10.3: Класифікація даних

Last updated

Oct 27, 2022
Save as PDF
- 10.2: Популяції та зразки
- 10.4: Методи відбору проб

David Lippman & Jeff Eldridge
Pierce College via The OpenTextBookStore

$\newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} }$

$\newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}}$

$\newcommand{\id}{\mathrm{id}}$

$\newcommand{\Span}{\mathrm{span}}$

$\newcommand{\kernel}{\mathrm{null}\,}$

$\newcommand{\range}{\mathrm{range}\,}$

$\newcommand{\RealPart}{\mathrm{Re}}$

$\newcommand{\ImaginaryPart}{\mathrm{Im}}$

$\newcommand{\Argument}{\mathrm{Arg}}$

$\newcommand{\norm}[1]{\| #1 \|}$

$\newcommand{\inner}[2]{\langle #1, #2 \rangle}$

$\newcommand{\Span}{\mathrm{span}}$

$\newcommand{\id}{\mathrm{id}}$

$\newcommand{\Span}{\mathrm{span}}$

$\newcommand{\kernel}{\mathrm{null}\,}$

$\newcommand{\range}{\mathrm{range}\,}$

$\newcommand{\RealPart}{\mathrm{Re}}$

$\newcommand{\ImaginaryPart}{\mathrm{Im}}$

$\newcommand{\Argument}{\mathrm{Arg}}$

$\newcommand{\norm}[1]{\| #1 \|}$

$\newcommand{\inner}[2]{\langle #1, #2 \rangle}$

$\newcommand{\Span}{\mathrm{span}}$

Після того, як ми зібрали дані, ми, можливо, забажаємо класифікувати їх. Грубо кажучи, дані можна класифікувати як категоричні дані або кількісні дані.

Кількісні та категоріальні дані

Категоричні (якісні) дані - це фрагменти інформації, які дозволяють класифікувати досліджувані об'єкти за різними категоріями.
Кількісні дані - це відповіді, які носять числовий характер і за допомогою яких ми можемо виконувати значущі арифметичні обчислення.

Приклад 3

Ми могли б провести опитування, щоб визначити назву улюбленого фільму, який кожна людина в класі математики бачила в кінотеатрі.

Коли ми проводимо таке опитування, відповіді виглядатимуть так: «У пошуках Немо», «Халк» або «Термінатор 3: Підйом машин». Ми можемо порахувати кількість людей, які дають кожну відповідь, але самі відповіді не мають числових значень: ми не можемо виконувати обчислення з відповіддю на кшталт "Пошук Немо». Це були б категоричні дані.

Приклад 4

Опитування може запитати кількість фільмів, які ви бачили в кінотеатрі за останні 12 місяців (0, 1, 2, 3, 4,...)

Це були б кількісні дані.

Іншими прикладами кількісних даних буде час роботи фільму, який ви бачили останнім часом (104 хвилини, 137 хвилин, 104 хвилини,...) або сума грошей, яку ви заплатили за квиток у кіно в останній раз, коли ви ходили в кінотеатр ($5.50, $7.75, $9,...).

Іноді визначення того, чи є дані категоричними чи кількісними, може бути трохи складнішим.

Приклад 5

Припустимо, ми збираємо поштові індекси респондентів в опитуванні, щоб відстежувати їх географічне положення.

Поштові індекси - це цифри, але ми не можемо робити з ними жодних значущих математичних обчислень (немає сенсу говорити, що 98036 - це «двічі» 49018 - це все одно, що сказати, що Лінвуд, штат Вашингтон - це «двічі» Battle Creek, MI, що взагалі не має сенсу), тому поштові коди дійсно категоричні дані.

Приклад 6

Опитування про фільм, який ви останнім часом відвідували, включає питання «Як би ви оцінювали фільм, який ви щойно бачили?» з цими можливими відповідями:

1 - це було жахливо
2 - це було просто ОК
3 - мені сподобалося
4 - це було чудово
5 - найкращий фільм коли-небудь!

Знову ж таки, є цифри, пов'язані з відповідями, але ми не можемо робити будь-які розрахунки з ними: фільм, який оцінює 4, не обов'язково вдвічі більше, ніж фільм, який оцінює 2, що б це не означало; якщо двоє людей бачать фільм, і один з них думає, що смердить, а інший вважає, що це найкраще коли-небудь не обов'язково має сенс говорити, що «в середньому їм це сподобалося».

Вивчаючи звички та переваги в кіно, ми не повинні забувати вказувати розглянуту популяцію. Якщо ми опитуємо 3-7 річних, улюбленим втечею може бути Пошук Немо. 13-17-річні можуть віддати перевагу Термінатор 3. А 33-37-річні можуть віддати перевагу... ну, Пошук Немо.

Спробуйте зараз 3

Класифікувати кожне вимірювання як категоричне або кількісне

Колір очей групи людей
Добова висока температура міста протягом декількох тижнів
Річний дохід

Відповідь

Категоричний
Кількісні
Кількісні