Разумевање чињеница о статистичкој варијабилности и радни листови

У овој лекцији ћемо научити о основе статистике кроз препознавање статистичких питања и скупова података прикупљених за одговор на статистичко питање. Штавише, такође ћемо разликовати мере центра за нумерички скуп података и мере варијације.

Погледајте доњу датотеку чињеница за више информација о разумевању статистичке варијабилности или алтернативно, можете преузети наш радни пакет о разумевању статистичке варијабилности од 30 страница који ћете користити у учионици или кућном окружењу.

28. фебруар хороскопски знак

Кључне чињенице и информације

УВОД

• Статистика је облик математичке анализе која користи квантификоване моделе, репрезентације и синопсе за дати скуп експерименталних података или студија из стварног живота.
• Статистичке методе су углавном корисне да би се осигурало да се ваши подаци исправно тумаче.
• У статистици покушавамо да схватимо свет тако што прикупљамо, организујемо, анализирамо и представљамо велике количине података.
• На пример, можете испитати своје пријатеље о томе који је филм о пилицама најпопуларнији. Међутим, мала величина узорка неће вам дати тачну представу о томе шта сви ваши другови из 6. разреда воле да гледају.
• Да бисте то урадили, морате испитати пресек ученика из целог света и свих позадина. Подаци се могу статистички анализирати да би се дала прецизнија слика о томе који је филм најпопуларније.

ПРОЦЕС АНАЛИЗЕ ПОДАТАКА

• Подаци су појединачне чињеничне информације снимљене и коришћене у сврху анализе. То су сирове информације из којих се креира статистика.
• Подаци се прикупљају од популације или групе. Када је популација толико велика да је прикупљање података од сваког члана популације непрактично, подаци се прикупљају из узорка или дела популације.
• Један од најважнијих задатака које статистичар има када прикупља податке из узорка је да се увери да је то случајни узорак, а не пристрасан узорак.
• Корак 1. Одлучите о циљевима или поставите питање
• Први корак је одлучивање о циљевима. Ови циљеви обично могу захтевати значајно прикупљање и анализу података.
• Корак 2. Шта мерити и како мерити
• Мерење се генерално односи на додељивање бројева за означавање различитих вредности променљивих.
• На пример, из радозналости, желите да знате однос нечије висине и тежине, познат и као БМИ.
• Постоје 2 варијабле које треба да потражите. Прво је висина, а друго тежина. Ове вредности можете добити коришћењем ваге за мерење и мерне траке.
• Корак 3. Прикупљање података
• Када сазнате које врсте података су вам потребне за вашу статистичку студију, тада можете одредити да ли се ваши подаци могу прикупити из постојећих извора/база података или не.
• Ако подаци нису довољни, онда морате прикупити нове додатне податке. Ово ће вам помоћи да разумете и одредите ограничења уопштавања резултата док спроводите одговарајућу анализу.
• Што више података имате, то ћете боље корелације пронаћи. Тако ће изградња бољих модела и проналажење практичнијих увида бити лакши. Подаци из различитих извора такође помажу да се овај посао олакша.
• Корелација је међусобни однос или веза између две или више ствари.
• Корак 4. Уклањање непотребних података
• Ово је кључни корак у анализи података, јер се тиме побољшава квалитет података.
• Научници за податке исправљају правописне грешке, рукују вредностима које недостају и уклањају бескорисне информације.
• Ово је најкритичнији корак, јер ће нежељени подаци генерисати неприкладне резултате и довести у заблуду цео процес.
• Корак 5. Сумирање и визуелизација података
• Истраживачка анализа података помаже вам да боље разумете податке. Коришћење визуелног представљања података, као што су графикони и графикони, вреди хиљаду речи, јер многи људи разумеју слике боље од предавања. Исто тако, мере варијансе указују на дистрибуцију података око центра.
• Варијанца је чињеница или квалитет различитости, дивергентности или недоследности (супротно од корелације).

ПРЕПОЗНАВАЊЕ СТАТИСТИЧКИХ ПИТАЊА

• Статистичко питање је оно на које се може одговорити прикупљањем података и где ће бити варијабилности у тим подацима.
• На пример, „Колико минута ученици 6. разреда обично потроше на домаћи задатак сваке недеље?“
• На ово питање бисмо могли да одговоримо прикупљањем података од ученика 6. разреда, а очекујемо да сви ученици 6. разреда не троше исту количину сати радећи на домаћем задатку. То значи да ће постојати варијабилност у подацима.
• „Колико је времена Јуно синоћ провела на домаћем задатку?“ није статистичко питање, јер се одговор може лако утврдити, а на ово питање се не одговара прикупљањем података који могу варирати.

МЕРЕ ЦЕНТРАЛНЕ ТЕНДЕНЦИЈЕ

• Мера централне тенденције је збирна статистика која представља централну тачку или типичну вредност датог скупа података.
• У статистици, три најосновније мере централне тенденције су средња вредност, медијана и мод.
• Средња вредност је у основи просек скупа података.
• Пример: Пронађите средњу вредност следећег скупа података { 5 9 1 3 8 4 }.
• Дакле, средња вредност је 5.
• Медијан је средња вредност скупа података.
• Пример: Пронађите медијану следећег скупа података { 5 9 1 3 8 4 }.
• Прво, распоредите скуп података у растућем редоследу.
• {1 3 4 5 8 9}
• Добијте средњу вредност скупа података. Ако постоји паран број ставки у скупу података, онда се медијана налази узимањем средње вредности (просека) два најсредња броја.
• Дакле, медијана је 4,5
• Режим је најчешћи или најчешћи број у скупу података.
  Пример: Пронађите начин следећег скупа података { 5 9 1 1 8 4 }.
• {5 9 1 1 8 4}
• Израчунајте колико се пута сваки број појављује у скупу података. Број који се најчешће појављује служиће као режим.
• 5 = 1
  9 = 1
  1 = 2
  8 = 1
  4 = 1
• Број који се најчешће понавља у скупу података је 1. Дакле, режим је 1.
• Ако у скупу података нема понављајућих бројева, онда нема режима.
• Опсег је разлика између највеће и најмање вредности у скупу података.
• Пример: Пронађите опсег следећег скупа података { 5 9 1 3 8 4 }.
• С обзиром на скуп података, највећа вредност је 9, а најнижа вредност је 1. Да бисмо израчунали опсег, добијамо разлику највеће и најниже вредности.
• Разлика између 9 и 1 је 8. Дакле, опсег је 8.

Разумевање радних листова о статистичкој варијабилности

Ово је фантастичан пакет који укључује све што треба да знате о разумевању статистичке варијабилности на 30 детаљних страница. Су Радни листови Марсхалл Плана спремни за употребу који су савршени за подучавање ученика основама статистике кроз препознавање статистичких питања и скупова података прикупљених да би се одговорило на статистичко питање. Штавише, такође ћемо разликовати мере центра за нумерички скуп података и мере варијације.

Комплетна листа укључених радних листова

• План лекције
• Разумевање статистичке варијабилности
• Уочите статистичка питања
• Основно Реасонинг
• Шта значи?
• Број у средини
• Колико пута?
• Шта је домет?
• Недостаје оцена
• Пријавите се за шта?
• ПР Проблеми
• Тестирајте се!

Повежите/цитирајте ову страницу

Ако референцирате било који садржај на овој страници на својој веб локацији, користите код у наставку да наведете ову страницу као оригинални извор.

Линк ће се појавити као Разумевање чињеница о статистичкој варијабилности и радни листови: хттпс://кидсконнецт.цом - КидсКоннецт, 5. јул 2020

Користите са било којим наставним планом и програмом

Ови радни листови су посебно дизајнирани за употребу са било којим међународним наставним планом и програмом. Можете користити ове радне листове такве какве јесу или их уређивати помоћу Гоогле слајдова да бисте их учинили специфичнијим за нивое способности ученика и стандарде наставног плана и програма.

Подели Са Пријатељима:

шта значи 66