Parameter vs Statistic
Pag-isipan ang mga tanong na ito; ano ang average na kita ng isang tao sa iyong bansa, ano ang average na taas ng kababaihan sa mundo, at ano ang average na bigat ng mga itlog na ginawa ng ilang mga lahi ng manok? Imposibleng gumawa ng isang survey na kinabibilangan ng lahat ng mga paksa ng interes. Sa unang kaso, ito ay ang lahat ng mga tao sa iyong bansa, sa pangalawa, ang lahat ng mga kababaihan sa iyong mundo, at sa pangatlo, ang lahat ng mga itlog na ginawa ng lahi ng ibon. Ang mas malaking set na ito na naglalaman ng lahat ng elemento ay kilala bilang populasyon sa statistics lingo.
Gayunpaman, sa pamamagitan ng pagpili ng limitadong bilang ng mga elemento mula sa populasyon sa paraang kinakatawan nito ang lahat ng iba pa, maaari nating mahihinuha ang mga katangian ng populasyon sa pamamagitan ng pagsusuri sa subset. Ang subset na ito ng populasyon ay kilala bilang sample. Ang mga sukat ng mapaglarawang istatistika ay ginagamit upang ibuod at ipaliwanag ang mga pangunahing katangian ng populasyon.
Higit pa tungkol sa Parameter
Ang isang mapaglarawang sukat (gaya ng mean, mode, o median) ng isang populasyon ay kilala bilang isang parameter. Ito ay ayon sa bilang na nagpapahayag ng halaga para sa isang katangian sa pamamagitan ng pagbubuod ng magagamit na data. Gaya ng ipinahiwatig kanina, imposibleng isaalang-alang ang mga halaga para sa katangian sa buong populasyon. Samakatuwid, ang sample ay ginagamit upang kalkulahin ang mga sukat at pagkatapos ay ipahiwatig ang mga ito sa populasyon.
Gayunpaman, sa mga pambihirang kaso, gaya ng kumpletong census at standardized test, ang mga parameter ay kinakalkula mula sa populasyon.
Sa classical probability theory, ang isang parameter ay pare-pareho, ngunit may "hindi kilalang halaga," na tinutukoy ng mga pagtatantya batay sa mga sample. Sa modernong probabilidad ng Bayesian, ang mga parameter ay mga random na variable, at ang kanilang kawalan ng katiyakan ay inilalarawan bilang isang pamamahagi.
Higit pa tungkol sa Statistic
Ang istatistika ay isang mapaglarawang sukat ng sample. Hindi tulad ng parameter, ang mga halaga ng sample ay kinakalkula mula sa random na sample na nakuha mula sa populasyon. Sa mas pormal na paraan, ito ay tinukoy bilang isang function ng sample, ngunit hiwalay sa pamamahagi ng sample.
Sa hinuha, ang mga istatistika ay nagsisilbing estimator para sa mga parameter. Ang sample mean, sample variance at standard deviation, quantile gaya ng quartiles at percentiles, at order statistics gaya ng maximum at minimum ay nabibilang lahat sa kategorya ng mga istatistika ng isang sample.
Ang pagiging obserbasyon ng mga istatistika ay isang pangunahing salik na naghihiwalay sa mga istatistika at parameter. Sa isang populasyon, ang parameter ay hindi direktang nakikita, ngunit sa isang sample, ang istatistika ay madaling maobserbahan, kadalasan ay isa o dalawang kalkulasyon ang layo. Bukod pa rito, ang mga istatistika ay may mahahalagang katangian tulad ng pagkakumpleto, kasapatan, pagkakapare-pareho, walang kinikilingan, katatagan, kaginhawaan sa pag-compute, mababang pagkakaiba, at ang mean square error ay isang minimum.
Ano ang pagkakaiba ng Parameter at Statistic?
• Ang parameter ay isang mapaglarawang sukat ng populasyon, at ang mga istatistika ay isang mapaglarawang sukat ng isang sample.
• Ang mga parameter ay hindi direktang kinakalkula, ngunit ang mga istatistika ay kinakalkula at direktang napapansin.
• Ang mga parameter ay hinihinuha (inferred) mula sa mga istatistika at ang mga istatistika ay nagsisilbing estimator para sa parameter ng populasyon. (Ang sample mean (x ̅) ay gumaganap bilang estimator para sa populasyon na mean µ)
• Sa parameter, ang mga value ay hindi kinakailangang katumbas ng mga sample na value, ngunit tinatayang.
