Statistikā kvantitatīvie dati ir skaitliski un iegūti, saskaitot vai izmērot, un kontrastēti ar kvalitatīvie dati kopas, kas apraksta objektu atribūtus, bet nesatur skaitļus. Statistikā kvantitatīvie dati rodas dažādos veidos. Katrs no šiem ir kvantitatīvo datu piemērs:
- Futbola komandas spēlētāju augstums
- Automašīnu skaits katrā stāvvietas rindā
- Procentuālais studentu skaits klasē
- Apkārtnes māju vērtības
- Noteikta elektroniskā komponenta partijas kalpošanas laiks.
- Laiks, kas pavadīts rindā pircējiem lielveikalā.
- Gadu skaits skolā indivīdiem noteiktā vietā.
- Olu svars, kas ņemts no vistas gaļas noteiktā nedēļas dienā.
Turklāt kvantitatīvos datus var sīkāk sadalīt un analizēt atkarībā no iesaistītā mērīšanas līmeņa ieskaitot mērījumu nominālo, kārtējo, intervālu un attiecību līmeni vai arī to, vai datu kopas ir nepārtrauktas vai nē diskrēts.
Mērījumu līmeņi
Statistikā ir dažādi veidi, kā izmērīt un aprēķināt objektu lielumus vai atribūtus, un tie visi ietver skaitļus kvantitatīvajās datu kopās. Šajās datu kopās ne vienmēr ir skaitļi, kurus var aprēķināt, ko nosaka katras datu kopas
mērījumu līmenis:- Nomināls: Visas skaitliskās vērtības nominālajā mērījumu līmenī nevajadzētu uzskatīt par kvantitatīvu mainīgo. Kā piemēru var minēt krekla numuru vai studenta ID numuru. Nav jēgas veikt aprēķinus pēc šāda veida cipariem.
- Parasts: Var pasūtīt kvantitatīvos datus mērījumu parastā līmenī, tomēr atšķirībām starp vērtībām nav nozīmes. Datu piemērs šajā mērīšanas līmenī ir jebkura veida ranžēšana.
- Intervāls: Var pasūtīt datus intervālu līmenī un jēgpilni aprēķināt atšķirības. Tomēr datiem par šo līmeni parasti trūkst sākumpunkta. Turklāt datu vērtību attiecībām nav nozīmes. Piemēram, 90 grādi pēc Fārenheita nav trīs reizes tik karsts kā tad, kad tas ir 30 grādi.
- Attiecība: Datus mērījumu līmeņa līmenī var ne tikai pasūtīt un atņemt, bet arī sadalīt. Iemesls tam ir tas, ka šiem datiem ir nulles vērtība vai sākuma punkts. Piemēram, Kelvina temperatūras skalai ir absolūtā nulle.
Statistiķiem palīdzēs noteikt, uz kuru no šiem mērījumu līmeņiem attiecas datu kopa noteikt, vai dati ir noderīgi, veicot aprēķinus vai novērojot datu kopu stendi.
Diskrēts un nepārtraukts
Vēl viens veids, kā kvantitatīvos datus var klasificēt, ir tas, vai datu kopas ir diskrēts vai nepārtraukts - katram no šiem terminiem ir visas matemātikas apakšnodaļas, kas veltītas to studēšanai; ir svarīgi atšķirt diskrētus un nepārtrauktus datus, jo tiek izmantotas dažādas metodes.
Datu kopa ir diskrēta, ja vērtības var atdalīt viena no otras. Galvenais piemērs tam ir dabiskie skaitļi. Nav tā, ka vērtība var būt frakcija vai starp jebkuru no veseliem skaitļiem. Šis komplekts ļoti dabiski rodas, kad mēs skaitām objektus, kuri ir noderīgi tikai veselā veidā, piemēram, krēslus vai grāmatas.
Nepārtraukti dati rodas, kad datu kopā pārstāvētās personas var uzņemties jebkuru reālais skaitlis vērtību diapazonā. Piemēram, svaru var norādīt ne tikai kilogramos, bet arī gramos un miligramos, mikrogramos un tā tālāk. Mūsu datus ierobežo tikai mūsu mērīšanas ierīču precizitāte.