A parameter dianggap penting di semua kawasan, ia adalah baik menandakan indikatif dapat menilai atau menilai situasi tertentu. Sebagai contoh, dari parameter, keadaan tertentu dapat difahami atau diletakkan dalam perspektif untuk pemahaman atau klasifikasinya. Dalam bidang atau cabang pengaturcaraan komputer, penggunaan istilah ini (parameter) adalah; digunakan secara meluas dan digunakan untuk merujuk kepada sifat intrinsik prosedur.
The takrif parameter yang boleh agak rumit, kerana ia adalah satu bahagian daripada maklumat dianggap sebagai sesuatu petunjuk dan penting kerana dengan itu penilaian, penilaian dan juga kesimpulan keadaan tertentu dijalankan. Dari rujukan ini, perkara-perkara yang disiasat dapat difahami dari perspektif tertentu. Contoh definisi parameter adalah sebagai berikut: "Penyelidikan sedang dilakukan, namun tidak ada parameter khusus untuk menjelaskan fakta." Dengan ini jelas bahawa tanpa faktor ini, tidak ada konflik yang dapat diselesaikan.
Apakah parameter statistik
Isi kandungan
Pada bahagian sebelumnya, kami telah berbicara sedikit tentang apa itu parameter dan bagaimana kata itu dapat dimasukkan dalam perbualan biasa, sekarang adalah waktunya untuk menyebut semua yang berkaitan dengan parameter statistik dan apa perbezaan makna parameter yang disebutkan sebelum ini. Ketika datang ke statistik, rujukan ini merujuk pada angka yang berhasil merangkum sejumlah besar data yang diperoleh dari statistik pemboleh ubah yang dikira. Untuk mengira nombor ini, formula aritmetik diperlukan, yang terakhir diperoleh dengan mengira data populasi yang dikaji.
The matlamat penting statistik adalah untuk membangunkan satu model realistik, kerana ini, data statistik menjadi akibat yang tidak dapat dielakkan. Parameter dalam matematik dan di mana-mana cabangnya penting untuk menjaga ketertiban dalam data yang diperoleh dari setiap pengiraan, lebih-lebih lagi jika rujukan ini adalah hasil kajian masyarakat tertentu. Dengan mengambil kira ini, faktor ini, selain memberikan idea umum mengenai populasi global, memungkinkan analisis perbandingan untuk membuat anggaran yang berbeza mengenai model realiti yang ingin dibuat.
Sekarang, seperti semua sains, kajian atau pengiraan, data ini memerlukan serangkaian peraturan agar dapat berfungsi dengan betul dan tidak dikelirukan dengan analisis matematik lain. Tanpa peraturan ini, semua perhitungan yang diperoleh akan salah sepenuhnya dan tidak akan berada di hadapan parameter statistik.
Peraturan parameter statistik
Setiap rujukan berangka mesti mempunyai peraturan tertentu yang berlaku, salah satunya adalah bahawa tidak perlu ada kesamaran untuk pengiraannya, hanya memerlukan formula aritmetik yang baik untuk mencapainya. Tidak ada pemerhatian penting kajian yang harus diabaikan, iaitu data mempunyai watak yang sangat umum dan semuanya penting. Ia dapat ditafsirkan, pengiraannya dapat dimanipulasi dengan mudah dengan aljabar dan, akhirnya, data dapat menjadi sensitif terhadap turun naik sampel, ini bermaksud bahawa sampel statistik dapat bervariasi dan bahawa ini mempunyai pengaruh pada parameter..
Jenis parameter statistik
Sama seperti data ini ada, ada juga jenisnya dan cara yang tepat untuk mengenal pasti dan menerapkannya, yang pertama adalah parameter posisi, yang bertanggung jawab untuk mengenal pasti jumlah nilai di mana data yang akan dihitung dikelompokkan, yaitu,, cari nilai yang memerintahkan dan mewakili mereka. Jenis rujukan ini terbahagi kepada dua aspek: ukuran kecenderungan pusat dan ukuran kecenderungan bukan pusat, perkara akan dijelaskan kemudian. Tidak seperti yang dijelaskan di bahagian sebelumnya, data ini tidak semestinya bertepatan dengan hasil pemboleh ubah.
Ia juga tidak boleh digunakan dengan watak generik untuk membuat ramalan. Penggunaan parameter yang berbeza bergantung pada subjek. Lereng kedua adalah penyebaran. Ini mengambil kira sejauh mana semua data yang diperoleh dikelompokkan di sekitar nilai pusat pengiraan. Aspek ini diklasifikasikan dalam dua aspek lagi, penyebaran mutlak dan penyebaran relatif, yang pertama syarikat memerlukan data pelupusan dan tidak termasuk perbandingan antara sampel yang diperoleh. Pada yang kedua, kita bercakap mengenai langkah-langkah tanpa dimensi dan di dalamnya jika perbandingan dapat dibuat.
The pekali kurtosis, juga dikenali sebagai menunjuk, bertujuan untuk mencari langkah-langkah bagaimana ulangan relatif data diedarkan antara keterlaluan dan pusat. The Gaussian loceng adalah sebahagian daripada titik perbandingan antara semua rujukan found. The kurtosis mempunyai 3 kategori yang sangat penting, ini adalah pengedaran mesocúrtic, juga dikenali sebagai normal bertujuan, pengedaran leptokurtic diwakili positif menyasarkan dan, akhirnya, pengedaran platicurtic, yang merujuk kepada negatif sasaran. Bersama-sama mereka memahami kurtosis sebagai ciri parameter bentuk.
The pekali tak simetri adalah berdasarkan membenarkan penemuan data dan jika mereka diseru simetri mengikut nilai pusat mereka, yang secara umumnya langkah simetri. Untuk mengetahui tahap asimetri data ini, pengiraan pekali asimetri sangat diperlukan. Data yang diberikan adalah simetri mengikut rata-rata, namun, jumlah semua kiub penyimpangan mengikut min yang sama mestilah nol. Sekiranya dicari kemiringan positif, maksudnya mestilah di sebelah kanan median.
Kemudian, secara grafik, histogram dengan bentuk L dan penamatan langsungnya di sebelah kanan akan diperoleh. Akhirnya, untuk mendapatkan kecenderungan negatif, rata-rata harus dibantah lebih rendah daripada median dan histogram akan berbentuk J secara konklusif dengan ujung ke kiri.
Contoh parameter statistik
Sekiranya beberapa sampel diambil dari komuniti yang diedarkan dengan sempurna, min ujian itu adalah statistik langsung. Nilai yang ditunjukkan oleh sampel ini adalah anggaran min populasi itu, ini disebut parameter populasi. Sekiranya sampel lain diambil, nilai itu akan berubah secara rawak dan taburan kebarangkaliannya akan berdasarkan ujian yang dimaksudkan. Taburan ini akan mewakili semua data yang diperoleh dan jika komuniti utama normal, taburan sampel itu juga mesti normal. Setiap langkah dilengkapkan dengan langkah seterusnya.
Unsur parameter statistik
Sama seperti data ini mempunyai peraturan dan jenis, mereka juga mempunyai serangkaian elemen penting untuk memperoleh nilai tertentu dari populasi tertentu, elemen-elemen ini diedarkan secara rata-rata, modus dan mediannya, ketiga-tiganya adalah sebahagian dari ukuran kecenderungan pusat. Namun, ada juga ukuran kecenderungan bukan pusat yang terdiri dari kuartil, desil dan persentil. Untuk merangkumi semua kandungan ini, setiap elemen dipecahkan, supaya semua yang berkaitan dengannya dapat difahami sepenuhnya.
Rata-rata
Ini adalah min aritmetik dan diketahui cukup meluas, ia mempunyai rangkaian sifat atau elemen, ini berkaitan dengan kesederhanaan pengiraannya kerana campur tangan semua data, ia ditafsirkan sebagai pusat jisim atau pangkalan keseimbangan set data yang diberikan dikira. Ini juga berhasil meminimalkan penyimpangan kuadratik dari rujukan dan rentan terhadap perubahan skala dan asal. Ia juga rentan apabila nilai pemboleh ubahnya sangat melampau.
Fesyen
Ini adalah rujukan yang cukup berulang dan nilai pemboleh ubahnya mempunyai frekuensi mutlak, sebab itulah ia mempunyai nama yang bergaya, kerana dengan sendirinya, inilah yang paling popular. Mengira mod sangat mudah, kerana anda hanya perlu melakukan kiraan untuk mencari data yang sesuai. Yang sifat-sifat fesyen adalah tafsiran mudah dan banyak, ia bergantung kepada kekerapan dan terima kasih kepada yang ia boleh mengira pembolehubah kualitatif, walaupun terdapat data yang lebih besar, nilainya adalah bebas, yang menjadikan fesyen elemen terdedah kepada variasi sampel.
Median
Anda menghadap median apabila sekurang-kurangnya separuh daripada data yang diperoleh mempunyai nilai berubah jauh di bawahnya, hanya apabila nilainya disimpan dalam urutan dari yang paling rendah hingga yang paling tinggi. Salah satu contoh parameter statistik adalah pengiraan median keluarga, kaedahnya mudah, hanya nilai pusat yang harus ditempatkan. Kualiti atau sifat median merujuk kepada pengaruh yang hampir tidak wujud oleh penyebaran dan tidak kerentanan min yang menunjukkan ayunan kerana nilai pemboleh ubahnya.
Pengukuran kedudukan bukan pusat
Ini tidak lebih daripada nilai-nilai yang berada jauh di antara satu sama lain dalam jumlah data tertentu. Ini adalah titik yang lebih umum dari konsep median yang telah diberikan sebelumnya, kerana ia hanya meninggalkan di bawah 50% pengedaran data, sementara kuantil melakukannya dengan peratusan apa pun. Untuk membezakan kuartil, desil dan persentil, bahagian-bahagian di mana mereka dibahagikan diambil kira. Kuartil dibahagikan kepada 4 bahagian, desil dengan 10 dan persentil dengan seratus.
Penerapan parameter
Parameternya dapat diterapkan di berbagai bidang, baik dalam masalah angka atau hanya dengan berbicara dalam perbualan biasa. Di bahagian ini kita akan menyebutkan beberapa bidang di mana parameter digunakan, seperti apa aplikasinya, dan bagaimana mengenal pasti sama ada anda berurusan dengan parameter sinonim atau tidak. Perlu diingat bahawa, menurut cabang atau sains yang merujuk, data ini dapat dipanggil dengan cara yang berbeza.
Parameter komputer
Ketika datang ke pengkomputeran, data ini dikenal sebagai argumen dan mereka adalah pemboleh ubah yang digunakan untuk menerima nilai input dari rutin, metode atau subrutin yang diberikan. Rutin pemanggilan akan menjadi kaedah menghantar nilai-nilai ini. Subrutin, sebaliknya, mengambil semua nilai yang telah ditetapkan untuk datanya untuk mengubah tingkah lakunya pada waktu berjalan.
Parameter rangkaian
Inilah yang dikenali sebagai jarak tetap antara sel unit mengikut struktur kristal yang mereka ada. Rangkaian mempunyai 3 parameter, yang diwakili dalam a, b dan c, tetapi ada elemen khas dalam rangkaian kubik dan itulah bagi mereka, semua data tentu sama, oleh itu, cara yang tepat untuk merujuknya adalah melalui ke. Mengenai kisi kristal heksagon, data a dan b dianggap sama, dalam pengertian ini, hanya a dan c yang dipertimbangkan.
Parameter populasi
Ia tidak lebih dari nilai sebenar min populasi tertentu. Apabila ciri dominan populasi ini tidak diketahui, nilainya dapat dikira dari sampel.
Di semua bidang ini beberapa jenis parameter sinonim didapati untuk mencari atau mengenal pasti mereka mengikut keadaan, misalnya, data, rujukan, petunjuk, ukuran atau faktor.
