Starpība starp parasto un intervālu datiem

Parastie dati vs intervālu dati

Gan kārtējie, gan intervālu dati ir divi no četriem galvenajiem datu tipiem vai klasifikācijām, ko izmanto statistikā un citos saistītos laukos. Abi datu veidi ļauj klasificēt un izteikt informāciju.

Gan kārtējie dati, gan intervāla dati ir datu vienību mērvienība. Attēlojot datus mērogā, abi datu veidi norāda uz salīdzināšanas aprakstu un kontrastu mērogā.

Atšķirības starp diviem datu veidiem ir šādas:

Parastos datus raksturo dabiska un skaidra secība, secība vai secība mērogā. Arī kārtējie dati neattiecas uz noteiktību vai vienlīdzību starp divām vērtībām. Uzsvars tiek likts uz vērtības pozīciju.

Parastajiem datiem ir noteikta kategorija, un to skala tiek aprakstīta kā nevienmērīga. To galvenais pielietojums ir datu aprakstīšana secībā vai ranga formā, pamatojoties uz noteiktu atribūtu skalu.

Parastos datus var izteikt dažādās formās un ar vārdiem, piemēram:

pirmais otrais trešais
sākums, vidus, beigas
viens, divi, trīs un tā tālāk
A, B, C un tā tālāk
1, 2, 3 un tā tālāk
Zems, vidējs vai augsts

Lielisks piemērs būtu arī Likerta skala ar vērtībām no vienas līdz desmit. Papildus pasūtījuma veidošanai vai ranžēšanai nav papildu informācijas, izņemot virzienu un organizāciju, ko var iegūt no šāda veida datiem. Arī jebkādas attiecības starp vērtībām nav vienveidīgas vai nekonsekventas, salīdzinot ar intervāla datiem. Starp diviem mainīgajiem arī nav identificējoša faktora vai attāluma.

Parastie dati ir neparametrisku datu forma, kas ir tāda veida dati, kas neparedz īpašu izplatīšanas vai paredzamības modeli. Nominālie dati ir arī neparametrisku datu forma.

Tas ir parametrisko datu veids kopā ar koeficienta datiem. Kā parametrisko datu veids ir prognozējams sadalījums šāda veida datu mērogā.

No otras puses, intervālu datiem ir uzsvars uz atšķirībām starp divām secīgām vērtībām noteiktā skalā. Starpvērtībai ir vienāds dalījums vai pat atšķirība skalā. Atšķirība starp divām vērtībām ir viegli saskatāma, un to var raksturot kā vienmērīgus un konsekventus intervālus katrā intervālā.

Intervālu datus bieži izmanto psiholoģiskos eksperimentos, un tos nevar pakļaut matemātiskām reizināšanas vai dalīšanas operācijām.

Salīdzinot ar kārtējiem datiem, intervālu datiem ir jēgpilnāka un nepārtraukta mērījumu skala. Tie satur arī daudz kvantitatīvāku informāciju, salīdzinot ar kārtējiem datiem.
Šāda veida datiem ir vienota mēroga skala.

Intervālu dati ir parametrisko datu veids kopā ar koeficienta datiem. Kā parametrisko datu veids sadalījums šāda veida datu mērogā ir paredzams un atšķirams.

Kopsavilkums:

1. Parastos datus visvairāk satrauc secība un ranžēšana, savukārt intervālu datus satrauc vērtības atšķirības divās secīgās vērtībās.
2.Parastie dati liek uzsvaru uz stāvokli skalā, bet intervāla dati ir uz vērtību atšķirībām divās skalās.
3.Kārtējos datos nav skaidrības par vienlīdzību, kamēr intervālu datos ir vienlīdzība.
4.Kārtas secības atšķirību skala un vērtība nav vienāda, kamēr abi faktori intervāla datos ir vienādi.
5.Intervāla datus uzskata par informatīvākajiem kvantitatīvo datu veidiem, salīdzinot ar kārtējiem datiem.
6.Intervāla dati ir parametrisko datu forma, savukārt kārtējie dati ir neparametrisko datu forma.
7.Intervāla datus var ievietot arī kārtējā veidā.