Περιγραφική στατιστική στην έρευνα: τι αναφέρεις και γιατί

Έκανες τη συλλογή, το Excel είναι γεμάτο στήλες, και ο/η επιβλέπων γράφει «στείλε μου την περιγραφική». Ποιες μεταβλητές, με ποια μέτρα, σε ποιον πίνακα; Στο μυαλό σου παίζουν ταυτόχρονα «μέσος; διάμεσος; ποσοστά;» και ένας φόβος ότι θα πνίξεις τον αναγνώστη με αριθμούς. Αν ψάχνεις μια καθαρή, πρακτική απάντηση για την περιγραφική στατιστική στην έρευνα — τι ακριβώς να αναφέρεις και πώς — αυτό το κείμενο μιλά στη γλώσσα της πτυχιακής/διπλωματικής στα ελληνικά πανεπιστήμια.

Στην περιγραφική στατιστική στην έρευνα αναφέρεις τον κατάλληλο δείκτη κεντρικής τάσης και διασποράς ανά τύπο μεταβλητής (π.χ. Μ και SD για περίπου κανονικές συνεχείς, διάμεσος και IQR για ασύμμετρες/διατεταγμένες), συχνότητες και ποσοστά για κατηγορικές, μαζί με το μέγεθος δείγματος και τον χειρισμό ελλειπόντων. Παρουσιάζεις έναν καθαρό πίνακα περιγραφικών στατιστικών και συνοδευτική σύντομη αφήγηση χωρίς ερμηνεία αιτιότητας. Στόχος: ο αναγνώστης να καταλάβει «ποιο είναι το δείγμα» και «πώς μοιάζουν οι βασικές μεταβλητές» πριν περάσεις σε επαγωγική ανάλυση.

In this guide

• Τι είναι η περιγραφική στατιστική στην έρευνα και ποιος είναι ο ρόλος της;
• Ποια περιγραφικά στατιστικά να αναφέρω για συνεχείς και κατηγορικές μεταβλητές;
• Πώς γράφεται η παρουσίαση περιγραφικής στατιστικής στο κείμενο;
• Πώς φτιάχνω έναν πίνακα περιγραφικών στατιστικών που να διαβάζεται;
• Πότε χρησιμοποιώ μέσος όρος και τυπική απόκλιση και πότε διάμεσος και IQR;
• Πώς χειρίζομαι ελλείποντα δεδομένα και ακραίες τιμές στην περιγραφική στατιστική;
• Πόσα γραφήματα χρειάζονται και ποια διαγράμματα ταιριάζουν σε κάθε μεταβλητή;
• Πώς αναφέρω μέγεθος δείγματος (n) και ποσοστά (%) με ακρίβεια;
• Ποια λάθη κάνουν συχνότερα οι φοιτητές στην παρουσίαση περιγραφικής στατιστικής;
• Πώς διαφέρει η περιγραφική στατιστική ανά κλάδο; (κοινωνικές επιστήμες, υγεία, εκπαίδευση/μάνατζμεντ)
• Ποια είναι τα βήματα για να ετοιμάσω περιγραφική στατιστική χωρίς να χαθώ;
• Πώς συνδέω την περιγραφική στατιστική με τα ερευνητικά ερωτήματα και τις υποθέσεις μου;
• Πότε σταματά η περιγραφή και ξεκινά η επαγωγική ανάλυση;
• Πώς μορφοποιώ APA/MLA/Chicago στα αποτελέσματα της περιγραφικής στατιστικής;
• Πριν προχωρήσεις: checklist για την περιγραφική στατιστική
• Συχνές ερωτήσεις
• Recommended internal links

Τι είναι η περιγραφική στατιστική στην έρευνα και ποιος είναι ο ρόλος της;

Η περιγραφική στατιστική συνοψίζει τα δεδομένα σου: δείχνει κέντρο, διασπορά και σχήμα κατανομής για συνεχείς μεταβλητές και καταμετρά κατηγορίες για ονομαστικές/διατεταγμένες. Στόχος της δεν είναι να «αποδείξει» υποθέσεις, αλλά να περιγράψει με σαφήνεια το δείγμα και τις βασικές μεταβλητές. Τοποθετείται συνήθως στην αρχή των Αποτελεσμάτων, πριν από τεστ και μοντέλα.

Ορισμοί-κλειδιά

• Μέσος όρος (Μ): αριθμητικός μέσος συνεχών τιμών. Ευαίσθητος σε ακραίες τιμές.
• Διάμεσος: η μέση παρατήρηση όταν ταξινομείς τις τιμές. Ανθεκτική σε ακραίες τιμές.
• Τυπική απόκλιση (SD): διασπορά γύρω από τον μέσο. Υποθέτει περίπου συμμετρική κατανομή.
• Ενδοτεταρτημοριακό εύρος (IQR): Q3−Q1· δείχνει «μεσαία διασπορά». Κατάλληλο για ασύμμετρα/ordinal.
• Συχνότητα (n) και ποσοστό (%): πλήθος/αναλογία περιπτώσεων ανά κατηγορία.

Πού μπαίνει στο κείμενο

Σε προπτυχιακή/μεταπτυχιακή εργασία, η περιγραφή έρχεται:

• Μετά τη μεθοδολογία (ώστε ο αναγνώστης να ξέρει «ποιοι» και «τι μετρήθηκε»).
• Πριν τα τεστ/μοντέλα (ώστε οι υποθέσεις να πατούν σε εικόνα των δεδομένων).
• Σε ξεχωριστό υποκεφάλαιο «Περιγραφική στατιστική» με 1–2 πίνακες και σύντομη αφήγηση.

Ποια περιγραφικά στατιστικά να αναφέρω για συνεχείς και κατηγορικές μεταβλητές;

Για συνεχείς μεταβλητές με περίπου κανονική κατανομή, δώσε μέσο όρο και τυπική απόκλιση (Μ, SD) μαζί με n. Για ασύμμετρες ή ordinal, δώσε διάμεσο και IQR, συχνά με εύρος (min–max). Για κατηγορικές, δώσε συχνότητες n και ποσοστά %. Έτσι απαντάς με σαφήνεια στο «τι περιγραφικά στατιστικά να αναφέρω» ανά τύπο μεταβλητής.

Συνεχείς μεταβλητές

• Κανονικές/σχεδόν κανονικές: Μ (SD), προαιρετικά min–max για αίσθηση εύρους.
• Ασύμμετρες/με ουρά (π.χ. εισόδημα, χρόνοι αναμονής): Διάμεσος (IQR) και min–max.
• Μικρά δείγματα: προτίμησε και διάμεσο/IQR για ανθεκτικότητα.

Κατηγορικές μεταβλητές

• Ονομαστικές (π.χ. φύλο, ειδικότητα): αναφορά ως n (%).
• Διατεταγμένες (Likert 1–5): συχνότητες ανά κατηγορία. Αν συνθέτεις κλίμακα, μπορείς να δώσεις Μ (SD) με τεκμηρίωση.

Κλίμακες Likert στην πράξη

Αν η κλίμακα έχει 5–7 κατηγορίες και δείγμα >100, πολλοί επιβλέποντες δέχονται Μ (SD) για συνολικούς δείκτες. Δώσε επίσης κατανομή κατηγοριών ή διάμεσο/IQR αν υπάρχει έντονη ασυμμετρία.

Πώς γράφεται η παρουσίαση περιγραφικής στατιστικής στο κείμενο;

Γράψε σύντομα, με ρήματα που περιγράφουν και όχι που ερμηνεύουν. Παρουσίασε ποιο είναι το δείγμα (n, βασικά χαρακτηριστικά) και πώς «μοιάζουν» οι κύριες μεταβλητές, παραπέμποντας σε πίνακα. Απόφυγε συμπεράσματα αιτιότητας ή «σημαντικό/ασήμαντο» εδώ.

Παραδείγματα διατύπωσης

• «Το δείγμα περιλάμβανε 212 φοιτητές/τριες (59% γυναίκες). Η μέση ηλικία ήταν 21.7 έτη (SD=2.3).»
• «Η διάμεσος του χρόνου αναμονής ήταν 18 λεπτά (IQR=12–31).»
• «Το 41% των συμμετεχόντων δήλωσε υψηλή ικανοποίηση (Likert 4–5). Βλ. Πίνακα 1.»

Ασθενές vs ενισχυμένο παράδειγμα στο κείμενο

Αδύναμο: «Οι φοιτητές ήταν κυρίως νέοι. Οι περισσότεροι ήταν ικανοποιημένοι και κάποιες τιμές ήταν μεγάλες.»
Δυνατό: «Η μέση ηλικία ήταν 21.7 έτη (SD=2.3, n=212). Το 62% ανέφερε ικανοποίηση ≥4 στην κλίμακα Likert (n=132/212). Δες Πίνακα 1.»

Πόσα λόγια αρκούν;

Συνήθως 1–3 παράγραφοι. Μία για το δείγμα, μία για τις βασικές συνεχείς μεταβλητές, και (αν χρειάζεται) μία για κατηγορικές/κλίμακες. Η λεπτομέρεια πάει στον πίνακα· το κείμενο «διαβάζει» τι να προσέξει ο αναγνώστης.

Πώς φτιάχνω έναν πίνακα περιγραφικών στατιστικών που να διαβάζεται;

Ένας καλός πίνακας περιγραφικών στατιστικών ξεχωρίζει συνεχείς από κατηγορικές, έχει σαφείς στήλες (N, M, SD ή Διάμεσος (IQR), Min–Max) και ομοιόμορφα δεκαδικά. Για κατηγορικές, δώσε n (%) ανά κατηγορία, όχι μόνο ποσοστά. Πρόσθεσε υποσημειώσεις για ελλείποντα.

Δομή στηλών και γραμμών

• Συνεχείς: Μεταβλητή | n | Μ | SD | Min–Max ή Μεταβλητή | n | Διάμεσος | IQR | Min–Max
• Κατηγορικές: Μεταβλητή–Κατηγορία | n | %
• Ομαδοποίησε σχετικές μεταβλητές, π.χ. «Χαρακτηριστικά δείγματος» και «Κύριες μεταβλητές».

Δεκαδικά και ευθυγράμμιση

Κράτα σταθερά δεκαδικά (συνήθως 1–2). Ευθυγράμμισε αριθμούς στη δεκαδική τελεία για γρήγορη σύγκριση. Μηδένια ποσοστά 0.0% αν προκύπτουν από μικρό n — πρόσθεσε υποσημείωση αν χρειάζεται.

Σύγκριση πίνακα: αδύναμη vs καλή εκδοχή

Στοιχείο	Αδύναμη εκδοχή	Καλή εκδοχή
Ονόματα μεταβλητών	«Ηλικία», «Ικανοποίηση» χωρίς μονάδες/κλίμακα	«Ηλικία (έτη)», «Ικανοποίηση (Likert 1–5)»
Στήλες	Μόνο μέσος όρος	n, Μ, SD, Min–Max ή n, Διάμεσος (IQR), Min–Max
Κατηγορικές	Μόνο %	n και % ανά κατηγορία, σαφείς ετικέτες
Ελλείποντα	Αγνοούνται	Υποσημείωση: «n διαφέρει λόγω ελλειπόντων»
Δεκαδικά	21.73456	21.73 (σταθερά 2 δεκαδικά)

Πότε χρησιμοποιώ μέσος όρος και τυπική απόκλιση και πότε διάμεσος και IQR;

Μέσος όρος και τυπική απόκλιση δουλεύουν όταν η κατανομή είναι περίπου συμμετρική και δεν κυριαρχούν outliers. Για ασύμμετρες ή ordinal μεταβλητές, προτίμησε διάμεσο και IQR. Σε μικρά δείγματα, οι ανθεκτικοί δείκτες είναι ασφαλέστεροι για να μην παραπλανήσουν.

Έλεγχος κανονικότητας

Κοίτα ιστόγραμμα ή boxplot, έλεγξε ασυμμετρία/κύρτωση, και παρατήρησε ακραίες τιμές. Αν αμφιβάλλεις, δώσε και τους δύο τύπους περιγραφής ή τεκμηρίωσε την επιλογή σου. Για μετάβαση στα τεστ, δες τον οπτικό οδηγό για την επιλογή στατιστικού τεστ.

Ακραίες τιμές και ανθεκτικότητα

Μεμονωμένα πολύ υψηλά/χαμηλά ρίχνουν τον μέσο και φουσκώνουν το SD. Η διάμεσος/IQR «κρατάνε χαρακτήρα». Αν παρ’ όλα αυτά χρειάζεσαι τον μέσο (π.χ. για σύγκριση με βιβλιογραφία), ανέφερε και median/IQR.

Πώς χειρίζομαι ελλείποντα δεδομένα και ακραίες τιμές στην περιγραφική στατιστική;

Ανέφερε πάντα το n ανά μεταβλητή και πόσα δεδομένα λείπουν. Μην «σβήνεις» outliers χωρίς αιτιολόγηση· παρουσίασε ανθεκτικούς δείκτες, δώσε min–max και εξήγησε τυχόν χειρισμούς (π.χ. winsorizing).

Αναφορά N και ελλειπόντων

• Γράψε: «n=198/212 (6.6% ελλείποντα)» για τη μεταβλητή με κενά.
• Αν τα ποσοστά υπολογίζονται σε υποσύνολο, ξεκαθάρισέ το: «% επί όσων απάντησαν».

Outliers: έλεγχος και τεκμηρίωση

• Έλεγξε με boxplot ή κανόνες (π.χ. 1.5×IQR).
• Αν αφαιρέσεις/περιορίσεις τιμές, αιτιολόγησε: π.χ. τεχνικό σφάλμα μέτρησης τεκμηριωμένο από τα πρωτογενή δεδομένα.

Πόσα γραφήματα χρειάζονται και ποια διαγράμματα ταιριάζουν σε κάθε μεταβλητή;

Επίλεξε λίγα και «μιλητικά» γραφήματα. Ένα ιστόγραμμα ή boxplot για βασικές συνεχείς, ένα ραβδογράφημα για κατηγορικές με πολλές κατηγορίες. Απόφυγε πολλαπλές παραλλαγές του ίδιου πράγματος.

Συνεχείς: ιστόγραμμα και boxplot

• Ιστόγραμμα: σχήμα, ασυμμετρία, πολλαπλές κορυφές.
• Boxplot: διάμεσος, IQR, outliers με μια ματιά.

Κατηγορικές: ραβδογράφημα (πίτα σπάνια)

Οι πίτες κρύβουν μικρές διαφορές. Ραβδογράφημα ταξινομημένο κατά συχνότητα διαβάζεται γρήγορα. Αν έχεις δυαδική μεταβλητή, αρκεί n (%) στο κείμενο και στον πίνακα.

Πώς αναφέρω μέγεθος δείγματος (n) και ποσοστά (%) με ακρίβεια;

Δώσε συνολικό n του δείγματος στην αρχή και n ανά μεταβλητή αν διαφέρει. Για ποσοστά, πάντα παρέθεσε και το πλήθος (n) και τη βάση υπολογισμού. Κράτα συνεπή δεκαδικά (συνήθως 1 για ποσοστά, 1–2 για μέσους).

Βάση υπολογισμού (%)

• Σαφές: «84/212 (39.6%) εργάζονται μερικώς.»
• Αν υπάρχει φιλτράρισμα: «39.6% επί όσων απάντησαν στο ερώτημα (n=212→n=212, χωρίς ελλείποντα).»

Δεκαδικά και στρογγυλοποίηση

• Ποσοστά: 1 δεκαδικό όταν χρειάζεται διάκριση (39.6%), αλλιώς ακέραια (40%).
• Μέσοι: 1–2 δεκαδικά ανά μονάδα μέτρησης (π.χ. ηλικία 21.7, χρόνος 18.3 λεπτά).

Ποια λάθη κάνουν συχνότερα οι φοιτητές στην παρουσίαση περιγραφικής στατιστικής;

Συνηθισμένα λάθη είναι οι λάθος δείκτες ανά μεταβλητή, ασαφής βάση για ποσοστά, πίνακες χωρίς n/ελλείποντα, και αφηγηματική «ερμηνεία» αντί για ουδέτερη περιγραφή. Κάθε ένα διορθώνεται με συγκεκριμένο βήμα: σωστή αντιστοίχιση τύπου μεταβλητής–δείκτη, σταθερή μορφοποίηση και μικρές φράσεις-πρότυπα.

Συγκεκριμένα λάθη και διορθώσεις

1. Λάθος δείκτης για ασύμμετρη μεταβλητή
   Παράδειγμα: «Μισθός: Μ=1,950€, SD=2,700€» (τεράστια SD, δε βγάζει νόημα)
   Διόρθωση: «Διάμεσος=1,100€, IQR=800–1,700€, min–max=400–12,000€».

2. Ποσοστά χωρίς βάση
   Παράδειγμα: «Το 60% εργάζεται» (60% επί ποίου n;)
   Διόρθωση: «126/210 (60.0%) εργάζονται μερικώς/πλήρως».

3. Αγνοημένα ελλείποντα
   Παράδειγμα: «Μ=22.1» χωρίς n για ηλικία όταν λείπουν 15 τιμές
   Διόρθωση: «Ηλικία: n=195/210, Μ=22.1 (SD=2.5)».

4. Ερμηνεία αντί περιγραφής
   Παράδειγμα: «Οι γυναίκες είναι πιο αγχωμένες από τους άνδρες» μέσα στην περιγραφή
   Διόρθωση: «Άγχος (Likert 1–5): Γυναίκες Μ=3.6 (SD=0.8), Άνδρες Μ=3.2 (SD=0.9). Η στατιστική σύγκριση δίνεται παρακάτω.»

5. Πίνακας-«τείχος»
   Παράδειγμα: 30 μεταβλητές σε έναν πίνακα χωρίς ομαδοποίηση
   Διόρθωση: Σπάσιμο σε «Χαρακτηριστικά δείγματος» και «Κύριες μεταβλητές», υποτίτλοι, σταθερά δεκαδικά.

Πώς διαφέρει η περιγραφική στατιστική ανά κλάδο; (κοινωνικές επιστήμες, υγεία, εκπαίδευση/μάνατζμεντ)

Οι συμβάσεις ποικίλλουν: άλλοι κλάδοι «ζητούν» διάμεσο/IQR πιο συχνά, άλλοι προτιμούν μέσο/SD για συγκρισιμότητα με βιβλιογραφία. Προσαρμόζεις δείκτες και μονάδες, όχι την αρχή της σαφήνειας.

Κοινωνικές επιστήμες/ψυχολογία

Σε μελέτη ευημερίας φοιτητών με κλίμακες Likert 1–5: «Ευημερία (8-στοιχείων): Μ=3.8 (SD=0.6), α=0.84· κατανομή απαντήσεων: 12% (1–2), 46% (3), 42% (4–5).» Δώσε και συχνότητες κατηγοριών για διαφάνεια.

Επιστήμες υγείας/νοσηλευτική

Σε νοσηλευτική εργασία για συμμόρφωση στη φαρμακευτική αγωγή: «Συμμόρφωση (% ληφθεισών δόσεων): Διάμεσος=88% (IQR=75–96). Γλυκοζυλιωμένη αιμοσφαιρίνη (HbA1c): Μ=7.2% (SD=1.1), n=143/150.»

Εκπαίδευση/μάνατζμεντ

Σε μάνατζμεντ/μάρκετινγκ για απόδοση καμπάνιας: «CTR (%): Διάμεσος=2.4% (IQR=1.6–3.1), min–max=0.3–7.8. Μετατροπές ανά 1,000 εμφανίσεις: Μ=12.7 (SD=5.4).»

Ποια είναι τα βήματα για να ετοιμάσω περιγραφική στατιστική χωρίς να χαθώ;

Ξεκίνα από τον τύπο μεταβλητής, έπειτα διάλεξε κατάλληλο δείκτη και φτιάξε καθαρό πίνακα. Κράτα σημειώσεις για n/ελλείποντα και κράτησε ενιαία δεκαδικά. Τελείωσε με σύντομη αφήγηση που δείχνει στον αναγνώστη πού να κοιτάξει.

Βήματα-οδηγός

1. Κατάγραψε όλες τις μεταβλητές και δήλωσε τύπο (συνεχής, ονομαστική, διατεταγμένη). Αν χρειάζεσαι βοήθεια, δες πώς ορίζεις μεταβλητές σε ποσοτική έρευνα.
2. Έλεγξε κατανομή για τις συνεχείς (ιστόγραμμα/boxplot).
3. Επίλεξε δείκτες: Μ/SD ή Διάμεσος/IQR· για κατηγορικές n (%).
4. Υπολόγισε n ανά μεταβλητή και ποσοστό ελλειπόντων.
5. Στήσε τον πίνακα με σταθερά δεκαδικά, ομαδοποίηση και υποσημειώσεις.
6. Διάλεξε 1–2 γραφήματα που λένε κάτι που ο πίνακας δεν δείχνει άμεσα.
7. Γράψε 1–3 παραγράφους περιγραφής χωρίς ερμηνεία αιτιότητας.
8. Σύνδεσε την περιγραφή με το επόμενο βήμα (υποθέσεις/τεστ). Για τη διατύπωση υποθέσεων, δες από τον σκοπό στους στόχους και τις υποθέσεις.

Εργαλεία που βοηθούν

Excel/Google Sheets για γρήγορα n (%)· SPSS/R/Python για πλήρη στατιστικά και γραφήματα. Κράτησε ένα «template» πίνακα για κάθε εργασία — γλιτώνει χρόνο και λάθη.

Πώς συνδέω την περιγραφική στατιστική με τα ερευνητικά ερωτήματα και τις υποθέσεις μου;

Η περιγραφή δείχνει αν οι μεταβλητές σου «στέκονται» για τα ερευνητικά ερωτήματα. Αν, π.χ., το σκορ άγχους έχει έντονη ασυμμετρία, ίσως αλλάξεις τεστ ή μετασχηματισμό. Στην αφήγηση, κλείσε με μια φράση-γέφυρα προς την επαγωγική ανάλυση.

Από το ερευνητικό ερώτημα στα στατιστικά

Αν το ερώτημα είναι «Διαφέρει η ικανοποίηση ανά φύλο;», η περιγραφή πρέπει να δείχνει Μ (SD) ή διάμεσο/IQR ανά φύλο και το n ανά ομάδα. Για βοήθεια στη διατύπωση ερωτημάτων, δες από πολλές ιδέες σε ένα καθαρό ερευνητικό ερώτημα.

Μετάβαση στα τεστ

Τελείωσε την περιγραφή με μια ουδέτερη φράση: «Στη συνέχεια εξετάζονται οι διαφορές ανά φύλο με κατάλληλα τεστ.» Για την επιλογή τεστ, δες τον οπτικό οδηγό για την επιλογή στατιστικού τεστ.

Πότε σταματά η περιγραφή και ξεκινά η επαγωγική ανάλυση;

Σταματάς όταν ο αναγνώστης έχει καθαρή εικόνα για δείγμα, κέντρο/διασπορά βασικών μεταβλητών και κύριες κατηγορίες. Δεν δηλώνεις «διαφέρει σημαντικά» εδώ — αυτό ανήκει στα επαγωγικά αποτελέσματα. Μπορείς όμως να προετοιμάσεις το έδαφος («οι κατανομές είναι ασύμμετρες, θα χρησιμοποιηθούν μη παραμετρικά τεστ»).

Αποτελέσματα vs Συζήτηση

Στην περιγραφή δεν εξηγείς «γιατί» συμβαίνει κάτι. Κράτα το «γιατί» για τη Συζήτηση, όπου θα συνθέσεις ευρήματα με βιβλιογραφία και περιορισμούς.

Πώς μορφοποιώ APA/MLA/Chicago στα αποτελέσματα της περιγραφικής στατιστικής;

Στο κείμενο, APA προτιμά σύντομες παρενθετικές μορφές: Μ=, SD=, διάμεσος=, IQR=. Οι πίνακες έχουν τίτλο, σαφείς κεφαλίδες και υποσημειώσεις για ελλείποντα/μονάδες. Αν δεν ορίζεται στυλ, υιοθέτησε σταθερή, καθαρή μορφοποίηση και εξήγησε συντομογραφίες.

Παραδείγματα διατύπωσης APA

• «Ηλικία: Μ=21.7, SD=2.3 (n=212).»
• «Χρόνος αναμονής: διάμεσος=18′, IQR=12–31 (n=198/212).»
• «Ικανοποίηση (Likert 1–5): Μ=3.8, SD=0.6· 42% ≥4.»

Microsoft Word, LaTeX και πίνακες

Στο Word, χρησιμοποίησε πίνακες με «Align on decimal». Σε LaTeX, πακέτα όπως siunitx διευκολύνουν στοίχιση δεκαδικών. Φρόντισε οι τίτλοι/υποσημειώσεις να είναι συνεπείς με το υπόλοιπο έγγραφο.

---

Πριν προχωρήσεις: checklist για την περιγραφική στατιστική

• Έκανα λίστα όλων των μεταβλητών με τον σωστό τύπο (συνεχής, ονομαστική, διατεταγμένη).
• Έλεγξα κατανομές για συνεχείς (ιστόγραμμα/boxplot) και εντόπισα outliers.
• Επέλεξα κατάλληλους δείκτες: Μ/SD ή διάμεσος/IQR, και n (%) για κατηγορικές.
• Υπολόγισα και ανέφερα n ανά μεταβλητή και ποσοστό ελλειπόντων.
• Έστησα έναν καθαρό πίνακα περιγραφικών στατιστικών με σταθερά δεκαδικά.
• Πρόσθεσα υποσημειώσεις για μονάδες μέτρησης και ελλείποντα.
• Διάλεξα μόνο τα απολύτως χρήσιμα γραφήματα (όχι υπερφόρτωση).
• Έγραψα σύντομη αφήγηση χωρίς ερμηνεία αιτιότητας.
• Έκανα σαφές πού τελειώνει η περιγραφή και πού αρχίζει η ανάλυση τεστ.
• Επιβεβαίωσα ότι η μορφοποίηση (APA/MLA/Chicago) είναι συνεπής σε όλο το κείμενο.