Tipos de dados nas estatísticas | Dados qualitativos vs quantitativos

Este artigo foi publicado como parte do Data Science Blogathon

Introdução

Sobre Ciência de dados, o nosso objetivo é realizar diferentes experiências com dados brutos e encontrar alguns bons insights a partir dos dados. Para impulsionar qualquer negócio pelo caminho correto, os dados são muito importantes ou podemos dizer que “Os dados são o combustível”. Pelo menos podem fornecer informações úteis que podem ajudar a:

• Estratégias de campanhas atuais,
• Organize facilmente o lançamento de novos produtos ou
• Teste diferentes experiências.

Em todas as coisas mencionadas acima, o único componente de condução em comum são os dados. Estamos a entrar na era digital na qual produzimos uma grande quantidade de dados todos os dias.

Por exemplo, Diariamente, uma empresa como a Flipkart produz mais de 2 TB de dados.

Devido à grande importância dos dados na nossa vida, se vuelve muy importante almacenar y procesar corretamente estos datos sin ningún error. Al tratar con conjuntos de datos, el tipo de datos o la categoría de los datos juega un papel importante para encontrar la respuesta a las siguientes preguntas:

• Qué estrategia de preprocesamiento funcionaría para un conjunto en particular para obtener los resultados corretos, o
• Qué tipo de análisis estadístico se debe aplicar para obtener los mejores resultados.

Então, neste artigo, discutiremos los diferentes tipos de datos en estadísticas que necesita saber para hacer Análise exploratória de dados (EDA), que es uno de los componentes más importantes en la tubería de un proyecto de aprendizaje automático.

Fonte da imagem: Imagens do google

Tabela de conteúdo

1. Introducción a los tipos de datos en estadística y su importancia

2. Dados qualitativos vs quantitativos

3. Datos cualitativos

• Datos nominales
• Dados ordinais

4. Dados quantitativos

• Dados discretos
• Dados contínuos
• Dados de intervalo
• Dados de razão

Introdução aos tipos de dados em estatística

Nas estatísticas, os tipos de dados desempenham um papel muito crucial e importante, que deve ser compreendido, para aplicar corretamente as medições estatísticas aos seus dados, de forma a podermos concluir corretamente certas suposições sobre os dados.

de forma similar, é necessário saber em que tipo de análise de dados está a trabalhar para selecionar a técnica de perceção correta, já que os diferentes tipos de dados são considerados como uma abordagem para organizar vários tipos de variáveis.

Enquanto isso Análise exploratória de dados (EDA) Num projeto geral de ciência de dados, é crucial ter uma boa compreensão dos diferentes tipos de dados, uma vez que podemos usar certas medidas estatísticas apenas para tipos de dados específicos.

Também é conhecido como o Escala de medição.

Ao lidar com qualquer um dos tipos de dados, também precisamos saber qual método de visualização se adequa ao tipo de dado em particular.

Podemos pensar nos tipos de dados como uma forma de categorizar diferentes tipos de variáveis.

Dados quantitativos vs qualitativos

Dados quantitativos

1. Estes tipos de dados parecem ser os mais fáceis de explicar. Tente encontrar respostas a perguntas como

• “Quantos,
• “Quanto” e
• “Com que frequência”

2. Pode ser expresso como um número, portanto pode ser quantificado. Em palavras simples, pode ser medido através de variáveis numéricas.

3. Estos se abren facilmente para la manipulación estadística y se pueden representar mediante una ampla variedade de tipos estadísticos de gráficos y tablas como gráficos de linha, gráficos de barras, gráfico de dispersãoUm gráfico de dispersão é uma representação visual que mostra a relação entre duas variáveis numéricas usando pontos em um plano cartesiano. Cada eixo representa uma variável, e a localização de cada ponto indica seu valor em relação a ambos. Esse tipo de gráfico é útil para identificar padrões, Correlações e tendências nos dados, facilitando a análise e interpretação de relações quantitativas....etc.

Ejemplos de datos cuantitativos:

• Puntuaciones de pruebas y exámenes, p. Não. 74, 67, 98, etc.
• El peso de una persona.
• La temperatura en una habitación.

Existem 2 tipos gerais de datos cuantitativos:

• Dados discretos
• Dados contínuos

Datos cualitativos

1. Los datos cualitativos no se podem expressar como um número, por lo que no se podem medir. Se compone principalmente de palabras, imágenes y símbolos, pero no números.

2. Também é conhecido como Dados categóricos ya que la information se pode ordenar por categoria, no por número.

3. Estos pueden responder perguntas como:

• “Cómo ha sucedido esto”, o
• Por qué ha sucedido esto.

Ejemplos de datos cualitativos:

• Cores, por exemplo, el color del mar.
• Destinos de vacaciones populares como Suiza, Nova Zelândia, Sudáfrica, etc.
• Origen étnico como indio americano, asiático, etc.

Em geral, existir 2 tipos de datos cualitativos:

• Datos nominales
• Dados ordinais.

Datos cualitativos

Datos nominales

1. Este tipo de datos se utiliza solo para etiquetar variables, sin tener ningún valor cuantitativo. Aqui, el término ‘nominal’ proviene de la palabra latina “no hombre” o que significa ‘nombre’.

2. Simplemente nombra una cosa sin solicitar ningún pedido en particular. Los datos nominales a veces denominados “rótulos”.

Ejemplos de datos nominales:

• Gênero (mujeres, hombres)
• Color de cabello (rubio, castaño, moreno, vermelho, etc.)
• Estado civil (casado, soltero, viudo)

Como puede observar en los ejemplos, no existe un orden intrínseco para las variables.

El color de los ojos es una variávelEm estatística e matemática, uma "variável" é um símbolo que representa um valor que pode mudar ou variar. Existem diferentes tipos de variáveis, e qualitativo, que descrevem características não numéricas, e quantitativo, representando quantidades numéricas. Variáveis são fundamentais em experimentos e estudos, uma vez que permitem a análise de relações e padrões entre diferentes elementos, facilitando a compreensão de fenômenos complexos.... nominal que tiene unos pocos niveles o categorías como Azul, Verde, Marrón, etc. y no hay forma posible de ordenar estas categorías de manera jerárquica, quer dizer, de mayor a menor o viceversa.

Fonte da imagem: Imagens do google

Dados ordinais

1. A diferença crucial em relação aos tipos de dados nominais é que os Dados Ordinais mostram onde um número está presente numa ordem específica.

2. Este tipo de dados é colocado em algum tipo de ordem de acordo com a sua posição numa escala. Os dados ordinais podem indicar superioridade.

3. Não podemos fazer operações aritméticas com dados ordinais porque apenas mostram a sequência.

4. As variáveis ordinais são consideradas variáveis qualitativas e quantitativas 'intermédias'.

5. Em palavras simples, Podemos entender os dados ordinais como dados qualitativos cujos valores são ordenados.

6. Em comparação com os dados nominais, Estes últimos são dados qualitativos cujos valores não podem ser colocados numa ordem.

7. De acordo com a posição relativa, também podemos atribuir números a dados ordinais. Mas não podemos fazer cálculos matemáticos com esses números. Por exemplo, “Primeiro, segundo, terceiro … etc.”

Exemplos de dados ordinais:

• Classificação de utilizadores numa competição: O primeiro, segundo e terceiro, etc.
• Avaliação de um produto realizada pela empresa numa escala de 1 al 10.
• Situação económica: baixa, média e alta.

Fonte da imagem: Imagens do google

Dados quantitativos

Dados discretos

1. Mostra a contagem que envolve apenas números inteiros e não podemos subdividir os valores discretos em partes.

Por exemplo, o número de alunos numa turma é um exemplo de dado discreto, uma vez que podemos contar indivíduos completos, mas não podemos contar como 2.5, 3.75, crianças.

2. Em palavras simples, os dados discretos podem assumir apenas certos valores e as variáveis de dados não podem ser divididas em partes menores.

3. Tem um número limitado de valores possíveis por exemplo, dias do mês.

Exemplos de dados discretos:

• O número de alunos numa turma.
• O número de trabalhadores de uma empresa.
• A quantidade de perguntas do teste que respondeu corretamente.

Fonte da imagem: Imagens do google

Dados contínuos

1. Representa a informação que poderia ser dividida de forma significativa nos seus níveis mais finos. Pode ser medida numa escala ou contínua e pode ter quase qualquer valor numérico.

Por exemplo, Podemos medir a nossa altura em escalas muito precisas em diferentes unidades, como metros, centímetros, milímetros, etc.

2. A diferença principal entre os tipos de dados contínuos e discretos é que no primeiro, podemos registar dados contínuos em tantas medições diferentes quanto a largura, temperatura, clima, etc.

3. As variáveis contínuas podem assumir qualquer valor entre dois números. Por exemplo, entre o intervalo de 60 e 82 polegadas, existem milhões de alturas possíveis como 62.04762 polegadas, 79.948376 polegadas, etc.

4. Uma boa regra para definir se os dados são contínuos ou discretos é que se o ponto de medição puder ser dividido ao meio e ainda assim fizer sentido, os dados são contínuos.

Exemplos de dados contínuos:

• A quantidade de tempo necessária para completar um projeto.
• A altura das crianças.
• A velocidade dos carros.

Fonte da imagem: Imagens do google

Dados de intervalo

1. Estes tipos de dados podem ser medidos e ordenados pelos elementos mais próximos, mas não possuem um zero significativo.

Vamos entender o significado de “Escala de intervalo”:

Na escala de intervalo, o termo ‘intervalo’ significa espaço no meio, O que é algo significativo de relembrar, uma vez que as escalas de intervalo não apenas nos educam sobre a ordem, mas também fornecem informações sobre o valor entre cada elemento.

2. Basicamente, podemos apresentar os dados de intervalo da mesma forma que os dados de razão, mas o que devemos ter em conta são os seus pontos zero característicos.

3. Portanto, com a ajuda dos dados de intervalo, podemos correlacionar facilmente os graus dos dados e também somar ou subtrair os valores.

4. Existem algumas estatísticas descritivas que podemos calcular para dados de intervalo, tais como:

• Medidas centrais de tendência (meios de comunicação, medianaA mediana é uma medida estatística que representa o valor central de um conjunto de dados ordenados. Para calculá-lo, Os dados são organizados do menor para o maior e o número no meio é identificado. Se houver um número par de observações, Os dois valores principais são calculados em média. Este indicador é especialmente útil em distribuições assimétricas, uma vez que não é afetado por valores extremos...., moda)
• Classificação (mínimo, máximo)
• Dispersão (percentis, intervalo interquartil e desvio padrão).

Estas não são as únicas estatísticas que devem ser calculadas, pero también podemos calcular más cosas.

Ejemplos de datos de intervalo:

• Temperatura (° C o F, pero no Kelvin)
• Fechas (1055, 1297, 1976, etc.)
• Intervalo de tiempo en un reloj de 12 horas (6 uma. M., 6 p. M.)

Dados de razão

1. Estos datos también están en las unidades ordenadas que tienen la misma diferencia.

2. Los valores de razón son los mismos que los valores de intervalo, pero la única diferencia es que los datos de razón tienen un cero absoluto. Por exemplo, altura, peso, comprimento, etc.

3. Estos se miden y ordenan con elementos equidistantes con un cero significativo y nunca serán negativos como los datos de intervalo.

Entendamos esto con un ejemplo sobresaliente: Medida de alturas.

La altura se puede medir en unidades como centímetros, polegadas, metros o pies y no es posible tener un valor negativo de altura.

4. Nos ilumina en cuanto al orden de las variables, Los contrastes entre ellas, e têm absolutamente zero.

5. Os dados de razão são fundamentalmente os mesmos que os dados de intervalo, à parte de zero significa nenhum.

6. As estatísticas descritivas que podemos calcular para os dados de razão são as mesmas que para os dados de intervalo, como:

• Medidas centrais de tendência (meios de comunicação, mediana, moda)
• Classificação (mínimo, máximo)
• Dispersão (percentis, intervalo interquartil e desvio padrão).

Exemplo de dados de razão:

• Era (a partir de 0 anos para 100+)
• Temperatura (em Kelvin, mas não em °C ou °F)
• Intervalo de tempo (medido com cronómetro ou semelhante)

Para os exemplos anteriores de dados de razão, vemos que existe um ponto zero real e significativo, como a idade de uma pessoa, o zero absoluto, a distância calculada a partir de um ponto ou tempo específico, todos têm zeros reais.

NOTA:

Se escolhermos o ponto zero da escala subjetivamente, então nesse ponto os dados não podem ser dados de razão e devem ser dados de intervalo.

Notas finais

Obrigado pela leitura!

Espero que haya disfrutado del artículo y haya aumentado sus conocimientos sobre los tipos de datos en estadística.

Por favor sinta-se à vontade para me contactar sobre Correio eletrônico

Qualquer coisa não mencionada ou você deseja compartilhar suas idéias? Sinta-se à vontade para comentar abaixo e eu entrarei em contato com você.

Para itens restantes, Pedir ao Ligação.

Sobre o autor

Aashi Goyal

Atualmente, Estou cursando bacharelado em tecnologia (B.Tech) em Engenharia Eletrônica e de Comunicação pela Universidad Guru Jambheshwar (GJU), Hisar. Estoy muy entusiasmado con la estadística y la ciencia de datos.

Los medios que se muestran en este artículo sobre tipos de datos en estadísticas no son propiedad de Analytics Vidhya y se utilizan a discreción del autor.

Relacionado