علم الإحصاء – أساسيات الإحصاء وتحليل البيانات الإحصائية

علم الإحصاء هو علم جمع وتحليل البيانات العددية بكميات كبيرة. إنه علم التعلم من البيانات ، وقياس عدم اليقين والتحكم فيه وتوصيله ، خاصة لغرض استنتاج النسب في الكل من تلك الموجودة في عينة تمثيلية.

يمكن أن تكون الإحصائيات كلمة مفردة أو جمع. في صيغة المفرد ، يشير إلى علم جمع البيانات الرقمية وعرضها وتحليلها وتفسيرها. تشير كلمة الجمع “الإحصائيات” إلى الحقائق المقدمة في شكل رقمي ، أو الملاحظات التي تم جمعها لغرض محدد.

ما هو علم الإحصاء ؟

علم الإحصاء هو العلم الرياضي الذي يشارك في تطبيق المبادئ الكمية على جمع البيانات الرقمية وتحليلها وعرضها. تستخدم ممارسة الإحصاء البيانات من بعض السكان من أجل وصفها بشكل هادف ، واستخلاص النتائج منها ، واتخاذ قرارات مستنيرة. قد يكون السكان مجتمعًا أو منظمة أو خط إنتاج أو عداد خدمة أو ظاهرة مثل الطقس.

يحدد الإحصائيون النموذج الكمي الصحيح لنوع معين من المشاكل ويقررون أنواع البيانات التي يجب جمعها وفحصها. الإحصاء التطبيقي يتعلق بتطبيق المنهجية العامة على مشاكل معينة. يستدعي هذا غالبًا استخدام تقنيات تحليل البيانات المعتمدة على الكمبيوتر. بعض الأمثلة على المشاكل الإحصائية هي:

• تفسير الأدلة التي تربط بين العوامل البيئية والأمراض ،
• تصميم تجارب لتقييم فاعلية المستحضرات الصيدلانية.
• بيانات التعدين لاكتشاف الشرائح المستهدفة من السكان ،
• أبحاث السوق لتقدير الطلب على منتج جديد ،
• استطلاع الرأي في السياسة ،
• تقدير حجم الحيوانات للمساعدة في وضع لوائح للحفظ ،
• دراسات الموثوقية لتحديد الضمانات ،
• تحسين جودة الخدمة أو السلعة المصنعة ،
• التنبؤ بالطقس ،
• تحليل الأخطاء في التجارب العلمية
• توقع أسعار البورصة.

الإحصائيون هم من المساهمين الرئيسيين في المنهجيات العلمية. يستخدمون معرفتهم الكمية لتصميم مخططات جمع البيانات ومعالجة البيانات وتحليل البيانات وتفسير النتائج. علاوة على ذلك ، غالبًا ما يقوم الإحصائيون بإجراء تقييمات نقدية لموثوقية البيانات وما إذا كان يمكن إجراء الاستنتاجات المستمدة منها بثقة. كما أنها تساعد في تحديد الانتهاكات المضللة للبيانات التي قد تصور سردًا غير دقيق للموقف.

الإحصاء النظري يتعلق بالفئات العامة من المشاكل وتطوير المنهجية العامة. يطور الإحصائيون عمومًا نماذج تستند إلى نظرية الاحتمالات. نظرية الاحتمالات هي فرع الرياضيات الذي يطور نماذج “لتغيرات الصدفة” أو “الظواهر العشوائية”.

نشأت كتخصص عندما بدأ علماء الرياضيات في القرن السابع عشر في حساب الاحتمالات في ألعاب الحظ المختلفة. سرعان ما أدركت كيفية تطبيق النظرية التي طوروها لدراسة الأخطاء في القياسات التجريبية ودراسة الوفيات البشرية (على سبيل المثال ، من قبل شركات التأمين على الحياة).

تعد نظرية الاحتمالات الآن مجالًا رئيسيًا له تطبيقات واسعة النطاق في العلوم والهندسة. بعض الأمثلة هي:

• نمذجة حدوث البقع الشمسية لتحسين الاتصالات اللاسلكية ،
• النمذجة والسيطرة على الازدحام على الطرق السريعة
• نظرية الموثوقية لتقييم فرصة عمل مركبة فضائية خلال المهمة.

وفقًا لجمعية الإحصاء الأمريكية ، تشتمل الخصائص الوظيفية للأشخاص في المهن الإحصائية على الأنشطة التالية:

• استخدام البيانات لحل المشكلات في مجموعة متنوعة من المجالات ،
• تطبيق المعرفة الرياضية والإحصائية على المشكلات الاجتماعية والاقتصادية والطبية والسياسية والبيئية ،
• العمل بشكل فردي و / أو كجزء من فريق متعدد التخصصات ،
• السفر للتشاور مع المهنيين الآخرين أو حضور المؤتمرات والندوات وأنشطة التعليم المستمر ، و
• تعزيز حدود الإحصاء والاحتمالات من خلال التعليم والبحث.

ما هو الغرض من علم الإحصاء ؟

الغرض المركزي من علم الإحصاء هو نقل ثراء واتساع ووحدة المجال من خلال تقديم مجموعة كاملة من الفكر الإحصائي المعاصر على مستوى تقني معتدل ، يمكن الوصول إليه من قبل المجتمع الواسع من الممارسين والباحثين وطلاب الإحصاء والاحتمالات.

ماذا يفعل الإحصائيون؟

يستخدم الإحصائيون الإحصائيات التطبيقية لحل المشكلات العملية في عالم اليوم المتمركز حول البيانات. يقررون البيانات التي يحتاجون إلى جمعها ، ويحددون كيفية جمع تلك البيانات ، ثم يحللون ويفسرون البيانات باستخدام الأدوات الإحصائية والخوارزميات والبرامج. باختصار: الإحصائيون يأخذون البيانات ويحولونها إلى أفعال.

يستخدم الإحصائيون ومحللو البيانات وغيرهم من المتخصصين في البيانات الإحصاءات التطبيقية عبر عدد لا يحصى من الصناعات بما في ذلك الأعمال والتسويق والإعلام والتمويل والتأمين والحكومة والرعاية الصحية والتصنيع والهندسة.

إذن كيف يستخدم هؤلاء المحترفون الإحصائيات التطبيقية في مثل هذه الصناعات المتنوعة؟

ضع في اعتبارك هذه الأمثلة للطرق المتعددة التي يمكن أن تكون بها الإحصاءات المطبقة مفيدة:

• دراسة فعالية المنتجات الصيدلانية الجديدة
• التأثير على السياسة العامة
• فهم المخاطر والعوائد في الاستثمارات المالية
• توقع النتائج المحتملة للحملات السياسية
• جمع أبحاث دراسة السوق حول عادات التسوق عبر الإنترنت
• تحديد اتجاهات سوق الأسهم
• تحسين عمليات التصنيع

لماذا نحتاج علم الإحصاء في حياتنا ؟

الإحصائيات هي مجموعات المعادلات الرياضية التي استخدمناها لتحليل الأشياء. يبقينا على اطلاع بما يحدث في العالم من حولنا. الإحصائيات مهمة لأننا نعيش اليوم في عالم المعلومات ويتم تحديد الكثير من هذه المعلومات رياضيًا عن طريق مساعدة الإحصائيات.

هذا يعني أن تكون على علم بالبيانات الصحيحة ومفاهيم الإحصاء ضرورية. لنكون أكثر تحديدًا حول أهمية الإحصائيات في حياتنا ، إليك 10 أسباب مذهلة سمعناها في عدة مناسبات.

1-يراقب الجميع توقعات الطقس. هل فكرت يومًا كيف تحصل على هذه المعلومات؟ هناك بعض نماذج الكمبيوتر المبنية على مفاهيم إحصائية. تقارن نماذج الكمبيوتر هذه الطقس السابق بالطقس الحالي وتتنبأ بالطقس في المستقبل.

2-الإحصاء الذي يستخدمه الباحث في الغالب. يستخدمون مهاراتهم الإحصائية لجمع البيانات ذات الصلة. خلاف ذلك ، فإنه يؤدي إلى خسارة المال والوقت والبيانات.

3-يلعب الإحصاء أيضًا دورًا كبيرًا في السوق المالية. الإحصائيات هي المفتاح لكيفية استثمار التجار ورجال الأعمال وكسب المال.

4-للإحصاء دور كبير في المجال الطبي. قبل وصف أي عقاقير ، يجب على العالم إظهار معدل فاعلية صالحة إحصائيًا. الإحصاء وراء كل الدراسات الطبية.

5–تستخدم المفاهيم الإحصائية في اختبار الجودة. تصنع الشركات العديد من المنتجات على أساس يومي ويجب على كل شركة التأكد من بيعها أفضل العناصر جودة. لكن الشركات لا تستطيع اختبار جميع المنتجات ، لذلك يستخدمون عينة إحصائية.

6-يتنبأ الأطباء بالمرض بناءً على مفاهيم الإحصاء. لنفترض أن استطلاعًا يظهر أن 75٪ -80٪ ​​من الأشخاص مصابون بالسرطان ولا يستطيعون معرفة السبب. عندما يتم تضمين الإحصائيات ، يمكنك الحصول على فكرة أفضل عن كيفية تأثير السرطان على جسمك أو أن التدخين هو السبب الرئيسي لذلك.

7-يتنبأ مراسل الأخبار بالفائز في الانتخابات بناءً على الحملات السياسية. تلعب الإحصائيات هنا دورًا قويًا في تحديد من ستكون حكوماتك.

8-تسمح لنا البيانات الإحصائية بجمع المعلومات حول العالم. الإنترنت هو جهاز يساعدنا في جمع المعلومات. يعتمد جوهر الإنترنت على مفاهيم الإحصاء والرياضيات.

9- ماذا تفهم بالتأمين؟ كل شخص لديه نوع من التأمين ، سواء كان التأمين الطبي أو المنزل أو أي تأمين آخر. بناءً على تطبيق فردي ، تستخدم بعض الشركات نماذج إحصائية لحساب مخاطر إعطاء التأمين.

10-في الحياة اليومية نتنبأ بالعديد من التوقعات. على سبيل المثال ، نحافظ على المنبه للصباح عندما لا نعرف أننا سنكون أحياء في الصباح أم لا. هنا نستخدم أساسيات الإحصاء لعمل تنبؤات.

ما هي أنواع الإحصاء ؟

ينقسم مجال الإحصاء إلى قسمين رئيسيين: وصفي واستنتاجي. كل قسم من هذه القطاعات مهم ، حيث يقدم تقنيات مختلفة تحقق أهدافًا مختلفة. الإحصائيات الوصفية تصف ما يجري في مجتمع أو مجموعة بيانات. على النقيض من ذلك ، تسمح الإحصائيات الاستدلالية للعلماء بأخذ النتائج من مجموعة عينة وتعميمها على عدد أكبر من السكان. هناك بعض الاختلافات المهمة بين هذين النوعين من الإحصائيات.

1.الإحصاء الوصفي

الإحصاء الوصفي هو نوع الإحصاء الذي ربما ينتقل إلى أذهان معظم الناس عندما يسمعون كلمة “إحصائيات”. في هذا الفرع من الإحصاء ، الهدف هو الوصف. تُستخدم المقاييس العددية للتحدث عن ميزات مجموعة البيانات. يوجد عدد من العناصر التي تنتمي إلى هذا الجزء من الإحصائيات ، مثل:

• متوسط ​​أو مقياس مركز مجموعة بيانات ، يتكون من المتوسط ​​أو الوسيط أو الوضع أو المدى المتوسط
• انتشار مجموعة البيانات ، والتي يمكن قياسها من خلال النطاق أو الانحراف المعياري
• الأوصاف العامة للبيانات مثل ملخص الأرقام الخمسة
• القياسات مثل الانحراف والتفرطح
• استكشاف العلاقات والارتباط بين البيانات المزدوجة
• عرض النتائج الإحصائية في شكل رسوم بيانية

هذه المقاييس مهمة ومفيدة لأنها تسمح للعلماء برؤية الأنماط بين البيانات ، وبالتالي فهم تلك البيانات. يمكن استخدام الإحصاء الوصفي فقط لوصف السكان أو مجموعة البيانات قيد الدراسة: لا يمكن تعميم النتائج على أي مجموعة أو مجموعة سكانية أخرى.

أنواع الإحصاء الوصفي

هناك نوعان من الإحصاء الوصفي يستخدمهما علماء الاجتماع:

مقاييس الاتجاه المركزي تلتقط الاتجاهات العامة داخل البيانات ويتم حسابها والتعبير عنها بالمتوسط ​​والوسيط والوضع.

المتوسط ​​يخبر العلماء بالمتوسط ​​الرياضي لجميع مجموعة البيانات ، مثل متوسط ​​العمر عند الزواج الأول ؛ يمثل الوسيط منتصف توزيع البيانات ، مثل العمر الذي يقع في منتصف نطاق الأعمار التي يتزوج فيها الأشخاص لأول مرة ؛ وقد يكون الوضع هو السن الأكثر شيوعًا التي يتزوج فيها الناس أولاً.

تصف مقاييس الانتشار كيفية توزيع البيانات وربطها ببعضها البعض ، بما في ذلك:

• النطاق ، النطاق الكامل للقيم الموجودة في مجموعة البيانات
• توزيع التردد ، الذي يحدد عدد المرات التي تحدث فيها قيمة معينة ضمن مجموعة بيانات
• الرباعيات ، وهي مجموعات فرعية تتشكل داخل مجموعة بيانات عندما يتم تقسيم جميع القيم إلى أربعة أجزاء متساوية عبر النطاق
• يعني الانحراف المطلق ، متوسط ​​مقدار انحراف كل قيمة عن المتوسط
• التباين ، الذي يوضح مقدار الانتشار الموجود في البيانات
• الانحراف المعياري الذي يوضح انتشار البيانات بالنسبة للمتوسط

غالبًا ما يتم تمثيل مقاييس الانتشار بصريًا في الجداول والمخططات الدائرية والشريطية والرسوم البيانية للمساعدة في فهم الاتجاهات داخل البيانات.

2.الإحصاء الاستنتاجي

يتم إنتاج الإحصائيات الاستدلالية من خلال حسابات رياضية معقدة تسمح للعلماء باستنتاج اتجاهات حول عدد أكبر من السكان بناءً على دراسة عينة مأخوذة منها. يستخدم العلماء الإحصائيات الاستدلالية لفحص العلاقات بين المتغيرات داخل عينة ثم إجراء تعميمات أو تنبؤات حول كيفية ارتباط هذه المتغيرات بعدد أكبر من السكان.

عادة ما يكون من المستحيل فحص كل فرد من السكان على حدة. لذلك يختار العلماء مجموعة فرعية تمثيلية من السكان ، تسمى عينة إحصائية ، ومن هذا التحليل ، يمكنهم أن يقولوا شيئًا عن المجتمع الذي جاءت منه العينة. هناك قسمان رئيسيان للإحصاءات الاستنتاجية:

• يعطي فاصل الثقة نطاقًا من القيم لمعامل غير معروف للمجتمع عن طريق قياس عينة إحصائية. يتم التعبير عن هذا من حيث الفاصل الزمني ودرجة الثقة في أن المعلمة تقع ضمن الفاصل الزمني.
• اختبارات الأهمية أو اختبار الفرضيات حيث يقدم العلماء ادعاءً بشأن السكان من خلال تحليل عينة إحصائية. حسب التصميم ، هناك بعض عدم اليقين في هذه العملية. يمكن التعبير عن هذا من حيث مستوى الأهمية.

تشمل التقنيات التي يستخدمها علماء الاجتماع لفحص العلاقات بين المتغيرات ، وبالتالي لإنشاء إحصائيات استنتاجية ، تحليلات الانحدار الخطي ، وتحليلات الانحدار اللوجستي ، والتحليل التفاعلي ، وتحليلات الارتباط ، ونمذجة المعادلة الهيكلية ، وتحليل البقاء.

عند إجراء بحث باستخدام الإحصاء الاستدلالي ، يجري العلماء اختبارًا ذا أهمية لتحديد ما إذا كان بإمكانهم تعميم نتائجهم على عدد أكبر من السكان. تشمل الاختبارات الشائعة ذات الأهمية اختبار خي مربع واختبار تي. يخبر هؤلاء العلماء باحتمال أن تكون نتائج تحليلهم للعينة ممثلة للسكان ككل.

التحليل الوصفي والتحليل الإحصائي

على الرغم من أن الإحصاء الوصفي مفيد في تعلم أشياء مثل انتشار ومركز البيانات ، لا يمكن استخدام أي شيء في الإحصاء الوصفي لعمل أي تعميمات. في الإحصاء الوصفي ، يتم ذكر القياسات مثل المتوسط والانحراف المعياري كأرقام دقيقة.

على الرغم من أن الإحصائيات الاستنتاجية تستخدم بعض الحسابات المماثلة – مثل المتوسط والانحراف المعياري – إلا أن التركيز يختلف بالنسبة للإحصاءات الاستنتاجية. تبدأ الإحصائيات الاستدلالية بعينة ثم تعمم على السكان. لا يتم ذكر هذه المعلومات حول السكان كرقم. بدلاً من ذلك ، يعبر العلماء عن هذه المعلمات كمجموعة من الأرقام المحتملة ، إلى جانب درجة من الثقة.

ما هو تحليل البيانات الإحصائية؟

لكونه فرعًا من فروع العلم ، فإن علم الإحصاء يشتمل على اكتساب البيانات وتفسير البيانات والتحقق من صحة البيانات ، وتحليل البيانات الإحصائية هو نهج إجراء عمليات إحصائية مختلفة ، أي البحث الكمي الشامل الذي يحاول تحديد البيانات ويستخدم بعض أنواع التحليل الإحصائي. هنا ، تتضمن البيانات الكمية عادةً بيانات وصفية مثل بيانات المسح وبيانات المراقبة.

في سياق تطبيقات الأعمال ، يعد أسلوبًا بالغ الأهمية لمنظمات ذكاء الأعمال التي تحتاج إلى العمل بأحجام كبيرة من البيانات.

الهدف الأساسي لتحليل البيانات الإحصائية هو تحديد الاتجاهات ، على سبيل المثال ، في تجارة التجزئة ، يمكن التعامل مع هذه الطريقة للكشف عن أنماط في بيانات المستهلك غير المنظمة وشبه المهيكلة التي يمكن استخدامها لاتخاذ قرارات أكثر قوة لتعزيز تجربة العملاء و تقدم المبيعات.

بصرف النظر عن ذلك ، فإن تحليل البيانات الإحصائية له تطبيقات مختلفة في مجال التحليل الإحصائي لأبحاث السوق ، وذكاء الأعمال (BI) ، وتحليلات البيانات في البيانات الضخمة ، والتعلم الآلي والتعلم العميق ، والتحليل المالي والاقتصادي.

الفرق بين البيانات والإحصاء

في حين أن المصطلحين “البيانات” و “الإحصاء” غالبًا ما يتم استخدامهما بالتبادل ، إلا أنه يوجد تمييز مهم بينهما في البحث العلمي.

البيانات هي أجزاء فردية من المعلومات الواقعية المسجلة والمستخدمة لغرض التحليل. إنها المعلومات الأولية التي يتم من خلالها إنشاء الإحصائيات. الإحصائيات هي نتائج تحليل البيانات – تفسيرها وعرضها. بمعنى آخر ، تم إجراء بعض الحسابات التي توفر بعض الفهم لما تعنيه البيانات. غالبًا ما يتم تقديم الإحصائيات في شكل جدول أو مخطط أو رسم بياني ، على الرغم من عدم ضرورة تقديمها.

كثيرا ما تستخدم الإحصائيات والبيانات في البحث العلمي. غالبًا ما يتم الإبلاغ عن الإحصاءات من قبل الوكالات الحكومية – على سبيل المثال ، إحصاءات البطالة أو إحصاءات محو الأمية التعليمية. غالبًا ما يشار إلى هذه الأنواع من الإحصائيات باسم “البيانات الإحصائية”.

4 خطوات أساسية لتحليل البيانات الإحصائية

من أجل تحليل أي مشكلة تتعلق باستخدام تحليل البيانات الإحصائية ، يشتمل تحليل البيانات الإحصائية على أربع خطوات أساسية ؛

1.تحديد المشكلة

التعريف الدقيق والاكتواري للمشكلة أمر حتمي للحصول على بيانات دقيقة بشأنه. يصبح من الصعب للغاية جمع البيانات دون معرفة التعريف / العنوان الدقيق للمشكلة.

2.تراكم البيانات

بعد معالجة المشكلة المحددة ، يعد تصميم طرق متعددة لتجميع البيانات مهمة مهمة في ظل تحليل البيانات الإحصائية.

يمكن جمع البيانات من المصادر الفعلية أو يمكن الحصول عليها من خلال دراسات المراقبة والبحوث التجريبية التي يتم إجراؤها للحصول على بيانات جديدة.

في دراسة تجريبية ، يتم تحديد المتغير المهم وفقًا للمشكلة المحددة ، ثم يتم التحكم في عنصر واحد أو أكثر في الدراسة للحصول على البيانات المتعلقة بكيفية تأثير هذه العناصر على المتغيرات الأخرى.

في دراسة قائمة على الملاحظة ، لا يتم تنفيذ أي تجربة للتحكم أو التأثير على المتغير المهم.

3.تحليل البيانات

في إطار تحليل البيانات الإحصائية ، يتم تقسيم طرق التحليل إلى فئتين ؛

الأساليب الاستكشافية ، يتم نشر هذه الطريقة لتحديد ما تكشفه البيانات باستخدام الرسوم البيانية / الوصف الحسابي السهل والرسم السهل من أجل تلخيص البيانات.

الأساليب التوكيدية ، تتبنى هذه الطريقة المفهوم والأفكار من نظرية الاحتمالات لمحاولة حل مشاكل معينة.

الاحتمالية ضرورية للغاية في صنع القرار لأنها تعطي إجراءً لتقدير وتمثيل وشرح الاحتمالات المرتبطة بالأحداث القادمة.

4.الإبلاغ عن النتائج

من خلال الاستدلالات ، يمكن اشتقاق تقدير أو اختبار يدعي أنه خصائص مجتمع ما من عينة ، ويمكن الإبلاغ عن هذه النتائج في شكل جدول أو رسم بياني أو مجموعة من النسب المئوية.

نظرًا لأنه تم التحقيق في جزء صغير فقط من البيانات ، فإن النتيجة المبلغ عنها يمكن أن تصور بعض أوجه عدم اليقين من خلال تنفيذ بيانات الاحتمالية وفترات القيم.

بمساعدة تحليل البيانات الإحصائية ، يمكن للخبراء توقع وتوقع الجوانب المستقبلية من البيانات. من خلال فهم المعلومات المتاحة واستخدامها بشكل فعال قد يؤدي إلى اتخاذ القرار المناسب.

مستويات القياس

تعتمد الطريقة التجريبية (العلمية) على القياس المادي للأشياء. تم تطوير مفهوم القياس بالاقتران مع مفاهيم الأرقام ووحدات القياس. يصنف الإحصائيون القياسات وفقًا للمستويات. يتوافق كل مستوى مع كيفية معالجة هذا القياس رياضيًا.

• الاسمية: البيانات الاسمية ليس لها ترتيب وبالتالي تعطي فقط أسماء أو تسميات لفئات مختلفة.
• الترتيبي: البيانات الترتيبية لها ترتيب ، لكن الفاصل الزمني بين القياسات ليس له معنى.
• الفاصل الزمني: تحتوي بيانات الفاصل الزمني على فترات زمنية ذات مغزى بين القياسات ، ولكن لا توجد نقطة بداية حقيقية (صفر).
• النسبة: بيانات النسبة لها أعلى مستوى للقياس. تعتبر النسب بين القياسات وكذلك الفترات ذات مغزى لأن هناك نقطة بداية (صفر).

مثال 1: الألوان

بالنسبة لمعظم الناس ، فإن الألوان: الأسود والبني والأحمر والبرتقالي والأصفر والأخضر والأزرق والبنفسجي والرمادي والأبيض هي مجرد أسماء للألوان.

بالنسبة إلى طالب إلكترونيات على دراية بالمقاومات ذات الترميز اللوني ، تكون هذه البيانات بترتيب تصاعدي وبالتالي تمثل البيانات الترتيبية على الأقل.

أما بالنسبة للفيزيائي ، الألوان: الأحمر والبرتقالي والأصفر والأخضر والأزرق والبنفسجي تتوافق مع أطوال موجية محددة من الضوء وستكون مثالاً لبيانات النسبة.

مثال 2: درجات الحرارة

يعتمد مستوى قياس درجة الحرارة على مقياس درجة الحرارة المستخدم.

قيم محددة:

0°C = 32°F = 273.15 K = 491.69°R     100°C = 212°F = 373.15 K = 671.67°R     -17.8°C = 0°F = 255.4 K = 459.67

حيث C تشير إلى مئوية (أو مئوية قبل 1948) ؛ يشير F إلى فهرنهايت ؛ يشير K إلى Kelvin ؛ يشير R إلى رانكين.

فقط كلفن ورانكين لهما أصفار حقيقية (نقطة بداية) ويمكن إيجاد النسب. Celsius و Fahrenheit بيانات فاصل ؛ من المؤكد أن النظام مهم والفترات الزمنية ذات مغزى. ومع ذلك ، فإن لوحة العدادات 180 درجة ليست ضعف درجة الحرارة الخارجية البالغة 90 درجة (يُفترض فهرنهايت)! رانكين له نفس حجم درجة فهرنهايت ولكن نادرًا ما يستخدم.

لاحظ أنه منذ عام 1967 ، لم يعد استخدام رمز الدرجة على درجات الحرارة كلفن مناسبًا.

على الرغم من أنه لا ينبغي استخدام البيانات الترتيبية في العمليات الحسابية ، فليس من غير المألوف العثور على متوسطات مكونة من البيانات التي تم جمعها والتي تمثل لا أوافق بشدة ، … ، أوافق بشدة! كما أن متوسطات البيانات الاسمية (الرموز البريدية وأرقام الضمان الاجتماعي) لا معنى لها إلى حد ما!

ما هو الإحصاء الحيوي؟

الإحصاء الحيوي يتعامل مع الإحصاء وعلم الأحياء. الاستراتيجيات الإحصائية التقليدية قابلة للتطبيق في التجارب السريرية والصحة العامة لتقديم الدقة. العقل المدبر وراء هذا الاندماج العلمي هو إحصائي حيوي. إنهم ليسوا خبراء فقط وراء العلم ولكنهم يلاحظون أيضًا نقصًا. فهي تساعد في تحديد ما إذا كان علاج معين يصل إلى العلامة أو سبب مرض معين. مطلوب أيضًا نظرة تقدمية للحصول على المعلومات المطلوبة من مجموعات البيانات.

بكلمات بسيطة ، الإحصائي الحيوي هو القوة الدافعة التي تحول البيانات المتعلقة بالصحة العامة إلى صيغة مفهومة لتسهيل تطبيقها.

بفضل الإحصاء الحيوي ، يمكن للباحثين السريريين الآن استخلاص مراجع من البيانات المتاحة. من تصميم تجربة إلى تطوير البروتوكول ، يساعد الإحصاء الحيوي مجال البحث السريري بطرق مختلفة. المجالات المذكورة أدناه على سبيل المثال لا الحصر.

تصميم وتطوير إطار البحث

بشكل عام ، يتم تعيين الإحصائيين الحيويين في دراسة بحثية سريرية في المرحلة الأولية لمساعدة فريق البحث في تحليل الأهداف وطرق تحليل البيانات وتصميم الدراسة الشاملة للحصول على نتائج أفضل. عنصر حيوي في مثيل تصميم الدراسة هو كمية العينة. يمكن أن تؤدي عينة صغيرة إلى بحث ضعيف الأداء مع نتائج غير مرضية. في المقابل ، تعتبر العينة الكبيرة مضيعة للوقت والموارد.

مراقبة البيانات وإدارتها

يساعد الإحصائيون الحيويون في صياغة خطط إدارة البيانات وتحديد مجالات الخلل المحتمل في جمع البيانات. لسوء الحظ ، يقدم هذا مستوى عالٍ من الوضوح في جمع البيانات وتحليلها.

تحليل البيانات وإعداد التقارير

يأخذ الإحصائيون الحيويون البيانات التي تم جمعها كأحد جوانب دراسة الأبحاث السريرية ويستخدمون تقنيات إحصائية لاستنتاج تلك البيانات والإبلاغ عن اتجاهات البيانات غير العادية. تتضمن تقارير البحث السريري الأساليب الإحصائية وإيجازًا عن الطريقة وتفسيرات البيانات والتمثيل المرئي كجزء من العملية التعاونية بين الإحصائيين الحيويين والباحثين.

أنظر أيضاً: أنواع المتغيرات الإحصائية

الأسئلة الشائعة