3 Hovedformularer af data

For at forstå dataens karakter bliver det nødvendigt at studere om de forskellige former for data, som vist nedenfor:

1. Kvalitativ og kvantitativ.

2. Kontinuerlige og diskrete data.

3. Primære og sekundære data.

Formular # 1. Kvalitative og kvantitative data:

Lad os overveje et sæt data, der er angivet i tabel 2.1:

I tabel 2.1 er antallet af skoler blevet vist i henhold til skolens ledelse. Så skolerne er blevet klassificeret i 4 kategorier, nemlig regeringsskoler, lokalskoler, privathjælpsskoler og private skoler. En given skole tilhører en af ​​de fire kategorier. Sådanne data vises som kategoriske eller kvalitative data.

Her er den kategori eller kvalitet, der henvises til, ledelsen. Således er kategoriske eller kvalitative data resultatet af informationer, der er klassificeret i kategorier. Sådanne kategorier er angivet alfabetisk eller i rækkefølge af faldende frekvenser eller på en anden konventionel måde. Hvert stykke data hører klart til en klassifikation eller kategori.

Vi kommer ofte på tværs af kategoriske eller kvalitative data, som er umærkelige med en skala, og som sådan er uudtrykelig i størrelse. Køn, nationalitet, besættelse, religion, type kriminalitet, civilstand, læsefærdighed mv. Er eksempler på kvalitative data. Folk varierer efter køn som 'mand' og 'kvinde' ifølge nationalitet som 'amerikansk', 'fransk', italiensk 'eller' indisk '.

Studerende på et kollegium kan klassificeres som tilhørende 'Science', 'Arts' eller 'Commerce' fakultet. I dette klassificeringssystem er der ingen naturlig ordre i klasserne. Det er enten rent vilkårlig eller udført på baggrund af tilstedeværelsen eller fraværet af en bestemt egenskab i et individ eller objekt.

I tabel 2.2 er antallet af studerende blevet vist i henhold til højderne. Studerende, der falder inden for et bestemt højdeantal, grupperes sammen, fx 15 studerende inden for højden er mellem 4, 5 "- 4, 8". Da gruppering er baseret på tal, kaldes sådanne data numeriske eller kvantitative data.

Når måling af en variabel eller data er mulig på en skala i nogle egnede enheder, kaldes det en kvantitativ data. På sådanne data varierer objekter i størrelse og grad, og målingene indikerer en sådan variation. Eksempler på kvantitative data er: alder, højde, indkomst og intellektuel evner mv.

Her er alderen målbar i år eller måneder, højde i cm., Indkomst i rupees og intellektuel evner i form af scoringer på en test. Med kvantitative data kan objekter placeres i ordnede klasser, dvs. vi kan sige, at en klasse er højere end den anden på et kontinuum. Personernes observerede vægt og den indkomst, de tjener pr. Måned, antallet af 50 elever i en undersøgelse, antallet af værelser i huse mv., Er få eksempler på sådanne målinger.

Således kommer tal eller kvantitative data fra at tælle eller måle. Vi kommer ofte på tværs af numeriske data i aviser, annoncer mv relateret til byernes temperatur, cricket gennemsnit, indkomster, udgifter og så videre.

Form # 2. Kontinuerlige og diskrete data:

Numeriske eller kvantitative data kan være kontinuerlige eller diskrete afhængigt af arten af ​​de elementer eller objekter, der observeres.

Lad os overveje tabellen 2.3, der viser elevers højder i en klasse:

Tabel 2.3 angiver data vedrørende højder for elever i en klasse. Her er elementet under observation højden af ​​eleverne. Højden varierer fra 4'8 "til 5'10". Højden på en person kan være overalt fra 4'8 "til 5'10". To elever kan variere med næsten nul tommer højde. Selv hvis vi tager to tilstødende punkter, siger 4'8.00 "og 4'8.01" kan der være flere værdier mellem de to punkter.

Sådanne data kaldes Kontinuerlige data, da højden er kontinuerlig. Kontinuerlige data stammer fra måling af kontinuerlige attributter eller variabler, hvor individuel kan variere med beløb, der nærmest nærmer sig nul. Vægter og højder af børn; temperatur på en krop; intelligens og præstationsniveau for studerende mv. er eksemplerne på kontinuerlige data.

En persons højde kan ikke måles med absolut nøjagtighed, og derfor kan vi ikke tælle antallet af personer, hvis højder er nøjagtigt 16 cm. Den faktiske højde kan variere med hundrededel af en centimeter fra denne figur. I sådanne tilfælde gives dataene i forhold til bestemte grupper eller klasseintervaller.

I løbende serier er den statistiske enhed i stand til at opdele og kan måles i brøker af enhver størrelse, uanset hvor lille. I simple ord udgør kontinuerlige variabler kontinuerlige serier. I sådanne serier passerer elementer fra værdi til værdi med brøkdelige forskelle.

Diskrete data er karakteriseret ved huller i skalaen, for hvilke der ikke findes nogen reelle værdier. Sådanne data udtrykkes normalt i hele tal. Familiens størrelse, indskrivning af børn, antal bøger mv. Er eksempler på diskrete data. Generelt er data, der stammer fra måling, kontinuerlige, mens data fra tælling eller vilkårlig klassificering er diskrete.

Diskrete data er i stand til præcis måling, og mellem værdierne af to efterfølgende elementer er bestemte pauser synlige. Statistiske enheder, i tilfælde af diskrete data, kan ikke opdeles, og de forbliver komplette og udelelige. De er dannet af diskrete fakta, for eksempel antallet af arbejdstagere, der arbejder i industrielle virksomheder, eller antallet af huse er ikke i stand til at blive opdelt. Ligeledes kan søn, kone mv ikke opdeles i brøker.

Præcisionsresultaterne af eleverne, selv om de præsenteres i diskret form, kan betragtes som kontinuerlige data, da en score på 24 repræsenterer et punkt mellem 23, 5 og 24, 5. Faktisk er præstation en kontinuerlig attribut eller variabel.

Alle målinger af kontinuerlige attributter er omtrentlige i karakter og udgør således ikke grundlag for at skelne mellem kontinuerlige og diskrete data. Sondringen foretages på baggrund af variabel, der måles. 'Højde' er en kontinuerlig variabel, men antallet af børn vil give diskrete data.

Formular nr. 3. Primære og sekundære data:

De data, der indsamles af eller på vegne af den person eller personer, der skal benytte dataene, refererer til primære data. For eksempel er børns deltagelse, resultatet af undersøgelser foretaget af dig primære data.

Hvis du kontakter børnets forældre og spørger om deres uddannelsesmæssige kvalifikationer for at forholde dem til børns præstationer, giver dette også primære data. Faktisk, når en person personligt indsamler data eller oplysninger vedrørende en begivenhed, en bestemt plan eller design, refererer det til primære data.

Nogle gange kan en undersøgelse benytte de data, der allerede er indsamlet af en anden person, såsom skoleundervisning af børn eller udførelse af studerende i forskellige emner mv. For hans / hendes undersøgelse, da dataene er sekundære data.

De data, der anvendes af en person eller andre personer end de personer, ved hvem eller for hvem dataene blev indsamlet, refererer til sekundære data. Af mange grunde må vi muligvis bruge sekundære data, som skal bruges omhyggeligt, da dataene kunne have været indsamlet med et andet formål end forskerens undersøgelse og kan tabe nogle detaljer eller måske ikke være helt relevante.

For at bruge sekundære data er det altid nyttigt at kende:

jeg. Hvordan dataene er blevet indsamlet og behandlet.

ii. Nøjagtigheden af ​​dataene.

iii. Hvor langt dataene er opsummeret.

iv. Hvor sammenlignelige data er med andre tabuleringer.

v. Og hvordan man fortolker dataene, især når tal, der indsamles til et formål, anvendes til et andet formål.


Anbefalet

Vækst af kommerciel husdyrbrug
2019
Diabetes Mellitus sygdom
2019
Metode anvendt til klassificering af vegetabilsk biodiversitet
2019