Kuvaava tilastot psykologiassa

Tilasto on vaihtelevuutta tutkiva matematiikan ala ja prosessi, joka luo sen todennäköisyyden lakien mukaan. On tarpeen sekä tutkia että ymmärtää, miten sitä tutkitaan tänään tutkimusten päätelmien ulkopuolella. Niinpä tämän alan tietämys antaa meille mahdollisuuden tietää suurelta osin tutkimuksen laadun ja siten sen luotettavuuden tason, josta ansaitsemme sen johtopäätökset.

Toisaalta kuvaileva tilasto on se osa tilastoa vastaa tietojen keräämisestä, esittämisestä ja luonnehtimisesta. Toisin sanoen kuvaileva tilasto yrittää tietää, mitä on tapahtunut verrattuna oletettuihin tilastoihin, jotka yrittävät ennustaa, mitä tulevaisuudessa tapahtuu eräiden ehtojen mukaisesti.

Esimerkiksi nämä olosuhteet määritellään tavallisesti muuttujilla, kuten ikä, ilmasto tai ahdistusaste. Siten psykologian kuvaavilla tilastoilla on tavoitteena tiivistää hyödyllisellä tavalla tutkijalle ja lukijalle, mitä on tapahtunut, on tietty tutkimus.

Kuten olemme aiemmin todenneet, muuttujat ovat yksi kuvailevien tilastojen keskeisistä akseleista - ja myös kuvailevasta tilasta.-. Muuttuja kattaa joukon arvoja, ja näiden arvojen mukaan voimme puhua:

• muuttujat määrällinen: voi olla numeerinen arvo (ikä, tuotteen hinta, vuotuinen tulo).
• Kategoriset muuttujat tai laadullinen: niitä ei voida mitata numeerisesti (kuten sukupuoli, kansallisuus tai ihonväri) tai skaalaus suoraan.

Muuttujat voidaan luokitella myös seuraavasti:

• Yksiulotteiset muuttujat. he vain keräävät tiedot väestön ominaispiirteistä. Esimerkiksi koulun opiskelijoiden korkeus.
• Kaksiulotteiset muuttujat. poimia tiedot kahdesta väestön ominaispiirteestä. Esimerkiksi koulun opiskelijoiden korkeus ja ikä.
• Moniulotteiset muuttujat. kerätä tietoja väestön kolme tai useampia ominaisuuksia. Esimerkiksi koulun opiskelijoiden korkeus, paino ja ikä.

siten, data (havainnoista kerätyt numerot tai mittaukset) voivat olla kahdentyyppisiä:

• data hienovarainen. Ne ovat numeerisia vastauksia, jotka syntyvät a laskenta.
• data jatkuva. Ne ovat numeerisia vastauksia, jotka syntyvät a mittausprosessi.

Mittausasteikot kuvaavassa tilastossa

Toimenpide on yhdistää abstrakteja käsitteitä empiirisiin indikaattoreihin. Mittauksen tulos kutsutaan mitata.

Mahdollisia mittausasteikoita on neljä, joita käytetään apuna muuttujien luokittelu. Tässä mielessä luotettavuus ja voimassaolo Ne ovat erittäin tärkeitä kuvaavassa tilastossa, koska ne kertovat meille mittauksen laadusta. Koska, mikä palvelee meitä joitakin virheellisesti otettuja tietoja?

Nimellinen mittakaava

Tässä mittakaavassa numerot on määritetty luokkiin, jotka eivät tarvitse tilausta (emme voi sanoa, että yksi luokka on enemmän kuin toinen). Lisäksi nämä luokat ovat toisiaan poissulkevia. Esimerkki tästä voi olla sukupuoli tai väri. Valittu vaihtoehto olisi siis yksinomaan muiden joukossa.

Tämä asteikko on määritetty muuttujille laadullinen tai kategorinen.

Perusaste

Tässä luodaan luokat kaksi tai useampia tasoja, jotka merkitsevät järjestystä toisilleen. Kuten edellisessä mittakaavassa, nämä ovat myös toisiaan poissulkevia luokkia, mutta nyt voimme asettaa muuttujien arvot järjestykseen. Esimerkiksi tämä asteikko nähtiin kyselylomakkeeseen annetuissa vastauksissa:

• Erittäin eri mieltä.
• olla eri mieltä.
• välinpitämätön.
• mukaisesti.
• Täysin samaa mieltä.

Näitä vastausvaihtoehtoja voidaan koodata numeroilla 1-5, jotka viittaavat a ennalta vahvistettu järjestys. Emme kuitenkaan tiedä, ellei käytämme kehittyneitä tilastollisia menettelyjä ja yritämme arvioida sitä, kahden luokan välinen etäisyys. Siten voimme puhua siitä, että tutkimuksen kohteena on enemmän tai vähemmän jotain, mutta yksinkertaisesti emme voi puhua siitä, kuinka paljon enemmän tästä (älykkyydestä, muistista, ahdistuksesta jne.).

Tämä asteikko on myös osoitettu muuttujille laadullinen.

Aikaväli

Tässä mittakaavassa arvojen välinen etäisyys määritetään. Välin mittauksella on myös kahden edellisen mittauksen ominaisuudet. Näin se määrittää etäisyyden yhden mittauksen ja toisen välillä.

Aikaväliä sovelletaan jatkuviin muuttujiin. kuitenkin, se ei ole mahdollista tässä mittakaavassa absoluuttinen nolla. Selkeä esimerkki tämäntyyppisestä mittauksesta on lämpömittari. Kun se merkitsee nolla astetta, se ei tarkoita lämpötilan puuttumista.

Tätä asteikkoa sovelletaan muuttujiin määrällinen.

Suhdeasteikko

Lopuksi tämä asteikko sisältää aiempien ominaisuuksien. Määritä tarkka etäisyys luokkien väleistä. Lisäksi sillä on absoluuttinen nolla-vittu, jossa mitattua ominaisuutta tai ominaisuutta ei ole olemassa. Esimerkiksi lasten lukumäärä: nolla-lapsilla tarkoitetaan lasten poissaoloa.

Tätä asteikkoa sovelletaan muuttujiin määrällinen.

Taajuudet kuvaavassa tilastossa

taajuusjakauma Se on luettelo mahdolliset arvot (tai välit), jotka muuttuja ottaa, jokaisen arvon havaintojen määrän vieressä.

• absoluuttinen taajuus rekisteröi monta kertaa, että havaintojen välillä näkyy tietty arvo.
• suhteellinen taajuus rekisteröi havaintojen tietyn arvon osuus tai prosenttiosuus.

Tätä taajuusjakaumaa edustaa yleensä piirtää. Näin ollen sen on sisällettävä kaikki muuttujan mahdolliset arvot. Lisäksi havaintojen kokonaismäärä (n) jotka on tehty. Kun meillä on a Suuret tietokategoriat ja jotkut niistä, joilla on hyvin alhaiset taajuudet, on ryhmiteltävä välein.

indikaattorit

Lopuksi tilastojen indikaattorit ovat tottuneet kuvaile dataa käyttämällä numeroa. Näin ollen tämä luku tiivistää analysoitujen tietojen jakautumisen ominaispiirteen. Jotkin näistä indikaattoreista ovat:

• Indikaattorit keskeinen suuntaus
  • Keskiarvo tai keskiarvo.
  • muoti.
  • mediaani.
• Indikaattorit hajonta
  • vaihtelu.
  • Minimi / maksimi.
  • arvo.
  • Interquartile-alue.

Näin ollen näiden käsitteiden avulla kuvaava tilastot ovat vastuussa tilastotietojen ja tietojen esittämisestä virheettömyydestä, järjestämisestä ja laskemisesta tutkijalle ja laajemmin tieteelliseen yhteisöön, täydellinen kartta siitä, mitä tutkimuksessa on tapahtunut.