A statistician sees group features

A statistician sees group features such as the mean and median as indicators of
stable properties of a variable system—properties that become evident only in the
aggregate. This stability can be thought of as the certainty in situations involving
uncertainty, the signal in noisy processes, or, the descriptor we prefer, central
tendency. Claiming that modern-day statisticians seldom use the term central
tendency, Moore (1990, p. 107) suggests that we abandon the phrase and speak
instead of measures of “center” or “location.” But we use the phrase here to
emphasize conceptual aspects of averages that we fear are often lost, especially to
students, when we talk about averages as if they were simply locations in
distributions.
By central tendency we refer to a stable value that (a) represents the signal in a
variable process and (b) is better approximated as the number of observations
grows.3 The obvious examples of statistics used as indicators of central tendency are
averages such as the mean and median. Processes with central tendencies have two
components: (a) a stable component, which is summarized by the mean, for
example; and (b) a variable component, such as the deviations of individual scores
around an average, which is often summarized by the standard deviation.
It is important to emphasize that measures of center are not the only way to
characterize stable components of noisy processes. Both the shape of a frequency
distribution and global measures of variability, for example, also stabilize as we
collect more data; they, too, give us information about the process. We might refer
to this more general class of characteristics as signatures of a process. We should
point out, however, that all the characteristics that we might look at, including the
shape and variability of a distribution, are close kin to averages. That is, when we
look at the shape of a particular distribution, we do not ordinarily want to know
precisely how the frequency of values changes over the range of the variable.
Rather, we tame the distribution’s “bumpiness.” We might do this informally by
visualizing a smoother underlying curve or formally by computing a best-fit curve.
In either case, we attempt to see what remains when we smooth out the variability.
In a similar manner, when we employ measures such as the standard deviation or
interquartile range, we strive to characterize the average spread of the data in the
sample.

ผลลัพธ์ (ไทย) 1:

Statistician ที่เห็นคุณลักษณะกลุ่มค่าเฉลี่ยและค่ามัธยฐานเป็นตัวบ่งชี้ของคุณสมบัติของตัวแปรระบบมีเสถียรภาพซึ่งคุณสมบัติที่เห็นชัดเจนเฉพาะในรวม ความมั่นคงนี้สามารถคิดเป็นความแน่นอนในสถานการณ์ที่เกี่ยวข้องกับความไม่แน่นอน สัญญาณในกระบวนการคะ หรือ แสดงรายละเอียดที่เราต้องการ เซ็นทรัลแนวโน้มการ อ้างว่า สมัย statisticians ค่อยใช้กลางคำแนวโน้ม มัวร์ (1990, p. 107) แนะนำว่า เราละทิ้งวลี และพูดแทนที่จะวัด "ศูนย์" หรือ "สถาน" แต่เราใช้วลีที่นี่ไปเน้นด้านแนวคิดของค่าเฉลี่ยที่เรากลัวมักหายไป โดยเฉพาะอย่างยิ่งนักศึกษา เมื่อเราพูดถึงค่าเฉลี่ยเป็นถ้าพวกเขาเพียงแค่ตำแหน่งในการกระจายโดยแนวโน้มกลางที่เราหมายถึงค่าคง ที่ (a) แสดงสัญญาณในการกระบวนการแปรและ (b) จะดีกว่าดงเป็นจำนวนการสำรวจมีตัวอย่างที่ชัดเจนของสถิติที่ใช้เป็นตัวบ่งชี้แนวโน้มกลาง grows.3ค่าเฉลี่ยค่าเฉลี่ยและค่ามัธยฐาน กระบวนการกับแนวโน้มกลางมีสองส่วนประกอบ: (a) มีเสถียรภาพส่วนประกอบ ซึ่งสรุป โดยเฉลี่ย สำหรับตัวอย่าง และ (b) ส่วนประกอบตัวแปร เช่นความแตกต่างของคะแนนแต่ละสถานเฉลี่ย ซึ่งมักจะสรุป โดยส่วนเบี่ยงเบนมาตรฐานสิ่งสำคัญคือต้องเน้นว่า มาตรการของศูนย์ไม่วิธีเดียวที่จะลักษณะส่วนประกอบมีความมั่นคงของกระบวนการเสียงดัง รูปร่างทั้งสองของความถี่กระจายและมาตรการสากลความแปรผัน เช่น นอกจากนี้ยังมุ่งเป็นเรารวบรวมข้อมูล พวกเขา เกินไป ให้ข้อมูลเกี่ยวกับกระบวนการ เราอาจอ้างอิงนี้ชั้นทั่วไปลักษณะเป็นลายเซ็นของกระบวนการ เราควรจุด อย่างไรก็ตาม ที่ลักษณะที่เราอาจมองที่ รวมทั้งการรูปร่างและความแปรผันการกระจาย มีญาติใกล้ชิดกับค่าเฉลี่ย นั่นคือ เมื่อเราดูรูปร่างของการกระจายเฉพาะ เราไม่ปกติต้องรู้ชัดเจนว่าความถี่ของค่าเปลี่ยนช่วงของตัวแปรค่อนข้าง เราอุตริการกระจาย "bumpiness" เราอาจทำได้โดยอย่างแสดงผลเป็นเส้นโค้งแบบนุ่มนวล ขึ้นอย่างเป็นกิจจะลักษณะโดยคำนวณเส้นโค้งพอดีดีที่สุดในกรณีอย่างใดอย่างหนึ่ง เราพยายามดูส่วนที่เหลือเมื่อเราเรียบออกแบบสำหรับความผันผวนในลักษณะคล้ายกัน เมื่อเราใช้มาตรการเช่นส่วนเบี่ยงเบนมาตรฐาน หรือช่วง interquartile เราพยายามขยายตัวเฉลี่ยของข้อมูลในลักษณะตัวอย่างการ

ผลลัพธ์ (ไทย) 3:

สถิติเห็นคุณสมบัติของกลุ่ม เช่น ค่าเฉลี่ย ค่ามัธยฐาน และตัวชี้วัดของ
คุณสมบัติที่มั่นคงของระบบตัวแปรคุณสมบัติที่กลายเป็นชัดเจนเฉพาะใน
รวม . ความมั่นคงนี้สามารถคิดเป็นมั่นใจในสถานการณ์ที่เกี่ยวข้องกับ
ความไม่แน่นอน สัญญาณในกระบวนการ เสียงดัง หรือ หัวเรื่องที่เราต้องการกลาง
แนวโน้มโดยอ้างว่าปัจจุบันสถิติไม่ค่อยใช้ในระยะกลาง
แนวโน้มมัวร์ ( 2533 , หน้า 107 ) ชี้ให้เห็นว่าเราทิ้งวลีพูด
แทนมาตรการของ " ศูนย์ " หรือ " สถานที่ " แต่เราใช้วลีนี้

เน้นด้านแนวคิดของค่าเฉลี่ยที่เรากลัวมักหายไป โดยเฉพาะ

นักศึกษา เมื่อเราพูดคุยเกี่ยวกับค่าเฉลี่ยหากพวกเขาเป็นเพียงสถานที่ในการกระจาย

.โดยการวัดแนวโน้มเข้าสู่ส่วนกลางที่เราอ้างถึงเสถียรภาพค่า ( ) หมายถึงสัญญาณใน
ตัวแปรในกระบวนการและ ( ข ) ดีกว่าโดยประมาณเป็นจำนวนค่าสังเกต
เติบโต 3 ชัดเจน ตัวอย่างของเครื่องมือที่ใช้เป็นตัวชี้วัดแนวโน้มเข้าสู่ส่วนกลางเป็น
ค่าเฉลี่ยเช่น ค่าเฉลี่ย ค่ามัธยฐาน กระบวนการที่มีแนวโน้มกลางมีสององค์ประกอบ :
( ) เป็นส่วนประกอบ มีเสถียรภาพ ซึ่งจะสรุป โดยหมายถึงสำหรับ
ตัวอย่าง ; และ ( ข ) ตัวแปรองค์ประกอบ เช่น การเบี่ยงเบนของคะแนนแต่ละ
รอบเฉลี่ย ซึ่งมักสรุปโดยส่วนเบี่ยงเบนมาตรฐาน .
มันเป็นสิ่งสำคัญที่จะเน้นที่มาตรการของศูนย์ไม่ใช่วิธีเดียวที่จะแสดงลักษณะส่วนประกอบของกระบวนการดังเสถียร
. ทั้งในรูปของการแจกแจงความถี่
และมาตรการทั่วโลกแปรปรวน เช่นยังทรงตัว ขณะที่เรา
รวบรวมข้อมูลเพิ่มเติม พวกเขาด้วย เราให้ข้อมูลเกี่ยวกับกระบวนการ เราอาจอ้าง
เรียนนี้ทั่วไปมากขึ้นของลักษณะลายเซ็นของกระบวนการ เราควรจะ
จุดออก แต่ที่ทั้งหมด ลักษณะที่เราอาจจะมอง รวมทั้ง
รูปร่างและการเปลี่ยนแปลงของการกระจายอยู่ใกล้ญาติกับค่าเฉลี่ย นั่นคือ เมื่อเรา
ดูรูปของการกระจายเฉพาะเราไม่เว้นอยากทราบ
แน่นอนวิธีความถี่ของค่าเปลี่ยนแปลงไปตามช่วงของตัวแปร .
แต่เราเชื่อง " กระจาย bumpiness . " เราอาจจะทำกันเองโดย
สร้างภาพต้นแบบเรียบโค้ง หรือ อย่างเป็นทางการ โดยการคำนวณที่ดีที่สุดพอดีกับเส้นโค้ง
ในกรณีใดเราพยายามที่จะเห็นสิ่งที่ยังคงอยู่เมื่อเราเกลี่ยออกความผันแปร .
ในลักษณะคล้ายคลึงกัน เมื่อเราใช้มาตรการ เช่น ค่าส่วนเบี่ยงเบนมาตรฐานหรือ
ค่าพิสัยระหว่างควอไทล์ เรามุ่งมั่นที่จะเป็นลักษณะกระจายเฉลี่ยของข้อมูลใน

ตัวอย่าง