Statistinis procesas - tai etapų arba fazių rinkinys, kurį reikia atlikti norint atlikti tyrimą, pagrįstą kiekybine informacija, ir gauti ištikimai ištirtai tikrovei rezultatus.
Kalbėdami apie statistinį procesą, kalbame apie keletą žingsnių, kuriuos patartina atlikti, kad gautume rezultatus, ištikimus tikrovei, kurią tiriame statistiniame tyrime, kurį ketinama atlikti. Tai būtina, nes jei neatliksime šių veiksmų, galime padaryti neteisingas išvadas ir dėl to priimti blogus sprendimus.
Pavyzdžiui, įsivaizduokime, kad turime ledainę. Mes turime apytiksliai žinoti, kiek ledų turėtume nusipirkti, atsižvelgdami į paklausos kiekį. Taigi, jei mes nepasieksime, klientai galėtų pasiekti, ką turėtume jiems pasakyti, kad šioje ledainėje nėra ledų. Priešingai, jei turime per daug, tai gali būti sugadinta. Todėl būtina pabandyti įvertinti, kiek turėtume nusipirkti, arba bent apytikslį diapazoną. Jei apskaičiuosime tą diapazoną, mes renkame duomenis, kurie nėra tipiški (pavyzdžiui, ledų salonas, esantis kitame mieste, kuriame mažiau turtų), galime klysti.
Taigi, turėdami tai aiškiai, turime žinoti daugybę žingsnių ir detalių, kurių turime laikytis, kad rezultatai būtų pritaikyti realybei ir priimtume geresnius sprendimus.
Statistinio proceso etapai
Atsižvelgdami į aplankytą vadovą ar autorių, galėjome pamatyti skirtingus etapus su skirtingais pavadinimais. Iš esmės beveik visi dokumentai šia tema apima tuos pačius skyrius, tik kai kurie apima kelis etapus viename, o kiti labiau skaido procesą.
Mūsų atveju manome, kad statistinį procesą sudaro:
Problemos pareiškimas
Problemos teiginyje yra centrinė ašis, ant kurios galima išsakyti visa kita. Šis etapas atsako į šį klausimą: ko man reikia mokytis ir kodėl? Kartais, kad ir kaip neįtikėtina, atrodo, kad tai kelia problemą, tai gali mus padaryti išvadą, kad mums nereikia atlikti statistinio tyrimo.
Duomenų rinkimas
Iškėlę problemą turime rinkti duomenis. Čia svarbi metodika. Taigi yra įvairių svarstymų. Taigi mes turime nustatyti atrankos tipą, imties dydį, duomenų rinkimo tipą (pavyzdžiui, per duomenų bazes ar individualizuotas apklausas), asmeniškai, internetu ar telefonu ir pan.
Duomenų organizavimas
Kai turėsime visus duomenis, beliks juos suvienodinti ir sutvarkyti. Kaip ir visur, duomenis turime įvesti į programą ar platformą, kuri tada leidžia apskaičiuoti tam tikrą metriką ir teisingai analizuoti. Norėdami tai padaryti, visada patogu tvarkyti duomenis. Be to, kartais mums reikės rinkti duomenis iš skirtingų duomenų bazių, kurios siūlo skirtingus failų formatus, ir reikės viską suvienodinti tuo pačiu formatu.
Duomenų analizė
Iškėlus problemą, surinktus ir sutvarkytus duomenis, galime juos efektyviai analizuoti. Atsižvelgiant į problemos teiginį, bus atliekama viena ar kita analizės rūšis. Pavyzdžiui, jei norime sužinoti, ar du kintamieji yra priklausomi, galėtume naudoti kointegracijos analizę. Jei norime ištirti bendrą finansinio turto dispersiją, apskaičiuosime statistinį diapazoną.
Duomenų aiškinimas
Paskutinis, bet ne mažiau svarbus dalykas, mes turime duomenų aiškinimą. Teisingai atlikti visus statistinio proceso etapus yra nenaudinga, jei galų gale aiškinimas yra neteisingas. Taip yra todėl, kad jei aiškinimas neteisingas, sprendimai turės nepageidaujamą poveikį. Pavyzdžiui, tarkime, kad atliksime įmonės pardavimo kintamumo tyrimą. Jei gavus rezultatus paaiškėja, kad yra daug dispersijos, ją reikėtų sumažinti ir interpretuoti, kad taip nėra, tai gali neigiamai paveikti įmonę.
Penki žingsniai atsispindi šioje diagramoje:
Aprašomoji statistika
