Données Nominales vs Ordinales: Définition et Exemples

Lorsque nous travaillons avec les sciences des données, nous devons comprendre quelle est la différence entre les données ordinales et nominales, car ces informations nous aident à choisir comment utiliser les données de la bonne manière.
Un data scientist décide comment déterminer les types d’analyse de données à appliquer selon que l’ensemble de données est nominal ou ordinal.

Sur cette page, vous apprendrez:

• Qu’est-ce que les données nominales et qu’est-ce que les données ordinales ?
  Définition et exemples
• Données nominales VS ordinales: différences clés
• Un tableau comparatif: infographie en PDF.

Nominal et ordinal sont deux niveaux différents de mesure des données. Comprendre le niveau de mesure de vos variables est une capacité vitale lorsque vous travaillez dans le domaine des données.

En d’autres termes, les méthodes d’étiquetage des données sont appelées “échelles”. En fait, il existe quatre échelles de mesure: nominale, ordinale, intervalle et rapport. Ceux-ci représentent simplement des méthodes pour catégoriser différents types de variables.

Données nominales: Définition, Exemples, Caractéristiques clés

Tout d’abord, précisons que les échelles de données nominales sont utilisées simplement pour étiqueter les variables, sans aucun type de valeur quantitative. Le nom “Nominal” vient du mot latin “nomen” qui signifie “nom”.

Définissons-le:

Les données nominales sont les éléments qui se distinguent par un système de nommage simple. Ce sont des données sans valeur numérique, telles que profession. Les données nominales ne font que nommer une chose sans l’appliquer à une commande liée à d’autres articles numérotés.

La façon la plus populaire de penser aux données nominales et aux variables est qu’elles sont simplement nommées.

Les données nominales sont également appelées données catégorielles. Dans l’échelle nominale, les sujets ne sont attribués qu’à différentes catégories. Les valeurs regroupées dans ces catégories n’ont pas d’ordre significatif. Il n’y a pas de hiérarchie. Par exemple, le sexe et la profession sont des valeurs de niveau nominal.

Résumons donc les caractéristiques clés des données nominales et des variables:

Télécharger l’infographie ci-dessus en PDF

• Les données nominales ne peuvent pas être quantifiées.
• Il ne peut pas non plus être affecté à aucun type d’ordre.
• Les valeurs ne sont allouées qu’à des catégories distinctes.
• Ces catégories n’ont pas d’ordre significatif.

L’échelle nominale

L’échelle nominale classe les données non numériques en catégories. En fait, les échelles nominales pourraient simplement être appelées “étiquettes.”Les échelles nominales s’excluent mutuellement (pas de chevauchement) et n’ont aucune matière numérique.

Par exemple: Mettre des pays dans des continents. Exemple: La Bulgarie est un pays d’Europe.

Note intéressante: une échelle nominale avec seulement deux catégories (par exemple, femme / homme) est appelée “dichotomique.”

Exemples de données nominales:

Télécharger l’infographie ci-dessus en PDF

• Sexe (Femmes, Hommes)
• Religion (Mousseline, Bouddhiste, Chrétienne)
• Couleur des cheveux (Blonde, Brune, Brune, Rouge, etc.)
• Style de logement (Ranch, Moderniste, Art Déco)
• État matrimonial (Marié, Célibataire, Veuf)
• Ethnicité (Hispanique, Asiatique)
• Couleur des yeux (Bleu, Vert, Marron).

Comme vous le voyez dans les exemples ci-dessus, il n’y a pas d’ordre intrinsèque aux catégories. La couleur des yeux est une variable de catégorie ayant quelques catégories (Bleu, Vert, Marron) et il n’y a aucun moyen de les classer du plus haut au plus bas.

En fait, de nombreux exemples de segmentation du marché servent de base à la création d’échelles nominales et de mesures.

Données ordinales: Définition, Exemples, Caractéristiques clés

Si nous devons définir des données ordinales, nous devons dire que le nombre ordinal indique où un nombre est en ordre. C’est la différence cruciale avec les données nominales.

Les données ordinales sont des données qui sont placées dans une sorte d’ordre par leur position sur l’échelle. Par exemple, ils peuvent indiquer une supériorité. Cependant, vous ne pouvez pas faire d’arithmétique avec des nombres ordinaux car ils ne montrent que la séquence.

Les données et variables ordinales sont considérées comme des variables catégorielles et quantitatives ” intermédiaires “. En d’autres termes, les données ordinales sont des données catégorielles pour lesquelles les valeurs sont ordonnées.
Par rapport aux données nominales, la seconde est des données catégorielles pour lesquelles les valeurs ne peuvent pas être placées dans un ordre.

Les nombres ordinaux et les valeurs indiquent une direction, en plus de fournir des informations nominales.

Nous pouvons également attribuer des nombres aux données ordinales pour montrer leur position relative. Mais nous ne pouvons pas faire de mathématiques avec ces chiffres. Par exemple: “premier, deuxième, troisième third etc.”Dans cet esprit, nous ne pouvons pas traiter les variables ordinales comme des variables quantitatives.

Nous utilisons des variables ordinales pour décrire des données qui ont une sorte de sens de l’ordre. Cependant, vous ne pouvez pas être sûr que les intervalles entre les valeurs séquentielles sont égaux.

Résumons donc les caractéristiques clés des données ordinales:

Téléchargez l’infographie ci-dessus en PDF

• Les données ordinales sont placées dans un ordre quelconque.
• Les nombres ordinaux ne montrent que la séquence.
• Nous pouvons attribuer des nombres aux données ordinales.
• Nous ne pouvons pas faire de l’arithmétique avec des nombres ordinaux.
• Nous ne savons pas si les différences entre les valeurs sont égales.

Échelles ordinales

Comme vous le devinez, les échelles ordinales sont une accumulation de données ordinales. Dans les échelles ordinales, l’ordre de la valeur est important. Les différences entre chaque valeur ne sont pas vraiment connues et peu importantes.

Il aide à définir si l’élément a plus ou moins un trait par rapport à un autre élément.

Certains des exemples les plus populaires de l’échelle ordinale sont le statut professionnel, le classement des participants aux compétitions et tournois, le classement des classes scolaires: 1er, 2e, 3e et etc.

Dans les méthodes de collecte de données et dans les études de marché, les échelles ordinales sont largement utilisées pour mesurer les perceptions, les préférences et les opinions relatives.

Exemples de données ordinales:

Téléchargez l’infographie ci-dessus en PDF

• La première, la deuxième et la troisième personne d’un concours.
• Niveau d’éducation avec les valeurs de l’enseignement primaire, diplômé du secondaire,
  diplômé du collège.
• Lorsqu’une entreprise demande à un client d’évaluer l’expérience de vente sur une échelle de 1 à 10.
• Lorsque les clients classent les marques en fonction de leurs préférences.
• Tranches de rémunération dans une entreprise, comme indiqué par A, B, C et D.
• Grades de lettres: A, B, C, et etc.
• Situation économique: faible, moyenne et élevée.
• Lorsque vous effectuez un sondage et demandez aux répondants d’exprimer leur niveau de satisfaction quant au choix de ces mots: très satisfait, satisfait, neutre, insatisfait, très insatisfait.
• Lorsqu’un répondant doit mettre une valeur de 1 à 3 à une déclaration. Souvent, les mots “d’accord, neutre, en désaccord” sont utilisés.

Comme vous le voyez dans les exemples ci-dessus, l’échelle ordinale montre la position relative des éléments mais pas les différences entre les éléments.

Tableau comparatif: Données nominales vs ordinales

Les données nominales et ordinales jouent un rôle important dans les sciences statistiques et des données.

Vous devez savoir ce que vous pouvez faire avec les données ordinales et nominales. Vous devriez savoir comment les mesurer. Les deux échelles de mesure (ordinale et nominale) dépendent de la variable elle-même.
Connaître le niveau de mesure des variables est important dans de nombreuses situations commerciales. Chacune des échelles de mesure fournit un niveau de détail différent. Les échelles nominales fournissent le moins de détails possible. D’autre part, les échelles ordinales fournissent une plus grande quantité de détails.

Comprendre la différence entre les données nominales et ordinales a de nombreuses influences telles que: elle influence la manière dont vous pouvez analyser vos données ou les méthodes d’analyse de marché à effectuer.

Téléchargez gratuitement le tableau de comparaison/ infographie suivant en PDF: Données nominales vs Données ordinales