Des statistiques sans mathématiques ? Est-il possible?
Oui, il est possible de comprendre et d’appliquer des statistiques sans mathématiques complexes. En se concentrant sur les concepts logiques de base, les observations du monde réel et les graphiques simples, les étudiants et les chercheurs peuvent comprendre les principes statistiques et analyser efficacement les données sans se laisser submerger par les complexités mathématiques.
As-tu besoin statistiques et l'analyse des données pour votre recherche scientifique mais vous avez besoin d'aide pour comprendre et appliquer les concepts en raison de complexités mathématiques ? Ne t'inquiète pas; tu n'es pas seul. La plupart des étudiants et chercheurs dans des domaines non liés aux sciences exactes sont également confrontés à ce problème. Continuez votre lecture pour découvrir comment et pourquoi il est possible de comprendre et d'appliquer des statistiques sans s'appuyer sur des concepts mathématiques complexes.
Le problème
De nombreux étudiants et chercheurs dans divers domaines sont confrontés à d'importantes globaux avec des statistiques.
Cette question est particulièrement concernant depuis l'analyse des données est cruciale pour toute recherche scientifique.
Heureusement, il est possible d’appréhender les bases des statistiques et d’appliquer efficacement l’analyse des données sans devenir accablé par des concepts mathématiques.
La solution
En 2004, William Magnusson et Guilherme Mourão ont publié le livre Statistiques sans mathématiques.
"Statistiques sans mathématiques n'est pas un livre de statistiques ordinaire et n'est pas non plus conçu pour remplacer les textes statistiques conventionnels. Trop de détails mathématiques détournent l’attention des concepts logiques de base, ce qui entraîne des erreurs dans la conception de l’échantillonnage, l’analyse des données et la compréhension de la littérature scientifique. Par conséquent, ce livre commence par des observations du monde réel et explique comment les statistiques peuvent être utilisées comme un outil pratique pour répondre aux questions à leur sujet et communiquer ces résultats. Enfin, le livre cible les statistiques de niveau intermédiaire (souvent négligées dans la plupart des livres et cours) et enseigne des concepts avec un minimum de détails mathématiques au lieu d'utiliser de simples graphiques et, si nécessaire, des analogies. Cette approche, testée en classe depuis de nombreuses années par les auteurs, a révolutionné la capacité des étudiants à comprendre les statistiques."
Certain essentiel. les faits et les idées du livre comprennent :
Faits marquants
Les données ne sont utiles que si elles fournissent d'information.
Les questions statistiques doivent refléter questions scientifiques.
Le monde n'a pas besoin un autre livre de statistiques.
Les équations et les statistiques reflètent simplement ce graphiques montrer.
Les projets de recherche n’ont aucun impact implicite ou apparent le Career Centre.
A hypothèse nulle affirme à quoi ressemblerait le monde si nos croyances étaient fausses.
Interprétation graphiques est souvent plus important que l’interprétation des statistiques.
Trouver bonne question est souvent plus critique que de trouver la bonne réponse.
Si les équations vous intimident, tournez-vous vers graphiques pour les mêmes informations.
Les analyses de tableaux de contingence (par exemple, le chi carré) sont rares. approprié pour les questions statistiques.
S'éloigner du simple nuages de points peut inutilement compliquer le monde.
Concevoir un échantillon implique de collecter des données susceptibles d’éclairer bonnes décisions.
Il ne faut croire à une structure (standard) que si elle peut être visualisé dans un graphique simple.
Tout mesurer et laisser « les données parler d’elles-mêmes », c’est inefficace pour découvrir des informations.
Les chercheurs doivent utiliser logique décider quelles variables inclure dans leur analyse.
Rejeter par erreur l'hypothèse nulle et conclure qu'un phénomène existe alors qu'il n'existe pas s'appelle une erreur de type I.
Les biologistes privilégient souvent les moyennes, mais les différences variabilité peut être plus critique.
Construire un diagramme représenter le système étudié avant de choisir l’analyse.
Pour tester les différences entre les moyennes, il faut supposer que les valeurs sont approximativement égales. variabilité au sein des catégories.
Les chercheurs peuvent représenter graphiquement des données transformées, mais l'ajustement du modèle ne peut être évalué qu'avec non transformé revendre.
Lignes droites sur les graphiques, minimisez la distance moyenne entre la ligne et les points.
analyses statistiques réduire les problèmes complexes à des problèmes bidimensionnels présentables dans de simples nuages de points.
Ne pas rejeter l’hypothèse nulle alors que faux est un erreur de type II, avec une probabilité connue sous le nom de « 1−β ».
Les lecteurs de papier peuvent soupçonner pseudoréplication et des inférences statistiques dénuées de sens lorsque l'on rencontre un tableau de contingence.
Une bonne règle de base pour déterminer les répétitions est de les diviser par dix et de limiter le modèle à ce nombre maximum de répétitions. facteurs.
De nombreuses probabilités rapportées sont pseudoprobabilités, indiquant une adhésion à la culture scientifique plutôt que de fournir des informations objectives sur le monde réel.
Le plus grand erreur dans le plan d'échantillonnage vient du fait qu'on néglige les concepts logiques de base, que les élèves auraient pu assimiler si les mathématiques statistiques n'avaient pas détourné leur attention.
Bien que les traités mathématiques sur les statistiques soient essentiels, il existe peut-être de meilleurs moyens pour les étudiants d'acquérir des connaissances pratiques. spécialisées pour utiliser les statistiques pour interpréter les données.
Remarques finales
Pour effectuer une analyse statistique de manière efficace, suivez ces étapes fondamentales :
1. Comprendre les concepts de base des statistiques.
2. Familiarisez-vous avec les principales mesures récapitulatives, telles que la moyenne arithmétique et l’écart type (statistiques descriptives).
3. Apprenez les graphiques principaux et quand et comment les utiliser.
4. Savoir sélectionner l'analyse statistique appropriée pour chaque occasion et apprendre à appliquer correctement toutes les étapes de l'analyse (statistiques inférentielles).
Réalisez tout cela avec statistiques sans mathématiques!
Pour acheter le livre « Statistiques sans mathématiques », cliquez ici !
