Qual è la differenza tra ordinali, intervallo e rapporto variabili? Perche ‘ dovrebbe interessarmi?

Nel 1940, Stanley Smith Stevens introdusse quattro scale di misura: nominale, ordinale, intervallo e rapporto. Questi sono ancora ampiamente utilizzati oggi come un modo per descrivere le caratteristiche di una variabile. Conoscere la scala di misurazione di una variabile è un aspetto importante nella scelta della giusta analisi statistica.,

Nominale

Una scala nominale descrive una variabile con categorie che non hanno un ordine naturale o una classifica. È possibile codificare le variabili nominali con numeri se si desidera, ma l’ordine è arbitrario e qualsiasi calcolo, come il calcolo di una media, mediana o deviazione standard, non avrebbe senso.,

Esempi di variabili nominali includono:

• genotipo, gruppo sanguigno, codice postale, genere, razza, colore degli occhi, partito politico

Ordinale

Una scala ordinale è quella in cui l’ordine conta ma non la differenza tra i valori.

Esempi di variabili ordinali includono:

Nota le differenze tra le categorie adiacenti non hanno necessariamente lo stesso significato. Ad esempio, la differenza tra i due livelli di reddito “meno di 50K” e “50K-100K” non ha lo stesso significato della differenza tra i due livelli di reddito “50K-100K” e “oltre 100K”.,

Fai scelte di analisi più informate e accurate con Prism. Inizia la tua prova gratuita Prism.

Intervallo

Una scala di intervalli è quella in cui c’è ordine e la differenza tra due valori è significativa.

Esempi di variabili di intervallo includono:

• temperatura (Farenheit), temperatura (Celsius), pH, punteggio SAT (200-800), punteggio di credito (300-850).

Rapporto

Una variabile di rapporto, ha tutte le proprietà di una variabile di intervallo e ha anche una chiara definizione di 0.0. Quando la variabile è uguale a 0.0, non c’è nessuna di quella variabile.,

Esempi di variabili di rapporto includono:

• attività enzimatica, quantità di dose, velocità di reazione, portata, concentrazione, impulso, peso, lunghezza, temperatura in Kelvin (0,0 Kelvin significa davvero “nessun calore”), tempo di sopravvivenza.

Quando si lavora con variabili di rapporto, ma non variabili di intervallo, il rapporto di due misurazioni ha un’interpretazione significativa. Ad esempio, poiché il peso è una variabile di rapporto, un peso di 4 grammi è due volte più pesante di un peso di 2 grammi. Tuttavia, una temperatura di 10 gradi C non dovrebbe essere considerata due volte più calda di 5 gradi C., Se così fosse, si creerebbe un conflitto perché 10 gradi C è 50 gradi F e 5 gradi C è 41 gradi F. Chiaramente, 50 gradi non sono due volte 41 gradi. Un altro esempio, un pH di 3 non è due volte più acido di un pH di 6, perché il pH non è una variabile di rapporto.

per Saperne di più sulla differenza tra il nominale, ordinale, intervallo di rapporto e di dati con questo video di NurseKillam

Conoscere la scala di misurazione per le variabili possono aiutare a prevenire errori come prendendo la media di un gruppo di zip (indirizzo postale) codici, o prendendo il rapporto tra due valori di pH., Oltre a ciò, conoscere la scala di misurazione per le variabili in realtà non aiuta a pianificare le analisi o interpretare i risultati.

Si noti che a volte, la scala di misurazione per una variabile non è chiara. Che tipo di variabile è il colore? In uno studio psicologico della percezione, i colori diversi sarebbero considerati nominali. In uno studio di fisica, il colore è quantificato in base alla lunghezza d’onda, quindi il colore sarebbe considerato una variabile di rapporto. E i conteggi?

Ci sono occasioni in cui si avrà un certo controllo sulla scala di misurazione., Ad esempio, con la temperatura, è possibile scegliere gradi C o F e avere una scala di intervallo o scegliere gradi Kelvin e avere una scala di rapporto. Con il livello di reddito, invece di offrire categorie e avere una scala ordinale, puoi provare a ottenere il reddito effettivo e avere una scala di rapporto. In generale, si desidera sforzarsi di avere una scala verso la fine del rapporto rispetto alla fine nominale.

Risparmia tempo eseguendo analisi statistiche con Prism. Prova Prism gratuitamente.,

Metti alla prova la tua comprensione delle scale nominali, Ordinali, Interval e Ratio

Ogni scala è rappresentata una volta nell’elenco sottostante.

• Candy bar preferito
• Peso del bagaglio
• Anno di nascita
• Dimensioni dell’uovo (piccolo, medio, grande, extra large, jumbo)

Ogni scala è rappresentata una volta nella lista qui sotto.,

• grado Militare
• Numero di bambini in una famiglia
• numeri di Maglia per una squadra di calcio
• Scarpe

Risposte: N,R,I,O e, O,R,N,I

Quantitativi (Numerici) vs Qualitativa (Categorico)

Ci sono altri modi di classificare le variabili che sono comuni nelle statistiche. Uno è qualitativo vs quantitativo. Le variabili qualitative sono descrittive / categoriali. Molte statistiche, come la media e la deviazione standard, non hanno senso calcolare con variabili qualitative., Le variabili quantitative hanno un significato numerico, quindi le statistiche come i mezzi e le deviazioni standard hanno senso.

Questo tipo di classificazione può essere importante conoscere per scegliere il tipo corretto di analisi statistica. Ad esempio, la scelta tra regressione (X quantitativa) e ANOVA (X qualitativa) si basa sulla conoscenza di questo tipo di classificazione per le variabili X nell’analisi.

Le variabili quantitative possono essere ulteriormente classificate in Discrete e Continue., Le variabili discrete possono assumere un numero finito di valori o un numero infinito, ma numerabile di valori. Il numero di pazienti che hanno una dimensione tumorale ridotta in risposta a un trattamento è un esempio di una variabile casuale discreta che può assumere un numero finito di valori. Il numero di incidenti automobilistici a un’intersezione è un esempio di una variabile casuale discreta che può assumere un numero infinito numerabile di valori (non esiste un limite superiore fisso al conteggio).

Le variabili continue possono assumere infiniti valori, come la pressione sanguigna o la temperatura corporea., Anche se le misurazioni effettive potrebbero essere arrotondate al numero intero più vicino, in teoria, c’è una certa temperatura corporea esatta che esce molte cifre decimali Che è ciò che rende variabili come la pressione sanguigna e la temperatura corporea continua.

È importante sapere se si dispone di una variabile discreta o continua quando si seleziona una distribuzione per modellare i dati. Le distribuzioni binomiale e Poisson sono scelte popolari per i dati discreti, mentre la gaussiana e Lognormal sono scelte popolari per i dati continui.,

Testare la vostra comprensione di Discreta vs Continuo

L’elenco che segue contiene 3 variabili discrete e 3 le variabili continue:

• Numero di emergenza dei pazienti in camera
• pressione Sanguigna di un paziente
• Peso di un paziente
• Impulso per un paziente
• stanza di Emergenza del tempo di attesa arrotondata al minuto più vicino
• dimensioni del Tumore

le Risposte: d,c,c,d,d,c

Nota, anche se una variabile discreta, se la variabile assume abbastanza diversi valori, è spesso trattato come un continuo., Ad esempio, la maggior parte degli analisti considererebbe il numero di battiti cardiaci al minuto come continuo anche se si tratta di un conteggio. Il principale vantaggio di trattare una variabile discreta con molti valori univoci diversi come continua è assumere la distribuzione gaussiana in un’analisi.

Inizia la tua prova gratuita di Prism.