Den statistiske prosessen er settet med stadier eller faser som må fullføres for å gjennomføre en undersøkelse basert på kvantitativ informasjon og oppnå resultater som er tro mot den studerte virkeligheten.
Når vi snakker om den statistiske prosessen, snakker vi om en serie trinn som det er tilrådelig å utføre for å oppnå resultater som er tro mot den virkeligheten vi studerer i den statistiske studien som er ment å bli utført. Dette er nødvendig, fordi hvis vi ikke utfører disse trinnene, kan vi få feil konklusjoner og derfor ta dårlige beslutninger.
La oss for eksempel forestille oss at vi har en iskrembar. Vi må vite omtrent hvor mye is vi bør kjøpe basert på hvor mye etterspørsel vi vil ha. Så hvis vi kommer til kort, kan kundene nå hvem vi må fortelle dem at det ikke er noen iskrem i denne iskrembaren. Tvert imot, hvis vi har for mye, kan det bli bortskjemt. Derfor er det nødvendig å prøve å estimere hvor mye vi skal kjøpe, eller i det minste et omtrentlig utvalg. Hvis vi skal beregne det området, samler vi inn data som ikke er representative (for eksempel en iskrembut som ligger i en annen by med mindre velstand), kan vi ta feil.
Så når dette er klart, må vi kjenne rekken av trinn og detaljer som vi må følge, slik at resultatene blir tilpasset virkeligheten og vi tar bedre beslutninger.
Stadier av den statistiske prosessen
Avhengig av manualen du har besøkt eller forfatteren, kan vi se forskjellige stadier med forskjellige navn. I det vesentlige inkluderer nesten alle dokumentene om emnet de samme seksjonene, bare at noen inkluderer flere faser i en og andre fragmenterer prosessen mer.
I vårt tilfelle anser vi at den statistiske prosessen består av:
Problemstilling
I erklæringen om problemet er den sentrale aksen lokalisert for å artikulere alt annet. Denne fasen svarer på følgende spørsmål: Hva trenger jeg å studere og hvorfor? Noen ganger, så utrolig som det kan synes å utgjøre problemet, kan det føre oss til den konklusjonen at vi ikke egentlig trenger å gjøre en statistisk studie.
Datainnsamling
Når vi har tatt opp problemet, må vi samle inn dataene. Her er metodikken viktig. Så det er forskjellige hensyn. Dermed må vi fastslå typen prøvetaking, størrelsen på utvalget, typen datainnsamling (for eksempel gjennom databaser eller personaliserte undersøkelser), personlig, online eller via telefon, etc.
Data organisering
Når vi har alle dataene, gjenstår det å forene og organisere dem. Som i alt, må vi legge inn dataene i et program eller en plattform som deretter lar oss beregne bestemte beregninger og analysere riktig. For å gjøre dette er det alltid praktisk å organisere dataene. Hva mer, noen ganger må vi samle inn data fra forskjellige databaser som tilbyr forskjellige filformater, og det vil være nødvendig å forene alt i samme format.
Dataanalyse
Når problemet er reist, dataene som er samlet inn og organisert, kan vi analysere det effektivt. Avhengig av problemstilling, vil en eller annen type analyse utføres. Hvis vi for eksempel vil vite om to variabler er avhengige, kan vi bruke en mynt integreringsanalyse. Mens det vi vil studere er den totale spredningen av en finansiell eiendel, vil vi beregne det statistiske området.
Tolkning av dataene
Sist men ikke minst har vi tolkningen av dataene. Det er ubrukelig å gjennomføre alle fasene i den statistiske prosessen riktig hvis tolkningen til slutt er feil. Dette er fordi hvis tolkningen er feil, vil beslutningene ha en uønsket effekt. Anta for eksempel at vi gjennomfører en studie om variabiliteten i selskapets salg. Hvis det først viser seg at det er mye spredning når vi når resultatene, bør det reduseres, og vi tolker at det ikke er det, dette kan påvirke selskapet negativt.
De fem trinnene gjenspeiles i følgende diagram:
Beskrivende statistikk