Back to the topics list

paghawak ng data

Pangangasiwa ng Data sa Istatistika

Kasama sa pangangasiwa ng data sa mga istatistika ang pagkolekta, pagsusuri, pagbibigay-kahulugan, at paglalahad ng data. Ang prosesong ito ay nagbibigay-daan sa amin na maunawaan ang mga uso, pattern, at relasyon sa loob ng data, na nagpapadali sa paggawa ng desisyon at pagtataya.

1. Pangongolekta ng Datos

Ang pangongolekta ng data ay ang unang hakbang sa paghawak ng data. Pangunahing mayroong dalawang uri ng data:

• Qualitative data: Naglalarawan ng mga katangian o katangian. Ito ay hindi numeric. Halimbawa, mga kulay, pangalan, label.
• Dami ng data: Kumakatawan sa mga dami at may mga numerong halaga. Halimbawa, taas, timbang, at edad.

Kasama sa mga paraan para sa pangongolekta ng data ang mga survey, eksperimento, obserbasyon, at paggamit ng mga kasalukuyang pinagmumulan ng data gaya ng mga database at ulat.

2. Pag-aayos ng Datos

Kapag nakolekta ang data, kailangan itong ayusin. Ito ay maaaring may kasamang:

• Pag-uuri: Pag-aayos ng data sa isang makabuluhang pagkakasunud-sunod (hal., mula sa pinakamaliit hanggang sa pinakamalaking halaga).
• Pag-uuri: Pagpapangkat ng data batay sa ilang partikular na katangian.

Maaaring ipakita ang data gamit ang mga talahanayan, chart, at graph, tulad ng mga bar chart, histogram, at pie chart, na ginagawang mas madaling maunawaan at suriin.

3. Pagsusuri ng Datos

Kasama sa pagsusuri ng data ang paggamit ng mga istatistikal na pamamaraan upang bigyang-kahulugan ang data at makahanap ng mga makabuluhang pattern o relasyon. Kabilang dito ang:

• Descriptive Statistics: Nagbubuod ng data gamit ang mga sukat tulad ng mean, median, mode, at standard deviation. Halimbawa, ang ibig sabihin ay matatagpuan sa pamamagitan ng pagbubuod ng lahat ng mga halaga at paghahati sa bilang ng mga halaga: \(\textrm{ibig sabihin} = \frac{\sum \textrm{mga halaga}}{\textrm{bilang ng mga halaga}}\)
• Inferential Statistics: Gumagawa ng mga hula o hinuha tungkol sa isang populasyon batay sa isang sample. Kabilang dito ang pagsusuri ng hypothesis at mga agwat ng kumpiyansa.

4. Paglalahad ng Datos

Ang huling hakbang sa paghawak ng data ay ang paglalahad ng mga natuklasan. Ito ay maaaring sa pamamagitan ng mga detalyadong ulat, visualization tulad ng mga graph at chart, o pagbubuod ng mga natuklasan sa malinaw, naiintindihan na mga termino. Ang mabisang presentasyon ay nakakatulong sa pakikipag-usap ng mga insight na nakuha mula sa data sa iba.

Halimbawa: Pagsusuri ng mga Marka sa Silid-aralan

Isaalang-alang natin ang isang halimbawa kung saan kinokolekta ng isang guro ang mga huling marka ng mga mag-aaral sa isang klase at nagpasyang suriin ang data na ito upang maunawaan ang pangkalahatang pagganap at tukuyin ang mga lugar para sa pagpapabuti.

• Kinokolekta ng guro ang mga marka at inaayos ang mga ito sa pataas na pagkakasunod-sunod upang pag-aralan ang pamamahagi.
• Kinakalkula nila ang mean (average), median (middle value), at mode (pinaka madalas na value) para maunawaan ang pangkalahatang performance.
• Upang galugarin ang pagkakaiba-iba, kinakalkula ng guro ang saklaw at karaniwang paglihis, na nagbibigay ng mga insight sa kung paano nagkakalat ang mga marka.
• Panghuli, ipapakita ng guro ang pagsusuring ito sa isang pulong ng magulang-guro, gamit ang mga tsart at simpleng wika upang maunawaan ang data.

5. Eksperimento: Pag-unawa sa Distribusyon ng Data

Maaaring magsagawa ng eksperimento upang mas maunawaan ang pamamahagi ng data. Kolektahin ang taas ng 30 indibidwal at i-plot ang mga ito sa isang histogram. Makakatulong ito na makita kung paano ibinabahagi ang mga taas sa pangkat, na nagsasaad kung ang distribusyon ay normal, skewed, o uniporme. Kinakalkula ang mean, median, at mode ng mga karagdagang insight sa gitna at pagkalat ng data.

Konklusyon

Ang pangangasiwa ng data sa mga istatistika ay mahalaga para magkaroon ng kahulugan sa nakolektang data. Sa pamamagitan ng pag-aayos, pagsusuri, at pagpapakita ng data nang mabisa, maaari tayong tumuklas ng mahahalagang insight at makagawa ng matalinong mga desisyon. Sa edukasyon man, pananaliksik, o negosyo, ang pag-master ng mga pangunahing kaalaman sa pangangasiwa ng data ay isang mahalagang kasanayan sa mundong hinihimok ng data ngayon.