Datu veidi statistikā - ar piemēriem izskaidrotie nominālie, kārtas skaitļi, intervāli un attiecība

Ja mācāties statistikas eksāmenam un jums ir jāpārskata datu veidi, šajā rakstā tiks sniegts īss pārskats ar dažiem vienkāršiem piemēriem.

Tāpēc, ka jāatzīst: ne daudzi cilvēki pēta datu tipus izklaides nolūkos vai reālajā ikdienas dzīvē.

Tāpēc ienirsim.

Kvantitatīvie un kvalitatīvie dati - kāda ir atšķirība?

Īsāk sakot: kvantitatīvs nozīmē, ka jūs varat to saskaitīt, un tas ir skaitliski (domājiet par daudzumu - kaut ko, ko jūs varat saskaitīt). Kvalitatīvs nozīmē, ka jūs nevarat, un tas nav skaitlisks (domājiet par kvalitāti - tā vietā kategoriski dati).

Boom! Vienkārši, vai ne?

Pirms pāriet uz faktiskajiem datu tipiem, mums vajadzētu iegūt vēl vienu atšķirību, un tas ir saistīts ar kvantitatīvajiem (skaitļu) datiem: diskrēti vai nepārtraukti dati.

Diskrētie dati ietver veselus skaitļus (veselus skaitļus, piemēram, 1, 356 vai 9), kurus nevar sadalīt, pamatojoties uz to būtību.

Tāpat kā cilvēku skaits klasē, pirkstu skaits uz rokām vai bērnu skaits, kāds kādam ir. Ģimenē nevar būt 1,9 bērni (neskatoties uz to, ko varētu teikt tautas skaitīšana).

Turpretī nepārtrauktie dati ir pretēji. To var sadalīt tik daudz, cik vēlaties, un izmērīt ar daudziem cipariem aiz komata.

Tāpat kā automašīnas svars (to var aprēķināt ar daudziem cipariem aiz komata), temperatūra (32,543 grādi utt.) Vai lidmašīnas ātrums.

Tagad par jautrām lietām.

Kvalitatīvi datu tipi

Nominālie dati

Nomināli dati tiek izmantoti, lai iezīmētu mainīgos bez kvantitatīvās vērtības. Biežākie piemēri ir vīrieši / sievietes (kaut arī nedaudz novecojušas), matu krāsa, tautības, cilvēku vārdi utt.

Vienkāršā angļu valodā: būtībā tās ir etiķetes (un nominālvērtība nāk no vārda “nosaukums”, lai palīdzētu atcerēties). Jums ir brūni mati (vai brūnas acis) . Jūs esat amerikānis . Tevi sauc Džeina .

Piemēri:

Kādas krāsas mati jums ir?

  • Brūns
  • Blondīne
  • Melns
  • Varavīksnes vienradzis

Kāds ir jūsu tautība?

  • Amerikānis
  • Vācu
  • Kenijietis
  • Japāņu

Ievērojiet, ka šie mainīgie nepārklājas. Statistikas vajadzībām katrā ziņā jums nevar būt gan brūni, gan varavīksnes vienradža krāsas mati. Un viņi patiešām ir saistīti tikai pēc galvenās kategorijas, kurā viņi ir.

Kārtas dati

Galvenais ar kārtas datiem ir atcerēties, ka kārtas numurs izklausās pēc kārtības - un svarīga ir mainīgo secība. Ne tik daudz atšķirības starp šīm vērtībām.

Kārtas svari bieži tiek izmantoti apmierinātības, laimes utt. Vai esat kādreiz piedalījies kādā no šīm aptaujām, piemēram, šo?

"Cik iespējams, ka iesakāt mūsu pakalpojumus saviem draugiem?"

  • Ļoti iespējams
  • Iespējams
  • Neitrāls
  • Maz ticams
  • Ļoti maz ticams

Redziet, mēs īsti nezinām, kāda ir atšķirība starp ļoti maz ticamu un maz ticamu - vai, ja tā ir tikpat liela varbūtība (vai maz ticamība) kā starp iespējamo un ļoti iespējamo. Bet tas ir labi. Mēs vienkārši zinām, ka varbūtība ir vairāk nekā neitrāla un maz ticams ir vairāk nekā ļoti maz ticama. Tas viss ir kārtībā.

Kvantitatīvie datu tipi

Intervāla dati

Intervāla dati ir jautri (un noderīgi), jo tie attiecas gan uz mainīgo lielumu secību, gan atšķirību. Tas ļauj izmērīt standartnovirzi un centrālo tendenci.

Visu iecienītākais intervālu datu piemērs ir temperatūra grādos pēc Celsija. 20 grādi C ir siltāks par 10, un starpība starp 20 un 10 grādiem ir 10 grādi. Starpība starp 10 un 0 ir arī 10 grādi.

Ja jums nepieciešama palīdzība, atceroties intervālu skalas, vienkārši padomājiet par intervāla nozīmi: atstarpi starp . Tātad jums rūp ne tikai mainīgo secība, bet arī vērtības starp tām.

Tomēr ir neliela problēma ar intervāliem: nav "patiesās nulles". Patiesai nullei nav vērtības - nekā tāda nav -, bet 0 grādiem C noteikti ir vērtība: tā ir diezgan auksta. Jums var būt arī negatīvi skaitļi.

Ja jums nav īstas nulles, jūs nevarat aprēķināt koeficientus. Tas nozīmē saskaitīšanas un atņemšanas darbu, bet dalīšana un reizināšana to nedara.

Attiecības dati

Paldies dievam, ir dati par attiecību. Tas atrisina visas mūsu problēmas.

Attiecības dati stāsta par mainīgo secību, atšķirībām starp tām, un viņiem ir šī absolūtā nulle. Kas ļauj veikt un izdarīt visādus aprēķinus un secinājumus.

Attiecības dati ir ļoti līdzīgi intervāla dati, izņemot nulli nozīmē, ka nav. Attiecību datiem nav iespējams iegūt negatīvas vērtības.

Piemēram, augstums ir attiecību dati. Negatīvs augstums nav iespējams. Ja objekta augstums ir nulle, tad objekta nav. Tas atšķiras no kaut kā temperatūras. Gan 0, gan -5 grādi ir pilnīgi derīga un jēgpilna temperatūra.

Tagad, kad jums ir pamata rokturis šiem datu tipiem, jums vajadzētu būt nedaudz gatavākam risināt šo statistikas eksāmenu.