Símbolos (ou notação) encontrados em problemas estatísticas caem em três categorias principais: símbolos matemáticos, símbolos referentes a uma população, e símbolos referentes a uma amostra.
Menu
símbolos matemáticos são bastante fáceis de decifrar com uma simples revisão de álgebra. Elas envolvem itens como sinais de raiz quadrada, equações de uma linha, e combinações de operações matemáticas.
símbolos de população são quase sempre minúsculas letras gregas. Eles referem-se aos valores populacionais desconhecidas que você está tentando estimar.
símbolos de exemplo são quase sempre Inglês letras minúsculas com acentos. Eles se referem às estatísticas conhecidas que são calculados a partir de dados.
Depois que os dados foram coletados, o primeiro passo na análise é fulcral para algumas estatísticas descritivas para obter um sentimento inicial para os dados. Por exemplo:
Onde está o centro de dados localizado?
Como se espalhar são os dados?
Como correlacionada são os dados de duas variáveis?
As estatísticas descritivas mais comuns são na tabela a seguir, juntamente com as suas fórmulas e uma breve descrição do que cada um medidas.
Ao projetar um estudo, o tamanho da amostra é uma consideração importante porque quanto maior o tamanho da amostra, mais dados você tem e mais precisa os resultados vão ser (assumindo dados de alta qualidade). Se você sabe o nível de precisão que você quer (ou seja, a sua margem desejada de erro), é possível calcular o tamanho da amostra necessária para alcançá-lo.
Para encontrar o tamanho da amostra necessária para estimar uma média da população,
ou uma proporção da população (p), Usar a seguinte fórmula:
Onde z* É o valor crítico para o nível de confiança que você necessita MOE representa a margem desejada de erros e
representa o desvio padrão da população.
E se
# 963- é desconhecida,
Ao procurar
estimativa
com o desvio padrão da amostra, s, a partir de um estudo piloto.
Ao procurar p, estimativa
com p0(1 - p0), Onde p0 é algum estimativa inicial (normalmente 0.50) a p.
Em estatística, uma Intervalo de confiança dá uma gama de valores plausíveis para alguma característica desconhecida da população. Ele contém uma primeira estimativa de mais ou menos um margem de erro (O valor pelo qual você espera que seus resultados para variar se outras amostras foram colhidas). A tabela a seguir mostra fórmulas para os componentes do mais comum de intervalos de confiança e as chaves para quando a usá-los.
Os valores críticos (z* -Valores) São um componente importante de intervalos de confiança (a técnica estatística para estimar parâmetros populacionais). o z* -valor, Que aparece na margem da fórmula de erro, mede o número de erros padrão a ser adicionado e subtraído, a fim de atingir o seu nível de confiança desejado (a percentagem de confiança que você quiser).
A tabela a seguir mostra os níveis de confiança comum e seus correspondentes Z *-valores.
| Nível de confiança | z * -valor |
|---|---|
| 80% | 1,28 |
| 85% | 1,44 |
| 90% | 1.645 |
| 95% | 1,96 |
| 98% | 2.33 |
| 99% | 2.58 |
Você também pode usar estes crítica z* -Valores para testes de hipóteses em que a estatística de teste segue uma Z-distribuição. Se o valor absoluto da estatística de teste é maior do que a que corresponde z* -valor, Então rejeitar a hipótese nula.
Você pode utilizar testes de hipótese para desafiar se alguma reivindicação sobre uma população é verdadeira (por exemplo, uma reivindicação que 90 por cento dos americanos possuem um telemóvel). Para testar uma hipótese estatística, você tirar uma amostra, recolher dados, formar uma estatística, padronizá-la para formar uma estatística de teste, e decidir se o teste estatístico refuta a alegação. A tabela a seguir descreve os detalhes importantes para testes de hipóteses.
Note-se que para os testes envolvendo a diferença de dois valores da população
É típico que
é 0.
Você também pode usar estes crítica z* -Valores para testes de hipóteses em que a estatística de teste segue uma Z-distribuição. Se o valor absoluto da estatística de teste é maior do que a que corresponde z* -valor, Então rejeitar a hipótese nula.