆ ง่ายที่สุดที่จะคิดว่าการวัดระดับเล็กน้อยเป็นข้อเท็จจริงที่ไม่ใช่ตัวเลขเกี่ยวกับตัวแปร ตัวอย่าง: ชื่อของประธานาธิบดีที่ได้รับเลือกในปี 2020 คือ Joseph Robinette Biden, Jr.
2. การวัดระดับลำดับ: ผลลัพธ์สามารถจัดเรียงตามลำดับได้ อย่างไรก็ตาม ค่าข้อมูลทั้งหมดมีค่าหรือน้ำหนักเท่ากัน แม้ว่าการวัดระดับเชิงตัวเลขในสถิติจะไม่สามารถหักลบกันเองได้ เนื่องจากมีเพียงตำแหน่งของจุดข้อมูลเท่านั้นที่มีความสำคัญ มักจะรวมอยู่ในสถิติที่ไม่ใช่พารามิเตอร์ ระดับลำดับมักจะถูกเปรียบเทียบกับกลุ่มตัวแปรทั้งหมด ตัวอย่าง: American Fred Kerley เป็นชายที่เร็วที่สุดอันดับ 2 ในการแข่งขันกีฬาโอลิมปิกที่กรุงโตเกียวปี 2020 โดยอิงจากการวิ่ง 100 เมตร
3. การวัดระดับช่วงเวลา: สามารถจัดเรียงผลลัพธ์ได้ตามลำดับ อย่างไรก็ตาม ความแตกต่างระหว่างค่าข้อมูลอาจมีความหมาย มักใช้จุดข้อมูลที่แตกต่างกันสองจุดเพื่อเปรียบเทียบเวลาที่ผ่านไปหรือเงื่อนไขที่เปลี่ยนแปลงภายในชุดข้อมูล มักจะไม่มี “จุดเริ่มต้น” สำหรับช่วงของค่าข้อมูล และวันที่หรืออุณหภูมิในปฏิทินอาจไม่มีค่าศูนย์ที่แท้จริงที่มีความหมาย ตัวอย่าง: อัตราเงินเฟ้อแตะ 8.6% ในเดือนพฤษภาคม 2565 ครั้งสุดท้ายที่อัตราเงินเฟ้อสูงคือธันวาคม 2524
4. การวัดระดับอัตราส่วน: สามารถจัดเรียงผลลัพธ์ได้ตามลำดับ และความแตกต่างระหว่างค่าข้อมูลในตอนนี้มีความหมาย อย่างไรก็ตาม ขณะนี้มีจุดเริ่มต้นหรือ “ค่าศูนย์” ที่สามารถใช้เพื่อให้ค่าเป็นค่าทางสถิติเพิ่มเติมได้อัตราส่วนระหว่างค่าข้อมูลตอนนี้มีความหมาย รวมถึงระยะห่างจากศูนย์ด้วย ตัวอย่าง: อุณหภูมิอุตุนิยมวิทยาต่ำสุดที่บันทึกไว้คือ -128.6 องศาฟาเรนไฮต์ในทวีปแอนตาร์กติกา

เทคนิคการสุ่มตัวอย่างสถิติ

ในการรวบรวมข้อมูลทางสถิติ มักจะไม่สามารถรวบรวมข้อมูลจากจุดข้อมูลทุกจุดในประชากรได้ ในทางกลับกัน สถิติอาศัยเทคนิคการสุ่มตัวอย่างแบบต่างๆ เพื่อสร้างกลุ่มย่อยที่เป็นตัวแทนของประชากรซึ่งง่ายต่อการวิเคราะห์ ในสถิติ การสุ่มตัวอย่างมีหลายประเภท

การสุ่มตัวอย่างอย่างง่ายเรียกร้องให้สมาชิกทุกคนในประชากรมีโอกาสเท่ากันที่จะถูกเลือกสำหรับการวิเคราะห์ ประชากรทั้งหมดถูกใช้เป็นพื้นฐานสำหรับการสุ่มตัวอย่าง และเครื่องกำเนิดแบบสุ่มใด ๆ ตามโอกาสสามารถเลือกรายการตัวอย่างได้ ตัวอย่างเช่น 100 คนเข้าแถวและ 10 คนถูกสุ่มเลือก

การสุ่มตัวอย่างอย่างเป็นระบบเรียกร้องให้มีการสุ่มตัวอย่างเช่นกัน อย่างไรก็ตาม เทคนิคของมันถูกดัดแปลงเล็กน้อยเพื่อให้ง่ายต่อการดำเนินการ ระบบจะสร้างตัวเลขสุ่มตัวเดียว จากนั้นจึงเลือกบุคคลในช่วงเวลาปกติที่กำหนดจนกว่าขนาดตัวอย่างจะสมบูรณ์ ตัวอย่างเช่น 100 คนเข้าแถวและนับ บุคคลที่ 7 จะถูกเลือกสำหรับกลุ่มตัวอย่าง ตามด้วยบุคคลที่ 9 ถัดไปทุกๆ คน จนกว่าจะเลือกรายการตัวอย่าง 10 รายการ

การสุ่มตัวอย่างแบบแบ่งชั้นเรียกร้องให้ควบคุมตัวอย่างของคุณได้มากขึ้น ประชากรแบ่งออกเป็นกลุ่มย่อยตามลักษณะที่คล้ายคลึงกัน จากนั้น คุณคำนวณจำนวนคนจากแต่ละกลุ่มย่อยที่จะเป็นตัวแทนของประชากรทั้งหมด ตัวอย่างเช่น 100 คนถูกจัดกลุ่มตามเพศและเชื้อชาติ จากนั้น จะมีการสุ่มตัวอย่างจากแต่ละกลุ่มย่อยในสัดส่วนที่ตัวแทนกลุ่มย่อยนั้นเป็นของประชากร

การสุ่มตัวอย่างคลัสเตอร์จะเรียกกลุ่มย่อยด้วย อย่างไรก็ตาม แต่ละกลุ่มย่อยควรเป็นตัวแทนของประชากร แทนที่จะสุ่มเลือกบุคคลภายในกลุ่มย่อย กลุ่มย่อยทั้งหมดจะถูกสุ่มเลือก

ตัวอย่างสถิติ

สถิติมีความโดดเด่นในด้านการเงิน การลงทุน ธุรกิจ และโลก ข้อมูลส่วนใหญ่ที่คุณเห็นและข้อมูลที่คุณได้รับมาจากสถิติ ซึ่งใช้ในทุกแง่มุมของธุรกิจ

ในการลงทุน สถิติรวมถึงปริมาณการซื้อขายเฉลี่ย ต่ำสุด 52 สัปดาห์ สูง 52 สัปดาห์ เบต้า และความสัมพันธ์ระหว่างประเภทสินทรัพย์หรือหลักทรัพย์

ในทางเศรษฐศาสตร์ สถิติรวมถึง GDP การว่างงาน ราคาผู้บริโภค อัตราเงินเฟ้อ และตัวชี้วัดการเติบโตทางเศรษฐกิจอื่นๆ

ในด้านการตลาด สถิติรวมถึงอัตราการแปลง อัตราการคลิกผ่าน ปริมาณการค้นหา และตัวชี้วัดโซเชียลมีเดีย

ในการบัญชี สถิติรวมถึงตัวชี้วัดสภาพคล่อง ความสามารถในการชำระหนี้ และความสามารถในการทำกำไรตลอดช่วงเวลา

ในด้านเทคโนโลยีสารสนเทศ สถิติรวมถึงแบนด์วิดท์ ความสามารถของเครือข่าย และลอจิสติกส์ฮาร์ดแวร์

ในด้านทรัพยากรบุคคล สถิติรวมถึงการหมุนเวียนของพนักงาน ความพึงพอใจของพนักงาน และค่าตอบแทนโดยเฉลี่ยที่สัมพันธ์กับตลาด

เหตุใดสถิติจึงมีความสำคัญ

สถิติให้ข้อมูลเพื่อให้ความรู้ว่าสิ่งต่าง ๆ ทำงานอย่างไร สถิติใช้เพื่อการวิจัย ประเมินผลลัพธ์ พัฒนาความคิดเชิงวิพากษ์ และตัดสินใจอย่างมีข้อมูล สถิติสามารถใช้เพื่อสอบถามเกือบทุกสาขาวิชาเพื่อตรวจสอบว่าเหตุใดจึงเกิดขึ้น เกิดขึ้นเมื่อใด และคาดการณ์ว่าจะเกิดซ้ำหรือไม่

อะไรคือความแตกต่างระหว่างสถิติเชิงพรรณนาและสถิติเชิงอนุมาน?

สถิติเชิงพรรณนาใช้เพื่ออธิบายหรือสรุปลักษณะของตัวอย่างหรือชุดข้อมูล เช่น ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน หรือความถี่ของตัวแปร ในทางตรงกันข้าม สถิติเชิงอนุมานใช้เทคนิคจำนวนเท่าใดก็ได้เพื่อเชื่อมโยงตัวแปรในชุดข้อมูลกับอีกชุดหนึ่ง ตัวอย่างเช่น การใช้การวิเคราะห์สหสัมพันธ์หรือการวิเคราะห์การถดถอย สิ่งเหล่านี้สามารถใช้ในการประเมินการคาดการณ์หรืออนุมานความเป็นเหตุเป็นผลได้

ใครใช้สถิติ?

สถิติถูกใช้อย่างกว้างขวางในหลากหลายแอปพลิเคชันและอาชีพ ทุกครั้งที่มีการรวบรวมและวิเคราะห์ข้อมูล จะมีการทำสถิติ ซึ่งอาจครอบคลุมตั้งแต่หน่วยงานภาครัฐ การวิจัยเชิงวิชาการ ไปจนถึงการวิเคราะห์การลงทุน

สถิติใช้ในด้านเศรษฐศาสตร์และการเงินอย่างไร?

นักเศรษฐศาสตร์รวบรวมและดูข้อมูลทุกประเภท ตั้งแต่การใช้จ่ายของผู้บริโภคไปจนถึงที่อยู่อาศัย ไปจนถึงอัตราเงินเฟ้อ ไปจนถึงการเติบโตของ GDP ในด้านการเงิน นักวิเคราะห์และนักลงทุนจะรวบรวมข้อมูลเกี่ยวกับบริษัท อุตสาหกรรม ความรู้สึก และข้อมูลตลาดเกี่ยวกับราคาและปริมาณ การใช้สถิติอนุมานในสาขาเหล่านี้ร่วมกันเรียกว่าเศรษฐมิติ โมเดลทางการเงินที่สำคัญหลายแบบตั้งแต่ CAPM ไปจนถึง Modern Portfolio Theory (MPT) และรูปแบบการกำหนดราคาออปชั่น Black-Scholes อาศัยการอนุมานทางสถิติ

สามารถอัพเดตข่าวสารเรื่องราวต่างๆได้ที่ marinapaper.com