En las estadísticas hay cuatro escalas de estimación de información: nominal, ordinal, de intervalo y de relación. Este enfoque justo para subordinar varios tipos de información (aquí hay un esquema de los tipos de información medible). Este tema es típicamente examinado con respecto a la educación escolar y con menos frecuencia en “esta realidad presente”. Si usted está revisando esta idea para una prueba de medición, agradezca a un científico analista llamado Stanley Stevens por pensar en estos términos.
Estas cuatro escalas de estimación de la información (ostensible, ordinal, provisional y proporcional) se comprenden mejor con un modelo, como se verá más abajo.
Nominal
¿Qué tal si empezamos con el más fácil de entender. Se utilizan escalas nominales para marcar las variables, sin valor cuantitativo. Las escalas “nominales” podrían ser esencialmente clasificadas como “nombres”. Aquí hay algunos modelos, debajo. Fíjese que estas escalas no están relacionadas en absoluto (no hay cobertura) y ninguna de ellas tiene ninguna centralidad numérica. Un método decente para recordar la mayoría de esto es “nominal” suena mucho como “nombre” y las escalas nominales son algo similar a “nombres” o nombres.
Nota: una subclase de una escala nominal con sólo dos clases (por ejemplo, hombre/mujer) se clasifica como “dicotómica”. Si eres un suplente, puedes utilizar eso para intrigar a tu educador.
Nota de recompensa #2: Otros subtipos de información nominal son “nominal con orden” (como “frío, caliente, caliente, muy caliente”) y nominal sin orden (como “hombre/mujer”).
Ordinal
Con las escalas ordinales, la petición de las cualidades es lo que es significativo y enorme, sin embargo, los contrastes entre cada una de ellas no son generalmente conocidos. Investiguen el modelo que está debajo. Para cada situación, nos damos cuenta de que un #4 es superior a un #3 o #2, sin embargo no tenemos la más mínima idea y no podemos medir cuánto mejor es. Por ejemplo, ¿la distinción entre “bien” y “abatido” equivale al contraste entre “excepcionalmente feliz” y “contento”? No podemos afirmarlo.
Las escalas ordinales son comúnmente proporciones de ideas no numéricas como cumplimiento, satisfacción, inconveniencia, etc.
“Ordinal” es cualquier cosa menos difícil de recordar a la luz del hecho de que suena como “orden” y esa es la manera de recordar con “escalas ordinales” – el orden importa, sin embargo eso es todo lo que realmente se obtiene de estos.
Nota avanzada: El enfoque más ideal para decidir la propensión focal sobre una gran cantidad de información ordinal es utilizar el modo o medio; un perfeccionista le revelará que el medio no puede ser caracterizado a partir de un conjunto ordinal.
Intervalo
Las escalas de intervalo son escalas numéricas en las que conocemos tanto el orden como los cuidadosos contrastes entre las cualidades. El gran caso de una escala de intervalos es la temperatura en grados Celsius, ya que el contraste entre cada valor es equivalente. Por ejemplo, la distinción en algún punto del rango de 60 y 50 grados es de 10 grados cuantificables, similar al contraste en algún punto del rango de 80 y 70 grados.
Las escalas de intervalos son buenas porque se abre el reino del análisis estadístico de estos conjuntos de datos. Por ejemplo, la tendencia central puede medirse por modo, mediana o media; también puede calcularse la desviación estándar. Al igual que los otros, puedes recordar los propósitos clave de una “escala de intervalos” con bastante eficacia. “Intervalo” en sí mismo significa “espacio en el medio de”, que es lo significativo para recordar que las escalas provisionales nos informan sobre el orden, pero además sobre el incentivo entre cada artículo. Este es el problema con las escalas de intervalo: no tienen un “cero genuino”. Por ejemplo, no hay nada como “no hay temperatura”, en cualquier caso no con celsius. Debido a las escalas de intervalo, el cero no significa que no aparezca un valor significativo, sin embargo, es en realidad otro número utilizado en la escala, similar a 0 grados centígrados. Los números negativos también tienen un significado. Sin un cero genuino, es difícil que las proporciones del proceso superior. Con la información del intervalo, podemos incluir y restar, sin embargo, no podemos duplicar o interrumpir. ¿Confuso? Muy bien, piensa en esto: 10 grados C + 10 grados C = 20 grados C. No hay problema. 20 grados centígrados no es el doble de caliente que 10 grados centígrados, en cualquier caso, a la luz del hecho de que no hay nada parecido a “ninguna temperatura” en lo que respecta a la escala Celsius. En el momento en que se cambió a Fahrenheit, es inconfundible: 10C=50F y 20C=68F, lo que claramente no es el doble de caliente. Confío en que eso es un buen augurio. En resumen, las escalas de intervalo son grandes, pero no podemos calcular las proporciones, lo que nos lleva a nuestra última escala de medición…
Ratio
Las escalas de proporción son el nirvana definitivo cuando se trata de escalas de medición de datos porque nos dicen sobre el orden, nos dicen el valor exacto entre unidades, Y también tienen un cero absoluto, lo que permite aplicar una amplia gama de estadísticas tanto descriptivas como inferenciales. A riesgo de repetirme, todo lo anterior sobre los datos de intervalo se aplica a las escalas de proporción, además las escalas de proporción tienen una clara definición de cero. Buenos ejemplos de variables de proporción son la altura, el peso y la duración.
Las escalas de proporción proporcionan una gran cantidad de posibilidades cuando se trata de análisis estadísticos. Estas variables pueden ser sumadas, sustraídas, multiplicadas, divididas (ratios) de manera significativa. La tendencia central puede medirse por el modo, la mediana o la media; las medidas de la dispersión, como la desviación estándar y el coeficiente de variación también pueden calcularse a partir de las escalas de las relaciones.
Las escalas de proporción son un nirvana definitivo en lo que respecta a las escalas de estimación de información, ya que nos iluminan en lo que respecta a la solicitud, nos revelan el incentivo exacto entre las unidades, Y también tienen un cero absoluto, que tiene en cuenta un amplio alcance de las percepciones tanto gráficas como inferenciales que se deben aplicar. A riesgo de repetirme, todo lo anterior sobre la información provisional se aplica a las escalas de proporción, además de que las escalas de proporción tienen un significado inconfundible de cero. Los ejemplos genuinos de factores de proporción incorporan la estatura, el peso y la envergadura.
Las escalas de proporción dan una abundancia de resultados potenciales con respecto a la investigación mensurable. Estas variables pueden ser sumadas, sustraídas, multiplicadas, divididas (ratios) de manera significativa. La inclinación focal puede estimarse por modo, medio o medio; las proporciones de la dispersión, por ejemplo, la desviación estándar y el coeficiente de variedad pueden determinarse igualmente a partir de escalas de proporción.
Esquema
En resumen, los factores ostensibles se utilizan para “nombrar”, o nombrar una progresión de cualidades. Las escalas ordinales dan grandes datos sobre la solicitud de decisiones, por ejemplo, en un examen de la lealtad de los consumidores. Las escalas provisionales nos dan la petición de valores + la capacidad de evaluar el contraste entre cada uno Por fin, las escalas de proporción nos dan una petición definitiva, cualidades provisionales, además de la capacidad de calcular proporciones ya que se puede caracterizar un “verdadero cero”.
You may also like
Falso negativo
A la hora de entender la hipótesis, hay dos errores que pueden resultar bastante confusos. Estos dos errores son el falso negativo y el falso positivo. También puedes referirte al error falso negativo como error de tipo II y al falso positivo como error de tipo I. Mientras aprendes, puedes pensar que estos errores no […]
Revisión del gráfico de caja
Un gráfico de caja o un gráfico de caja y bigotes le ayudan a mostrar la distribución de la base de datos en un resumen de cinco números. El primer cuartil Q1 será el mínimo, el tercer cuartil Q3 será la mediana y el quinto cuartil Q5 será el máximo. Puede encontrar los valores atípicos […]
Redes Bayesianas
Crear un modelo probabilístico puede ser un reto, pero resulta útil en el aprendizaje automático. Para crear un modelo gráfico de este tipo, es necesario encontrar las relaciones probabilísticas entre las variables. Supongamos que está creando una representación gráfica de las variables. Hay que representar las variables como nodos y la independencia condicional como la […]
