nominelle vs ordinære Data: Definition og eksempler

når vi arbejder med datavidenskab, er vi nødt til at forstå, hvad der er forskellen mellem ordinære og nominelle data, da disse oplysninger hjælper os med at vælge, hvordan vi bruger dataene på den rigtige måde.
en dataforsker beslutter, hvordan man bestemmer, hvilke typer dataanalyse der skal anvendes, baseret på om datasættet er nominelt eller ordinært.

på denne side vil du lære:

• hvad er nominelle data og hvad er ordinære data?
  Definition og eksempler
• nominelle VS ordinære Data: nøgleforskelle
• et sammenligningskort: infografik i PDF.

nominel og ordinær er to forskellige niveauer af datamåling. At forstå niveauet for måling af dine variabler er en vital evne, når du arbejder inden for dataområdet.

for at sige det med andre ord er måder at mærke data kendt som “skalaer”. Faktisk er der fire måleskalaer: nominel, ordinær, interval og forhold. Disse repræsenterer simpelthen metoder til at kategorisere forskellige typer variabler.

Nominelle Data: Definition, eksempler, nøgleegenskaber

lad os først præcisere, at nominelle dataskalaer kun bruges til mærkning af variabler uden nogen form for kvantitativ værdi. Navnet ‘nominelt’ kommer fra det latinske ord “nomen”, hvilket betyder ‘navn’.

lad os definere det:

nominelle data er de elementer, der er kendetegnet ved et simpelt navngivningssystem. De er data uden numerisk værdi, såsom erhverv. De nominelle data navngiver bare en ting uden at anvende den på en ordre relateret til andre nummererede varer.

den mest populære måde at tænke på nominelle data og variabler er, at de netop er navngivet.

nominelle data kaldes også kategoriske data. I den nominelle skala fordeles emnerne kun til forskellige kategorier. Værdierne grupperet i disse kategorier har ingen meningsfuld rækkefølge. Der er ikke noget hierarki. For eksempel er køn og erhverv nominelle niveauværdier.

så lad os opsummere de vigtigste egenskaber ved nominelle data og variabler:

Hent ovenstående infografik i PDF

• nominelle data kan ikke kvantificeres.
• det kan heller ikke tildeles nogen form for ordre.
• værdierne er kun allokeret til forskellige kategorier.
• disse kategorier har ingen meningsfuld rækkefølge.

den nominelle skala

den nominelle skala sætter ikke-numeriske data i kategorier. Faktisk kunne de nominelle skalaer bare kaldes ” etiketter.”De nominelle skalaer udelukker hinanden (ingen overlapning) og har ikke noget numerisk stof.

for eksempel: at sætte lande ind på kontinenter. Eksempel: Bulgarien er et land i Europa.

interessant Note: en nominel skala med kun to kategorier (f.eks.”

eksempler på nominelle Data:

Hent ovenstående infografik i PDF

• Køn (Kvinder, Mænd)
• Religion (Muslin, Buddhist, Christian)
• hårfarve (Blond, brun, Brunette, rød osv.)
• boligstil (Ranch House, modernistisk, Art Deco)
• Civilstand (Gift, Single, Enke)
• etnicitet (Latinamerikansk, Asiatisk)
• øjenfarve (blå, grøn, Brun).

som du ser fra eksemplerne ovenfor, er der ingen iboende bestilling til kategorierne. Øjenfarve er en kategorisk variabel med et par kategorier (Blå, Grøn, Brun), og der er ingen måde at bestille disse fra højeste til laveste.

faktisk er mange markedssegmenteringseksempler et grundlag for at skabe nominelle skalaer og måling.

ordinære Data: Definition, eksempler, nøgleegenskaber

hvis vi har brug for at definere ordinære data, skal vi fortælle, at ordinære tal viser, hvor et tal er i orden. Dette er den afgørende forskel med nominelle data.

ordinære data er data, der placeres i en slags rækkefølge efter deres position på skalaen. For eksempel kan de indikere overlegenhed. Du kan dog ikke regne med ordinære tal, fordi de kun viser sekvens.

ordinære data og variabler betragtes som “imellem” kategoriske og kvantitative variabler. Med andre ord er ordinære data kategoriske data, for hvilke værdierne er bestilt.
i sammenligning med nominelle data er den anden kategoriske data, for hvilke værdierne ikke kan placeres i en ordnet.

ordinære tal og værdier angiver en retning ud over at give nominel information.

vi kan også tildele tal til ordinære data for at vise deres relative position. Men vi kan ikke lave matematik med disse tal. For eksempel: “første, anden, tredje…osv.”Med dette i tankerne kan vi ikke behandle ordinære variabler som kvantitative variabler.

vi bruger ordinære variabler til at beskrive data, der har en slags følelse af orden. Du kan dog ikke være sikker på, at intervallerne mellem de sekventielle værdier er ens.

så lad os opsummere de vigtigste egenskaber ved ordinære data:

Hent ovenstående infografik i PDF

• ordinære data placeres i en slags rækkefølge.
• ordinære tal viser kun sekvens.
• vi kan tildele tal til ordinære data.
• vi kan ikke regne med ordinære tal.
• vi ved ikke, om forskellene mellem værdierne er ens.

ordinære skalaer

som du gætter, er ordinære skalaer opbygget af ordinære data. I ordinære skalaer er rækkefølgen af værdien vigtig. Forskellene mellem hver værdi er ikke rigtig kendt og ikke vigtige.

det hjælper med at definere, om elementet har mere eller mindre et træk sammenlignet med et andet element.

nogle af de mest populære eksempler på ordinær skala er erhvervsstatus, rangordning af deltagere i konkurrencer og turneringer, skoleklasseplaceringer: 1., 2., 3. og etc.

i dataindsamlingsmetoder og i markedsundersøgelser bruges ordinære skalaer i vid udstrækning til at måle relative opfattelser, præferencer og meninger.

eksempler på ordinære Data:

Hent ovenstående infografik i PDF

• den første, anden og tredje person i en konkurrence.
• uddannelsesniveau med værdier af grundskolen uddannelse, high school graduate,
  college graduate.
• når en virksomhed beder en kunde om at bedømme salgsoplevelsen på en skala fra 1-10.
• når kunder rangerer mærker på baggrund af deres præferencer.
• Lønbånd i et firma, som angivet af A, B, C og D.
• bogstavkarakterer: A, B, C og osv.
• økonomisk status: Lav, Mellem og høj.
• når du udfører en undersøgelse og beder respondenterne om at udtrykke deres niveau af tilfredshed med valget af disse ord: meget tilfreds, tilfreds, neutral, utilfreds, meget utilfreds.
• når en respondent skal sætte en værdi fra 1 til 3 til en erklæring. Ofte bruges ordene” enig, neutral, uenig”.

som du ser af eksemplerne ovenfor, viser ordinalskalaen den relative position af elementerne, men ikke forskellene mellem elementerne.

Sammenligning Diagram: Nominelle vs ordinære Data

nominelle og ordinære data har en vigtig rolle i statistisk og datavidenskab.

du skal vide, hvad du kan gøre med ordinære og nominelle data. Du skal vide, hvordan du måler dem. De to måleskalaer (ordinær og nominel) afhænger af selve variablen.
at kende niveauet for måling af variablerne er vigtigt i mange forretningssituationer. Hver af måleskalaerne giver et andet detaljeringsniveau. Nominelle skalaer giver den mindste mængde detaljer. På den anden side giver ordinære skalaer en større mængde detaljer.

at forstå forskellen mellem nominelle og ordinære data har mange påvirkninger, såsom: det påvirker den måde, hvorpå du kan analysere dine data, eller hvilke markedsanalysemetoder du skal udføre.

Hent følgende sammenligningskort/infografik i PDF gratis: nominelle data vs ordinære data