다음은 분석 데이터가 포함 된 내용의 분석입니다.
* 조직 : 종종 테이블, 그래프 또는 차트를 사용하여 데이터를 의미있는 방식으로 배열합니다.
* 패턴 식별 : 데이터 내에서 트렌드, 관계 또는 이상을 찾고 있습니다.
* 통계 계산 : 통계 도구를 사용하여 관찰 된 패턴이 통계적으로 유의한지 확인합니다.
* 예측과 비교 : 데이터가 가설에 의한 예측과 얼마나 잘 일치하는지 평가합니다.
* 도면 결론 : 분석을 바탕으로 가설이 뒷받침되는지 결정하는지 결정합니다.
예 :
식물이 그늘보다 햇빛에서 더 빨리 자라는 가설을 테스트하고 있다고 가정 해 봅시다. 당신은 :
1. 실험을 설계하십시오 햇빛과 그늘에 식물이 있습니다.
2. 데이터 수집 시간이 지남에 따라 식물 성장에.
3. 데이터 분석 그래프에 각 플랜트 그룹의 성장을 플로팅함으로써.
4. 패턴을 식별 데이터에서 (예 :햇빛의 식물은 더 빠르게 증가했습니다).
5. 통계 계산 성장의 차이가 통계적으로 유의한지 확인하기 위해.
6. 결론 데이터가 귀하의 가설을 뒷받침하는지 여부에 대해.
데이터 분석은 과학적 방법의 필수 단계입니다.
* 가설을 객관적으로 평가하십시오.
* 추가 연구를위한 영역을 식별하십시오.
* 당신의 발견을 다른 사람들에게 전달하십시오.
데이터 분석은 단지 답변을 찾는 것이 아닙니다. 또한 새로운 질문을하고 향후 연구를 안내하기 위해 새로운 가설을 생성하는 것입니다.
