Em estatística, existem quatro escalas de estimativa de informação: nominal, ordinal, intervalo e razão. Esta abordagem simples para subordenar vários tipos de informação (aqui está um esboço dos tipos de informação mensuráveis). Este tema é tipicamente examinado em relação à educação escolar e menos frequentemente na “presente realidade”. Se você está olhando para esta idéia para um teste de medição, agradeça a um analista científico chamado Stanley Stevens por pensar nestes termos.

Estas quatro escalas de estimativa de informação (ostensivo, ordinal, provisório e proporcional) são melhor compreendidas com um modelo, como você verá em baixo.

Nominal

Que tal começarmos com o mais fácil de entender. As escalas nominais são utilizadas para marcar variáveis, sem valor quantitativo. As escalas “nominais” podem ser essencialmente classificadas como “nomes”. Aqui estão alguns modelos, por baixo. Note que estas escalas são totalmente não relacionadas (sem cobertura) e nenhuma delas tem qualquer centralidade numérica. Um método decente para recordar a maioria disto é “nominal” soa muito como “nome” e as escalas nominais são um pouco semelhantes a “nomes” ou nomes.

Nota: uma subespécie de uma escala nominal com apenas duas classes (por exemplo masculino/feminino) é classificada como “dicotômica”. Se você é um substituto, você pode utilizar isso para intrigar o seu educador.

Nota de Recompensa #2: Outros subtipos de informação nominal são “nominal com ordem” (como “frio, quente, quente, muito quente”) e nominal sem ordem (como “macho/fêmea”).

Ordinal

Com as escalas ordinais, o pedido pelas qualidades é o que é significativo e enorme, no entanto, os contrastes entre cada uma delas não são geralmente conhecidos. Investigue o modelo que se encontra por baixo. Para cada situação, percebemos que um #4 é superior a um #3 ou #2, mas não temos a idéia mais nebulosa e não podemos medir o quanto melhor ele é. Por exemplo, a distinção entre “bem” e “desanimado” é equivalente ao contraste entre “Excepcionalmente feliz” e “feliz”? Não podemos afirmar.

Escalas ordinais são normalmente proporções de idéias não-numéricas como cumprimento, satisfação, inconveniência, etc.

“Ordinal” é tudo menos difícil de lembrar à luz do fato de que soa como “ordem” e essa é a maneira de lembrar com “escalas ordinais” – a ordem importa, mas isso é tudo o que você realmente recebe deles.

Nota avançada: A abordagem mais ideal para decidir a propensão focal sobre muita informação ordinal é utilizar o modo ou meio; um perfeccionista lhe revelará que a média não pode ser caracterizada a partir de um conjunto ordinal.

Intervalo

As escalas de intervalo são escalas numéricas nas quais conhecemos tanto a ordem como os cuidadosos contrastes entre as qualidades. O grande caso de uma escala de intervalo é a temperatura Celsius, com o argumento de que o contraste entre cada valor é o equivalente. Por exemplo, a distinção algures na gama de 60 e 50 graus é um 10 graus quantificável, semelhante ao contraste algures na gama de 80 e 70 graus.

As escalas de intervalo são boas porque o domínio da análise estatística sobre estes conjuntos de dados se abre. Por exemplo, a tendência central pode ser medida por modo, mediana ou média; o desvio padrão também pode ser calculado. Como as outras, você pode se lembrar dos principais propósitos de uma “escala de intervalo” de forma bastante eficaz. “Intervalo” em si significa “espaço no meio de”, o que é a coisa significativa para lembrar escalas intermediárias nos informar sobre a ordem, mas adicionalmente sobre o incentivo entre cada item. Aqui está a questão das escalas de intervalo: elas não têm um “zero genuíno”. Por exemplo, não há nada do tipo “sem temperatura”, pelo menos não com celsius. Por causa das escalas de intervalo, zero não significa o não aparecimento de um valor significativo, no entanto, é realmente outro número utilizado na escala, semelhante a 0 graus celsius. Números negativos também têm significado. Sem um zero genuíno, são proporções de toprocessos difíceis. Com informações de intervalo, podemos incluir e subtrair, no entanto, não podemos duplicar ou lacuna. Confuso? Muito bem, pensem nisto: 10 graus C + 10 graus C = 20 graus C. Não há problema aí. 20 graus C não é duas vezes mais quente que 10 graus C, em todo caso, tendo em conta que não há nada do tipo “sem temperatura” no que diz respeito à escala Celsius. No ponto em que mudou para Fahrenheit, é inconfundível: 10C=50F e 20C=68F, o que não é, obviamente, o dobro da temperatura. Espero que isso seja um bom presságio. A linha de fundo, as escalas de intervalo são grandes, mas não podemos calcular rácios, o que nos leva à nossa última escala de medição…

Relação

As escalas de proporção são as últimas escalas nirvana quando se trata de escalas de medição de dados porque nos falam sobre a ordem, nos dizem o valor exato entre unidades, E também têm um zero absoluto o que permite uma ampla gama de estatísticas descritivas e inferenciais a serem aplicadas. Com o risco de me repetir, tudo acima dos dados de intervalo se aplica às escalas de razão, mais as escalas de razão têm uma definição clara de zero. Bons exemplos de variáveis de razão incluem altura, peso e duração.

As escalas de proporção fornecem uma riqueza de possibilidades quando se trata de análise estatística. Estas variáveis podem ser adicionadas, subtraídas, multiplicadas, divididas (rácios) de forma significativa. A tendência central pode ser medida por modo, mediana ou média; medidas de dispersão, tais como desvio padrão e coeficiente de variação também podem ser calculadas a partir de escalas de razão.

As escalas de proporção são um nirvana definitivo no que diz respeito às escalas de estimativa de informação, uma vez que nos esclarecem sobre o pedido, nos revelam o incentivo exato entre as unidades, E também têm um absoluto zero que leva em consideração um amplo escopo tanto de insights gráficos quanto inferenciais a serem aplicados. Com o perigo de me refazer a mim mesmo, tudo o que está acima sobre informações provisórias se aplica às escalas de proporção, além de que as escalas de proporção têm um significado inequívoco de zero. As verdadeiras instâncias de fatores de proporção incorporam a estatura, o peso e o vão.

As escalas de proporção dão uma abundância de resultados potenciais no que diz respeito à investigação mensurável. Estas variáveis podem ser adicionadas, subtraídas, multiplicadas, divididas (rácios) de forma significativa. A inclinação focal pode ser estimada por modo, meio ou média; proporções de dispersão, por exemplo, desvio padrão e coeficiente de variedade também podem ser determinadas a partir de escalas de proporção.

Esboço

Em linhas gerais, fatores ostensivos são utilizados para “nomear”, ou nomear uma progressão de qualidades. Escalas ordinais dão grandes dados sobre o pedido de decisões, por exemplo, em uma análise de fidelidade do consumidor. As escalas interinas nos dão a solicitação de valores + a capacidade de avaliar o contraste entre cada uma. Por fim, as escalas de relação nos dão uma solicitação definitiva, qualidades interinas, além da capacidade de calcular proporções já que se pode caracterizar um “zero genuíno”.