Skip to main content
Global

8.6: סיכום

  • Page ID
    207091
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    1. שיטות כמותיות הן שימוש בניתוח מתמטי או במדידה מתמטית מורכבת לפתרון בעיות או חידות. שיטות אלה כוללות בדרך כלל שימוש בטכניקות סטטיסטיות, במיוחד בעת ניתוח מערכי נתונים שנבנו מסקרים. מערכי נתונים מורכבים מנקודות נתונים שנוצרו ממקרים. מקרים יכולים לכלול אנשים, או החלטות שהתקבלו על ידי אנשים. ניתן למדוד נתונים בצורה שונה, באמצעות ארבעה סולמות - סולמות נומינליים, סולמות סדירים, סולמות מרווחים, סולמות יחס.

      סיכום סעיף 8.2: הבנת נתונים

      השלב הראשוני הוא לארגן את הנתונים הגולמיים לפורמט הניתן לניהול יותר. לאחר מכן, ישנן דרכים שונות בהן ניתן להציג את הנתונים: טבלת תדרים, היסטוגרמה, גרף עמודות, פיזור, עלילת סדרות זמן. למערכי הנתונים יש נטייה מרכזית, המאתרת את מרכז הנתונים, המאפשרת לאחר מכן לבצע ניתוח. המצב, החציון והממוצע יכולים לעזור לנו לקבוע את הנטייה המרכזית. מכאן אנו יכולים לקבוע את הטווח והטווח הבין-רבעוני, את הסטייה, את השונות ואת סטיית התקן.

      תקציר סעיף 8.3: מבוא להסקת סטטיסטיקה

      לאחר שקבענו כמה נתונים סטטיסטיים אלמנטריים, נוכל להתחיל לנתח את הנתונים. ראשית, אנו בוחנים את ההתפלגות הנורמלית של הנתונים. לעתים קרובות הוא מיוצג באמצעות עקומת פעמון. כאשר ציוני הבחינה מגיעים לשיא באמצע. אם הערך של הממוצע, החציון והמצב זהה, ונתונים ליד הממוצע שכיחים יותר בהתרחשות, נוכל להתייחס לעקומה זו כהתפלגות נורמלית. הבנת התפלגות הנתונים מאפשרת לנו להתחיל להשוות. באמצעות ציון z, אנו יכולים לקבוע אם נקודת נתונים מסוימת נופלת מעל או מתחת לממוצע, וכמה סטיות תקן גם כן. בעזרת טכניקות אלה נוכל להתחיל לפתח השערות סטטיסטיות. השניים הנפוצים ביותר הם השערת האפס וההשערה האלטרנטיבית. כדי לקבוע אם אנו יכולים לקבל או לדחות את השערות האפס ו/או האלטרנטיביות, עלינו לקבוע את רמת המשמעות הסטטיסטית בה אנו מעוניינים, או את רמת האלפא. לפעמים אנו דוחים בטעות את השערת האפס שהייתה נכונה. שגיאה מסוג זה נקראת שגיאת Type-I. עם זאת, כאשר חוקר לא מצליח לדחות את השערת האפס שהיא שקרית, החוקר ביצע טעות מסוג II.

      סיכום סעיף 8.4: פרשנות טבלאות סטטיסטיות במאמרים במדעי המדינה

      מדענים פוליטיים משתמשים לעתים קרובות בניתוחי רגרסיה כדי להבין קשרים בין משתנים. תוצאות רגרסיה אלה מיוצגות לרוב בפורמט טבלה. בטבלאות אלה ישנם שלושה ביטויים מספריים שכל תלמיד צריך להבין, ללא קשר לרמות המיומנות שלהם. הראשון הוא המקדם, שהוא ביטוי מספרי לקשר בין התוצאה למשתני ההסבר. השנייה היא שגיאת התקן, המוגדרת כאומדן סטיית התקן של המקדם. השלישית היא רמת הביטחון, המעבירה את המשמעות הסטטיסטית של המתאם בין המשתנים. חוקרים משתמשים בכוכביות (*) כדי לדווח על רמת המשמעות בטבלה.