Leíró statisztika

Azonosító: E-001

Bevezetés

A haladó szinten a kereskedő már megtanulta értelmezni a piac viselkedését, a stratégiákat, a piaci rezsimeket, a végrehajtást és a teljesítményt. A szakértői szint következő lépése annak megtanulása, hogyan lehet ezeket a megfigyeléseket strukturált adatokon keresztül mérni.

A statisztika ebben a folyamatban nem azért fontos, mert egy professzionális kereskedőnek matematikussá kell válnia. Azért fontos, mert a kereskedésben rengeteg olyan következtetést teszünk, amelyet valójában csak adatok alapján lehet megfelelően megítélni.

Egyetlen nyerő ügylet nem bizonyít egy stratégiát. Egyetlen veszteség sem cáfolja azt. Egy erős hónap nem feltétlenül jelenti az előny javulását, és egy gyenge hónap sem feltétlenül jelenti annak eltűnését.

A kereskedő ezért nem csupán eredményeket gyűjt. Adatokat gyűjt, rendszerezi őket, majd olyan információvá alakítja azokat, amely már értelmezhető.

A leíró statisztika ennek az első rétege.

Célja nem az, hogy megmondja, mi fog történni a következő ügyletben. Célja az, hogy a lehető legpontosabban leírja, mi történt a megfigyelt adathalmazban.

Ez a szakértői szint egyik alapvető szemléletváltása: az első kérdés már nem az, hogy „mit gondolok erről az eredményről?”, hanem az, hogy „mit mutatnak ténylegesen az adatok?”

1. Mit csinál valójában a leíró statisztika?

A leíró statisztika egy adathalmaz megfigyelhető tulajdonságainak rendszerezésére, összefoglalására és bemutatására szolgál.

Kereskedési környezetben egy adathalmaz lehet például:

egy stratégia 500 lezárt ügylete;

egy adott kereskedési helyzet 120 előfordulása;

egy részvény napi hozamainak sorozata;

egy portfólió napi eredménye;

a végrehajtott ügyletek R-többszörös eredményei;

a nyereségek és veszteségek nagysága;

egy adott piaci rezsim alatt végrehajtott ügyletek.

A nyers megfigyelések egyenként nehezen értelmezhetők. Ha egy kereskedő 300 egymást követő eredményt lát, például +1,2R, -0,8R, +2,1R, -1R, +0,4R és így tovább, abból nem látható azonnal a rendszer egészének viselkedése.

A leíró statisztika ezeket a megfigyeléseket tömöríti értelmezhető formába. Megmutathatja az átlagos eredményt, az eredmények szóródását, a megfigyelt tartományt, a szélsőséges értékek gyakoriságát, az eredmények koncentrációját és az eloszlás alakját.

A határ azonban fontos: a leíró statisztika a rendelkezésre álló mintát írja le. Önmagában nem bizonyítja, hogy a jövőbeli megfigyelések pontosan ugyanígy fognak viselkedni. Ez a különbség később alapvető lesz a statisztikai következtetés, a visszatesztelés és a stratégia validálása során.

2. Sokaság, minta és kereskedési adatok

A statisztikai gondolkodás azzal kezdődik, hogy felismerjük: a kereskedő szinte soha nem rendelkezik a vizsgált jelenség teljes körével.

Tegyük fel, hogy egy kereskedő egy kitörési stratégia teljes jövőbeli viselkedését szeretné ismerni. Elméletben a releváns sokaság tartalmazná a stratégia összes jövőbeli, érvényes előfordulását minden lényeges piaci környezetben. Ezt a sokaságot azonban előre nem ismerhetjük.

A kereskedő ezért mintával dolgozik. Ötszáz történelmi ügylet például egy ilyen mintát alkothat.

A különbség alapvető:

Sokaság: a vizsgált jelenséghez tartozó összes megfigyelés.

Minta: a ténylegesen rendelkezésre álló megfigyelések azon része, amelyet elemezni tudunk.

A kereskedési statisztikák többsége mintán alapul. Ez meghatározza azt is, hogyan fogalmazunk következtetéseket. Ahelyett, hogy azt mondanánk: „A stratégiám ügyletenként +0,32R-t termel”, pontosabb így fogalmazni: „A megfigyelt mintában a stratégia ügyletenként átlagosan +0,32R eredményt ért el.”

A második állítás nem állít többet annál, mint amit az adatok valóban alátámasztanak.

3. Változók és megfigyelések

A kereskedési adatok könnyebben értelmezhetők, ha megfigyelések és változók rendszerében tekintünk rájuk. Egy ügylet lehet egy megfigyelés, az ügylet tulajdonságai pedig változók.

Egy kereskedési adathalmaz például a következő mezőket tartalmazhatja:

Ügyletazonosító

Belépési ár

Kilépési ár

R-többszörös

Tartási idő

Maximális kedvező elmozdulás

Maximális kedvezőtlen elmozdulás

Piaci rezsim

Kereskedési helyzet típusa

Pozícióméret

Ügyletenkénti kockázat

Egyetlen ügylet tehát több dimenzióban is leírható. Szakértői szinten ez különösen fontos, mert egy stratégia teljesítménye ritkán írható le megfelelően egyetlen számmal.

Két stratégia átlagos eredménye egyaránt lehet +0,30R. Az egyiknél az eredmények szűken csoportosulhatnak a középpont körül. A másiknál néhány nagyon nagy nyerő ügylet adhatja a teljes pozitív eredmény jelentős részét, miközben az ügyletek többsége veszteséges vagy közel nullás.

Az átlag azonos lehet, miközben a mögöttes szerkezet teljesen eltér. A leíró statisztika ezért nem egyetlen kedvelt mutató keresését jelenti, hanem az adathalmaz több nézőpontból történő leírását.

4. Középpont, szóródás és alak

Egy adathalmaz három tulajdonsága különösen fontos: a középpont, a szóródás és az alak.

Középpont: hol helyezkednek el az adatok?

Szóródás: mennyire térnek el egymástól a megfigyelések?

Alak: hogyan oszlanak el az értékek?

A középpontot leíró mutatók azt jelzik, hol helyezkednek el tipikusan az eredmények. Az átlag és a medián két fontos példa; ezekkel az E-002 részletesen foglalkozik.

A szóródás azt mutatja meg, mennyire különböznek egymástól az egyes megfigyelések. Két stratégia átlagos hozama azonos lehet, miközben az egyik eredményei szűk tartományban mozognak, a másikéi pedig szélsőségesen.

Az alak az eloszlás szerkezetét írja le. Közel szimmetrikus-e? Van-e hosszú jobb vagy bal oldali farka? Vannak-e szélsőséges értékek? Egyetlen koncentrációs terület látható vagy több?

A kereskedésben ez kritikus, mert azonos átlagok mögött teljesen eltérő kockázati, pszichológiai és végrehajtási profil állhat.

5. Az átlag összefoglaló, nem teljes leírás

A számtani átlag az egyik legegyszerűbb összefoglaló statisztika. Ha n darab megfigyelésünk van, x₁, x₂, …, xₙ, akkor:

x̄ = (x₁ + x₂ + … + xₙ) / n

Vegyünk öt ügyletet:

+2R

+1R

-1R

-1R

+4R

Az összesített eredmény +5R, ezért a számtani átlag ügyletenként +1R.

Ez hasznos szám, de nem mutatja meg, hogyan jött létre az eredmény. Nem látjuk belőle a veszteségek szóródását, azt, hogy néhány extrém nyerő dominálta-e az eredményt, hány ügylet volt nyereséges, milyen hosszú veszteségsorozatok alakultak ki, vagy mennyire volt stabil a folyamat.

A professzionális kereskedő ezért nem áll meg annál a kérdésnél, hogy „mennyi az átlag?”. A jobb kérdés: „mit jelent ez az átlag az eloszlás többi tulajdonságával együtt?”

6. Miért mondhat mást a medián?

A medián a rendezett adatsor középső értéke. Tekintsük a következő eredményeket: -1R, -0,5R, 0R, +0,5R, +1R. Az átlag és a medián egyaránt 0R.

Most csak az utolsó megfigyelést változtassuk meg: -1R, -0,5R, 0R, +0,5R, +10R. A számtani átlag +1,8R lesz, miközben a medián továbbra is 0R.

A különbség fontos. Az átlagot erősen befolyásolják a szélsőséges megfigyelések, a medián viszont sokkal kevésbé érzékeny rájuk.

Olyan rendszerben, ahol ritka, nagy nyerők adják a teljes eredmény jelentős részét, az átlag és a medián közötti eltérés önmagában is információt hordoz az eloszlásról. Ha az átlag jelentősen meghaladja a mediánt, az pozitív aszimmetriára utalhat.

Ez nem automatikusan jó vagy rossz tulajdonság. Egy trendkövető rendszer természeténél fogva támaszkodhat ritka nagy nyerőkre. A kérdés nem az, hogy „szép-e” az eloszlás, hanem az, hogy összhangban van-e azzal a mechanizmussal, amelyből a stratégia a saját előnyét várja.

7. Tartomány és szélsőséges eredmények

A legegyszerűbb megfigyelt tartomány:

Tartomány = Maximum − Minimum

Ha a legkisebb ügyleti eredmény -3R, a legnagyobb pedig +7R, akkor a megfigyelt tartomány 10R.

A tartomány könnyen kiszámítható, de nagyon érzékeny a szélsőséges megfigyelésekre. Egyetlen +20R ügylet jelentősen megnövelheti a tartományt akkor is, ha az adathalmaz többi része változatlan marad.

Ezért a tartomány hasznos első leírás, de önmagában nem elegendő egy kereskedési eloszlás stabilitásának vagy szóródásának megítélésére. A kereskedőnek azt is meg kell vizsgálnia, hogy a szélsőséges eredmény a stratégia normális része-e, vagy ritka esemény, amelyet másként kell értelmezni.

8. Az eloszlás fontosabb lehet, mint egyetlen mutató

A kereskedési eredmények nem egyszerűen „nyerők és vesztesek”. Eredményeloszlást alkotnak, és ez az eloszlás lényegesen több információt hordozhat, mint egyetlen összefoglaló szám.

Képzeljünk el két rendszert. Az A rendszer sok kis nyerőt, sok kis veszteséget és ritka, nagyon nagy nyerőket produkál. A B rendszer gyakori kis nyerőket és ritka, nagyon nagy veszteségeket eredményez. Mindkettő átlagos eredménye lehet azonos.

A mögöttes eloszlások azonban alapvetően különböznek. Ez a különbség hatással lehet a visszaesésre, a szükséges mintanagyságra, a pszichológiai terhelésre, a kockázatkezelési követelményekre és az eredmények hosszú távú lefutására.

A szakértői kereskedő ezért nem egyetlen teljesítménymutatót vizsgál, hanem megpróbálja megérteni azt a szerkezetet, amely a mutatót létrehozza.

9. Kiugró értékek — amikor egyetlen ügylet eltorzítja a képet

Kiugró értéknek nevezzük azt a megfigyelést, amely lényegesen eltér az adathalmaz többségétől. A kereskedésben ilyen lehet egy szokatlanul nagy nyerő, egy szokatlanul nagy veszteség, egy réses ármozgás, egy végrehajtási hiba vagy egy valóban ritka piaci esemény.

A kiugró értéket nem szabad automatikusan eltávolítani. Ez alapvető szabály.

Ha egy +12R ügylet a stratégia legitim következménye, az eltávolítása meghamisítaná a stratégia megfigyelt viselkedését. Ha viszont a +12R adatbeviteli hibából származik, a megtartása ugyanúgy torzítaná az elemzést.

A fegyelmezett folyamat:

Azonosítsd a szokatlan megfigyelést.

Ellenőrizd, hogy az adat helyes-e.

Vizsgáld meg, hogy az ügylet megfelelt-e a stratégia szabályainak.

Döntsd el, hogy az esemény a stratégia normális működési mechanizmusához tartozik-e, vagy külső rendellenesség.

Csak ezután határozd meg, hogyan kezeld az elemzésben.

Az adatokat nem azért módosítjuk, hogy a teljesítmény jobban nézzen ki. Azért vizsgáljuk meg őket, hogy pontosan tudjuk, mit reprezentálnak.

10. Leíró statisztika és kereskedési teljesítmény

A leíró statisztika közvetlenül kapcsolódik a teljesítményelemzéshez. Egy kereskedési adathalmaz összefoglalható az ügyletek számával, az összesített eredménnyel, az átlagos és medián eredménnyel, a minimum- és maximumértékkel, a nyerési és veszteségi aránnyal, az átlagos nyerővel, az átlagos veszteséggel, az eredményeloszlás alakjával és a különböző piaci környezetekben mért teljesítménnyel.

Ezek együtt sokkal gazdagabb képet adnak, mint egyetlen kiemelt mutató.

A statisztikai leírás és a stratégia validálása azonban nem ugyanaz a feladat. A leíró statisztika azt mutatja meg, hogyan viselkedett a megfigyelt minta. Annak eldöntéséhez, hogy ez a viselkedés mennyire robusztus, általánosítható és mennyire várható a fennmaradása, további módszerek szükségesek.

Ezért foglalkoznak a későbbi szakértői leckék a valószínűségi eloszlásokkal, a statisztikai szignifikanciával, a mintanagysággal, a visszateszteléssel, a mintán kívüli vizsgálattal, az előregördülő elemzéssel, a Monte Carlo-szimulációval és a robusztusságvizsgálattal.

11. Feltételes leíró statisztika

Az egyik legfontosabb szakértői lépés, hogy ne kezeljük az egész adathalmazt egyetlen homogén tömbként.

Tegyük fel, hogy egy stratégia 1 000 ügylet alapján átlagosan +0,25R eredményt mutat. Bontsuk fel ugyanazt a mintát:

Trendelő piaci rezsim: +0,52R

Oldalazó piaci rezsim: -0,11R

Magas volatilitású rezsim: +0,61R

Alacsony volatilitású rezsim: +0,03R

Az összesített +0,25R ekkor más jelentést kap. Pontosabb így fogalmazni: „A stratégia a teljes megfigyelt mintában átlagosan +0,25R eredményt ért el, miközben a teljesítménye jelentősen különbözött az egyes piaci környezetekben.”

Az összevonás elfedhet fontos szerkezeti különbségeket. A szakértői kereskedő ezért a „hogyan teljesített a stratégia?” kérdésről fokozatosan a „milyen körülmények között teljesített így?” kérdésre vált.

12. Időbeli függőség és a függetlenség feltételezésének veszélye

Könnyű úgy kezelni minden ügyletet, mintha teljesen független megfigyelés lenne. A piacokon ez a feltételezés gyakran nem reális.

Egymást követő ügyletek ugyanabban a piaci rezsimben történhetnek. Egyetlen makrogazdasági esemény több pozíciót is befolyásolhat. Egy volatilitási sokk több kereskedési helyzetet hasonló irányba mozdíthat.

Ez azt jelenti, hogy 100 rögzített ügylet nem feltétlenül jelent 100 teljesen független információs egységet.

A leíró statisztika ezt a problémát önmagában nem oldja meg, de fel kell hívnia rá a figyelmet. Ha a kereskedő csak az adatpontok számát nézi, túlbecsülheti a minta tényleges információtartalmát.

Ez a kérdés később a mintanagyság, a visszatesztelés és a statisztikai validáció során egyre fontosabbá válik.

13. Eredményből R-többszörös

A mérési skála számít. A pénznemben kifejezett eredmény nem mindig alkalmas különböző ügyletek közvetlen összehasonlítására, mert a pozícióméret és a számlaméret változhat.

Ha az egyik ügyletben 100 USD kockázat mellett 200 USD nyereség keletkezik, az eredmény +2R. Ha egy másik ügyletben 500 USD kockázat mellett 1 000 USD nyereség születik, az eredmény szintén +2R.

A pénzösszeg eltér, de az előre meghatározott kockázathoz viszonyított eredmény azonos.

Az R-többszörös ezért hasznos normalizált mértékegység lehet a statisztikai elemzésben. Segít elkülöníteni a stratégia viselkedését a felhasznált tőke abszolút nagyságától.

14. Miért nem bizonyítja a leíró statisztika önmagában a stratégiai előnyt?

Tegyük fel, hogy egy kereskedő 2 000 történelmi ügyletet elemez, és +0,30R átlagos eredményt talál. Könnyű lenne azt mondani: „bebizonyítottam, hogy a stratégiámnak előnye van.” Ez túl erős következtetés.

A leíró statisztika azt mutatja meg, hogyan viselkedett a megfigyelt minta. A stratégiai előny létezéséhez és fennmaradásához mélyebb kérdéseket kell feltenni:

Mekkora volt a mintanagyság?

Hogyan választották ki a megfigyeléseket?

Volt-e előretekintési torzítás?

Volt-e túlélési torzítás?

Volt-e adatbányászati torzítás?

A szabályokat az eredmények megismerése előtt vagy után határozták meg?

Milyen piaci környezeteket tartalmaz a minta?

Hogyan teljesített a stratégia mintán kívül?

Mennyire volt stabil a viselkedés különböző időszakokban?

Mennyire érzékeny a stratégia a paraméterek változtatására?

A +0,30R fontos bizonyíték a megfigyelt mintáról, de önmagában nem bizonyít minden olyan állítást, amelyet a kereskedő a jövőre szeretne tenni.

Ebből következik egy professzionális alapelv: csak akkora következtetést vonj le, amekkorát a bizonyíték valóban alátámaszt.

15. Leíró statisztikai munkafolyamat

Egy kereskedési adathalmaz professzionális első elemzése strukturált folyamatot követhet:

Az adathalmaz meghatározása — pontosan rögzítsd, mely ügyletek tartoznak bele.

Adatellenőrzés — azonosítsd a hiányzó, hibás vagy duplikált megfigyeléseket.

A mértékegység meghatározása — például pénznem, százalékos hozam vagy R-többszörös.

Alapvető leíró mutatók kiszámítása — átlag, medián, minimum, maximum és más releváns statisztikák.

Az eloszlás vizsgálata — ne állj meg egyetlen számnál.

A kiugró értékek azonosítása — vizsgáld meg a szélsőséges megfigyeléseket.

Az adatok szegmentálása — például kereskedési helyzet, instrumentum, időtáv vagy piaci rezsim szerint.

A feltételes viselkedés összehasonlítása — vizsgáld meg, függ-e a teljesítmény azonosítható körülményektől.

Az értelmezés dokumentálása — írd le, mit mutatnak az adatok, és azt is, mit nem bizonyítanak még.

Az utolsó lépés alapvető. A jó statisztikai áttekintés nemcsak számokat tartalmaz, hanem annak határait is, hogy ezekből a számokból milyen állításokat lehet felelősen megfogalmazni.

16. Esettanulmány — A stratégia, amely jobbnak tűnt, mint amilyen volt

Egy kereskedő 600 történelmi ügylet alapján értékel egy kitörési stratégiát.

A kiemelt eredmények:

Összesített eredmény: +180R

Átlagos ügylet: +0,30R

Az első reakció lehet: „ez kiváló stratégia”. A részletesebb leíró elemzés azonban megmutatja, hogy a 600 ügyletből 25 összesen +150R eredményt termelt, míg a fennmaradó 575 ügylet együtt mindössze +30R-t.

Ez önmagában nem teszi érvénytelenné a stratégiát. Egy kitörési módszer természetes módon támaszkodhat ritka, nagy nyerőkre. A szerkezet azonban megváltoztatja a felteendő kérdéseket:

Milyen körülmények között születtek a legnagyobb nyerők?

Ugyanabban a piaci rezsimben koncentrálódtak?

Hány év alatt oszlottak el?

A kereskedési szabályokat az eredmények megfigyelése előtt határozták meg?

Pozitív marad-e a rendszer a legnagyobb megfigyelések nélkül?

Mekkora visszaesésre lehet számítani, ha a nagy nyerők ritkábban érkeznek?

Mennyire aszimmetrikus az eredményeloszlás?

A mélyebb kérdés már nem egyszerűen az, hogy „+0,30R-e az átlag?”, hanem az, hogy „milyen eloszlás hozta létre a +0,30R átlagot?”

Ez a különbség a teljesítmény rögzítése és a teljesítmény professzionális elemzése között.

17. Gyakorlati alkalmazás — Leíró statisztikai profil készítése

Válassz ki egyetlen, világosan meghatározott stratégiát, és gyűjts hozzá konzisztens történelmi ügyletmintát. Minden ügyletet ugyanazon mérési rendszerben rögzíts.

Legalább a következő mezőket használd:

Ügyletazonosító

Dátum

Instrumentum

Kereskedési helyzet

R-többszörös

Tartási idő

Piaci rezsim

Eredmény

Ezután készítsd el a stratégia első leíró profilját. Számítsd ki:

ügyletek száma

összesített eredmény R-ben

átlagos ügyleti eredmény

medián ügyleti eredmény

minimum

maximum

nyerő ügyletek száma

vesztes ügyletek száma

legnagyobb nyerő

legnagyobb veszteség

Rendezd a megfigyeléseket R-többszörös szerint, majd vizsgáld meg a szerkezetet:

Mennyire különbözik az átlag és a medián?

Milyen széles a megfigyelt tartomány?

Van-e néhány szélsőséges eredmény?

A teljes eredmény mekkora részét adják a legnagyobb nyerők?

Mutatnak-e egyes piaci rezsimek lényegesen eltérő viselkedést?

Végül készíts két külön listát: „Mit támasztanak alá az adatok?” és „Mit nem bizonyítanak az adatok?”. A második lista kötelező. A cél nem egy kedvező teljesítménymutató megtalálása, hanem a megfigyelés és az értelmezés szétválasztása.

18. A szakértői szintű statisztikai gondolkodás

A leíró statisztika egyszerűnek tűnhet, mert számos egyedi számítása elemi. Szakértői szinten azonban a valódi készség nem a képletek memorizálása.

A valódi készség annak megtanulása, hogyan válasszuk szét a megfigyelést az értelmezéstől, a mintát a sokaságtól, az összesített eredményt a feltételes viselkedéstől, a legitim szélsőséges eseményt a hibás adattól, valamint a bizonyítékot a bizonyítékon túlmutató következtetéstől.

Egy professzionális kereskedő nem attól gondolkodik kvantitatívan, hogy minden döntéshez bonyolult matematikát használ. A kvantitatív gondolkodás azt jelenti, hogy nem engedi, hogy egyetlen látványos ügylet, egy közelmúltbeli sorozat vagy egy intuitív magyarázat átvegye a bizonyíték fegyelmének helyét.

A számok nem gondolkodnak a kereskedő helyett. Helyesen használva azonban fegyelmezik a kereskedő gondolkodását.

Gyakorlati alkalmazás — Statisztikai valóságellenőrzés

Válassz egy stratégiát, amelyhez rendelkezésre áll történelmi ügyletminta, és készíts teljes leíró statisztikai profilt.

Ezután írj három külön állítást:

Egy állítást, amelyet a megfigyelt minta erősen alátámaszt.

Egy állítást, amely lehetséges, de további bizonyítékot igényel.

Egy állítást, amely a rendelkezésre álló adatokból nem állapítható meg.

Ezután ideiglenesen távolítsd el a három legnagyobb nyerő ügyletet, és számítsd újra az átlagos eredményt. Vizsgáld meg, mennyivel változott.

Ne vond le azt a következtetést, hogy a stratégia „jó” vagy „rossz”. Ehelyett válaszolj:

Mennyire függ a teljesítmény a szélsőséges nyerőktől?

A szélsőséges nyerők a stratégia legitim működési mechanizmusának részei?

Ha igen, mit jelent ez a várható eredményeloszlás szempontjából?

Milyen további bizonyíték szükséges a robusztusság megítéléséhez?

Végül foglald össze egyetlen mondatban a stratégia megfigyelt teljesítményét úgy, hogy a mondat ne állítson többet annál, mint amit a minta ténylegesen alátámaszt.

Tudásellenőrzés

Mi a különbség a leíró statisztika és a statisztikai következtetés között?

Mi a különbség a sokaság és a minta között?

Mit jelent a megfigyelés és a változó egy kereskedési adathalmazban?

Miért nem elegendő önmagában az átlag egy stratégia leírására?

Miért térhet el jelentősen az átlag és a medián?

Miért fontos a teljes eredményeloszlás vizsgálata?

Miért nem szabad automatikusan eltávolítani a kiugró értékeket?

Miért lehet fontos a teljesítményt piaci rezsim szerint is elemezni?

Miért rejthet el fontos információt az összesített teljesítmény?

Miért lehet hasznos az R-többszörös a kereskedési eredmények normalizálására?

Miért nem bizonyít önmagában egy pozitív átlagos ügyleti eredmény stratégiai előnyt?

Miért becsülheti túl a rögzített ügyletek száma a minta független információtartalmát?

Mi a különbség aközött, hogy „ezt mutatják az adatok” és aközött, hogy „ezért a stratégia működik”?

Mit kell ellenőrizni, mielőtt eldöntjük, hogyan kezelünk egy kiugró értéket?

Miért fontos dokumentálni a statisztikai következtetések határait?

Kulcselv

A leíró statisztika célja nem az, hogy egy stratégiát egyetlen vonzó számmá egyszerűsítsen. A cél az, hogy megmutassa, hogyan viselkedtek a megfigyelt adatok, milyen szerkezet hozta létre az eredményt, és hol ér véget az a pont, ameddig a bizonyíték erősebb következtetéseket támaszt alá.

Copying, reproducing, adapting, distributing, or publicly displaying any part or all of the Academy’s textual content without the author’s prior written consent is prohibited.