有哪些不同的数据分析技术(Different Data Analysis Techniques)？

数据分析技术使研究人员能够对收集到的数据进行回顾，并从中作出推断或决定。大多数技术侧重于应用定量技术来审查数据。一些比较流行的定量数据分析技术包括描述性统计，探索性数据分析和证实性数据分析。后两种方法涉及...

数据分析技术使研究人员能够对收集到的数据进行回顾，并从中作出推断或决定。大多数技术侧重于应用定量技术来审查数据。一些比较流行的定量数据分析技术包括描述性统计，探索性数据分析和证实性数据分析。后两种方法涉及支持或不支持预先确定的假设。可能使用这些技术的群体包括个人研究人员、学生、企业、政府机构和精算师，以及其他需要信息和数据的各方

一些比较流行的定量数据分析技术包括描述性统计、探索性数据分析和证实性数据分析定量数据分析试图从收集的数据中消除研究者的偏见。大量使用统计数据，概率或其他数学技术允许个体使用标准方法来解释数据。当研究人员试图使用定性数据分析技术（通常基于个人的个人背景、偏好或基本研究和推理原则）时，收集到的数据可能被误读或不正确因此，数学技术不容易受到这些错误的影响，而且往往更容易被其他个人或研究人员所接受

描述性统计，探索性数据分析和证实性数据分析允许研究人员从收集到的数据中做出推论。描述性统计分析将数据分离或汇总到特定的组中。人口统计学是一种常见的方法一套描述性统计。研究人员将收集有关人口年龄、性别、家庭规模、收入等方面的信息，工作类型和其他信息。另一种描述性统计分析是四分卫在足球比赛中完成的百分比。如果四分卫完成了八分之六的传球尝试，他有75%的完成率。这项技术的一个缺陷是统计数据无法提供额外的信息，例如每次扫描的长度。

随着计算机科学在20世纪出现，数据挖掘方法的概念，目的是在收集到的大量数据中寻找隐藏的模式。探索性的数据分析技术通常包括使用方框图、直方图、帕累托图、散点图等图或茎叶图。这项技术的主要目的是支持研究人员提出的假设。例如，研究人员可能希望证明驾驶特定类型汽车（如小型货车）车主年龄范围的假设为了验证和支持这一假设，研究人员将收集信息并创建一个方框图，以确定在其规定范围内的所有者数量。统计数据将提供支持或不支持该假设的信息，并显示收集的数据中有多少异常值验证性数据分析技术与探索性技术是相反的。在这些测试中，研究人员试图反驳无效假设，这是一个大多数人普遍接受为正确的陈述。为了反驳无效假设，研究人员将收集与假设相关的具体信息，并对平均值、方差、p值和置信区间进行检验。通过验证性数据分析证明的置信区间将提供研究人员对原假设是真是假的信心程度

大多数数据分析技术侧重于应用定量技术来审查数据。