Differenza Tra Dati Categoriali E Dati Numerici

Differenza Tra Dati Categoriali E Dati Numerici
Differenza Tra Dati Categoriali E Dati Numerici

Video: Differenza Tra Dati Categoriali E Dati Numerici

Video: Differenza Tra Dati Categoriali E Dati Numerici
Video: 4. Variabili quantitative e qualitative 2024, Novembre
Anonim

Dati categoriali vs dati numerici

I dati sono i fatti o le informazioni raccolte a scopo di riferimento o analisi. Spesso questi dati vengono raccolti come attributo del soggetto interessato. Questo attributo può variare da uno all'altro, quindi questo attributo variabile può essere considerato una variabile. Le variabili possono assumere diverse forme di valori e questi sono intrinseci nei dati raccolti.

Le variabili possono essere qualitative o quantitative; cioè se la variabile è quantitativa, le risposte sono numeri e la grandezza dell'attributo misurato può essere dichiarata con un certo grado di precisione. L'altro tipo, le variabili qualitative misurano gli attributi qualitativi ei valori assunti dalle variabili non possono essere dati in termini di dimensione o grandezza. Le variabili stesse sono note come variabili categoriali ei dati raccolti per mezzo di una variabile categoriale sono dati categoriali.

Maggiori informazioni sui dati numerici

I dati numerici sono fondamentalmente i dati quantitativi ottenuti da una variabile e il valore ha un senso di dimensione / grandezza. I dati numerici ottenuti sono ulteriormente suddivisi in altre tre categorie basate sulla teoria sviluppata da Stanley Smith Stevens. I dati numerici possono essere ordinali, intervallo o rapporto. Il tipo di dati è determinato dal metodo di misurazione dei valori e i tipi sono noti come livelli di misurazione.

Il peso di una persona, la distanza tra due punti, la temperatura e il prezzo di un'azione sono esempi di dati numerici.

In statistica, la maggior parte dei metodi è derivata per l'analisi di dati numerici. Le statistiche descrittive di base e la regressione e altri metodi inferenziali sono utilizzati principalmente per l'analisi dei dati numerici.

Ulteriori informazioni sui dati categoriali

I dati categoriali sono valori per una variabile qualitativa, spesso un numero, una parola o un simbolo. Mettono in risalto il fatto che la variabile nel caso considerato appartiene ad una delle numerose scelte disponibili. Pertanto, appartengono a una delle categorie; da qui il nome categorico.

L'affiliazione politica di una persona, la nazionalità di una persona, il colore preferito di una persona e il gruppo sanguigno di un paziente sono attributi qualitativi. A volte, un numero può essere ottenuto come valore categoriale, ma il numero stesso non rappresenta la grandezza dell'attributo misurato. Il codice postale è un esempio.

Inoltre, tutti i valori categoriali appartengono al tipo di dati nominale, che è un altro tipo basato sui livelli di misurazioni. I metodi utilizzati per analizzare i dati categoriali sono diversi da quelli dei dati numerici, ma il principio di base potrebbe essere lo stesso.

Qual è la differenza tra dati categoriali e numerici?

• I dati numerici sono valori ottenuti per la variabile quantitativa e portano un senso di grandezza relativo al contesto della variabile (quindi, sono sempre numeri o simboli che portano un valore numerico). I dati categoriali sono valori ottenuti per una variabile qualitativa; i numeri di dati categorici non trasmettono un senso di grandezza.

• I dati numerici appartengono sempre al tipo ordinale, rapporto o intervallo, mentre i dati categoriali appartengono al tipo nominale.

• I metodi utilizzati per analizzare i dati quantitativi sono diversi dai metodi utilizzati per i dati categoriali, anche se i principi sono gli stessi almeno l'applicazione presenta differenze significative.

• I dati numerici vengono analizzati utilizzando metodi statistici nelle statistiche descrittive, regressione, serie temporali e molti altri.

• Per i dati categoriali di solito vengono utilizzati metodi descrittivi e metodi grafici. Vengono utilizzati anche alcuni test non parametrici.

Raccomandato: