En parameter anses å være viktig på alle områder, det er en godt merket indikasjon for å kunne evaluere eller vurdere en bestemt situasjon. Fra en parameter kan for eksempel en viss omstendighet forstås eller settes i perspektiv for dens forståelse eller klassifisering. I feltet eller grenen av dataprogrammering er bruken av dette begrepet (parameter); mye brukt og brukt til å referere til en egenskap ved en prosedyre.
Den definisjonen av en parameter kan være litt komplisert, siden det er et stykke av informasjon som anses som noe veiledende og viktig fordi den brukes til å gjennomføre evalueringer, vurderinger og selv konklusjonene i en gitt situasjon. Det er fra denne referansen at tingene som blir undersøkt kan forstås fra et spesifikt perspektiv. Et eksempel på definisjonen av en parameter er følgende: "Undersøkelsen utføres, men det er ingen spesifikk parameter for å avklare fakta." Med dette er det klart at uten denne faktoren kan ingen konflikt løses.
Hva er en statistisk parameter
Innholdsfortegnelse
I forrige avsnitt snakket vi litt om hva en parameter er og hvordan det ordet kan inkluderes i vanlige samtaler, nå er det på tide å nevne alt relatert til den statistiske parameteren og hva er forskjellen i betydningen av parameteren som ble nevnt tidligere. Når det gjelder statistikk, refererer denne referansen til et tall som klarer å oppsummere en betydelig mengde data innhentet fra de beregnede statistiske variablene. For å beregne dette tallet er det behov for en aritmetisk formel, sistnevnte oppnås ved å beregne dataene til befolkningen som studeres.
Det absolutte målet med statistikk er å utvikle en realistisk modell, på grunn av dette blir statistiske data en konsekvens som ikke kan unngås. Parametrene i matematikk og i noen av dens grener er avgjørende for å opprettholde orden i dataene som er innhentet fra hver beregning, enda mer hvis disse referansene er et resultat av studier av et bestemt samfunn. Når vi tar dette i betraktning, gir denne faktoren, i tillegg til å gi en generell ide om den globale befolkningen, en komparativ analyse for å gjøre forskjellige estimater på modellen for virkeligheten som er ment å bli opprettet.
Nå, som all vitenskap, studie eller beregning, trenger disse dataene en rekke regler for å fungere riktig og ikke forveksles med noen annen matematisk analyse. Uten disse reglene ville all oppnådd beregning være helt feil, og den ville ikke stå foran en statistisk parameter.
Regler for en statistisk parameter
Hver numeriske referanse må ha visse regler for å være gjeldende, en av dem er at den ikke trenger tvetydigheter for beregningen, det tar bare en god aritmetisk formel for å oppnå den. Ingen viktig observasjon av studien skal ignoreres, det vil si at dataene har en veldig generell karakter og alt er viktig. Det kan tolkes, beregningen kan enkelt manipuleres med algebra, og til slutt kan dataene bli følsomme for svingninger i prøvene, dette betyr at de statistiske prøvene kan variere og at disse har innflytelse på parametrene..
Typer av statistiske parametere
Akkurat som disse dataene finnes, er det også deres typer og de riktige måtene å identifisere og bruke dem på, den første er posisjonsparameteren, som er ansvarlig for å identifisere den totale verdien dataene som skal beregnes grupperes, det vil si, finn verdien som bestiller og representerer dem. Denne typen referanse er delt inn i to aspekter: mål for sentral tendens og mål for ikke-sentral tendens, poeng vil bli forklart senere. I motsetning til hva som ble forklart i forrige avsnitt, trenger ikke disse dataene å falle sammen med resultatene av variabelen.
Det kan heller ikke brukes med generisk karakter for å lage prognoser. Bruken av de forskjellige parametrene er opp til emnet. Den andre skråningen er spredning. Dette tar hensyn til i hvilken grad alle innhentede data er gruppert rundt den sentrale verdien av beregningen. Dette aspektet er klassifisert i to aspekter, absolutt spredning og relativ spredning, i det første trenger selskapet disponeringsdata og inkluderer ikke sammenligninger mellom prøvene som er oppnådd. I det andre snakker vi om dimensjonsløse tiltak og i dem hvis sammenligninger kan gjøres.
Den kurtose koeffisient, også kjent som peker, søker å finne tiltak av hvordan de relative repetisjoner av de data som er fordelt mellom de ytterligheter og sentrum. Den Gaussiske klokken er en del av sammenligningspunktet mellom alle referansene som er funnet. Den kurtosis har 3 meget viktige kategorier, disse er mesocúrtic fordeling, også kjent som normal sikter, leptokurtic fordeling, representert ved den positive sikte og, til slutt, platicurtic fordeling, som refererer til en negativ sikter. Sammen gir de mening om kurtose som et kjennetegn på formparameteren.
Den koeffisient asymmetri er basert på at oppdagelsen av data, og hvis de er ordnet symmetrisk i henhold til deres sentrale verdi, som vanligvis er en asymmetrisk tiltak. For å vite graden av skjevhet av disse dataene, er det viktig å beregne skjevhetskoeffisienten. Dataene som er gitt er symmetriske i henhold til gjennomsnittet, men summen av alle kubene av avvik i henhold til samme gjennomsnitt må være null. Hvis det søkes en positiv skjevhet, må gjennomsnittet være til høyre for medianen.
Deretter oppnås grafisk et histogram med en L-form og dens direkte avslutning til høyre. Til slutt, for å oppnå en negativ skjevhet, må gjennomsnittet være ubestridelig lavere enn medianen, og histogrammet vil være avgjørende J-formet med slutten til venstre.
Eksempler på statistiske parametere
Hvis noen prøver er tatt fra et perfekt distribuert samfunn, er gjennomsnittet av testen en direkte statistikk. Verdien som dette utvalget representerer er et estimat av gjennomsnittet av denne populasjonen, dette kalles populasjonsparameteren. Hvis andre prøver blir tatt, vil denne verdien endres tilfeldig, og sannsynlighetsfordelingen vil være basert på den aktuelle testen. Denne fordelingen vil representere alle innhentede data, og hvis hovedsamfunnet er normalt, må distribusjonen av prøven også være normal. Hvert trinn suppleres med det neste.
Element av en statistisk parameter
Akkurat som disse dataene har regler og typer, har de også en rekke essensielle elementer for å oppnå bestemte verdier av en viss populasjon, disse elementene er fordelt i gjennomsnitt, modus og median, alle tre er en del av målingene for sentral tendens. Imidlertid er det også målinger av ikke-sentral tendens som består av kvartiler, desiler og persentiler. For å dekke alt dette innholdet er hvert av elementene brutt ned, slik at alt som er relatert til dem kan forstås fullt ut.
Gjennomsnitt
Det er det aritmetiske gjennomsnittet og det er kjent for å være ganske utbredt, det har en rekke egenskaper eller elementer, disse er relatert til enkelheten i beregningen på grunn av intervensjonen av alle data, det tolkes som et massesenter eller base av likevekt for det gitte datasettet som beregnes. Det klarer også å minimere kvadratisk avvik fra referansene og er utsatt for skala- og opprinnelsesendringer. Det er også utsatt når verdiene til variabelen er ekstremt ekstreme.
Mote
Det er en ganske gjentatt referanse, og verdien av variabelen har en absolutt frekvens, og det er derfor den bærer det fasjonable navnet, fordi det i seg selv er det som er mest populært. Det er veldig enkelt å beregne modus, siden du bare trenger å foreta en telling for å finne tilsvarende data. De egenskaper hos måte er enkel tolkning og beregning, det avhenger av frekvenser og takket være at den kan beregne kvalitative variabler, selv om det er større data, er dens verdi uavhengig, som gjør måte et element utsatt for prøve variasjoner.
Median
Du står overfor medianen når minst halvparten av innhentede data har en variabel verdi godt under seg selv, bare når verdiene holdes i en rekkefølge fra laveste til høyeste. Et av eksemplene på statistiske parametere er beregningen av medianen til en familie, metoden er enkel, bare den sentrale verdien skal lokaliseres. Medianens kvaliteter eller egenskaper refererer til den nærmest ikke-eksisterende påvirkningen av dispersjon og den ikke-følsomheten til gjennomsnittet som viser svingninger på grunn av verdiene til dens variabel.
Ikke-sentrale posisjonsmålinger
Dette er ikke annet enn verdier som faller langt under hverandre i visse datamengder. Det er et mer generelt poeng med begrepet median som er gitt tidligere, siden det bare etterlater under 50% av fordelingen av dataene, mens kvantilene gjør det med en prosentandel. For å skille kvartiler, desiler og persentiler, blir det tatt hensyn til delene som de er delt inn i. Kvartilene er delt inn i 4 deler, desilene med 10 og prosentilene med hundre.
Anvendelse av parametere
Parametrene kan brukes på forskjellige områder, enten i numeriske forhold eller ved enkel bruk av ordet i vanlige samtaler. Denne delen vil nevne noen av områdene der parametere brukes, hvordan applikasjonene deres er, og hvordan du kan identifisere om du har å gjøre med et parametersynonym eller ikke. Det må huskes at, i henhold til grenen eller vitenskapen som refererer, kan disse dataene kalles på forskjellige måter.
Dataparametere
Når det gjelder databehandling, er disse dataene kjent som argumenter, og de er variabler som brukes til å motta inngangsverdiene til en gitt rutine, metode eller underrutine. Påkallingsrutinene vil være metoden for å sende disse verdiene. Underrutinen tar derimot alle verdiene som er tildelt dataene for å endre oppførselen under kjøretid.
Nettverksparametere
Dette er det som er kjent som den permanente avstanden mellom enhetscellene i henhold til den krystallinske strukturen de har. Nettverk har 3 parametere, som er representert i a, b og c, men det er et spesielt element i kubiske nettverk, og det er at for alle dataene er de samme, derfor er den riktige måten å referere til dem gjennom til. Når det gjelder sekskantede krystallgitter, blir data a og b betraktet som identiske, i denne forstand blir bare a og c tatt i betraktning.
Befolkningsparameter
Det er ikke noe mer enn den sanne verdien av gjennomsnittet av en gitt befolkning. Når de dominerende egenskapene til denne populasjonen er ukjente, kan verdiene beregnes ut fra prøvene.
I alle disse områdene er det funnet at en slags parametersynonym finner eller identifiserer dem, for eksempel data, referanser, indikatorer, tiltak eller faktorer.
