I statistikker er kvantitative data numeriske og erhvervet gennem tælling eller måling og kontrast med kvalitative data sæt, der beskriver attributter for objekter, men ikke indeholder tal. Der er forskellige måder, hvor kvantitative data opstår i statistikker. Hver af følgende er et eksempel på kvantitative data:
- Højderne for spillere på et fodboldhold
- Antallet af biler i hver række af en parkeringsplads
- Procenten af eleverne i et klasseværelse
- Værdierne for boliger i et kvarter
- Levetiden for en batch af en bestemt elektronisk komponent.
- Den tid, der blev brugt til at vente i kø for shoppere i et supermarked.
- Antallet af år i skolen for enkeltpersoner på et bestemt sted.
- Vægten af æg, der er taget fra en hønsehætte på en bestemt ugedag.
Derudover kan kvantitative data yderligere opdeles og analyseres i henhold til det involverede målingsniveau inklusive nominelle, ordinære, intervaller og forholdsniveauer for måling, eller om datasættene er kontinuerlige eller ikke diskrete.
Målingsniveauer
I statistik findes der forskellige måder, hvorpå mængder eller attributter af objekter kan måles og beregnes, som alle involverer tal i kvantitative datasæt. Disse datasæt involverer ikke altid tal, der kan beregnes, hvilket bestemmes af hvert datasæt ' målingsniveau:
- nominelt: Eventuelle numeriske værdier på det nominelle måleniveau bør ikke behandles som en kvantitativ variabel. Et eksempel på dette ville være et trøjenummer eller studerendes ID-nummer. Det giver ingen mening at foretage nogen beregning på disse typer af tal.
- ordenstal: Kvantitative data på det ordinære måleniveau kan ordnes, men forskelle mellem værdier er meningsløse. Et eksempel på data på dette måleniveau er enhver form for rangering.
- Interval: Data på intervalniveauet kan ordnes, og forskelle kan beregnes meningsfuldt. Data på dette niveau mangler imidlertid typisk et udgangspunkt. Derudover er forhold mellem dataværdier meningsløse. For eksempel er 90 grader Fahrenheit ikke tre gange så varmt som når det er 30 grader.
- Forhold: Data i forholdet på målingsniveauet kan ikke kun ordnes og trækkes, men de kan også deles. Årsagen hertil er, at disse data har en nulværdi eller et startpunkt. For eksempel har Kelvin-temperaturskalaen en absolut nul.
At bestemme, hvilket af disse målingsniveauer et datasæt falder ind, hjælper statistikere afgør, om dataene er nyttige til beregning eller iagttagelse af et sæt data, som de er stande.
Diskret og kontinuerlig
En anden måde, hvor kvantitative data kan klassificeres, er, om datasættene er diskrete eller kontinuerligt - hvert af disse udtryk har hele underfelt i matematik dedikeret til at studere dem; det er vigtigt at skelne mellem diskrete og kontinuerlige data, fordi der anvendes forskellige teknikker.
Et datasæt er diskret, hvis værdierne kan adskilles fra hinanden. Det vigtigste eksempel på dette er sættet af naturlige tal. Der er ingen måde, at en værdi kan være en brøkdel eller mellem noget af hele talene. Dette sæt opstår meget naturligt, når vi tæller genstande, der kun er nyttige, mens de hele er som stole eller bøger.
Kontinuerlige data opstår, når personer, der er repræsenteret i datasættet, kan påtage sig ethvert reelt antal i en række værdier. For eksempel kan vægter rapporteres ikke kun i kilogram, men også gram og milligram, mikrogram og så videre. Vores data er kun begrænset af nøjagtigheden af vores måleenheder.