Razumijevanje činjenica o statističkoj varijabilnosti i radni listovi

U ovoj lekciji naučit ćemo o osnove statistike kroz prepoznavanje statističkih pitanja i skupova podataka prikupljenih za odgovor na statističko pitanje. Štoviše, također ćemo razlikovati mjere centra za numerički skup podataka i mjere varijacije.

Pogledajte donju datoteku činjenica za više informacija o razumijevanju statističke varijabilnosti ili alternativno, možete preuzeti naš paket radnog lista Razumijevanje statističke varijabilnosti od 30 stranica za korištenje u učionici ili kućnom okruženju.

Ključne činjenice i informacije

UVOD

• Statistika je oblik matematičke analize koja koristi kvantificirane modele, prikaze i sinopse za dani skup eksperimentalnih podataka ili studija iz stvarnog života.
• Statističke metode su uglavnom korisne kako bi se osiguralo da se vaši podaci ispravno tumače.
• U statistici pokušavamo shvatiti svijet prikupljanjem, organiziranjem, analizom i predstavljanjem velikih količina podataka.
• Na primjer, možete ispitati svoje prijatelje o tome koji je film o pilićima najpopularniji. Međutim, mala veličina uzorka neće vam dati točnu ideju o tome što svi vaši kolege iz 6. razreda vole gledati.
• Da biste to učinili, morate ispitati presjek učenika iz cijelog svijeta i svih pozadina. Podaci se mogu statistički analizirati kako bi se dala točnija slika o tome koji je film s pilića najpopularniji.

PROCES ANALIZE PODATAKA

• Podaci su pojedinačne činjenične informacije snimljene i korištene u svrhu analize. To su sirove informacije iz kojih se stvaraju statistike.
• Podaci se prikupljaju od populacije ili grupe. Kada je populacija toliko velika da je prikupljanje podataka od svakog člana populacije nepraktično, podaci se prikupljaju iz uzorka ili dijela populacije.
• Jedan od najvažnijih zadataka koji statističar ima pri prikupljanju podataka iz uzorka je osigurati da se radi o nasumičnom uzorku, a ne o pristranom uzorku.
• Korak 1. Odlučite o ciljevima ili postavite pitanje
• Prvi korak je odlučivanje o ciljevima. Ovi ciljevi obično mogu zahtijevati značajno prikupljanje i analizu podataka.
• Korak 2. Što mjeriti i kako mjeriti
• Mjerenje se općenito odnosi na dodjeljivanje brojeva za označavanje različitih vrijednosti varijabli.
• Na primjer, iz radoznalosti, želite znati odnos nečije visine i težine, također poznat kao BMI.
• Postoje 2 varijable koje trebate potražiti. Prvo je visina, a drugo težina. Ove vrijednosti možete dobiti pomoću vage za vaganje i mjerne trake.
• Korak 3. Prikupljanje podataka
• Nakon što znate koje vrste podataka su vam potrebne za vaše statističko istraživanje, tada možete odrediti mogu li se vaši podaci prikupiti iz postojećih izvora/baza podataka ili ne.
• Ako podaci nisu dovoljni, morate prikupiti nove dodatne podatke. To će vam pomoći razumjeti i odrediti ograničenja uopćavanja rezultata dok provodite odgovarajuću analizu.
• Što više podataka imate, to ćete pronaći bolje korelacije. Stoga će izgradnja boljih modela i pronalaženje djelotvornijih uvida biti lakši. Podaci iz različitih izvora također pomažu u olakšavanju ovog posla.
• Korelacija je međusobni odnos ili veza između dvije ili više stvari.
• Korak 4. Uklanjanje nepotrebnih podataka
• Ovo je ključni korak u analizi podataka, jer se time poboljšava kvaliteta podataka.
• Znanstvenici za podatke ispravljaju pravopisne pogreške, obrađuju vrijednosti koje nedostaju i uklanjaju beskorisne informacije.
• Ovo je najkritičniji korak, jer će neželjeni podaci generirati neprikladne rezultate i dovesti u zabludu cijeli proces.
• Korak 5. Sažimanje i vizualizacija podataka
• Istraživačka analiza podataka pomaže vam da bolje razumijete podatke. Korištenje vizualnog prikaza podataka, poput grafikona i grafikona, vrijedi tisuću riječi, jer mnogi ljudi razumiju slike bolje od predavanja. Isto tako, mjere varijance pokazuju distribuciju podataka oko centra.
• Varijanca je činjenica ili kvaliteta različitosti, divergentnosti ili nedosljednosti (suprotno od korelacije).

PREPOZNAVANJE STATISTIČKIH PITANJA

• Statističko pitanje je ono na koje se može odgovoriti prikupljanjem podataka i gdje će postojati varijabilnost u tim podacima.
• Na primjer, 'Koliko minuta učenici 6. razreda obično potroše na domaću zadaću svaki tjedan?'
• Na ovo pitanje mogli bismo odgovoriti prikupljanjem podataka od učenika 6. razreda, a očekujemo da svi učenici 6. razreda ne provedu jednaku količinu sati radeći na svojoj zadaći. To znači da će postojati varijabilnost u podacima.
• 'Koliko je vremena Juno sinoć potrošila na zadaću?' nije statističko pitanje, jer se odgovor može lako odrediti, a na to se pitanje ne odgovara prikupljanjem podataka koji bi mogli varirati.

MJERE SREDIŠNJE TENDENCIJE

• Mjera središnje tendencije je zbirna statistika koja predstavlja središnju točku ili tipičnu vrijednost danog skupa podataka.
• U statistici, tri najosnovnije mjere središnje tendencije su srednja vrijednost, medijan i mod.
• Srednja vrijednost je u osnovi prosjek skupa podataka.
• Primjer: Pronađite srednju vrijednost sljedećeg skupa podataka { 5 9 1 3 8 4 }.
• Stoga je srednja vrijednost 5.
• Medijan je srednja vrijednost skupa podataka.
• Primjer: Pronađite medijan sljedećeg skupa podataka { 5 9 1 3 8 4 }.
• Najprije rasporedite skup podataka uzlaznim redoslijedom.
• {1 3 4 5 8 9}
• Dobijte srednju vrijednost skupa podataka. Ako postoji paran broj stavki u skupu podataka, tada se medijan nalazi uzimanjem srednje vrijednosti (prosjeka) dva najsrednja broja.
• Stoga je medijan 4,5
• Način je najčešći ili najčešći broj u skupu podataka.
  Primjer: Pronađite način sljedećeg skupa podataka { 5 9 1 1 8 4 }.
• {5 9 1 1 8 4}
• Zbrojite koliko se puta svaki broj pojavljuje u skupu podataka. Broj koji se najčešće pojavljuje poslužit će kao način rada.
• 5 = 1
  9 = 1
  1 = 2
  8 = 1
  4 = 1
• Broj koji se najčešće ponavlja u skupu podataka je 1. Stoga je način rada 1.
• Ako u skupu podataka nema ponavljajućih brojeva, onda nema načina.
• Raspon je razlika između najveće i najmanje vrijednosti u skupu podataka.
• Primjer: Pronađite raspon sljedećeg skupa podataka { 5 9 1 3 8 4 }.
• S obzirom na skup podataka, najviša vrijednost je 9, a najniža vrijednost je 1. Da bismo izračunali raspon, dobivamo razliku najveće i najniže vrijednosti.
• Razlika između 9 i 1 je 8. Prema tome, raspon je 8.

Razumijevanje radnih listova o statističkoj varijabilnosti

Ovo je fantastičan paket koji uključuje sve što trebate znati o razumijevanju statističke varijabilnosti na 30 stranica s dubinom. Ovi su Radni listovi Marshallovog plana spremni za korištenje koji su savršeni za podučavanje učenika osnovama statistike kroz prepoznavanje statističkih pitanja i skupova podataka prikupljenih za odgovor na statističko pitanje. Štoviše, također ćemo razlikovati mjere centra za numerički skup podataka i mjere varijacije.

Potpuni popis uključenih radnih listova

• Plan učenja
• Razumijevanje statističke varijabilnosti
• Uočite statistička pitanja
• Osnovno Rezoniranje
• Što znači?
• Broj u sredini
• Koliko puta?
• Koji je domet?
• Nedostaje ocjena
• Prijavite se za što?
• PR problemi
• Testirajte se!

Povežite/citirajte ovu stranicu

Ako referencirate bilo koji sadržaj na ovoj stranici na vlastitoj web stranici, upotrijebite kod u nastavku da navedete ovu stranicu kao izvorni izvor.

Veza će se pojaviti kao Razumijevanje činjenica o statističkoj varijabilnosti i radnih listova: https://kidskonnect.com - KidsKonnect, 5. srpnja 2020

Koristite uz bilo koji nastavni plan i program

Ovi su radni listovi posebno dizajnirani za korištenje s bilo kojim međunarodnim kurikulumom. Možete koristiti ove radne listove takve kakve jesu ili ih urediti pomoću Google Slidesa kako biste ih učinili specifičnijim za vaše vlastite razine sposobnosti učenika i standarde kurikuluma.

Podijelite Sa Svojim Prijateljima: