Parameter

Parameter dianggap penting di semua bidang, ini merupakan indikasi yang ditandai dengan baik untuk mengevaluasi atau mengevaluasi situasi tertentu . Misalnya, dari parameter, keadaan tertentu dapat dipahami atau ditempatkan dalam perspektif untuk pemahaman atau klasifikasi. Di bidang atau cabang pemrograman komputer, penggunaan istilah ini (parameter) adalah; Diperluas luas dan digunakan untuk merujuk ke properti intrinsik dari suatu prosedur.

Parameter

Definisi parameter bisa sedikit rumit, karena merupakan sepotong informasi yang dianggap sebagai pedoman dan penting karena digunakan untuk melakukan evaluasi, evaluasi, dan bahkan kesimpulan dari situasi tertentu. Dari referensi ini bahwa hal-hal yang sedang diselidiki dapat dipahami dari perspektif tertentu. Contoh definisi parameter adalah sebagai berikut: "Investigasi sedang dilakukan, namun, tidak ada parameter khusus yang memungkinkan kami untuk mengklarifikasi fakta". Dengan ini jelas bahwa tanpa faktor itu, tidak ada konflik yang bisa diselesaikan.

Apa itu parameter statistik

Pada bagian sebelumnya kita berbicara sedikit tentang apa parameter itu dan bagaimana kata itu dapat dimasukkan dalam percakapan reguler, sekarang saatnya untuk menyebutkan segala sesuatu yang berkaitan dengan parameter statistik dan apa perbedaan dalam arti dari parameter yang disebutkan sebelumnya. Ketika datang ke statistik, referensi ini mengacu pada angka yang berhasil meringkas sejumlah besar data yang diperoleh dari variabel statistik yang dihitung. Untuk menghitung angka ini, rumus aritmatika diperlukan, yang terakhir diperoleh dengan menghitung data populasi yang diteliti.

Tujuan penting dari statistik adalah untuk mengembangkan model yang realistis, karena itu, data statistik menjadi konsekuensi yang tidak dapat dihindari. Parameter dalam matematika dan cabang mana pun sangat penting untuk menjaga ketertiban dalam data yang diperoleh dari setiap perhitungan, terlebih lagi jika referensi tersebut adalah hasil studi dari komunitas tertentu. Mempertimbangkan hal ini, faktor ini, selain memberikan gagasan umum tentang populasi global, memungkinkan analisis komparatif untuk membuat perkiraan berbeda dari model realitas yang dimaksudkan untuk dibuat .

Sekarang, seperti semua ilmu pengetahuan, studi atau perhitungan, data ini membutuhkan serangkaian aturan agar berfungsi dengan baik dan tidak bingung dengan analisis matematika lainnya. Tanpa aturan ini, seluruh perhitungan yang diperoleh akan sepenuhnya salah dan satu tidak akan dihadapkan dengan parameter statistik.

Aturan parameter statistik

Setiap referensi numerik harus memiliki aturan tertentu untuk dapat diterapkan, salah satunya adalah bahwa ia tidak memerlukan ambiguitas untuk perhitungannya, hanya perlu rumus aritmatika yang baik untuk mencapainya. Tidak ada pengamatan penting dari penelitian ini yang harus diabaikan, yaitu data memiliki karakter yang sangat umum dan semuanya penting. Dapat diartikan, perhitungannya dapat dengan mudah dimanipulasi dengan aljabar dan, akhirnya, data dapat menjadi peka terhadap fluktuasi sampel, ini berarti bahwa sampel statistik dapat bervariasi dan bahwa mereka memiliki pengaruh pada parameter .

Jenis parameter statistik

Sama seperti data ini ada, ada juga tipe mereka dan cara yang benar untuk mengidentifikasi dan menerapkannya, yang pertama adalah parameter posisi, yang bertanggung jawab untuk mengidentifikasi nilai total di mana data yang akan dihitung dikelompokkan, yaitu, temukan nilai yang dipesan dan wakili. Jenis referensi ini dibagi menjadi dua aspek: ukuran kecenderungan sentral dan ukuran kecenderungan non-sentral, poin akan dijelaskan nanti. Tidak seperti apa yang dijelaskan pada bagian sebelumnya, data ini tidak harus bertepatan dengan hasil variabel.

Juga tidak dapat digunakan dengan karakter generik untuk membuat prediksi. Penggunaan parameter yang berbeda tergantung pada subjek . Aspek kedua adalah dispersi . Ini memperhitungkan sejauh mana semua data yang diperoleh dikelompokkan di sekitar nilai sentral dari perhitungan . Aspek ini diklasifikasikan menjadi dua aspek lagi, dispersi absolut dan dispersi relatif.Pertama, perusahaan membutuhkan data pengaturan dan tidak mencakup perbandingan antara sampel yang diperoleh. Dalam yang kedua, kita berbicara tentang pengukuran tanpa dimensi dan di dalamnya jika perbandingan dapat dilakukan.

Parameter

Akhirnya ada bentuknya . Data disimpan atau dikelompokkan berdasarkan nilai pusat, ini menciptakan konsekuensi langsung: Variabel acak yang disajikan terus menerus. Variabel-variabel ini menciptakan kembali sebuah gambar, kali ini, mereka adalah histogram berbentuk lonceng dari Gauss, yang dikenal sebagai model matematika yang termasuk dalam distribusi normal. Apa yang ingin Anda capai dengan penjelasan ini? Bahwa indikasi bentuk tidak lebih dari referensi umum dari grafik, menunjukkan distribusi yang benar. Ini pada gilirannya dibagi lagi menjadi koefisien kurtosis dan asimetri.

Koefisien kurtosis, juga dikenal sebagai menunjuk, berusaha menemukan ukuran bagaimana pengulangan relatif data didistribusikan antara ekstrem dan pusat. Lonceng Gauss adalah bagian dari titik perbandingan antara semua referensi yang ditemukan. Kurtosis memiliki 3 kategori yang sangat penting, ini adalah distribusi mesocurtic, juga dikenal sebagai bertujuan normal, distribusi leptokurtik, diwakili oleh tujuan positif dan, akhirnya, distribusi platicurtic, yang mengacu pada tujuan negatif. Bersama-sama mereka memahami kurtosis sebagai karakteristik dari parameter bentuk.

Koefisien asimetri didasarkan pada memungkinkan penemuan data dan jika mereka dipesan secara simetris sesuai dengan nilai pusatnya, yang umumnya merupakan ukuran asimetris. Untuk mengetahui tingkat asimetri data ini, perhitungan koefisien asimetri sangat penting. Data yang diberikan adalah simetris sesuai dengan rata-rata, namun, jumlah semua kubus penyimpangan menurut rata-rata yang sama harus nol. Jika kemiringan positif dicari, berarti harus di sebelah kanan median.

Kemudian, secara grafik, histogram dengan bentuk L dan terminasi langsung ke kanan akan diperoleh. Akhirnya, untuk mendapatkan asimetri negatif, rerata harus lebih rendah dari median dan histogram yang konklusif akan berbentuk J dengan ujung ke kiri.

Contoh parameter statistik

Jika beberapa sampel diambil dari komunitas yang terdistribusi sempurna, rata-rata tes tersebut adalah statistik langsung. Nilai yang diwakili sampel ini adalah perkiraan rata-rata populasi tersebut, ini disebut parameter populasi . Jika sampel lain diambil, nilai itu akan berubah secara acak dan distribusi probabilitasnya akan didasarkan pada tes yang dimaksud. Distribusi ini akan mewakili semua data yang diperoleh dan jika komunitas utama normal, distribusi sampel itu juga harus normal. Setiap langkah dilengkapi dengan langkah selanjutnya.

Elemen parameter statistik

Sama seperti data ini memiliki aturan dan jenis, mereka juga memiliki serangkaian elemen penting untuk mendapatkan nilai-nilai tertentu untuk populasi tertentu, elemen-elemen ini didistribusikan rata-rata, mode dan median, ketiganya adalah bagian dari ukuran kecenderungan pusat. Namun, ada juga ukuran kecenderungan non-sentral yang terdiri dari kuartil, desil dan persentil. Untuk mencakup semua konten ini, masing-masing elemen dirinci, sehingga segala sesuatu yang terkait dengannya dapat dipahami sepenuhnya.

Rata-rata

Ini adalah rata - rata aritmatika dan dikenal cukup luas, ia memiliki serangkaian sifat atau elemen, ini disebut kesederhanaan perhitungannya karena intervensi dari semua data, itu ditafsirkan sebagai pusat massa atau basis saldo set data yang diberikan sedang dihitung. Itu juga berhasil meminimalkan penyimpangan kuadrat dari referensi dan rentan terhadap perubahan dalam skala dan asal. Itu juga rentan ketika nilai-nilai variabel sangat ekstrim.

Mode

Ini adalah referensi yang cukup berulang dan nilai variabelnya memiliki frekuensi absolut, itulah sebabnya ia memiliki nama yang modis, karena dalam dirinya sendiri, itu adalah yang paling dipakai. Menghitung mode sangat mudah, karena hanya perlu menghitung untuk menemukan data yang sesuai. Sifat - sifat mode adalah interpretasi dan perhitungan sederhana, itu tergantung pada frekuensi dan berkat itu dapat menghitung variabel kualitatif, meskipun ada data yang lebih besar, nilainya independen, yang membuat mode rentan terhadap variasi sampel.

Median

Anda berada di depan median ketika setidaknya setengah dari data yang diperoleh memiliki nilai variabel jauh di bawah diri mereka sendiri, hanya ketika nilai disimpan dalam urutan dari paling tidak ke terbesar. Salah satu contoh parameter statistik adalah perhitungan median keluarga, metodenya sederhana, hanya nilai pusat yang harus ditempatkan. Kualitas atau sifat median merujuk pada pengaruh hampir nol oleh dispersi dan tidak adanya kerentanan rata-rata untuk menyajikan osilasi yang dimotivasi oleh nilai-nilai variabelnya.

Pengukuran posisi non-sentral

Ini tidak lebih dari nilai yang terletak jauh di bawah satu sama lain dalam jumlah data tertentu. Ini adalah poin yang lebih umum dari konsep median yang telah disediakan sebelumnya, karena ini hanya menyisakan di bawah 50% dari distribusi data, sedangkan kuantil melakukannya dengan persentase berapa pun. Untuk membedakan kuartil, desil dan persentil, bagian-bagian di mana mereka dibagi diperhitungkan. Kuartil dibagi menjadi 4 bagian, desil dalam 10 dan persentil dalam seratus.

Penerapan parameter

Parameter dapat diterapkan di area yang berbeda, baik secara numerik atau hanya dengan menggunakan kata dalam percakapan reguler. Bagian ini akan menyebutkan beberapa area di mana parameter digunakan, seperti apa aplikasi mereka dan bagaimana mengidentifikasi apakah Anda berurusan dengan sinonim untuk parameter atau tidak. Harus diingat bahwa, menurut cabang atau ilmu yang disebut, data ini dapat dipanggil dengan cara yang berbeda.

Parameter komputer

Ketika datang ke komputasi, data ini dikenal sebagai argumen dan merupakan variabel yang digunakan untuk menerima nilai input dari rutin, metode atau subrutin yang diberikan. Rutinitas pemanggilan akan menjadi metode pengiriman nilai-nilai ini. Subrutin, di sisi lain, mengambil semua nilai yang telah ditetapkan untuk data Anda untuk mengubah perilakunya saat runtime.

Parameter jaringan

Inilah yang dikenal sebagai jarak permanen antara sel-sel satuan menurut struktur kristalnya. Jaringan memiliki 3 parameter, yang direpresentasikan dalam a, b dan c, tetapi ada elemen khusus dalam jaringan kubik dan itu adalah untuk mereka, semua data tentu sama, oleh karena itu, cara yang benar untuk merujuk kepada mereka adalah dengan a. Sedangkan untuk kisi kristal heksagonal, data a dan b dianggap identik, dalam hal ini, hanya a dan c yang diperhitungkan.

Parameter populasi

Ini hanya nilai kebenaran dari rata-rata populasi tertentu . Ketika karakteristik dominan dari populasi ini tidak diketahui, nilai-nilai dapat dihitung dengan menggunakan sampel .

Dalam semua bidang ini ada beberapa jenis sinonim dari parameter untuk menemukan atau mengidentifikasi mereka sebagaimana halnya, misalnya, data, referensi, indikator, ukuran atau faktor.

Direkomendasikan

Empresa sociedad de responsabilidad limitada
2020
Asli
2020
Ambiguitas
2020