I statistik är kvantitativa data numeriska och förvärvas genom räkning eller mätning och kontrast med kvalitativa data set, som beskriver attribut för objekt men inte innehåller siffror. Det finns olika sätt som kvantitativa data uppstår i statistik. Var och en av följande är ett exempel på kvantitativa data:
- Höjderna för spelare på ett fotbollslag
- Antalet bilar i varje rad på en parkeringsplats
- Procentandelen elever i ett klassrum
- Värdena för hem i en stadsdel
- Livslängden för ett parti av en viss elektronisk komponent.
- Tiden som väntade i kö för köpare i en stormarknad.
- Antalet år i skolan för individer på en viss plats.
- Vikten av ägg som tagits från en kycklingsko på en viss veckodag.
Dessutom kan kvantitativa data vidare delas upp och analyseras i enlighet med mätningsnivån inklusive nominella, ordinära, intervall- och förhållande mätningsnivåer eller huruvida datauppsättningarna är kontinuerliga eller diskret.
Mätnivåer
I statistik finns det olika sätt på vilka mängder eller attribut för objekt kan mätas och beräknas, som alla involverar siffror i kvantitativa datamängder. Dessa datasätt involverar inte alltid siffror som kan beräknas, vilket bestäms av varje datasats.
mätnivå:- nominellt: Eventuella numeriska värden på den nominella mätningsnivån bör inte behandlas som en kvantitativ variabel. Ett exempel på detta är ett tröjnummer eller student-ID-nummer. Det är meningsfullt att göra någon beräkning på dessa typer av siffror.
- Ordinal: Kvantitativa data på den ordinära mätnivån kan ordnas, men skillnaderna mellan värden är meningslösa. Ett exempel på data på denna mätningsnivå är någon form av rangordning.
- Intervall: Data på intervallnivån kan beställas och skillnader kan meningsfullt beräknas. Men data på denna nivå saknar vanligtvis en utgångspunkt. Dessutom är förhållandena mellan datavärden meningslösa. Till exempel är 90 grader Fahrenheit inte tre gånger så varmt som när det är 30 grader.
- Förhållande: Uppgifter på mätningsnivån kan inte bara beställas och subtraheras, utan de kan också delas upp. Anledningen till detta är att dessa data har ett nollvärde eller startpunkt. Till exempel har Kelvin temperaturskala en absolut noll.
Att fastställa vilken av dessa mätningsnivåer en datauppsättning faller under hjälper statistiker avgöra om data är användbara för att göra beräkningar eller observera en uppsättning data som de står.
Diskret och kontinuerlig
Ett annat sätt att kvantitativa data kan klassificeras är om datauppsättningarna är det diskret eller kontinuerligt - var och en av dessa termer har hela underfält av matematik som är avsedda för att studera dem; Det är viktigt att skilja mellan diskret och kontinuerlig data eftersom olika tekniker används.
En datamängd är diskret om värdena kan separeras från varandra. Huvudexemplet på detta är uppsättningen av naturliga siffror. Det finns inget sätt att ett värde kan vara en bråk eller mellan något av hela siffrorna. Denna uppsättning uppstår mycket naturligt när vi räknar föremål som bara är användbara medan de är hel som stolar eller böcker.
Kontinuerlig data uppstår när individer som representeras i datauppsättningen kan ta på sig vilken som helst riktigt nummer inom en rad värden. Till exempel kan vikter rapporteras inte bara i kilogram, utan också gram och milligram, mikrogram och så vidare. Våra data begränsas endast av precisionen hos våra mätanordningar.