Los 7 tipos de datos estadísticos que todo estudiante debe conocer

Los estudiantes necesitan saber que los datos que recopilan pueden ser uno de varios tipos. Es importante saber qué tipo es porque ayuda a decidir la mejor manera de recopilarlo y formas apropiadas de mostrarlo. La primera distinción es entre:

  • Datos discretos: esto solo puede tener valores específicos (masculino, caliente, 3 etc.)
  • Datos continuos: esto puede tener cualquier valor. Esto a menudo se llama datos de medición.

Haga clic en el enlace o use los datos discretos de palabras clave o datos continuos para obtener más información.

Estos dos tipos de datos se pueden subdividir de la siguiente manera:

Datos de categoría (nivel 1 y más del plan de estudios)
Esto cae en dos tipos:

Categoría – sin orden (datos nominales):
Estos son datos sin orden entre las diferentes categorías. Ejemplos:

  • Datos discretos: esto solo puede tener valores específicos (masculino, caliente, 3 etc.)
  • Datos continuos: esto puede tener cualquier valor. Esto a menudo se llama datos de medición.
  • No hay nada que esté a la mitad de una carretera y una calle.
  • No hay deporte a mitad de camino entre el tenis y la natación (vea elegir un deporte (ST8032). A menudo se muestra en pictografías o gráficos de barras. Nunca debe mostrarse con un gráfico de línea, ya que no tiene sentido entre las dos líneas entre dos. puntos consecutivos en la escala.
  • Datos de categoría – ordenados (datos ordinales):
    Esto es cuando las categorías se pueden poner en orden. No existe una relación numérica exacta entre las categorías. Ejemplo:
    «Muy feliz» no es el doble de feliz que «feliz», pero definitivamente es más feliz. A menudo, estos datos implican un juicio subjetivo, por ejemplo, cómo se define feliz. Para obtener recursos de este tipo, haga clic en el enlace o use la palabra clave, datos cualitativos. Es inusual dibujar gráficos de línea o histogramas para datos ordinales. Los gráficos de barras son mejores.

    ¿Cómo se ordenan los datos estadísticos?

    Las estadísticas de pedido son valores de muestra colocados en orden ascendente. El estudio de las estadísticas de pedidos se ocupa de las aplicaciones de estos valores ordenados y sus funciones.

    Digamos que tenía tres pesos:
    X1 = 22 kg, x2 = 44 kg y x3 = 12 kg.
    Para obtener las estadísticas de pedido (YN), coloque los elementos en orden creciente numérico:

    • Y1 = 12 kg
    • Y2 = 22 kg
    • Y3 = 44 kg

    El valor X más pequeño KTH normalmente se llama estadística de orden KTH.

    Si x1, x2,…, xn son observaciones aleatorias de IID tomadas de una población con N observaciones continuas, las variables aleatorias
    Y1

    El término también puede referirse a estadísticas que dependen solo del orden de los valores, y no de los valores en sí. Entonces, si bien la mediana es una estadística de pedido (es el valor medio cuando se ordena un conjunto de valores de más pequeño a mayor), la media no lo es (ya que tiene que trabajar con los valores reales).

    Nota: He usado YN aquí para diferenciar el conjunto de valores ordenados de los valores de muestra originales. Sin embargo, algunos autores usan XN para denotar los valores originales y X (n) para las estadísticas de pedido. Ya sea que use Yn o X (n) es una cuestión de elección personal (y tal vez, los deseos de su profesor).

    La estadística de primer orden es el valor de muestra más pequeño (es decir, el mínimo), una vez que los valores se han colocado en orden. Por ejemplo, en la muestra 9, 2, 11, 5, 7, 4, la estadística de primer orden es 2. En notación, eso es x (1) = 2.
    La estadística de segundo orden x (2) es el siguiente valor más pequeño. En la misma muestra, la estadística de segundo orden es 4.

    ¿Cuáles son los distintos tipos de graficos estadisticos?

    Los diagramas de propagación (a menudo también llamados gráficos de dispersión) también son una de las representaciones gráficas más simples e informativas de los datos. Son principalmente adecuados para la representación simultánea de dos variables.

    Un ejemplo es el siguiente registro de datos en el que se llevaron a cabo frenos completos en una serie de automóviles, y se midió la velocidad de salida ( (x )-eje) y la ruta de freno resultante ( (y )-eje):

    Al presentar los datos, tres cosas se notan directamente aquí:

    • No se midieron los automóviles, cuya velocidad era de entre 100 km/hy 130 km/h. Esto puede deberse al estudio, o se ha cometido un error en el procesamiento de datos.
    • Un automóvil tenía una velocidad de salida de aproximadamente 40 km/h, pero una distancia de frenado de 110 metros. Este es un caso atípico para quien lo que ha sucedido allí debe ser investigado. ¿Ha dormido el conductor, o tal vez el que ingresó a las medidas en la computadora cometió un error?
    • La conexión aquí está mejor modelada por una parábola que por una. Eso tiene sentido, porque si recuerdas la escuela de conducción, la distancia de frenado depende de la velocidad.

    Una representación gráfica y la exploración de un registro de datos siempre es un primer paso sensato, incluso antes de cualquier modelado estadístico.

    Los diagramas de propagación para tres variables son posibles, pero sobre todo confuso. Como ejemplo, se visualiza un registro de datos en varios automóviles en los que se muestran tres variables (peso, desplazamiento y consumo de gasolina):

    Como dije, no se recomiendan diagramas de basura en 3D y también serían difíciles de dibujar en papel.

    Artículos Relacionados:

    Más posts relacionados:

    Deja una respuesta

    Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *