Савремени научни метод у многим наукама је незамислив без примене статистике у свим фазама, без обзира на врсту нацрта истраживања.

Дизајн истраживања

Пошто се резултати истраживања, без обзира на врсту дизајна, базирају на прикупљеним подацима, улога статистике почиње још у фази дизајна истраживања. Потребно је планирати на који начин ће се прикупити валидни подаци који ће касније моћи да се обраде, како би се добио валидан резултат научног истраживања.

Улога статистике у планирању истраживања је толико значајна да се често каже како истраживање које није укључило статистику или статистичара од самог почетка може да буде само пост мортем констатација о разлозима пропасти истраживања.

Прикупљање података

Прикупљање података најчешће подразумева узимање узорака из неке веће популације. Да резултат не би био деформисан, узорак мора да буде независтан, што се постиже случајним избором индивидуалних елемената популације.

Узорак не сме да обухвати само део популације који је значајан за истраживање, јер би се у супротном добила искривљена слика популације.

Примена статистике захтева и довољан степен варијабилитета између елемената узорака.

Описивање података

Након што су подаци прикупљени, потребно их је организовати и сумирати, тако да се стекне глобална слика о процесу који је предмет истраживања. У статистици се то ради на два начина

  • графички и
  • дескриптивном статистиком

Графички приказ података врши се путем дијаграма који имају неке стандардне карактеристике. То могу бити:

  • стубичасти дијаграм,
  • хистограм,
  • полигон,
  • пита и др.

Графички приказ често може на први поглед да открије особине анализираних података, које се касније прецизније квантификују путем дескриптивне статистике.

Дескриптивна статистика описује податке тако што проналази њихове важне карактеристике, као што су:

  • мере централне тенденције,
  • мере дисперзије и
  • повезаност са другим подацима

Ако су подаци категорички, они се обично групишу, а свакој групи се придодају фреквенције појављивања елемената у групи. То се ради због њихове лакше употребе у наредним фазама обраде података.

Анализирање података

Да би се донео исправан закључак, неопходно је анализирати податке. Постоји много начина за анализу података, а неки од њих су:

  • утврђивање повезаности две варијабле (нпр. аритметичке средине двају узорака) путем корелационе и регресионе анализе;
  • утврђивање облика дистрибуције података и др.

Пре него што се пређе на доношење закључака о истраживању, неопходно је дефинисати и интервал поверења, као меру поузданости донетог закључка.

Што је захтевани степен поузданости већи, то је интервал поверења шири, што значи да је и прецизност података мања. Зато треба водити рачуна о оптималном односу ове две величине.

Ниво значајности се обично узима као 5% (0,05), чиме је пратећи ниво поузданости 95%. На основу нивоа значајности и података израчунава се интервал поверења за конкретан случај.

Доношење закључка

Суштина и крајњи резултат истраживања и проучавања података је доношење закључка. У ту сврху се користе статистички тестови који треба да дају одговор на питање шта јесте, а шта није особина феномена који је предмет истраживања.

Целокупну рачуницу данас обављају рачунари, али они још увек нису способни да протумаче добијени закључак. То може само истраживач који је успешно одрадио све фазе истраживачког рада.

Да би дошао до исправног закључка и успешно завршио своје истраживање, истраживач мора да постави хипотезе, изабере одговарајући статистички тест, да израчуна тест-статистику и на основу добијених вредности одлучи о томе да ли се нулта хипотеза прихвата или одбацује.