Τι είναι τα μέτρα περιγραφικής στατιστικής;

Η περιγραφική στατιστική αποτελεί το πρώτο και σημαντικότερο στάδιο κάθε ανάλυσης δεδομένων. Πριν ο ερευνητής προχωρήσει στον έλεγχο υποθέσεων, στη διερεύνηση συσχετίσεων ή στην ανάπτυξη μοντέλων παλινδρόμησης, είναι απαραίτητο να αποκτήσει μια σαφή εικόνα των δεδομένων που έχει συλλέξει. Η διαδικασία αυτή πραγματοποιείται μέσω των μέτρων περιγραφικής στατιστικής, τα οποία συνοψίζουν μεγάλο όγκο πληροφοριών σε εύκολα κατανοητούς αριθμητικούς δείκτες.

Τα μέτρα αυτά επιτρέπουν την περιγραφή της κεντρικής τάσης, της διασποράς, της συμμετρίας και της συνολικής μορφής της κατανομής των δεδομένων. Παράλληλα, βοηθούν στον εντοπισμό πιθανών ακραίων τιμών, στην αξιολόγηση της ποιότητας των δεδομένων και στην επιλογή των κατάλληλων στατιστικών μεθόδων που θα εφαρμοστούν στη συνέχεια.

Η σημασία τους εκτείνεται σε όλους τους επιστημονικούς κλάδους, από την ιατρική και την επιδημιολογία μέχρι τις κοινωνικές επιστήμες, την εκπαίδευση, την ψυχολογία, τα οικονομικά και τη μηχανική.

Γιατί είναι απαραίτητη η περιγραφική στατιστική;

Η περιγραφική στατιστική δεν αποτελεί απλώς μια τυπική παρουσίαση αποτελεσμάτων. Αντιθέτως, επιτρέπει στον ερευνητή να κατανοήσει τη δομή των δεδομένων του πριν λάβει οποιαδήποτε ερευνητική απόφαση. Μέσα από αυτήν μπορεί να διαπιστώσει αν οι μεταβλητές παρουσιάζουν μεγάλη ή μικρή μεταβλητότητα, αν υπάρχουν ακραίες παρατηρήσεις, αν η κατανομή είναι συμμετρική ή ασύμμετρη και κατά πόσο οι τιμές συγκεντρώνονται γύρω από ένα συγκεκριμένο σημείο.

Η σωστή περιγραφική ανάλυση συμβάλλει επίσης στην επιλογή των κατάλληλων στατιστικών ελέγχων, καθώς πολλές μέθοδοι προϋποθέτουν συγκεκριμένα χαρακτηριστικά των δεδομένων, όπως η κανονικότητα της κατανομής ή η ομοιογένεια της διακύμανσης.

Μέτρα κεντρικής τάσης

Τα μέτρα κεντρικής τάσης περιγράφουν την τιμή γύρω από την οποία συγκεντρώνεται το μεγαλύτερο μέρος των παρατηρήσεων.

Ο μέσος όρος (Mean) αποτελεί το πιο διαδεδομένο μέτρο. Υπολογίζεται ως το άθροισμα όλων των τιμών διαιρεμένο με το πλήθος των παρατηρήσεων και αξιοποιεί όλες τις διαθέσιμες πληροφορίες του δείγματος. Για τον λόγο αυτό θεωρείται ιδιαίτερα αντιπροσωπευτικός όταν τα δεδομένα ακολουθούν συμμετρική κατανομή. Ωστόσο, επηρεάζεται σημαντικά από ακραίες τιμές.

Η διάμεσος (Median) αντιστοιχεί στη μεσαία παρατήρηση ενός ταξινομημένου συνόλου δεδομένων. Το βασικό της πλεονέκτημα είναι ότι παραμένει σταθερή ακόμη και όταν υπάρχουν πολύ μεγάλες ή πολύ μικρές τιμές. Για τον λόγο αυτό χρησιμοποιείται συχνά σε εισοδήματα, χρόνους νοσηλείας και άλλες μεταβλητές που παρουσιάζουν ασυμμετρία.

Η επικρατούσα τιμή (Mode) είναι η συχνότερα εμφανιζόμενη τιμή ή κατηγορία. Χρησιμοποιείται ιδιαίτερα σε ποιοτικές μεταβλητές, όπου ο μέσος όρος δεν έχει πρακτική σημασία.

Μέτρα διασποράς

Η γνώση μόνο της μέσης τιμής δεν είναι αρκετή για την περιγραφή ενός συνόλου δεδομένων. Δύο διαφορετικά δείγματα μπορεί να έχουν ακριβώς τον ίδιο μέσο όρο αλλά εντελώς διαφορετική μεταβλητότητα.

Το εύρος (Range) υπολογίζεται ως η διαφορά μεταξύ της μέγιστης και της ελάχιστης τιμής. Παρότι είναι εύκολο στον υπολογισμό, επηρεάζεται έντονα από τις ακραίες παρατηρήσεις.

Η διακύμανση (Variance) εκφράζει τη μέση τετραγωνική απόσταση των παρατηρήσεων από τον μέσο όρο. Αν και αποτελεί θεμελιώδες στατιστικό μέγεθος, η ερμηνεία της δεν είναι πάντα άμεση λόγω των τετραγωνικών μονάδων μέτρησης.

Η τυπική απόκλιση (Standard Deviation) είναι η τετραγωνική ρίζα της διακύμανσης και αποτελεί το σημαντικότερο μέτρο διασποράς. Όσο μεγαλύτερη είναι η τιμή της, τόσο περισσότερο διαφέρουν οι παρατηρήσεις μεταξύ τους.

Το ενδοτεταρτημοριακό εύρος (Interquartile Range – IQR) εκφράζει τη διαφορά μεταξύ του τρίτου και του πρώτου τεταρτημορίου και χρησιμοποιείται ιδιαίτερα όταν υπάρχουν ακραίες τιμές ή μη κανονικές κατανομές.

Μέτρα σχετικής θέσης

Τα τεταρτημόρια, τα δεκατημόρια και τα εκατοστημόρια χρησιμοποιούνται για να προσδιορίσουν τη θέση μιας παρατήρησης μέσα στην κατανομή των δεδομένων.

Τα τεταρτημόρια χωρίζουν τα δεδομένα σε τέσσερα ίσα μέρη, ενώ τα εκατοστημόρια σε εκατό. Οι δείκτες αυτοί χρησιμοποιούνται ευρέως σε ψυχομετρικές δοκιμασίες, εκπαιδευτικές αξιολογήσεις, κλινικές μελέτες και αναπτυξιακές καμπύλες, όπου ενδιαφέρει η σχετική θέση ενός ατόμου σε σχέση με τον υπόλοιπο πληθυσμό.

Μέτρα ασυμμετρίας

Η ασυμμετρία περιγράφει κατά πόσο η κατανομή αποκλίνει από τη συμμετρία.

Σε μια συμμετρική κατανομή, ο μέσος όρος, η διάμεσος και η επικρατούσα τιμή βρίσκονται περίπου στο ίδιο σημείο. Αντίθετα, στις θετικά ασύμμετρες κατανομές οι περισσότερες παρατηρήσεις συγκεντρώνονται στις μικρότερες τιμές, ενώ η ουρά εκτείνεται προς τα δεξιά. Στις αρνητικά ασύμμετρες κατανομές συμβαίνει το αντίθετο.

Η αξιολόγηση της ασυμμετρίας βοηθά τον ερευνητή να επιλέξει κατάλληλες στατιστικές μεθόδους και να διαπιστώσει εάν απαιτούνται μετασχηματισμοί των δεδομένων.

Μέτρα κυρτότητας

Η κυρτότητα (Kurtosis) περιγράφει τον βαθμό συγκέντρωσης των παρατηρήσεων γύρω από το κέντρο της κατανομής και το πάχος των ουρών της.

Υψηλή κυρτότητα υποδηλώνει μεγαλύτερη συγκέντρωση τιμών κοντά στον μέσο όρο αλλά και αυξημένη πιθανότητα εμφάνισης ακραίων παρατηρήσεων. Αντίθετα, χαμηλή κυρτότητα υποδηλώνει πιο επίπεδη κατανομή και μεγαλύτερη διασπορά των δεδομένων.

Η εκτίμηση της κυρτότητας αποτελεί σημαντικό στοιχείο κατά τον έλεγχο της κανονικότητας των δεδομένων.

Συντελεστής μεταβλητότητας

Ο συντελεστής μεταβλητότητας (Coefficient of Variation) εκφράζει την τυπική απόκλιση ως ποσοστό του μέσου όρου και επιτρέπει τη σύγκριση της μεταβλητότητας μεταξύ διαφορετικών μεταβλητών ή ομάδων που έχουν διαφορετικές μονάδες μέτρησης.

Χρησιμοποιείται ευρέως στη βιοστατιστική, στη βιομηχανία, στην οικονομία και στις περιβαλλοντικές μετρήσεις, όπου απαιτείται σύγκριση της σχετικής διακύμανσης διαφορετικών δεικτών.

Πώς παρουσιάζονται τα μέτρα περιγραφικής στατιστικής;

Η παρουσίαση των αποτελεσμάτων πραγματοποιείται συνήθως με συνδυασμό πινάκων και γραφημάτων. Οι πίνακες συνοψίζουν τους βασικούς αριθμητικούς δείκτες, ενώ τα ιστογράμματα, τα θηκογράμματα (boxplots), τα διαγράμματα πυκνότητας και τα ραβδογράμματα βοηθούν στην οπτική κατανόηση της κατανομής των δεδομένων.

Η ταυτόχρονη χρήση αριθμητικών και γραφικών παρουσιάσεων προσφέρει πληρέστερη εικόνα και διευκολύνει την ερμηνεία των αποτελεσμάτων.

Συμπέρασμα

Τα μέτρα περιγραφικής στατιστικής αποτελούν το θεμέλιο κάθε επιστημονικής ανάλυσης. Μέσα από την περιγραφή της κεντρικής τάσης, της διασποράς, της ασυμμετρίας και της σχετικής θέσης των παρατηρήσεων, ο ερευνητής αποκτά ουσιαστική γνώση για τα δεδομένα του πριν προχωρήσει σε πιο σύνθετες αναλύσεις. Η σωστή χρήση και ερμηνεία των δεικτών αυτών οδηγεί σε πιο αξιόπιστα συμπεράσματα, καλύτερη κατανόηση των αποτελεσμάτων και υψηλότερη ποιότητα στην επιστημονική έρευνα.