Skip to main content
LibreTexts - Ukrayinska

20.5: Отримання даних та висновків креслення

  1. Last updated
  2. Save as PDF
  • Page ID
    51350

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

    Ми вивчили зразки та популяції в главі 15, і ми можемо швидко згадати основні моменти тут. Ми часто робимо висновок про сукупність з опису вибірки, яка була взята з неї. Коли ми робимо:

    1. У наших приміщеннях є претензії щодо зразка.

    2. Наш висновок - претензія на населення.

    Наприклад, ми можемо зробити висновок про відсоток людей, які виступають за відправку військ до певного регіону з приміщень, описуючи відгуки 700 осіб на опитування з цього питання. У такому випадку наш висновок не є дедуктивно дійсним. Він передбачає індуктивний стрибок.

    Але якщо ми будемо обережні в нашому опитуванні, наш висновок все ще може бути індуктивно сильним. Це означає, що якщо почати з істинних передумов (що тут означає правильний опис вибірки), то, швидше за все, прийдемо до істинного висновку (про всю сукупність).

    Хороший індуктивний висновок від вибірки до популяції вимагає:

    1. Досить великий зразок.

    2. Представницька (неупереджена) вибірка.

    Ці ж принципи застосовуються, коли ми проводимо відбір проб як частина наукового дослідження. Враховуючи всі речі, ми хочемо більших зразків, маючи на увазі, що є інформаційні витрати, чим більше отримує дослідження. Чим більший зразок, на якому ми тестуємо, тим довше займе дослідження. Отже, при тестуванні чутливих до часу методів лікування (наприклад, вакцин для Covid-19) ми можемо вирішити протестувати менший зразок в інтересах швидкого виведення препарату на ринок. Ми також повинні мати на увазі, що якщо вибірка обмежується певною групою (віком, статтю, соціально-економічним статусом тощо), результати будуть розумітися лише як застосовні до цього населення. Більш різноманітні популяції дадуть нам більш універсальні висновки.