Dear Naeem,

Statistics use mathematics to describe data distribution, probability, and so on.

It could be indicated that statistics are based on mathematics.

The below report has the great answer with this problem.

https://s3.amazonaws.com/fi-courses/tsdi/unit_2/Essentials/Statvsmath.pdf

Thank you very much.

Hi, once random processes are modeled by probability density functions, mathematics are necessary To compute man, standard déviation, etc...

Like other branches of mathematics statistics is something that we initially invented to model some reality and help us solve problems.

Dear Naeem,

Statistics use mathematics to describe data distribution, probability, and so on.

It could be indicated that statistics are based on mathematics.

The below report has the great answer with this problem.

https://s3.amazonaws.com/fi-courses/tsdi/unit_2/Essentials/Statvsmath.pdf

Thank you very much.

They are all computational mediums

Thank you all for your contributions

Please see the following link

https://pdfs.semanticscholar.org/986a/486a6cd3e5a079fefeb087facacdb0446ae9.pdf

Best Regards Hameedah Naeem

هناك اختلافات دقيقة بين الرياضيات والتفكير الإحصائي. تميز هذه الكتابة بين نوعي التفكير خلال الاختبار وتصنيف المهام الرياضية والإحصائية. في الإحصائيات ، نستخدم أدوات الرياضيات في حل المشكلات (مثل استخدام الخوارزميات والصيغة ، نماذج الاحتمالات النظرية ، وأشكال عديدة من التمثيلات الرسومية). ومع ذلك ، نحن نعتمد بشدة على البيانات والسياق في التفكير الإحصائي. تبدأ الأسئلة الإحصائية بسياق يجب على الأفراد منه اتخاذ قرارات بشأن كيفية جمع البيانات للتحقيق في المشاكل. في بعض الحالات ، يتم بالفعل جمع البيانات ، والأسئلة الإحصائية تنبع من الاهتمام المتعلق بمجموعة البيانات. في جميع الحالات ، من المستحيل القيام به الشعور بالمشكلة الإحصائية دون معرفة تفاصيل الوضع المحيط بالبيانات. السياق يمكن أن تساعد في إلقاء الضوء على سبب وجود مجموعات متطرفة أو مجموعات معينة داخل البيانات أو ما إذا كان ينبغي لنا ذلك استبعاد القيم المتطرفة. على سبيل المثال ، عند دراسة القيمة النموذجية لطول القدم ، يمكن للمرء تحديد القيم المتطرفة من خلال النظر في البيانات. قد يكون عمر الأشخاص الذين تم قياس قدمهم (بالبوصة) ملحوظًا المساهمة في فهم كيفية نشر البيانات وتقسيمها. إذا كانت قيمة البيانات 26 بوصة موجودة ، مع العلم أن السياق هو طول قدم الطلاب الذين تتراوح أعمارهم بين 11 و 13 عامًا قد يستدعي قرارًا باستبعاد القيمة في تحليل وتفسير النتائج. مسألة القياس هي تمييز مهم آخر بين الإحصاء والرياضيات. في الرياضيات، يشير القياس عادة إلى فهم الوحدات والدقة في المشكلات التي تتعامل مع معظم الخرسانة تدابير مثل الطول والمساحة والحجم. ولكن ، في الإحصاءات ، يمكن أن يكون القياس أكثر تجريدًا. إلى عن على على سبيل المثال ، عند التفكير في كيفية قياس الذكاء أو سرعة الحياة في المدينة ، لا يوجد طريقة واضحة. بدلاً من ذلك ، يتعين على الباحثين والإحصائيين أن يقرروا أفضل طريقة لقياس ما يجري درس وغالبا ما تفعل ذلك بطرق مختلفة.

التباين وعدم اليقين في الاستنتاجات هو اختلاف رئيسي آخر بين الإحصاء والرياضيات. في الرياضيات ، وعادة ما يتم الوصول إلى النتائج عن طريق خصم ، دليل منطقي ، أو الحث الرياضي و عادة هناك إجابة واحدة صحيحة. الإحصاءات ، ومع ذلك ، يستخدم الاستقرائي الاستقرائي والاستنتاجات غير مؤكد دائما. هذا يرجع إلى حد كبير إلى تفسير السياق والأساليب المحيطة بالبيانات جمع وتحليل. كما ينبع من طبيعة تباين المشكلات. على سبيل المثال ، "كم عمر المعلمون في مدرستي؟ "هو سؤال إحصائي يتوقع التباين في العمر. سوف يحتاج المرء لاتخاذ قرار أين يمكن الحصول على البيانات من (معلمي المدارس) ، لقياس (العمر) واختيار الإحصاءات المناسبة (مقاييس الميل المركزي أو الاختلاف) والعروض الرسومية للإجابة على السؤال. في المقابل ، بالنظر إلى مجموعة من البيانات

نقاط عمر المعلمين ومطالبة الطلاب بإيجاد متوسط ​​مجموعة البيانات ليست مسألة إحصائية منذ الجواب هو بالتأكيد العثور على رقم واحد باستخدام خوارزمية. مثال آخر في البيانات ثنائية المتغير هو المناسب وظيفة خطية بين الطول والوزن. في الرياضيات ، غالبًا ما يُطلب من الطلاب العثور على وظيفة (حتمية) من خلال مجموعة من النقاط. في المقابل ، تركز الأسئلة الإحصائية على مستوى اليقين الذي يمكن للمرء أن يحققه عند استخدام وظيفة "الأنسب" للتنبؤ بمتغير واحد بناءً على الآخر. على وجه الخصوص ، ينظر المرء إلى أي مدى يمكن إجراء مثل هذا الاستقراء استنادًا إلى السياق ومقدار الخطأ المرتبط بالتنبؤ. باختصار ، تتضمن بعض الميزات البارزة التي نحضرها في الأسئلة الإحصائية دور السياق ، القياس ، التقلب ، وعدم اليقين. الرياضيات بمثابة أداة للمساعدة في التحقيق الإحصائي أسئلة ، ولكن ليس النهاية الوحيدة للإحصاءات نفسها.

DearHameedah Naeem quie relevent question !

https://www.researchgate.net/project/INTER-DISCIPLINARY-RESEARCH-AND-ACADEMIC-ITEMS-A-PROJECT/update/5d850b3fcfe4a7968dcd74b2?_iepl%5BviewId%5D=0EcDj2eVR1Se91Wxo454Faac&_iepl%5Bcontexts%5D%5B0%5D=projectUpdatesLog&_iepl%5BinteractionType%5D=projectUpdateDetailClickThrough

There are subtle differences between mathematics and statistical thinking. This writing distinguishes between the types of thinking during the test and the classification of mathematical and statistical tasks. In statistics, we use mathematics tools to solve problems (such as using algorithms and formula, theoretical probability models, and many forms of graphical representations). However, we rely heavily on data and context in statistical thinking. Statistical questions begin with a context in which individuals must make decisions about how to collect data to investigate problems. In some cases, data are already collected, and statistical questions stem from interest in the data set. In all cases, it is impossible to do a sense of statistical problem without knowing the details of the situation surrounding the data. Context can help shed light on why there are extreme groups or certain groups within the data or whether we should exclude outliers. For example, when studying the typical value of foot length, one can determine the extreme values ​​by looking at the data. The age of people whose feet have been measured (in inches) may be noticeable contributing to understanding how data is disseminated and divided. If the data value of 26 inches is present, the context is the foot length of students aged 11 to 13 years may warrant a decision to exclude the value in the analysis and interpretation of the results. The question of measurement is another important distinction between statistics and mathematics. In mathematics, measurement usually refers to an understanding of units and accuracy in problems that deal with most concrete measures such as length, area and size. But, in statistics, measurement can be more abstract. For example, when thinking about how to measure intelligence or the speed of city life, there is no obvious way. Instead, researchers and statisticians should decide how best to measure what is being studied and often do it in different ways.

Variance and uncertainty in conclusions is another major difference between statistics and mathematics. In mathematics, the results are usually reached by deduction, logical evidence, or mathematical induction and usually there is one correct answer. Statistics, however, uses inductive inductive and conclusions are always uncertain. This is largely due to the interpretation of the context and methods surrounding data collection and analysis. It also stems from the nature of heterogeneity of problems. For example, “How old are teachers in my school?” Is a statistical question that predicts age variation. One will need to decide where to get data from (school teachers), to measure (age) and choose appropriate statistics (central tendency or variation measures) and graphical presentations to answer the question. In contrast, given the set of data

Teacher age points and asking students to find the average data set is not a statistical issue since the answer is definitely finding the number one using an algorithm. Another example in bivariate data is the appropriate linear function between height and weight. In mathematics, students are often asked to find a (deterministic) job through a set of points. In contrast, statistical questions focus on the level of certainty one can achieve when using the "most appropriate" function to predict one variable based on the other. In particular, one looks at the extent to which such extrapolation can be made based on the context and the amount of error associated with the prediction. In summary, some of the salient features we bring in statistical questions include the role of context, measurement, volatility, and uncertainty. Mathematics serves as a tool to help statistical inquiry questions, but not the only end of the statistics themselves.