الإحصاء الاستدلالي هو واحد من الفرعين الرئيسيين للإحصاءات ، ويستخدم الإحصاء الاستدلالي عينة عشوائية من البيانات المأخوذة من مجتمع ما لوصف وإجراء استنتاجات حول السكان ، وتعد الإحصاءات الاستدلالية ذات قيمة عندما يكون فحص كل فرد من السكان بأكمله غير مناسب أو ممكن .

ما هي الاحصاءات الاستدلالية

تصف الإحصاءات الوصفية البيانات على سبيل المثال ، مخطط أو رسم بياني ، أما الإحصائيات الاستدلالية تسمح بإجراء تنبؤات ( الاستدلالات ) من تلك البيانات ، وباستخدام الإحصاءات الاستدلالية ، يمكن أخذ البيانات من العينات وإجراء تعميمات حول السكان ، على سبيل المثال ، قد تقف في مركز تجاري وتسأل عينة من 100 شخص إذا كانوا يحبون التسوق في Sears ، ويمكنك عمل مخطط شريطي للإجابات بنعم أو لا (من شأنه أن يكون إحصاءات وصفية) أو يمكنك استخدام بحثك (والإحصاءات الاستدلالية ) لسبب أن حوالي 75-80 ٪ من السكان يحبون التسوق في سيرز .

مجالات الاحصاء الاستدلالي

هناك مجالان رئيسيان للإحصاءات الاستدلالية وهما كالتالي :

تقدير العينات

هذا يعني أخذ إحصاء من نموذج البيانات الخاص بك (على سبيل المثال متوسط العينة) واستخدامه لمعرفة عدد السكان .

اختبارات الفرضية

هذا هو المكان الذي يمكنك فيه استخدام بيانات نموذجية للإجابة على أسئلة البحث ، فعلى سبيل المثال ، قد تكون مهتمًا بمعرفة ما إذا كان دواء السرطان الجديد فعالًا أم لا ، أو إذا كان الإفطار يساعد الأطفال على الأداء بشكل أفضل في المدارس . [1]

اهمية الاحصاءات الاستدلالية

تستخدم الإحصاءات استدلالية في عدد من المجالات وهي كالتالي :

أنها تسمح للمحلل لتعميم النتائج على عدد أكبر من السكان .
يمكن أن يحدد ليس فقط ما يمكن أن يحدث ، ولكن ما الذي يمكن أن يحدث في البرامج .
تساعد الإحصائيات الاستنتاجية في تقييم قوة العلاقة بين المتغيرات المستقلة (السببية) والمتغيرات (التأثير) التابعة ، كما يمكن تقييم التأثير النسبي لمختلف البرامج .
لا يمكن استخدام الإحصاءات الاستدلالية إلا عندما يكون لدى الإحصائي قائمة كاملة بأفراد السكان ، من خلال رسم عينة عشوائية من السكان باستخدام صيغة سابقة الإعداد ، ويحدد الإحصائي أن حجم العينة كبير بدرجة كافية .
يمكن أن تساعد الإحصاءات الاستدلالية في تحديد قوة العلاقة داخل العينة ، ويمكن للإحصائي تقييم قوة تأثير المتغيرات المستقلة (مدخلات البرنامج) على النتائج (مخرجات البرنامج) ، وفي الإحصاءات الاستدلالية ، من الصعب الحصول على قائمة السكان أو رسم عينة عشوائية .

ويمكن القول أن الإحصاءات الاستدلالية تستخدم في إجراء تعميمات من عينة إلى مجتمع ، وهناك مصدران للخطأ قد يؤديان إلى اختلاف العينات عن السكان ، حيث يتم رسمها والتي تتضمن خطأ في أخذ العينات وانحياز أخذ العينات ، وتعتمد الإحصاءات الاستدلالية على أخذ عينة عشوائية من عدد أكبر من السكان ومحاولة استخلاص استنتاجات حول العدد الأكبر من تلك البيانات ، واحتمالية أن تكون العلاقات بين المتغيرات المقاسة متوافقة .[2]

انواع الاختبارات الاحصائية الاستدلالية

هناك العديد من الاختبارات في هذا المجال ، ومن أهمها ما يلي :

تحليل الانحدار الخطي

في هذا الاختبار ، تُستخدم طريقة خطية لفهم العلاقة بين متغيرين من مجموعة البيانات ، أحد هذه المتغيرات هو المتغير التابع ، بينما يمكن أن يكون هناك واحد أو أكثر من المتغيرات المستقلة المستخدمة ، وبعبارة أخرى ، نحاول التنبؤ بقيمة المتغير التابع بناءً على القيم المتاحة للمتغيرات المستقلة ، ويتم تمثيل هذا عادةً باستخدام مخطط مبعثر ، على الرغم من أنه يمكننا أيضًا استخدام أنواع أخرى من الرسوم البيانية أيضًا .

تحليل التباين

هذه طريقة إحصائية أخرى تحظى بشعبية كبيرة في علم البيانات ، ويتم استخدامها لاختبار وتحليل الاختلافات بين اثنين أو أكثر من الوسائل من مجموعة البيانات ، ويتم الحصول على اختلافات كبيرة بين الوسائل ، وذلك باستخدام هذا الاختبار .

تحليل التباين المشترك

هذا ليس سوى تطور في طريقة تحليل التباين ، ويتضمن إدراج تباين مستمر في العمليات الحسابية ، والتباين المشترك هو متغير مستقل ومستمر ، ويستخدم كمتغيرات الانحدار ، وتستخدم هذه الطريقة على نطاق واسع في النمذجة الإحصائية ، من أجل دراسة الاختلافات الموجودة بين متوسط قيم المتغيرات التابعة .

الدلالة الاحصائية ( اختبار T )

إنه اختبار بسيط نسبيًا في الإحصاءات الاستنتاجية ، ويستخدم هذا لمقارنة وسائل مجموعتين وفهم ما إذا كانت مختلفة عن بعضها البعض ، وترتيب الاختلاف ، أو مدى أهمية الاختلافات التي يمكن الحصول عليها من هذا .

تحليل الارتباط

هذا الاختبار مفيد للغاية ، ويستخدم لفهم مدى اعتماد اثنين من المتغيرات على بعضها البعض ، ويمكن الحصول على قوة أي علاقة ، إن وجدت ، بين المتغيرين من هذا التحليل ، وستكون قادرًا على فهم ما إذا كانت المتغيرات لها علاقة قوية أو ضعيفة ، ويمكن أن يكون الارتباط سالبًا أو موجبًا ، وفقًا للمتغيرات ، وتعني العلاقة السالبة أن قيمة المتغير الواحد تنخفض بينما تزيد قيمة المتغير الآخر ، ويعني الارتباط الإيجابي أن قيمة كلا المتغيرين تنخفض أو تزيد في وقت واحد . [3]

الفرق بين الاحصاءات الوصفية والاحصاءات الاستنتاجية

على الرغم من أن الإحصاءات الوصفية مفيدة في تعلم العديد من الأشياء مثل انتشار البيانات ومركزها ، لا يمكن استخدام أي شيء في الإحصائيات الوصفية لإجراء أي تعميمات ، وفي الإحصائيات الوصفية ، تظهر القياسات مثل المتوسط ، والانحراف المعياري كأرقام دقيقة .

على الرغم من أن الإحصاءات الاستدلالية تستخدم بعض العمليات الحسابية المماثلة ، مثل المتوسط والانحراف المعياري ، وتبدأ الإحصاءات الاستدلالية بعينة ثم تعميمها على مجموعة سكانية ، ولم يتم ذكر هذه المعلومات حول السكان كرقم ، وبدلاً من ذلك يعبر العلماء عن هذه المعلمات كمجموعة من الأرقام المحتملة ، على درجة من الثقة . [4]