10 Gründe, warum Statistik wichtig ist

Das Gebiet der Statistik befasst sich mit dem Sammeln, Analysieren, Interpretieren und Präsentieren von Daten.

Da Technologie in unserem täglichen Leben immer präsenter wird, werden heute mehr Daten erzeugt und gesammelt als jemals zuvor in der Geschichte der Menschheit.

Statistik ist der Bereich, der uns helfen kann zu verstehen, wie wir diese Daten für die folgenden Dinge nutzen können:

Ein besseres Verständnis der Welt um uns herum zu erlangen.
Mit Hilfe von Daten Entscheidungen treffen.
Mit Hilfe von Daten Vorhersagen über die Zukunft treffen.

In diesem Artikel nennen wir 10 Gründe, warum das Gebiet der Statistik im modernen Leben so wichtig ist.

Grund 1: Deskriptive Statistik, um die Welt zu verstehen

Deskriptive Statistiken werden verwendet, um einen Teil der Rohdaten zu beschreiben. Es gibt drei Haupttypen von deskriptiven Statistiken:

Zusammenfassende Statistik
Diagramme
Tabellen

Diese können uns helfen, ein besseres Verständnis der vorhandenen Daten zu gewinnen.

Angenommen, wir haben einen Satz von Rohdaten, der die Testergebnisse von 10.000 Schülern in einer bestimmten Stadt zeigt. Mit Hilfe der deskriptiven Statistik können wir:

Berechnen Sie die durchschnittliche Testpunktzahl und die Standardabweichung der Testpunktzahl.
Erstellen Sie ein Histogramm oder einen Boxplot, um die Verteilung der Testergebnisse zu visualisieren.
Erstellen Sie eine Häufigkeitstabelle, um die Verteilung der Testergebnisse zu verstehen.

Mit Hilfe der deskriptiven Statistik können wir die Testergebnisse der Schüler viel leichter verstehen, als wenn wir nur auf die Rohdaten starren.

Grund 2: Vor irreführenden Diagrammen auf der Hut sein

Es werden mehr Diagramme in Zeitschriften, Nachrichten, Online-Artikeln und Magazinen erstellt als je zuvor. Unglücklicherweise können Diagramme oft irreführend sein, wenn man die zugrunde liegenden Daten nicht versteht.

Angenommen, eine Fachzeitschrift veröffentlicht eine Studie, die eine negative Korrelation zwischen dem GPA und den ACT-Ergebnissen von Studenten an einer bestimmten Universität feststellt.

Diese negative Korrelation tritt jedoch nur auf, weil die Studenten, die beide einen hohen GPA und eine hohe ACT-Punktzahl haben, an eine Eliteuniversität gehen können, während Studenten, die beide einen niedrigen GPA und eine niedrige ACT-Punktzahl haben, überhaupt nicht zugelassen werden.

Berkson

Obwohl die Korrelation zwischen ACT und GPA in der Population positiv ist, scheint die Korrelation in der Stichprobe negativ zu sein.

Diese besondere Verzerrung ist als Berksonsche Verzerrung bekannt. Wenn Sie sich dieser Verzerrung bewusst sind, können Sie vermeiden, von bestimmten Diagrammen in die Irre geführt zu werden.

Grund 3: Vorsicht vor verwirrenden Variablen

Ein wichtiges Konzept, das Sie in der Statistik kennenlernen werden, ist das Konzept des Störfaktors.

Dies sind Variablen, die nicht berücksichtigt werden und die Ergebnisse eines Experiments verfälschen können und zu unzuverlässigen Ergebnissen führen.

Angenommen, ein Forscher sammelt Daten über den Verkauf von Speiseeis und Haiangriffe und stellt fest, dass die beiden Variablen stark korreliert sind. Bedeutet dies, dass ein erhöhter Eiscremeverkauf zu mehr Hai-Angriffen führt?

Das ist unwahrscheinlich. Die wahrscheinlichere Ursache ist die Störvariable Temperatur. Wenn es draußen wärmer ist, kaufen mehr Menschen Eiscreme und mehr Menschen gehen ins Meer.

Confound

Grund 4: Bessere Entscheidungen mit Hilfe der Wahrscheinlichkeitsrechnung treffen

Eines der wichtigsten Teilgebiete der Statistik ist die Wahrscheinlichkeit. Hier wird untersucht, wie wahrscheinlich es ist, dass ein Ereignis eintritt.

Wenn man ein grundlegendes Verständnis der Wahrscheinlichkeit hat, kann man in der realen Welt besser informierte Entscheidungen treffen.

Angenommen, ein Gymnasiast weiß, dass er eine 10 %ige Chance hat, an einer bestimmten Universität angenommen zu werden. Mit Hilfe der Formel für die Wahrscheinlichkeit für "mindestens einen" Erfolg kann dieser Schüler die Wahrscheinlichkeit ermitteln, dass er an mindestens einer Hochschule, für die er sich bewirbt, angenommen wird, und die Anzahl der Hochschulen, für die er sich bewirbt, entsprechend anpassen.

Grund 5: Um P-Werte in der Forschung zu verstehen

Ein weiteres wichtiges Konzept, das Sie in der Statistik kennenlernen werden, sind p-Werte.

Die Lehrbuchdefinition eines p-Wertes lautet:

Ein p-Wert ist die Wahrscheinlichkeit, eine Stichprobenstatistik zu beobachten, die mindestens so extrem ist wie die eigene Stichprobenstatistik, vorausgesetzt, die Nullhypothese ist wahr.

Angenommen, eine Fabrik behauptet, sie produziere Reifen mit einem Durchschnittsgewicht von 200 Pfund. Ein Prüfer stellt die Hypothese auf, dass das tatsächliche Durchschnittsgewicht der in dieser Fabrik hergestellten Reifen von 200 Pfund abweicht. Er führt also einen Hypothesentest durch und stellt fest, dass der p-Wert des Tests 0,04 beträgt.

Wie ist dieser p-Wert zu interpretieren:

Wenn die Fabrik tatsächlich Reifen mit einem Durchschnittsgewicht von 200 Pfund herstellt, dann werden 4% aller Prüfungen aufgrund des Stichprobenfehlers den in der Stichprobe beobachteten Effekt oder einen größeren Effekt erzielen. Dies sagt uns, dass es ziemlich selten wäre, die Stichprobendaten zu erhalten, die der Prüfer erhalten hat, wenn die Fabrik tatsächlich Reifen mit einem Durchschnittsgewicht von 200 Pfund herstellt.

Daher würde der Prüfer wahrscheinlich die Nullhypothese ablehnen, dass das wahre Durchschnittsgewicht der in dieser Fabrik hergestellten Reifen tatsächlich 200 Pfund beträgt.

Grund 6: Verstehen der Korrelation

Ein weiteres wichtiges Konzept, das Sie in der Statistik kennenlernen werden, ist die Korrelation, die den linearen Zusammenhang zwischen zwei Variablen angibt.

Der Wert für einen Korrelationskoeffizienten liegt immer zwischen -1 und 1, wobei:

-1 bedeutet eine vollkommen negative lineare Korrelation zwischen zwei Variablen
0 zeigt keine lineare Korrelation zwischen zwei Variablen an
1 zeigt eine vollkommen positive lineare Korrelation zwischen zwei Variablen an

Durch das Verständnis dieser Werte können Sie die Beziehung zwischen Variablen in der realen Welt verstehen.

Wenn beispielsweise die Korrelation zwischen Werbeausgaben und -einnahmen 0,87 beträgt, dann können Sie verstehen, dass zwischen den beiden Variablen eine starke positive Beziehung besteht. Wenn Sie mehr Geld für Werbung ausgeben, können Sie einen vorhersehbaren Anstieg der Einnahmen erwarten.

Grund 7: Um Vorhersagen über die Zukunft zu treffen

Ein weiterer wichtiger Grund, Statistik zu lernen, ist das Verstehen grundlegender Regressionsmodelle wie:

Jedes dieser Modelle ermöglicht es, Vorhersagen über den zukünftigen Wert einer Antwortvariablen auf der Grundlage des Wertes bestimmter Prädiktorvariablen im Modell zu treffen.

Zum Beispiel werden multiple lineare Regressionsmodelle in der realen Welt ständig von Unternehmen verwendet, wenn sie Vorhersagevariablen wie Alter, Einkommen, ethnische Zugehörigkeit usw. verwenden, um vorherzusagen, wie viel Kunden in ihren Geschäften ausgeben werden.

Gleichermaßen verwenden Logistikunternehmen Vorhersagevariablen wie Gesamtnachfrage, Bevölkerungszahl usw., um künftige Verkäufe vorherzusagen.

Ganz gleich, in welchem Bereich Sie tätig sind, die Chancen stehen gut, dass Regressionsmodelle zur Vorhersage irgendeines künftigen Phänomens verwendet werden.

Grund 8: Um mögliche Verzerrungen in Studien zu verstehen

Ein weiterer Grund, Statistik zu studieren, besteht darin, sich aller verschiedenen Arten von Verzerrungen bewusst zu sein, die in realen Studien auftreten können.

Einige Beispiele sind:

Durch ein grundlegendes Verständnis dieser Arten von Verzerrungen können Sie diese bei der Durchführung von Forschungsarbeiten vermeiden oder sich ihrer bewusst sein, wenn Sie andere Forschungsarbeiten oder Studien lesen.

Grund 9: Die Annahmen der statistischen Tests verstehen

Viele statistische Tests machen Annahmen über die zugrundeliegenden Daten, die untersucht werden.

Wenn Sie die Ergebnisse einer Studie lesen oder sogar Ihre eigene Studie durchführen, ist es wichtig zu verstehen, welche Annahmen getroffen werden müssen, damit die Ergebnisse zuverlässig sind.

In den folgenden Artikeln werden die Annahmen erläutert, die bei vielen häufig verwendeten statistischen Tests und Verfahren getroffen werden:

Grund 10: Um Übergeneralisierung zu vermeiden

Ein weiterer Grund, Statistik zu studieren, besteht darin, das Konzept der Überverallgemeinerung zu verstehen.

Dies ist der Fall, wenn die Individuen in einer Studie nicht repräsentativ für die Individuen der Gesamtbevölkerung sind und es daher unangemessen ist, die Schlussfolgerungen aus einer Studie auf die größere Bevölkerung zu verallgemeinern.

Angenommen, wir wollen wissen, wie viel Prozent der Schüler einer bestimmten Schule "Drama" als Lieblingsfilmgenre bevorzugen. Wenn die Gesamtpopulation der Schüler zu 50% aus Jungen und zu 50% aus Mädchen besteht, könnte eine Stichprobe mit einer Mischung aus 90% Jungen und 10% Mädchen zu verzerrten Ergebnissen führen, wenn weitaus weniger Jungen das Drama als ihr Lieblingsgenre bevorzugen.

Grundsätzlich wollen wir, dass unsere Stichprobe wie eine "Mini-Version" unserer Grundgesamtheit ist. Wenn also die gesamte Schülerpopulation aus 50% Mädchen und 50% Jungen besteht, wäre unsere Stichprobe nicht repräsentativ, wenn sie 90% Jungen und nur 10% Mädchen enthielte.

Stichprobe

Ob Sie also Ihre eigene Umfrage durchführen oder über die Ergebnisse einer Umfrage lesen, es ist wichtig zu verstehen, ob die Stichprobendaten repräsentativ für die Gesamtbevölkerung sind und ob die Ergebnisse der Umfrage mit Sicherheit auf die Bevölkerung verallgemeinert werden können.

Zusätzliche Ressourcen

Sehen Sie sich die folgenden Artikel an, um ein grundlegendes Verständnis der wichtigsten Konzepte der einführenden Statistik zu erlangen:

Deskriptive vs. Inferenzstatistik
Bevölkerung vs. Stichprobe
Qualitative vs. Quantitative Variablen
Messebenen: Nominal, Ordinal, Intervall und Ratio