Statistik deskriptif dalam psikologi

Statistik adalah cabang matematik yang mengkaji variabiliti, serta proses yang menghasilkannya mengikut undang-undang kebarangkalian. Ia perlu untuk melakukan penyelidikan dan untuk memahami bagaimana ia sedang dikaji hari ini di luar kesimpulan sebarang kajian. Oleh itu, pengetahuan dalam cawangan ini akan membolehkan kita mengetahui sebahagian besar kualiti kajian dan oleh itu tahap kebolehpercayaan yang kita patut mendapatkan kesimpulannya.

Statistik deskriptif, sebaliknya, adalah bahagian statistik yang bertanggungjawab untuk mengumpul, menyampaikan dan mencirikan satu set data. Dengan kata lain, statistik deskriptif cuba mengetahui apa yang telah berlaku, berbanding dengan statistik inferensi yang cuba meramalkan apa yang akan berlaku pada masa akan datang di bawah satu set syarat.

Sebagai contoh, syarat-syarat ini biasanya ditentukan oleh pembolehubah seperti umur, iklim atau tahap kebimbangan. Oleh itu, statistik deskriptif dalam psikologi mempunyai objektif meringkaskan dengan cara yang berguna untuk penyelidik dan bagi pembaca apa yang telah terjadi adalah kajian yang diberikan.

Seperti yang telah kita katakan sebelum ini, pembolehubah adalah salah satu daripada paksi pusat statistik deskriptif - dan juga tidak bersifat deskriptif-. Pembolehubah merangkumi satu set nilai, dan mengikut nilai-nilai ini kita boleh bercakap mengenai:

• Pembolehubah kuantitatif: mungkin ada nilai berangka (umur, harga produk, pendapatan tahunan).
• Pembolehubah kategori atau kualitatif: mereka tidak boleh diukur secara berangka (seperti seks, warganegara atau warna kulit) atau bersisik secara langsung.

Pembolehubah juga boleh dikelaskan sebagai:

• Pembolehubah satu dimensi. mereka hanya mengumpul maklumat mengenai ciri populasi. Sebagai contoh, ketinggian pelajar di sekolah.
• Pembolehubah dua dimensi. ambil maklumat mengenai dua ciri populasi. Sebagai contoh, ketinggian dan umur pelajar sekolah.
• Pembolehubah multidimensi. mengumpul maklumat mengenai tiga atau lebih ciri-ciri populasi. Sebagai contoh, ketinggian, berat badan dan umur pelajar sekolah.

Oleh itu, data (nombor atau ukuran yang dikumpulkan dari pemerhatian) boleh terdiri daripada dua jenis:

• Data diskret. Mereka adalah jawapan berangka yang timbul dari a proses pengiraan.
• Data berterusan. Mereka adalah jawapan berangka yang timbul dari a proses pengukuran.

Pengukuran skala dalam statistik deskriptif

Ukur ialah proses menghubungkan konsep abstrak dengan petunjuk empirik. Hasil pengukuran dipanggil pengukuran.

Terdapat empat skala pengukuran yang mungkin digunakan untuk membantu pengelasan pembolehubah. Dalam pengertian ini, sifat - sifat kebolehpercayaan dan kesahan Mereka sangat penting dalam statistik deskriptif, kerana mereka memberitahu kami tentang kualiti pengukuran. Kerana, apa yang akan memberi kita beberapa data yang salah asalnya diambil?

Skala nominal

Pada skala ini nombor diberikan kepada kategori yang tidak memerlukan pesanan (kita tidak boleh mengatakan bahawa satu kategori adalah lebih daripada yang lain). Di samping itu, kategori ini adalah saling eksklusif. Contohnya ialah jantina atau warna. Oleh itu, pilihan yang dipilih adalah eksklusif dari yang lain.

Skala ini diberikan kepada pembolehubah kualitatif atau kategori.

Skala Ordinal

Di sini kategori ditubuhkan dengan dua atau lebih tahap yang membayangkan satu pesanan antara satu sama lain. Seperti pada skala sebelumnya, ini juga merupakan kategori eksklusif yang mutual, tetapi sekarang kita boleh meletakkan nilai-nilai pembolehubah dalam suatu perintah. Sebagai contoh, skala ini boleh dilihat dalam jawapan kepada soal selidik:

• Sangat tidak setuju.
• Tidak setuju.
• Tidak peduli.
• Setuju.
• Benar-benar setuju.

Pilihan tindak balas ini boleh dikodkan dengan nombor antara satu hingga lima yang mencadangkan a perintah yang telah ditetapkan. Walau bagaimanapun, kita tidak boleh mengetahui, melainkan jika kita menggunakan prosedur statistik lanjutan dan cuba menganggarkannya, jarak antara dua kategori. Oleh itu, kita boleh membicarakan bahawa objek siasatan mempunyai lebih kurang sesuatu, tetapi dengan cara yang mudah kita tidak boleh membicarakan lebih banyak perkara itu (kecerdasan, ingatan, kebimbangan, dan lain-lain).

Skala ini juga diberikan kepada pembolehubah kualitatif.

Skala interval

Dalam skala ini, jarak antara nilai dikira. Pengukuran jeda juga mempunyai ciri-ciri dua ukuran sebelumnya. Oleh itu, ia menetapkan jarak antara satu langkah dengan yang lain.

Skala selang digunakan untuk pembolehubah yang berterusan. Walau bagaimanapun,, ia tidak mungkin pada skala ini sifar mutlak. Contoh yang jelas tentang jenis pengukuran ini ialah termometer. Apabila ia menandakan sifar darjah, ia tidak bermakna ketiadaan suhu.

Skala ini digunakan dalam pembolehubah kuantitatif.

Skala nisbah

Akhirnya, skala ini termasuk ciri-ciri yang terdahulu. Tentukan jarak yang tepat antara jarak dalam kategori. Di samping itu, ia mempunyai sifar sifar mutlak di mana ciri atau atribut yang diukur tidak wujud. Sebagai contoh, bilangan kanak-kanak: sifar kanak-kanak bermaksud ketiadaan kanak-kanak.

Skala ini digunakan dalam pembolehubah kuantitatif.

Frekuensi dalam statistik deskriptif

Satu pengagihan kekerapan Ia adalah senarai nilai yang mungkin (atau selang) yang pemboleh ubah diperlukan, bersebelahan bilangan pemerhatian untuk setiap nilai.

• The kekerapan mutlak daftar berapa kali nilai tertentu muncul di antara pemerhatian.
• The kekerapan relatif daftar perkadaran atau peratusan terjadinya nilai pemerhatian tertentu.

Pengagihan frekuensi ini biasanya diwakili oleh papan. Oleh itu, ini mesti merangkumi semua kemungkinan nilai pembolehubah. Di samping itu, jumlah pemerhatian (n) yang telah dibuat. Apabila kita mempunyai Sejumlah besar kategori data dan beberapa daripada mereka yang mempunyai frekuensi yang sangat rendah perlu dikumpulkan dalam selang.

Petunjuk

Akhirnya, petunjuk dalam statistik digunakan untuk huraikan set data menggunakan nombor. Oleh itu, angka ini meringkaskan ciri taburan data dianalisis. Beberapa penunjuk ini adalah:

• Petunjuk bagi kecenderungan utama
  • Purata atau purata.
  • Fesyen.
  • Sederhana.
• Petunjuk bagi penyebaran
  • Perbezaan.
  • Minimum / Maksimum.
  • Kedudukan.
  • Pelbagai interquartile.

Oleh itu, dengan bantuan konsep ini, statistik deskriptif bertanggungjawab untuk penyahpepijat, mengatur dan menghitung statistik dan perwakilan data untuk menawarkan penyelidik, dan dengan lanjutan kepada komuniti saintifik, peta lengkap tentang apa yang telah berlaku dalam kajian anda.