Hvis du studerer for en statistikk eksamen og må gjennomgå datatyper denne artikkelen vil gi deg en kort oversikt med noen enkle eksempler.
Fordi la oss innse det: det er ikke mange mennesker studie typer data, for moro skyld eller i deres egentlige hverdag.
Så la oss dykke i.
Kvantitativ vs Kvalitativ data – hva er forskjellen?
kort sagt: kvantitativ betyr at du kan telle det, og det er numerisk (tror kvantitet – noe du kan telle)., Kvalitative betyr at du ikke kan, og det er ikke numerisk (tenk kvalitet – kategoriske data i stedet).
Boom! Enkelt, ikke sant?
Det er en mer skillet vi skulle få rett før du går videre til faktiske data typer, og det har å gjøre med kvantitative (tall) data: diskrete vs. kontinuerlig data.
Diskrete data involverer hele tall (heltall – lik 1, 356, eller 9) som ikke kan deles basert på innholdet av hva de er.
for eksempel antall personer i en klasse, antall fingre på hendene, eller antall barn noen har. Du kan ikke ha 1.,9 barn i en familie (til tross for hva census kanskje si).
Kontinuerlige data, på den annen side, er den motsatte. Det kan deles opp så mye som du ønsker, og målt til mange desimaler.
Som vekten av en bil (kan beregnes til mange desimaler), temperatur (32.543 grader, og så videre), eller hastigheten på et fly.
Nå for morsomme ting.
Kvalitative data typer
Nominelle data
Nominelle data er brukt for å merke variabler uten noen kvantitative verdi., Vanlige eksempler er mann/kvinne (om enn noe utdatert), hårfarge, nasjonalitet, navn på personer, og så videre.
I vanlig engelsk: i utgangspunktet, de er etiketter (og nominell kommer fra «navn» for å hjelpe deg å huske). Du har brunt hår (eller brune øyne). Du er Amerikansk. Ditt navn er Jane.
Eksempel:
Hvilken hårfarge har du?
- Brown
- Blonde
- Svart
- Rainbow unicorn
Hva er din nasjonalitet?
- American
- tysk
- Kenyanske
- Japansk
legg Merke til at disse variablene ikke overlapper., For den hensikt av statistikk, uansett, du kan ikke ha både brun og rainbow unicorn-farget hår. Og de er egentlig bare i slekt med den viktigste kategorien som de er en del av.
Ordenstallet data
– tasten med ordenstallet data er å huske at ordenstallet høres ut som ordre – og det er rekkefølgen på variablene som teller. Ikke så mye forskjeller mellom disse verdiene.
Ordenstallet skalaer er ofte brukt for målinger av tilfredshet, lykke, og så videre. Har du noen gang tatt en av de undersøkelser som dette?
«Hvor sannsynlig det er at du vil anbefale våre tjenester til dine venner?,»
- det er Svært sannsynlig
- Sannsynlig
- Neutral
- Usannsynlig
- det er Svært usannsynlig
Se, det vet vi egentlig ikke hva forskjellen er mellom svært lite sannsynlig og usannsynlig – eller om det er den samme mengden av sannsynligheten (eller, unlikeliness) som mellom sannsynlighet og svært sannsynlig. Men det er ok. Vi bare vet at det sannsynligvis er mer enn nøytral og neppe er mer enn svært usannsynlig. Det er alt i orden.
Kvantitative data typer
Intervall Data
Intervall data er morsomt (og nyttig) fordi det er opptatt med både for og forskjellen mellom variablene., Dette gjør at du kan måle standardavvik og sentral-tendens.
Alles favoritt eksempel på intervall data er temperaturen i grader celsius. 20 grader C er varmere enn 10, og forskjellen mellom 20 grader og 10 grader er 10 grader. Forskjellen mellom 10 og 0 er også 10 grader.
Hvis du trenger hjelp til å huske hva intervall skalaer er, bare tenk på betydningen av intervallet: avstanden mellom. Så ikke bare gjør du bryr deg om rekkefølgen på variablene, men også om verdier i mellom dem.,
Det er et lite problem med intervaller, men: det er ingen «true null.»En sann zero har ingen verdi – det er ingen som ting – men 0 grader C definitivt har en verdi: det er ganske kjølig. Du kan også ha negative tall.
Hvis du ikke har en sann null, kan du ikke beregne kapitaldekningen. Dette betyr at addisjon og subtraksjon arbeid, men divisjon og multiplikasjon ikke.
Ratio data
Takk og lov det er forholdet data. Det løser alle våre problemer.
Ratio data som forteller oss om rekkefølgen på variablene, og forskjellene mellom dem, og de har absolutt null., Som tillater alle slags beregninger og slutninger som skal utføres og tegnet.
Ratio data er svært lik intervall data, bortsett fra null betyr ingen. For forholdet data er det ikke mulig å ha negative verdier.
For eksempel, høyden er forholdet data. Det er ikke mulig å ha negative høyde. Hvis et objekt høyde er det null, så er det ikke noe objekt. Dette er annerledes enn noe som temperatur. Både 0 grader og -5 grader er helt gyldig og meningsfylt temperaturer.,
Nå som du har en grunnleggende håndtaket på disse typer data, bør du være litt mer klar for å takle at statistikk eksamen.