Adattípusok a statisztikákban - Névleges, Rendes, Intervallum és Arány adattípusok példákkal magyarázva

Ha statisztikai vizsgára készül, és át kell tekintenie az adattípusokat, akkor ez a cikk rövid áttekintést ad néhány egyszerű példával.

Mert valljuk be: nem sokan tanulmányozzák az adattípusokat szórakozásból vagy a mindennapi életükben.

Merüljünk hát be.

Mennyiségi és minőségi adatok - mi a különbség?

Röviden: kvantitatív azt jelenti, hogy meg tudja számlálni, és ez numerikus (gondolj a mennyiségre - valamit meg tudsz számolni). A kvalitatív azt jelenti, hogy nem tudsz, és ez nem numerikus (gondolj minőségre - inkább kategorikus adatokra).

Bumm! Egyszerű, igaz?

Van még egy megkülönböztetés, amelyet egyenesen meg kell kapnunk, mielőtt továbblépnénk a tényleges adattípusokra, és ez kvantitatív (szám) adatokhoz kapcsolódik: diszkrét és folyamatos adatok.

A diszkrét adatok egész számokat (egész számokat - például 1, 356 vagy 9) foglalnak magukba, amelyeket nem lehet felosztani a jellegük jellege alapján.

Mint az osztályban lévők száma, a kezeden lévő ujjak száma vagy a valakinek a száma. Egy családban nem lehet 1,9 gyermeke (annak ellenére, hogy a népszámlálás azt mondaná).

A folyamatos adatok viszont ellentétesek. Fel lehet osztani, amennyit csak akar, és sok tizedesjegyig mérhető.

Mint egy autó súlya (sok tizedesjegyig számolható), a hőmérséklet (32,543 fok stb.) Vagy a repülőgép sebessége.

Most a szórakoztató dolgokról.

Minőségi adattípusok

Névleges adatok

A névleges adatokat a változók kvantitatív érték nélküli címkézésére használják. Gyakori példa a férfi / nő (bár kissé elavult), a hajszín, a nemzetiség, az emberek neve stb.

Egyszerű angolul: alapvetően címkék (és a névleges a "név" szóból származik, hogy könnyebben emlékezzen rá). Van barna haj (vagy barna szem) . Te amerikai vagy . A neved Jane .

Példák:

Milyen színű hajad van?

  • Barna
  • Szőke
  • Fekete
  • Szivárvány egyszarvú

Mi a nemzetisége?

  • Amerikai
  • német
  • kenyai
  • japán

Vegye figyelembe, hogy ezek a változók nem fedik egymást. A statisztika szempontjából egyébként nem lehet barna és szivárványos egyszarvú haja. És csak azok a fő kategóriák kapcsolódnak egymáshoz, amelyeknek részei.

Rendes adatok

A sorszámadatokkal az a kulcs, hogy ne felejtsük el, hogy a sorszám sorrendnek hangzik - és ez a változók sorrendje számít. Nem annyira a különbségek ezen értékek között.

A rendes skálákat gyakran használják az elégedettség, a boldogság stb. Vett-e már valaha ilyen felmérést?

- Mennyire valószínű, hogy a barátainknak ajánlja szolgáltatásainkat?

  • Nagyon valószínű
  • Valószínűleg
  • Semleges
  • Valószínűtlen
  • Nagyon valószínűtlen

Látja, nem igazán tudjuk, mi a különbség a valószínűtlen és a valószínűtlen között - vagy ha ugyanannyi valószínűség (vagy valószínűtlenség) van, mint a valószínű és nagyon valószínű. De ez rendben van. Csak azt tudjuk, hogy a valószínűség több mint semleges, és a valószínűtlen több, mint nagyon valószínűtlen. Minden rendben van.

Mennyiségi adattípusok

Intervallumadatok

Az intervallumadatok szórakoztatóak (és hasznosak), mert a változók sorrendjére és különbségére egyaránt vonatkoznak . Ez lehetővé teszi a szórás és a központi tendencia mérését.

Mindenki kedvenc példája az intervallumadatokra a Celsius-fokban mért hőmérséklet. A 20 fok C melegebb, mint 10, a 20 és 10 fok közötti különbség 10 fok. A 10 és 0 közötti különbség szintén 10 fok.

Ha segítségre van szüksége az intervallum skálák emlékezésében, gondoljon csak az intervallum jelentésére: a közötti térre . Tehát nem csak a változók sorrendje, hanem a közöttük lévő értékek is érdekelnek.

Van azonban egy kis probléma az intervallumokkal: nincs "igazi nulla". A valódi nulla nincs értéke - ebből nincs semmi -, de a 0 C foknak mindenképpen van értéke: elég hideg. Negatív számai is lehetnek.

Ha nincs igazi nulla, akkor nem tudja kiszámítani az arányokat. Ez összeadási és kivonási munkát jelent, de az osztás és szorzás nem.

Arányadatok

Hála istennek, vannak arányadatok. Megoldja az összes problémánkat.

Az arány adatok megadják a változók sorrendjét, a közöttük lévő különbségeket, és megvan az abszolút nulla. Ami lehetővé teszi mindenféle számítás és következtetés elvégzését és levonását.

Az arányarány nagyon hasonló intervallumadat, kivéve a nulla semmit. Arányadatok esetén nem lehet negatív érték.

Például a magasság arányadat. Negatív magasság nem lehetséges. Ha egy objektum magassága nulla, akkor nincs objektum. Ez más, mint valami hőmérséklet. A 0 fok és a -5 fok is teljesen érvényes és értelmes hőmérséklet.

Most, hogy rendelkezik egy alapvető kezelési lehetőséggel ezen adattípusokról, készen kell állnia egy kicsit a statisztikai vizsga kezelésére.