أنواع البيانات في الإحصاء - أنواع البيانات الاسمية والترتيبية والفاصلة والنسبة الموضحة بأمثلة

إذا كنت تدرس لإجراء اختبار إحصائي وتحتاج إلى مراجعة أنواع البيانات الخاصة بك ، فستقدم لك هذه المقالة نظرة عامة موجزة مع بعض الأمثلة البسيطة.

لأننا نواجه الأمر: لا يدرس الكثير من الناس أنواع البيانات من أجل المتعة أو في حياتهم اليومية الحقيقية.

لذلك دعونا نتعمق.

البيانات الكمية مقابل البيانات النوعية - ما الفرق؟

باختصار: الكمية تعني أنه يمكنك عدها وهي عددية (فكر في الكمية - شيء يمكنك حسابه). النوعية تعني أنك لا تستطيع ، وهي ليست رقمية (فكر في الجودة - بيانات فئوية بدلاً من ذلك).

فقاعة! بسيط ، صحيح؟

هناك تمييز آخر يجب أن نحدده مباشرة قبل الانتقال إلى أنواع البيانات الفعلية ، وهو يتعلق بالبيانات الكمية (الأرقام): البيانات المنفصلة مقابل البيانات المستمرة.

تتضمن البيانات المنفصلة أعدادًا صحيحة (أعداد صحيحة - مثل 1 أو 356 أو 9) لا يمكن تقسيمها بناءً على طبيعتها.

مثل عدد الأشخاص في الفصل ، أو عدد أصابع يديك ، أو عدد الأطفال لدى شخص ما. لا يمكن أن يكون لديك 1.9 طفل في الأسرة (على الرغم مما قد يقوله التعداد).

البيانات المستمرة ، من ناحية أخرى ، هي عكس ذلك. يمكن تقسيمها بقدر ما تريد ، وقياسها إلى العديد من المنازل العشرية.

مثل وزن السيارة (يمكن حسابه من عدة منازل عشرية) ، ودرجة الحرارة (32.543 درجة ، وما إلى ذلك) ، أو سرعة الطائرة.

الآن للأشياء المسلية.

أنواع البيانات النوعية

بيانات اسمية

تُستخدم البيانات الاسمية لتسمية المتغيرات دون أي قيمة كمية. تشمل الأمثلة الشائعة ذكر / أنثى (وإن كان قديمًا نوعًا ما) ، ولون الشعر ، والجنسيات ، وأسماء الأشخاص ، وما إلى ذلك.

بلغة إنجليزية بسيطة: في الأساس ، هي عبارة عن تسميات (والاسمية تأتي من "الاسم" لمساعدتك على التذكر). لديك شعر بني (أو عيون بنية) . انت أمريكي . اسمك جين .

أمثلة:

أي لون شعر تمتلك؟

  • بنى
  • شقراء
  • أسود
  • قوس قزح يونيكورن

ما هي جنسيتك؟

  • أمريكي
  • ألمانية
  • كيني
  • اليابانية

لاحظ أن هذه المتغيرات لا تتداخل. لأغراض الإحصاء ، على أي حال ، لا يمكنك الحصول على شعر بني ولون قوس قزح بلون وحيد القرن. وهم مرتبطون حقًا فقط بالفئة الرئيسية التي هم جزء منها.

البيانات ترتيبي

المفتاح مع البيانات الترتيبية هو أن تتذكر أن الأصوات الترتيبية مثل الترتيب - وهذا هو ترتيب المتغيرات الذي يهم. ليس هناك الكثير من الاختلافات بين تلك القيم.

غالبًا ما تُستخدم المقاييس الترتيبية لقياس الرضا والسعادة وما إلى ذلك. هل سبق لك إجراء أحد هذه الاستطلاعات ، مثل هذا؟

"ما مدى احتمالية أن توصي بخدماتنا لأصدقائك؟"

  • من المرجح جدا
  • المحتمل أن
  • محايد
  • من غير المرجح
  • من المستبعد جدا

انظر ، نحن لا نعرف حقًا الفرق بين غير المحتمل وغير المحتمل - أو ما إذا كان هو نفس القدر من الاحتمال (أو عدم الرغبة) بين المحتمل والمرجح جدًا. ولكن هذا على ما يرام. نحن نعلم فقط أنه من المحتمل أن يكون أكثر من محايد وغير مرجح أكثر من غير محتمل. كل شيء في الترتيب.

أنواع البيانات الكمية

بيانات فاصلة

بيانات الفاصل هو متعة (ومفيد) لأنها المعنية مع كل من النظام و الفرق بين المتغيرات الخاصة بك. يسمح لك هذا بقياس الانحراف المعياري والميل المركزي.

المثال المفضل لبيانات الفاصل الزمني هو درجات الحرارة بالدرجات المئوية. 20 درجة مئوية أدفأ من 10 ، والفرق بين 20 درجة و 10 درجات هو 10 درجات. الفرق بين 10 و 0 هو أيضًا 10 درجات.

إذا كنت بحاجة إلى مساعدة في تذكر ماهية مقاييس الفترات ، فما عليك سوى التفكير في معنى الفاصل: المسافة بين . لذلك لا تهتم فقط بترتيب المتغيرات ، ولكن أيضًا بالقيم الموجودة بينها.

ومع ذلك ، هناك مشكلة صغيرة في الفواصل الزمنية: لا يوجد "صفر حقيقي". الصفر الحقيقي ليس له قيمة - لا يوجد شيء من هذا القبيل - لكن درجة الصفر مئوية لها بالتأكيد قيمة: إنها باردة جدًا. يمكنك أيضًا الحصول على أرقام سالبة.

إذا لم يكن لديك صفر حقيقي ، فلا يمكنك حساب النسب. هذا يعني أن عمليتي الجمع والطرح ، لكن القسمة والضرب لا تفعل ذلك.

بيانات النسبة

الحمد لله هناك نسبة البيانات. إنه يحل جميع مشاكلنا.

تخبرنا بيانات النسبة عن ترتيب المتغيرات ، والاختلافات بينها ، ولديها هذا الصفر المطلق. مما يسمح بإجراء واستخلاص جميع أنواع الحسابات والاستنتاجات.

بيانات النسبة هي بيانات فاصلة متشابهة للغاية ، باستثناء الصفر يعني لا شيء. بالنسبة لبيانات النسبة ، لا يمكن الحصول على قيم سالبة.

على سبيل المثال ، الارتفاع هو نسبة البيانات. لا يمكن أن يكون لديك ارتفاع سلبي. إذا كان ارتفاع الكائن صفرًا ، فلا يوجد كائن. هذا يختلف عن شيء مثل درجة الحرارة. كل من 0 درجة و -5 درجة حرارة صالحة تمامًا وذات مغزى.

الآن بعد أن أصبح لديك مؤشر أساسي على أنواع البيانات هذه ، يجب أن تكون أكثر استعدادًا للتعامل مع اختبار الإحصائيات هذا.