Paraméter - áttekintés, példák és felhasználások a statisztikákban

A paraméter a statisztikai elemzés hasznos eleme. Pénzügyi alapstatisztikai fogalmak A statisztikák alapos megértése alapvető fontosságú a pénzügyek jobb megértésében. Sőt, a statisztikai koncepciók segíthetnek a befektetőknek a monitorozásban. Azokra a jellemzőkre utal, amelyeket az adott populáció meghatározásához használnak. A teljes populáció sajátos jellemzőinek leírására szolgál. A populációra vonatkozó következtetés során a paraméter ismeretlen, mert lehetetlen lenne információt gyűjteni a populáció minden tagjától. Inkább a populációból kiválasztott minta statisztikáját használjuk a paraméterre vonatkozó következtetés levonására.

Paraméter

Például egy paraméterrel leírható az ABC Egyetem hallgatóinak odaítélt kölcsönök átlagos összege. Feltételezve, hogy az egyetem lakossága 3000 fő, a kutató azzal kezdheti, hogy kiszámítja a lakosság néhány kiválasztott mintájának vagy mintegy 10 hallgatónak a pénzügyi támogatását. Három, egyenként 10 hallgatóból álló mintával a kutató átlagosan 2000, 1200 és 800 dollárt kaphat. A kutató ezt a mintaátlagot felhasználhatja arra, hogy következtetést hozzon a populációs paraméterre.

A leggyakoribb paraméterek

A leggyakrabban használt paraméterek a központi tendencia mértékei. Központi tendencia A központi tendencia egy adatkészlet leíró összefoglalása egyetlen értéken keresztül, amely az adateloszlás központját tükrözi. A változékonysággal együtt. Ezek az intézkedések magukban foglalják az átlagot, a mediánt és a módot, és arra szolgálnak, hogy leírják, hogyan viselkednek az adatok egy disztribúcióban. Az alábbiakban tárgyaljuk őket:

1. Jelent

Az átlagot átlagnak is nevezik, és ez a központi tendencia három mértéke közül a leggyakrabban használt. A kutatók a paraméter segítségével leírják az arányok adateloszlását. Pénzügyi mutatók A pénzügyi mutatók a pénzügyi kimutatásokból vett számértékek felhasználásával jönnek létre, hogy érdemi információkat szerezzenek a vállalatról és az intervallumokról.

Az átlagot úgy kapjuk meg, hogy összegezzük és elosztjuk az értékeket a pontszámok számával. Például öt háztartásban, amelyek 5, 2, 1, 3 és 2 gyermeket tartalmaznak, az átlag a következőképpen számítható:

= (5 + 2 + 1 + 3 + 2) / 5

= 13/5

= 2,6

2. Medián

A medián arra szolgál, hogy kiszámítsuk azokat a változókat, amelyeket sorszámos rendes adatokkal mértek. A statisztikákban a rendes adatok azok az adatok, amelyekben az értékek természetes sorrendet követnek. A soros adatok egyik legismertebb jellemzője az intervallum vagy az arány skála. Ezt úgy kapjuk meg, hogy az adatokat a legalacsonyabbtól a legnagyobbig rendezzük, majd kiválasztjuk a középen lévő szám (oka) t. Ha az adatpontok száma páratlan szám, akkor a medián általában a középső szám. Ha a számok párosak, akkor a mediánt úgy kapjuk meg, hogy a középen lévő két számot összeadjuk és kettővel elosztjuk, hogy megkapjuk az átlagot.

A Mediánt többnyire akkor használják, ha van néhány eltérő adatpont. Például az egyetemre lépő hallgatók mediánjának kiszámításakor előfordulhat, hogy a hallgatók egy része idősebb, mint a többi. Az átlag használata torzíthatja az értékeket, mivel ez azt mutatja, hogy az egyetemre lépő hallgatók átlagéletkora magasabb lesz, míg a medián felhasználása igazabb tükröt ad a helyzetről.

Keressük meg például az egyetemre először belépő hallgatók medián életkorát, figyelembe véve a tíz hallgató alábbi értékeit:

17, 17, 18, 19, 19, 20, 21, 25, 28, 32

A fenti értékek mediánja (19 + 20) / 2 = 19,5 .

Mód

A mód az adatelosztáson belül a leggyakoribb szám. Megmutatja, hogy mely szám vagy érték a legmagasabb számban vagy a leggyakoribb az adatelosztásban. A mód bármilyen típusú adatra használható.

Vegyünk például egy körülbelül 40 hallgatóval rendelkező főiskolai osztály példáját. A hallgatók tesztvizsgát kapnak, osztályozást kapnak, majd 1-5 skálán csoportosítva kezdik a legkevesebb pontszámot elért diákokkal.

A jelek osztályozása a következőképpen történik:

  • Klaszter 1: 5
  • 2. klaszter: 7
  • 3. klaszter: 13
  • 4. klaszter: 12
  • 5. klaszter: 3

A 3. klaszter mutatja a legtöbb hallgatót, ezért a mód 13 . Ebből kiderül, hogy a 40 hallgató közül a legtöbb hallgató a 3. klaszterbe került.

Paraméterek és statisztikák

Paraméterrel lehet leírni a vizsgált teljes populációt. Például meg akarjuk tudni a pillangó átlagos hosszát. Ez egy paraméter, mert állít valamit a lepkék teljes populációjáról.

A paramétereket nehéz beszerezni, de az ennek megfelelő statisztikát használjuk annak becsléséhez. A statisztika egy populáció mintáját írja le, míg egy paraméter a teljes populációt. Mivel lehetetlen lesz a világ összes lepkéjét elkapni és megmérni, 100 pillangót foghatunk és megmérhetjük azok hosszát. A 100 pillangó átlagos hossza olyan statisztika, amellyel következtethetünk a teljes pillangópopuláció hosszára.

Általában a statisztika értéke mintánként változhat, miközben a paraméter rögzített marad. Például egy 100 pillangóból álló minta átlagos hosszúsága 6,5 ​​mm lehet, míg egy másik, 100 régióból származó, pillangókból álló minta átlagos hossza 6,8 mm lehet.

Ezenkívül egy kisebb, 50 pillangóból álló minta átlagos hossza 7,0 mm lehet. A populáció mintájából kapott statisztika ezután felhasználható a teljes populáció paraméterének becslésére.

További források

A Finance a pénzügyi modellezési és értékelési elemző (FMVA) ™ hivatalos szolgáltatója. Az FMVA® tanúsítás Csatlakozzon 350 600+ hallgatóhoz, akik olyan vállalatoknál dolgoznak, mint az Amazon, a JP Morgan és a Ferrari tanúsító program, amelynek célja, hogy bárkit világszínvonalú pénzügyi elemzővé alakítsanak.

A pénzügyi elemzések ismereteinek fejlesztése és továbbfejlesztése érdekében javasoljuk az alábbi kiegészítő pénzügyi forrásokat:

  • Hipotézisek tesztelése A hipotézisek tesztelése A hipotézisek tesztelése a statisztikai következtetések módszere. Arra használják, hogy teszteljék-e a populációs paraméterre vonatkozó állításokat. Hipotézis tesztelés
  • Nem paraméteres tesztek Nem paraméteres tesztek A statisztikában a nem paraméteres tesztek olyan statisztikai elemzési módszerek, amelyek nem igényelnek elosztást az elemzéshez szükséges feltételezések teljesítéséhez
  • Mennyiségi elemzés Kvantitatív elemzés A kvantitatív elemzés a mérhető és ellenőrizhető adatok, például a bevételek, a piaci részesedés és a bérek összegyűjtésének és értékelésének folyamata a vállalkozás viselkedésének és teljesítményének megértése érdekében. Az adattechnológia korszakában a kvantitatív elemzést tekintik az informált döntések meghozatalának preferált megközelítésének.
  • Minta kiválasztási torzítás Minta kiválasztási torzítás A minta kiválasztási torzítás az a torzítás, amely abból adódik, hogy nem sikerült biztosítani a populációs minta megfelelő randomizálását. A minta kiválasztásának hibái

Legutóbbi hozzászólások