Типы данных или как не ошибиться с выбором критерия
Привет, коллега!
😐 В самом начале разговора об анализе данных стоит обсудить какие данные вообще бывают. Потому что от этого будет зависеть выбор критерия для сравнения твоих экспериментальных групп.
В целом данные бывают количественные и качественные. Количественные данные можно упорядочить и с ними можно совершать различные арифметические действия. Качественные данные описывают свойства объекта и тут уж как говориться, ни отнять, ни прибавить.
В свою очередь количественные данные делятся на непрерывные и дискретные. 🟡 Непрерывные данные могут быть не целыми числами и их можно дробить настолько, насколько нам позволят наши приборы. Например, длина крыла подпотолочного лампонюха может быть 1 метр, может 1,12 м, может 1,12237467 метра и так далее. 🟡 Дискретные же данные не могут принимать нецелочисленные значения. Как правило, это количество чего-то, например, 5 студентов в потоковой аудитории. А вот полтора землекопа уже быть не может.
⭐️ В зависимости от типа данных ты будешь выбирать параметрические или непараметрические критерии для анализа. В случае дискретных количественных данных - всегда используй непараметрические критерии. Сколько же студентов и аспирантов посыпались на сравнении количества клеток t-критерием Стьюдента... Не становись одним из них 😇
Качественные данные описывают некоторое качество объекта и бывают ранговыми и номинальными. 🟡 Ранговые данные можно перепутать с дискретными количественными, так как они тоже только целочисленные, но при этом с ними бессмысленно проводить какие-то арифметические действия. Например, пятибалльная шкала ураганов. Находятся, конечно, извращенцы, считающие средний бал ураганов по региону. А потом эти умельцы готовят инфраструктуру к средним 3 баллам, которая летит к чертям собачьим в 5 баллов. 🟡 Номинальные данные описывают качество объекта, который нельзя упорядочить. Например, цвет глаз или предпочтения в музыкальных жанрах 👻
🥳 Для тех, кто уже немного искушён в статистике я принесла схемки 👇, которые помогут выбрать правильный критерий для анализа. А тем, кто только начинает этот путь вместе со мной - рекомендую добавить картинки в сохранёнки, ведь мы ещё к ним вернёмся.
Типы данных или как не ошибиться с выбором критерия
Привет, коллега!
😐 В самом начале разговора об анализе данных стоит обсудить какие данные вообще бывают. Потому что от этого будет зависеть выбор критерия для сравнения твоих экспериментальных групп.
В целом данные бывают количественные и качественные. Количественные данные можно упорядочить и с ними можно совершать различные арифметические действия. Качественные данные описывают свойства объекта и тут уж как говориться, ни отнять, ни прибавить.
В свою очередь количественные данные делятся на непрерывные и дискретные. 🟡 Непрерывные данные могут быть не целыми числами и их можно дробить настолько, насколько нам позволят наши приборы. Например, длина крыла подпотолочного лампонюха может быть 1 метр, может 1,12 м, может 1,12237467 метра и так далее. 🟡 Дискретные же данные не могут принимать нецелочисленные значения. Как правило, это количество чего-то, например, 5 студентов в потоковой аудитории. А вот полтора землекопа уже быть не может.
⭐️ В зависимости от типа данных ты будешь выбирать параметрические или непараметрические критерии для анализа. В случае дискретных количественных данных - всегда используй непараметрические критерии. Сколько же студентов и аспирантов посыпались на сравнении количества клеток t-критерием Стьюдента... Не становись одним из них 😇
Качественные данные описывают некоторое качество объекта и бывают ранговыми и номинальными. 🟡 Ранговые данные можно перепутать с дискретными количественными, так как они тоже только целочисленные, но при этом с ними бессмысленно проводить какие-то арифметические действия. Например, пятибалльная шкала ураганов. Находятся, конечно, извращенцы, считающие средний бал ураганов по региону. А потом эти умельцы готовят инфраструктуру к средним 3 баллам, которая летит к чертям собачьим в 5 баллов. 🟡 Номинальные данные описывают качество объекта, который нельзя упорядочить. Например, цвет глаз или предпочтения в музыкальных жанрах 👻
🥳 Для тех, кто уже немного искушён в статистике я принесла схемки 👇, которые помогут выбрать правильный критерий для анализа. А тем, кто только начинает этот путь вместе со мной - рекомендую добавить картинки в сохранёнки, ведь мы ещё к ним вернёмся.
Perpetrators of such fraud use various marketing techniques to attract subscribers on their social media channels. A Russian Telegram channel with over 700,000 followers is spreading disinformation about Russia's invasion of Ukraine under the guise of providing "objective information" and fact-checking fake news. Its influence extends beyond the platform, with major Russian publications, government officials, and journalists citing the page's posts. Pavel Durov, Telegram's CEO, is known as "the Russian Mark Zuckerberg," for co-founding VKontakte, which is Russian for "in touch," a Facebook imitator that became the country's most popular social networking site. Founder Pavel Durov says tech is meant to set you free The last couple days have exemplified that uncertainty. On Thursday, news emerged that talks in Turkey between the Russia and Ukraine yielded no positive result. But on Friday, Reuters reported that Russian President Vladimir Putin said there had been some “positive shifts” in talks between the two sides.
from us
