Back

ⓘ స్టాటిస్టికల్ ఇన్ఫరెన్స్




స్టాటిస్టికల్ ఇన్ఫరెన్స్
                                     

ⓘ స్టాటిస్టికల్ ఇన్ఫరెన్స్

గణాంకాలు,స్టాటిస్టికల్ డేటా విశ్లేషణ ద్వారా ఒక అంతర్లీన పంపిణీ యొక్క లక్షణాలు పేర్కొనేందుకు ప్రక్రియ. అనుమితి, ప్రవేశానికి విధానాలు వ్యవస్థ ప్రారంభ అవసరాలు వ్యవస్థ బాగా నిర్వచించబడిన పరిస్థితుల్లో వర్తించినప్పుడు సహేతుకమైన సమాధానాలు ఉత్పత్తి, అది పరిస్థితులలో పరిధిలో అంతటా అన్వయించటం తగినంత సాధారణ ఉండాలి అని ఉన్నాయి. అనుమితి సంఖ్యా శాస్త్రం పరికల్పనల పరీక్షించడానికి, నమూనా డేటా ఉపయోగించి అంచనాలకు చేయడానికి ఉపయోగిస్తారు. వివరణాత్మక స్టాటిస్టికల్ నమూనా వివరించడానికి అయితే, అనుమితి స్టాటిస్టికల్ నమూనా సూచిస్తుంది కంటే పెద్ద జనాభా గురించి అంచనాలు ప్రతిపాదించే.

                                     

1. పరిధిని

స్టాటిస్టికల్ జోక్యం నమూనా యొక్క కొన్ని రూపం ద్వారా జనాభా నుండి డ్రా డేటా ఉపయోగించి, ఒక జనాభా గురించి ప్రతిపాదనలతో చేస్తుంది. మేము అనుమితులను అనుకుంటున్నారా దీనిలో ఒక జనాభా సుమారు ఒక పరికల్పన కారణంగా,స్టాటిస్టికల్ తీర్మానంకు డేటా సృష్టించే, నమూనా నుండి రెండవది పేర్కొనేందుకు ప్రతిపాదనలతో ఆ ప్రక్రియలో ఒక గణాంక నమూనా ఎంచుకోవడం మొదటగా కలిగి ఉంటుంది.

                                     

1.1. పరిధిని వివరణాత్మక సంఖ్యా పోలిక

స్టాటిస్టికల్ జోక్యం వివరణాత్మక గణాంకాలు నుండి సాధారణంగా వేరుచేస్తారు. సాధారణ పరంగా, వివరణాత్మక గణాంకాలు డేటా విశ్లేషకుడు చేసిన మోడలింగ్ నిర్ణయాలు తక్కువ ప్రభావాన్ని చూపాయి దీనిలో వాస్తవాలను కేవలం ఒక ముక్కుసూటి ప్రదర్శన, గా భావించవచ్చు.

                                     

1.2. పరిధిని మోడల్స్, అంచనాలు

ఏదైనా శ్టాటిశ్టికల్ అనుమితి కొన్ని ఊహలు అవసరం. శ్టాటిశ్టికల్ నమూనా పరిశీలించిన డేటా, ఇలాంటి డేటా తయారైన సంబంధించిన అంచనాలు సమితి. గణాంక నమూనాలు వర్ణనలు సాధారణంగా మనం ఊహ డ్రా అనుకుంటున్నారా గురించి ఆసక్తి జనాభా పరిమాణంలో, పాత్ర ప్రస్పుటం. మరింత దుస్తులు అనుమితులు అమలవుతాయి ముందు వివరణాత్మక గణాంకాలు సాధారణంగా ఒక ప్రాథమిక దశగా ఉపయోగిస్తారు.

                                     

1.3. పరిధిని చెల్ల్లు బాటు ఆయ్యే ముక్యమైనా నమునాలు, ఊహలు

ఎ ఉహ స్థాయిని తయారు చెస్తారొ అవి సాధరనంగా సరిగ్గా క్రమాంకనం అనుమతి సరైన అంచనాలు అవసరం అంటే, డేటా ఉత్పత్తి విధానాల నిజంగా సరిగ్గా పేర్కొన్న ఆ లక్షణాలు.సాధారణ అనేది యాదృచ్ఛిక నమూనా యొక్క సరికాని అంచనాలు సంఖ్యా శాస్త్ర అనుమితి చెల్లుబాటు చేయవచ్చు. మరింత క్లిష్టమైన సెమీ, పూర్తిగా పారా అంచనాలు కూడా ఆందోళనకు కారణం. ఉదాహరణకు, తప్పుగా కాక్స్ మోడల్ ఊహిస్తూ కొన్ని సందర్భాల్లో తప్పు ముగింపులు దారితీస్తుంది.