طبقه بندی و تشخیص انواع داده ها


دلایل طبقه بندی داده ها :

1) چگونگی به رمز در آوردن داده ها برای تحلیل های آماری

2)انتخاب و اجرای روش های تجزیه و تحلیل داده ها

داده ها دو دسته اند : داده های کمی ( فاصله ای و نسبی ) - داده های کیفی ( اسمی و رتبه ای )


👈👈ادامه بحث , با کلیک روی دکمه ادامه مطلب


طبقه بندی و تشخیص انواع داده ها

دلایل طبقه بندی داده ها :

1) چگونگی به رمز در آوردن داده ها برای تحلیل های آماری

2)انتخاب و اجرای روش های تجزیه و تحلیل داده ها

داده ها دو دسته اند : داده های کمی ( فاصله ای و نسبی ) - داده های کیفی ( اسمی و رتبه ای )


👈👈ادامه بحث , با کلیک روی دکمه ادامه مطلب


داده های کیفی :

1) داده های اسمی : داده هایی هستند که تنها در سنجش فراوانی رخداد هر مقوله مورد استفاده قرار می گیرند ..فرایند کد دهی کاملا نمادین و دلبخواه است

2)داده های رتبه ای : داده هایی هستند که کد گذاری داده ها از یک نظم منطقی پیروی می کند و برای نشان دادن ( بهتر-بدتر,بیشتر-کمتر ) و نشان دادن ترتیب کیفیت داده ها مورد استفاده قرار می گیرند


داده های کمی :

1) داده های فاصله ای : محاسبات جمع و تفریق برای این داده ها معنی دار است , اما مطالعات مقایسه ای مثل نصف یا دو برابر بودن با این داده ها امکانپذیر نیست , چون این داده ها صفر مطلق ندارند و صفر تنها جنبه نمادین دارد .. ( محاسبه ی بیشتر یا کمتر بودن و جزئیاتی در مورد میزان بیشتر یا کمتر بودن )

2)داده های نسبی : این داده ها از انعطاف پذیری بیشتری برخوردارند اما به لحاظ ملاحظات کاربردی معمولا به داده های رتبه ای تبدیل و مورد استفاده قرار می گیرند ) , این داده ها نه تنها اطلاعاتی در مورد بیشتر یا کمتر بودن , جزئیات میزان بیشتر یا کمتر بودن , به دلیل داشتن صفر مطلق معنی دار , مطالعات مقایسه ای نظیر دو برابر یا سه برابر نیز می توان انجام داد..کاربرد عملیات (جمع-تفریق-ضرب-تقسیم)برای این داده هامعنی دار است


داده ها را به داده های سطح پایین ( اسمی و رتبه ای ) و سطح بالا ( فاصله ای و نسبی ) تقسیم بندی می کنیم .. معمولا داده های سطح بالا به داده های سطح پایین تبدیل می شوند اما برعکس آن امکانپذیر نمی باشد


آزمون ها دو نوعند :

1)پارامتریک با جامعه آماری مشخص و توزیع استاندارد و نرمال 👈 برای داده های نسبی و فاصله ای استفاده می شوند

2)غیر پارامتریک که اطلاعی از توزیع جامعه در دست نیست و نامشخص است👈 برای داده های اسمی و رتبه ای استفاده می شوند


مثال برای داده های اسمی :

نام و نام خانوادگی , زن یا مرد بودن (جنسیت) , ایمیل


مثال برای داده های رتبه ای :

میزان رضایتمندی از خدمات اینترنتی بانک   بسیار عالی    عالی        خوب        متوسط       ضعیف

مقطع تحصیلی دانشجویی             کارشناسی       کارشناسی ارشد         دکترا


مثال برای داده های فاصله ای و نسبی ( چون در نرم افزارهای آماری این دو داده یکسان فرض می شوند مثال برای هر دو صدق می کند )

سن

تاریخ تولد

تعداد منابع دیجیتال موجود در فضای اطلاعات شخصی


برای داده هایی که صفر مطلق می توان تعریف کرد داده های نسبی و برای داده هایی که نمی توان, داده های فاصله ای اطلاق می شود



چهارشنبه 09 آبان 1397
ارسال نظر برای این مطلب

کد امنیتی رفرش