اهمیت آماری: تعریف و کاربرد در محیط کار

اهمیت آماری یک شاخص کلیدی است که آیا آمار قابل اعتماد و ارزشمند است یا خیر. به همین دلیل، اهمیت آماری برای همه متخصصانی که با آمار کار می کنند، از ریاضیدانان و دانشمندان گرفته تا تبلیغ کنندگان و سازندگان وب سایت، اهمیت دارد.

در این مقاله از ایوسی، به معنی اهمیت آماری و نحوه محاسبه و تعیین اهمیت آماری برای وظایف حرفه ای شما می پردازیم.

اهمیت آماری چیست؟

معناداری آماری احتمال این است که رابطه بین دو یا چند متغیر توسط عاملی غیر از تصادف ایجاد شود. گفته می شود که نتایج یک آزمایش یا آزمایش از نظر آماری معنی دار است اگر احتمال داشته باشد که شانس نتیجه را ایجاد نکرده باشد.

افرادی که با آمار کار می کنند باید فرضیه های خود را آزمایش کنند تا بدانند آیا داده های آنها اهمیت آماری دارد یا خیر. فرضیه نظریه ای است درباره موقعیتی که قبل از آزمایش داده ها فرموله شده است. به عنوان مثال، یک صاحب کسب و کار ممکن است بر این باور باشد که انتشار پیوندهایی به پست های وبلاگ خود در حساب رسانه های اجتماعی خود باعث افزایش ترافیک وب سایت آنها می شود. این نظریه اغلب یک فرضیه جایگزین نامیده می شود. آنها باید ترافیک وب سایت خود را قبل از انتشار لینک ها و پس از آن برای اثبات یا رد فرضیه جایگزین خود تجزیه و تحلیل کنند.

همچنین مهم است که یک فرضیه صفر را نیز در نظر بگیرید، که این نظریه است که بین متغیرهای اندازه گیری شده رابطه واقعی وجود ندارد. فرضیه صفر برای مثال ذکر شده در بالا این است که انتشار پیوند به پست های وبلاگ هیچ تاثیری بر ترافیک وب سایت ندارد. اگر این احتمال بیشتر باشد، صاحب کسب و کار ممکن است تاکتیک های دیگری را برای افزایش ترافیک وب سایت در نظر بگیرد.

بیشتر بخوانید: ۱۰ شغل برای رشته های آمار

چرا اهمیت آماری در تجارت اهمیت دارد؟

محاسبات اهمیت آماری به کسب و کارها داده هایی را برای پشتیبانی از مفروضات آنها می دهد. آن‌ها به افرادی که با داده‌ها کار می‌کنند کمک می‌کنند بفهمند که آیا پدیده‌هایی که مشاهده می‌کنند ناشی از نیروهایی است که به آنها مشکوک هستند یا صرفاً تصادفی. درک اینکه چه اتفاقی می افتد و چرا می تواند به متخصصان کمک کند آگاهانه ترین انتخاب ها را برای شرکت خود داشته باشند. هنگامی که تصمیمات تجاری با شواهد آماری اطلاع رسانی می شود، احتمالاً تأثیرات مثبتی خواهند داشت.

بیشتر بخوانید: تجزیه و تحلیل داده ها: هدف و تکنیک ها

آنچه باید در محاسبه اهمیت آماری لحاظ شود

گنجاندن تعداد زیادی داده در یک محاسبه معنی‌داری آماری، دقت آن را افزایش می‌دهد. اندازه مجموعه داده ها بین مطالعات متفاوت است، اما باید به اندازه کافی بزرگ باشد تا نمونه یا پدیده مورد بررسی را نشان دهد. داده هایی که شما وارد می کنید به فرضیه ای که می خواهید اثبات کنید بستگی دارد. با این حال، همیشه باید داده‌هایی را وارد کنید که به طور بالقوه می‌توانند فرضیه‌های جایگزین و صفر را اثبات یا رد کنند.

موردی را در نظر بگیرید که صاحب کسب و کار تلاش می کند تا ترافیک وب سایت خود را با ارسال پیوندهایی به پست های وبلاگ در رسانه های اجتماعی افزایش دهد. آنها می‌توانستند تعداد بازدیدهای روزانه وب‌سایت‌هایی را که در یک ماه پس از اتخاذ استراتژی جدید رسانه‌های اجتماعی دریافت کرده‌اند، یادداشت کنند.

رسم این داده ها روی منحنی های زنگ راه خوبی برای مقایسه نتایج ارائه می دهد. منحنی های زنگ توزیع نرمال داده ها را نشان می دهند. میانگین داده ها که به عنوان میانگین از مجموعه داده نیز شناخته می شود، در مرکز منحنی زنگ قرار می گیرد. سپس منحنی گسترش می یابد تا انحراف معیار را نشان دهد.

برنامه های کاربردی صفحه گسترده می توانند رسم منحنی های زنگ را آسان کنند. مالک کسب و کار ذکر شده در بالا ممکن است قبل از ارسال پیوندهای پست وبلاگ در رسانه های اجتماعی، برای ترسیم منحنی زنگ بازدیدهای وب سایت، کارهای زیر را انجام دهد:

1. یک جدول با دو ستون ایجاد کنید. یکی باید هر تاریخ تجزیه و تحلیل شده را قبل از اجرای تغییر رسانه اجتماعی نشان دهد و دیگری باید تعداد بازدیدهای وب سایت را نشان دهد. داده‌ها را طوری مرتب کنید که روزی که کمترین بازدید وب‌سایت را دارد، اول و بیشترین تعداد بازدید وب‌سایت در آخر فهرست شود. مرتب سازی داده ها به ترتیب صعودی یک منحنی زنگ صاف ایجاد می کند.

2. میانگین را با استفاده از تابع میانگین محاسبه کنید. به عنوان مثال، اگر بازدیدهای وب سایت در فیلدهای B2 تا B32 فهرست شده باشند، محاسبه =AVERAGE (B2:B32) خواهد بود.

3. انحراف معیار را با استفاده از تابع STDEV.P محاسبه کنید. به عنوان مثال، اگر بازدیدهای وب سایت در فیلدهای B2 تا B32 فهرست شده باشند، محاسبه =STDEV.P(B2:B32) خواهد بود.

4. سلول ها را با میانگین و انحراف معیار منجمد کنید.

5. یک ستون جدید برای توزیع عادی ایجاد کنید.

6. توزیع نرمال را با استفاده از تابع توزیع نرمال محاسبه کنید. به عنوان مثال، اگر اولین تعداد بازدید وب سایت در B2 ذکر شده باشد، میانگین در فیلد B33 و انحراف استاندارد در B34 ذکر شده باشد، محاسبه =NORM.DIST(B2, $B$33, $B$34, FALSE خواهد بود. ).

7. فرمول را به پایین بکشید تا سلول های ستون توزیع عادی پر شود.

8. بازدیدهای وب سایت و ارقام توزیع عادی را برجسته کنید.

9. روی نمودارهای پیشنهادی که در زیر تب Insert یافت می شود کلیک کنید. نمودار XY Scatter و سپس Scatter With Smooth Lines و سپس گزینه نمودار دوم را انتخاب کنید.

10. مایکروسافت اکسل منحنی زنگ را ترسیم می کند.

می توانید این روند را برای ترسیم منحنی زنگ دیگری برای مدت زمانی پس از به اشتراک گذاشتن پست های وبلاگ در رسانه های اجتماعی تکرار کنید.

تقریباً ۶۸ درصد داده ها یا اکثریت آنها در یک انحراف استاندارد منحنی زنگ قرار می گیرند. تقریباً ۹۵٪ داده ها در دو انحراف استاندارد منحنی زنگ قرار می گیرند. تا زمانی که شما سه انحراف استاندارد منحنی را ارزیابی می کنید، تقریباً ۹۹.۷ درصد داده ها به حساب می آیند.

در آمار، داده های فردی بر حسب z-score آن ارزیابی می شود. یک z-score با کم کردن میانگین از نقطه داده و سپس تقسیم این عدد بر انحراف استاندارد بدست می‌آید.

هنگامی که صاحب کسب و کار چند منحنی زنگی ایجاد می کند، می تواند بازدیدهای وب سایت خود را برای آن دوره مقایسه کند. اگر منحنی های زنگ مشابه باشند، بازدیدهای وب سایت به طور قابل توجهی در طول دو دوره تغییر نمی کرد. به عبارت دیگر، استراتژی جدید رسانه های اجتماعی تغییر چندانی ایجاد نمی کرد، که نشان می دهد فرضیه صفر درست است. با این حال، اگر منحنی زنگ به سمت راست تغییر کرده باشد، فرضیه جایگزین به احتمال زیاد درست است.

بیشتر بخوانید: ۷ نوع تکنیک تحلیل آماری (و مراحل فرآیند)

نحوه تعیین اهمیت آماری

آزمون فرضیه ها یک گام کلیدی برای تعیین اینکه داده ها دارای اهمیت آماری هستند یا خیر است، اما اهمیت آماری را تأیید نمی کند. این تعیین نهایی تنها پس از ارزیابی مقادیر p انجام می شود. مقدار p احتمال مشاهده نتایجی مانند نتایج اندازه گیری شده در صورت صحیح بودن فرضیه صفر است. به عبارت دیگر، هنگام در نظر گرفتن مثال بالا، صاحب کسب و کار ممکن است تعجب کند که آیا ترافیک وب سایت را به همان اندازه ای که در دوره دوم مشاهده کرده بودند مشاهده می کنند، حتی اگر استراتژی رسانه های اجتماعی خود را تغییر نداده باشند. هرچه مقدار p کمتر باشد، اهمیت آماری داده ها بیشتر است.

قبل از شروع آزمایش، افرادی که با آمار کار می کنند، مقدار p ترجیحی را تعیین می کنند که آلفا نامیده می شود. انتخاب این مقدار قبل از آزمایش خطا را کاهش می دهد. رقمی که پس از آزمون انتخاب می شود، می تواند صرفاً به این دلیل انتخاب شود که فرضیه های جایگزین را اثبات می کند. بهترین آلفا به آزمون بستگی دارد، اما مقدار ۰.۰۵، معادل احتمال ۵٪، رایج است. کار دقیق تر، مانند تحقیقات علمی، ممکن است به آلفای بسیار کوچکتر ۰.۰۰۵ یا کمتر نیاز داشته باشد.

هنگامی که مقدار آلفا مشخص شد، آزمایش انجام می شود و مقدار p واقعی با استفاده از نرم افزار آماری مانند R محاسبه می شود. در مثال بالا، مالک کسب و کار آمار مربوط به دوره پس از ایجاد تغییرات وب سایت را در نرم افزار آمار وارد می کند. برای تعیین مقدار p اگر مقدار p کمتر از آلفا باشد، فرضیه صفر را می توان رد کرد. آماردانان معمولاً می گویند این به جای اینکه ادعا کنند فرضیه جایگزین را می توان پذیرفت. به عبارت دیگر داده ها دارای اهمیت آماری هستند.

مرتبط: تجزیه و تحلیل پیش بینی کننده چیست؟ (به علاوه چرا مهم است)