Статистический анализ – это наука о сборе данных и обнаружении закономерностей и тенденций. На самом деле это всего лишь еще один способ сказать “статистика”. После сбора данных их можно анализировать:

обобщить данные. Например, сделать круговую диаграмму.

Найти ключевые измерения позиции. Например, среднее говорит о том, какое среднее число (или “середина”) в наборе данных.

Рассчитайте средние измерения: Они скажут Вам, являются ли Ваши данные плотно сгруппированными или более распространенными. Стандартное отклонение является одним из наиболее часто используемых диффузионных измерений; оно говорит Вам о том, насколько широко распространены Ваши данные в среднем.

Сделайте прогноз на будущее, основанный на прошлом поведении. Это особенно полезно в розничной торговле, на производстве, в банковской сфере, в спорте или в любой другой организации, где знание будущих тенденций было бы преимуществом.

Проверьте гипотезу эксперимента. Сбор данных в ходе эксперимента рассказывает историю только тогда, когда вы анализируете данные. Эта часть статистического анализа более формально называется “Проверкой гипотезы”, когда нулевая гипотеза (общепринятая теория) доказана или опровергнута.

Статистический анализ и научный метод

Статистический анализ широко используется в науке, от физики до социальных наук. Помимо проверки гипотез, статистика может дать аппроксимацию для неизвестного, которую трудно или невозможно измерить. Например, область квантовой теории поля, хотя и обеспечивает успех на теоретической стороне вещей, оказалась сложной для экспериментов и эмпирических измерений. Некоторые темы социальных наук, такие как изучение сознания или выбора, практически невозможно измерить; статистический анализ может пролить свет на то, каким будет более или менее вероятный сценарий.

Когда статистика лжет

Хотя статистика может показаться надежной основой для формулирования выводов и представления “фактов”, с осторожностью относитесь к подводным камням статистического анализа. Они включают в себя преднамеренное и случайное манипулирование результатами. Однако иногда статистика просто ошибается. Известным примером “просто неправильной” статистики является “Парадокс Симпсона”, который показывает, что даже самая лучшая статистика может быть совершенно бесполезна. В классическом случае с Симпсоном, средние показатели приема в Университет Беркли (правильно) показали, что их средний показатель приема был выше для женщин, чем для мужчин, тогда как на самом деле все было наоборот. Более подробное объяснение этой головоломки см. в “Парадоксе Симпсона”.