Počas histórie štatistiky sa robili rôzne pokusy vytvoriť taxonómiu úrovní merania. Psychofyzik Stanley Smith Stevens definoval nominálne, ordinálne, intervalové a proporcionálne stupnice.
Nominálne merania nemajú žiadne významné poradie medzi hodnotami a umožňujú akúkoľvek konverziu jedna ku jednej.
Bežné rozmery majú nepresné rozdiely medzi po sebe nasledujúcimi hodnotami, ale majú špecifické poradie týchto hodnôt a umožňujú akúkoľvek transformáciu zachovávajúcu poradie.
Intervalové merania majú zmysluplné vzdialenosti medzi bodmi, ale nulová hodnota je ľubovoľná (ako v prípade meraní zemepisnej dĺžky a teploty v stupňoch Celzia alebo Fahrenheita) a umožňuje ľubovoľnú lineárnu transformáciu.
Pomerové rozmery majú zmysluplnú nulovú hodnotu aj vzdialenosti medzi rôznymi rozmermi a umožňujú akúkoľvek transformáciu mierky.
Premenné a klasifikácia informácií
Pretože premennézodpovedajúce iba nominálnym alebo ordinálnym meraniam nemožno rozumne merať numericky a niekedy sú zoskupené ako kategorické premenné. Pomerové a intervalové merania sú zoskupené ako kvantitatívne premenné, ktoré môžu byť diskrétne alebo spojité vzhľadom na ich numerický charakter. Takéto rozdiely často voľne súvisia s typom údajov v informatike, pretože dichotomické kategorické premenné môžu byť reprezentované boolovskými hodnotami, polytomické kategorické premenné s ľubovoľnými celými číslami v integrálnom dátovom type a spojité premenné s reálnymi komponentmi, ktoré zahŕňajú výpočet s pohyblivou rádovou čiarkou. Zobrazenie typov údajov štatistických informácií však závisí od použitej klasifikácie.
Iné klasifikácie
Boli vytvorené aj ďalšie klasifikácie štatistických údajov (informácií). Napríklad Mosteller a Tukey rozlišovali stupne, hodnosti, počítané podiely, počty, sumy a zostatky. Nelder svojho času opísal kontinuálne počty, kontinuálne pomery, koreláciu počtov a kategorické spôsoby komunikácie údajov. Všetky tieto klasifikačné metódy sa používajú pri zbere štatistických informácií.
Problémy
Otázku, či je vhodné aplikovať rôzne druhy štatistických metód na údaje získané rôznymi postupmi merania (zberu), komplikujú problémy súvisiace s prevodom premenných a presnou interpretáciou otázokvýskum. „Vzťah medzi údajmi a tým, čo opisujú, jednoducho odráža skutočnosť, že určité druhy štatistických vyhlásení môžu mať pravdivé hodnoty, ktoré nie sú pri určitých transformáciách nemenné. To, či transformácia stojí za zváženie, závisí od otázky, na ktorú sa snažíte odpovedať.
Čo je to typ údajov
Dátový typ je základnou zložkou sémantického obsahu premennej a riadi, aké druhy rozdelenia pravdepodobnosti možno logicky použiť na opis premennej, operácií s ňou povolených, typu regresnej analýzy použitej na jej predpovedanie, atď. Koncept dátového typu je podobný konceptu úrovne merania, ale je špecifickejší – napríklad počty dát vyžadujú iné rozdelenie (Poissonovo alebo binomické) ako pre nezáporné reálne hodnoty, ale obe spadajú pod rovnaké úroveň merania (koeficientová stupnica).
Scales
Urobili sa rôzne pokusy vytvoriť taxonómiu úrovní meraní na spracovanie štatistických informácií. Psychofyzik Stanley Smith Stevens definoval nominálne, ordinálne, intervalové a proporcionálne stupnice. Nominálne merania nemajú významné poradie medzi hodnotami a umožňujú akúkoľvek konverziu jedna ku jednej. Bežné merania majú nepresné rozdiely medzi po sebe nasledujúcimi hodnotami, líšia sa však vo významnom poradí týchto hodnôt a umožňujúakákoľvek transformácia zachovávajúca poriadok. Intervalové merania majú zmysluplné vzdialenosti medzi meraniami, ale nulová hodnota je ľubovoľná (ako v prípade meraní zemepisnej dĺžky a teploty v stupňoch Celzia alebo Fahrenheita) a umožňuje ľubovoľnú lineárnu transformáciu. Pomerové rozmery majú zmysluplnú nulovú hodnotu aj vzdialenosti medzi rôznymi definovanými rozmermi a umožňujú akúkoľvek transformáciu mierky.
Údaje, ktoré sa nedajú opísať pomocou jedného čísla, sú často zahrnuté v náhodných vektoroch skutočných náhodných premenných, hoci existuje rastúci trend spracovávať ich sami. O takýchto príkladoch sa bude diskutovať nižšie.
Náhodné vektory
Jednotlivé prvky môžu, ale nemusia byť v korelácii. Príklady distribúcií používaných na opis korelovaných náhodných vektorov sú multivariačné normálne rozdelenie a multivariačné t-distribúcia. Vo všeobecnosti môžu existovať ľubovoľné korelácie medzi akýmikoľvek prvkami, avšak nad určitou veľkosťou sa to často stáva nezvládnuteľným, čo si vyžaduje dodatočné obmedzenia na korelované komponenty.
Náhodné matice
Náhodné matice možno usporiadať lineárne a zaobchádzať s nimi ako s náhodnými vektormi, nemusí to však byť účinný spôsob, ako reprezentovať korelácie medzi rôznymi prvkami. Niektoré rozdelenia pravdepodobnosti sú špeciálne navrhnuté pre náhodné matice, ako je normálna maticadistribúcia a distribúcia Wishart.
Náhodné sekvencie
Niekedy sa považujú za rovnaké ako náhodné vektory, ale v iných prípadoch sa tento pojem používa špecificky na prípady, keď každá náhodná premenná koreluje iba s blízkymi premennými (ako v Markovovom modeli). Toto je špeciálny prípad Bayesovej siete a používa sa pre veľmi dlhé sekvencie, ako sú génové reťazce alebo dlhé textové dokumenty. Množstvo modelov je špeciálne navrhnutých pre takéto sekvencie, ako sú skryté Markovove sekvencie.
Náhodné procesy
Podobajú sa náhodným sekvenciám, ale iba v prípade, že dĺžka sekvencie je neurčitá alebo nekonečná a prvky v sekvencii sa spracúvajú jeden po druhom. Toto sa často používa pre údaje, ktoré možno opísať ako časové rady. Platí to napríklad vtedy, ak ide o cenu akcií na druhý deň.
Záver
Analýza štatistických informácií úplne závisí od kvality ich zberu. To posledné zase silne súvisí s možnosťami jeho klasifikácie. Samozrejme, existuje mnoho druhov klasifikácie štatistických informácií, o čom sa čitateľ mohol presvedčiť pri čítaní tohto článku. Napriek tomu prítomnosť efektívnych nástrojov a dobré ovládanie matematiky, ako aj znalosti v oblasti sociológie urobia svoje, čo vám umožní vykonávať akýkoľvek prieskum alebo štúdiu bez výrazných opráv chýb. Zdroje štatistických informácií vo formuláriľudia, organizácie a iné subjekty sociológie sú, našťastie, zastúpené veľmi hojne. A žiadne ťažkosti nemôžu stáť v ceste skutočnému prieskumníkovi.
