Guinguette Marais Poitevin

Typy zmiennych > Zmienne ilościowe
Zawartość:

1. Definicja zmiennej ilościowej
2. Co to jest warunek danych ilościowych?

Definicja

Grafik zmiennych kategorycznych na osi y i danych ilościowych/numerycznych na osi x. Credit: Thupper|Wikimedia Commons

Dwa rodzaje zmiennych są wykorzystywane w statystyce: Ilościowe (zwane również zmienną pomiarową lub zmiennymi liczbowymi) oraz kategoryczne (zwane również jakościowymi):

• Zmienne ilościowe to zmienne liczbowe: liczebności, procenty lub liczby.
• Zmienne kategoryczne to opisy grup lub rzeczy, takich jak „rasy psów” lub „preferencje wyborcze”.

Przykłady zmiennych ilościowych / zmiennych liczbowych:

• Średnia ocen w szkole średniej (np. 4.0, 3.2, 2.1).
• Liczba posiadanych zwierząt domowych (np. 1, 2, 4).
• Saldo konta bankowego (np. $100, $987, $-42.
• Liczba gwiazd w galaktyce (np. 100, 2301, 1 bilion).
• Średnia liczba sprzedanych losów loteryjnych (np. 25, 2,789, 2 miliony).
• Ilu masz kuzynów (np. 0, 12, 22).
• Kwota w twoim czeku z wypłatą (np. $200, $1,457, $2,222).

Generalna zasada kciuka: jeśli możesz to dodać, to jest to ilościowe. Na przykład, G.P.A. równe 3.3 i G.P.A. równe 4.0 mogą być dodane razem (3.3 + 4.0 = 7.3), więc oznacza to, że są ilościowe. Z drugiej strony, oceny A, B, lub C nie mogą być dodane do siebie, chyba że zamienisz je na liczby, więc A, B, i C nie są ilościowe.

Przykłady zmiennych kategorycznych:

• Klasa w college’u (np.np. freshman, sophomore, junior, senior).
• Przynależność partyjna (np. republikanin, demokrata, niezależny).
• Typ posiadanego zwierzęcia domowego (np. pies, kot, gryzoń, ryba).
• Ulubiony autor (np. Stephen King, James Patterson, Charles Dickens).
• Preferowane linie lotnicze (np. Southwest, Virgin, Quantas).
• Kolor włosów (np. blond, brunet, czarny).
• Twoja rasa (np. Azjata, Latynos, czarny).
• Typ kapelusza (np. sombrero, czapka, fedora).

Jako ogólna zasada, jeśli nie możesz czegoś dodać, to jest to kategoryczne. Na przykład, nie można dodać kot + pies, lub republikanin + demokrata.

Kategoryczne vs. Ilościowe

Zobacz ten film na temat różnicy między zmiennymi kategorycznymi (jakościowymi) i ilościowymi.

Co to jest ilościowy warunek danych?

Gdy sporządzasz wykresy lub wykreślasz dane statystyczne, upewnij się, że masz dane ilościowe o znanych jednostkach. Jeśli nie masz znanych jednostek, to nie będziesz w stanie ich wykreślić. Na przykład, pierwsza lista powyżej stwierdza, że „G.P.A.” jest daną ilościową. Jednak nie będziesz w stanie stworzyć wykresu liczby punktów G.P.A. w stosunku do innej zmiennej (np. rasy lub płci), jeśli nie masz jednostki, takiej jak 3,1 lub 2,9. Brzmi to jak oczywistość, ale w przypadku bardziej złożonych danych należy zawsze sprawdzić, czy dane ilościowe nie zawierają brakujących lub bezsensownych informacji, zanim rozpocznie się tworzenie wykresu.

Histogramy, wykresy pudełkowe i wykresy rozrzutu wymagają danych ilościowych (liczbowych). Jeśli spróbujesz przedstawić dane kategoryczne za pomocą histogramu, boxplotu lub wykresu rozproszonego, napotkasz ten sam problem, co w przypadku przedstawienia danych liczbowych za pomocą wykresów kołowych: wykresy nie będą miały sensu. Poniższy wykres rozrzutu ilustruje ten punkt. Zrobiłem wykres rozrzutu w programie Microsoft Excel danych kategorycznych (imion) wraz z ich wiekiem w programie Excel. Excel nie rozpoznał danych kategorycznych i zamiast nich przypisał liczby. Wykres rozrzutu jest bezsensowny; nikt nie będzie wiedział, że „1”, „2”, „3”, „4” i „5” odnoszą się do imion, a nawet jeśli… wykres będzie bałaganem, jeśli masz 100 imion!

Obejściem tego problemu mogłoby być przypisanie numerów do imion (np. Jan = 1, Jan = 2…), i umieszczenie klucza na wykresie. Jednak w tym konkretnym przykładzie, wykres rozrzutu nie jest najlepszym wyborem dla wykresu – wybierz zamiast niego wykres słupkowy. Wykres słupkowy pozwala na wykreślenie kategorii na jednej osi, więc warunek danych ilościowych nie musi być spełniony dla jednej osi.

Sprawdź nasz kanał YouTube po więcej pomocy i wskazówek.

Beyer, W. H. CRC Standard Mathematical Tables, 31st ed. Boca Raton, FL: CRC Press, s. 536 i 571, 2002.
Agresti A. (1990) Categorical Data Analysis. John Wiley and Sons, New York.
Kotz, S.; et al., eds. (2006), Encyclopedia of Statistical Sciences, Wiley.
Lindstrom, D. (2010). Schaum’s Easy Outline of Statistics, Second Edition (Schaum’s Easy Outlines) 2nd Edition. McGraw-Hill Education

—————————————————————————–

Potrzebujesz pomocy z zadaniem domowym lub pytaniem testowym? Dzięki Chegg Study możesz uzyskać rozwiązania swoich pytań krok po kroku od eksperta w danej dziedzinie. Pierwsze 30 minut z korepetytorem Chegg jest bezpłatne!