Qual é a diferença entre as variáveis ordinal, intervalo e rácio? Porque haveria de me importar?

In the 1940s, Stanley Smith Stevens introduced four scales of measurement: nominal, ordinal, interval, and ratio. Estes são ainda amplamente utilizados hoje como uma forma de descrever as características de uma variável. Conhecer a escala de medição de uma variável é um aspecto importante na escolha da análise estatística correta.,

Nominal

Uma escala nominal descreve uma variável com categorias que não têm uma ordem natural ou ranking. Você pode codificar variáveis nominais com números se quiser, mas a ordem é arbitrária e quaisquer cálculos, tais como a computação de uma média, mediana, ou desvio padrão, não teriam significado.,

Exemplos de variáveis nominais incluem:

• genótipo, tipo de sangue, código postal, sexo, raça, cor dos olhos, partido político

Ordinal

Uma escala ordinal é aquele em que a ordem importa, mas não a diferença entre os valores.

exemplos de variáveis ordinais incluem:

Note que as diferenças entre categorias adjacentes não têm necessariamente o mesmo significado. Por exemplo, a diferença entre os dois níveis de renda “menos de 50K” e “50K-100K” não tem o mesmo significado que a diferença entre os dois níveis de renda “50K-100K” e “mais de 100K”.,faça escolhas de análise mais informadas e precisas com Prisma. Começa o Teu julgamento de prisma grátis.

intervalo

uma escala de intervalo é aquela em que há ordem e a diferença entre dois valores é significativa.exemplos de variáveis de intervalo incluem:

• temperatura( Farenheit), temperatura (Celcius), pH, pontuação SAT (200-800), pontuação de crédito (300-850).

razão

uma variável de razão, tem todas as propriedades de uma variável de intervalo, e também tem uma definição clara de 0.0. Quando a variável é igual a 0.0, não há nenhuma dessa variável.,

exemplos de variáveis da razão incluem:

• actividade enzimática, quantidade de dose, taxa de reacção, caudal, concentração, impulso, peso, comprimento, temperatura em Kelvin (0, 0 Kelvin realmente significa “sem calor”), tempo de sobrevivência.

ao trabalhar com variáveis da razão, mas não variáveis de intervalo, a razão de duas medições tem uma interpretação significativa. Por exemplo, como o peso é uma variável de relação, um peso de 4 gramas é duas vezes mais pesado do que um peso de 2 gramas. No entanto, uma temperatura de 10 ° C não deve ser considerada duas vezes mais quente do que 5 ° C., Se fosse, um conflito seria criado porque 10 graus C é 50 graus F e 5 graus C é 41 graus F. claramente, 50 graus não é duas vezes 41 graus. Outro exemplo, um pH de 3 não é duas vezes mais ácido que um pH de 6, porque pH não é uma variável da razão.

Saiba mais sobre a diferença entre o valor nominal, ordinal, intervalo e a proporção de dados com este vídeo por NurseKillam

Sabendo que a escala de medição para as variáveis, pode ajudar a evitar erros como a média de um grupo de cep (postal) os códigos, ou tomando a razão entre dois valores de pH., Além disso, conhecer a escala de medição de suas variáveis não o ajuda realmente a planejar suas análises ou interpretar os resultados.

Note que às vezes, a escala de medição de uma variável não é clara. Que tipo de variável é a cor? Num estudo psicológico da percepção, cores diferentes seriam consideradas nominais. Em um estudo de física, a cor é quantificada pelo comprimento de onda, então a cor seria considerada uma variável da razão. E as contas? existem ocasiões em que terá algum controlo sobre a escala de medição., Por exemplo, com a temperatura, você pode escolher graus C ou F e ter uma escala de intervalo ou escolher graus Kelvin e ter uma escala de proporção. Com o nível de renda, em vez de oferecer categorias e ter uma escala ordinal, você pode tentar obter a renda real e ter uma escala de proporção. De um modo geral, você quer se esforçar para ter uma escala para o fim da relação em oposição ao fim nominal.Poupe tempo a realizar análises estatísticas com Prism. Tente Prism de graça.,

teste a sua compreensão das escalas Nominal, Ordinal, intervalo e razão

cada escala é representada uma vez na lista abaixo. Peso da bagagem ano do seu nascimento Tamanho do ovo (pequeno, médio, grande, extra grande, jumbo)

cada escala é representada uma vez na lista abaixo., número de crianças numa família números de Jersey para uma equipa de Futebol Tamanho do Sapato Respostas: n,R,i,o e o,R,n,i

quantitativo (numérico) vs qualitativo (categórico)

Existem outras formas de classificar variáveis que são comuns nas estatísticas. Um é qualitativo contra quantitativo. As variáveis qualitativas são descritivas / categóricas. Muitas estatísticas, como a média e o desvio padrão, não fazem sentido computar com variáveis qualitativas., Variáveis quantitativas têm significado numérico, então estatísticas como meios e desvios padrão fazem sentido.

Este tipo de classificação pode ser importante saber para escolher o tipo correto de análise estatística. Por exemplo, a escolha entre regressão (quantitativa X) e ANOVA (qualitativa X) é baseada no conhecimento deste tipo de classificação para a(s) variável (s) X em sua análise.

variáveis quantitativas podem ser classificadas em variáveis discretas e contínuas., Variáveis discretas podem assumir um número finito de valores, ou um número infinito, mas contável de valores. O número de pacientes que têm um tamanho tumoral reduzido em resposta a um tratamento é um exemplo de uma variável aleatória discreta que pode assumir um número finito de valores. O número de acidentes de carro em uma interseção é um exemplo de uma variável aleatória discreta que pode assumir um número infinito contável de valores (não há limite superior fixo para a contagem).variáveis contínuas podem assumir infinitamente muitos valores, tais como pressão arterial ou temperatura corporal., Mesmo que as medidas reais possam ser arredondadas para o número inteiro mais próximo, em teoria, há alguma temperatura corporal exata saindo de muitas casas decimais que é o que faz variáveis como a pressão arterial e a temperatura corporal contínua.

é importante saber se você tem uma variável discreta ou contínua ao selecionar uma distribuição para modelar seus dados. As distribuições Binomial e Poisson são escolhas populares para dados discretos, enquanto o Gaussiano e o Cognormal são escolhas populares para dados contínuos.,

Teste seus conhecimentos sobre Discreta vs Contínua

A lista abaixo contém 3 variáveis discretas e 3 variáveis contínuas:

• Número da sala de emergência de pacientes
• a pressão Arterial de um paciente
• Peso de um paciente
• o Pulso de um paciente
• sala de Emergência tempo de espera arredondadas para o próximo minuto
• tamanho do Tumor

Respostas: d,c,c,d,d,c

Note que, mesmo que uma variável pode discreto, se a variável assume em um número suficiente de valores diferentes, muitas vezes é tratado como contínuo., Por exemplo, a maioria dos analistas trataria o número de batimentos cardíacos por minuto como contínuo, mesmo que seja uma contagem. O principal benefício de tratar uma variável discreta com muitos valores únicos diferentes como contínua é assumir a distribuição gaussiana em uma análise. Inicie o seu ensaio livre de prisma.