3 hovedformularer av data

For å forstå innholdet av data, blir det nødvendig å studere om de ulike dataformene, som vist nedenfor:

1. Kvalitativ og kvantitativ.

2. Kontinuerlig og diskret data.

3. Primær og sekundær data.

Form # 1. Kvalitative og kvantitative data:

La oss se på et sett med data gitt i tabell 2.1:

I tabell 2.1 er antall skoler vist i henhold til skolens ledelse. Så skolene er klassifisert i 4 kategorier, nemlig regjeringsskoler, lokalskoler, privathjelpskoler og private uvedkommende skoler. En gitt skole tilhører en av de fire kategoriene. Slike data vises som kategoriske eller kvalitative data.

Her er kategorien eller kvaliteten som refereres til, ledelsen. Således kommer kategoriske eller kvalitative data fra informasjon som er klassifisert i kategorier. Slike kategorier er oppført alfabetisk eller i rekkefølge av avtagende frekvenser eller på en annen konvensjonell måte. Hvert stykke data hører tydelig til en klassifisering eller kategori.

Vi kommer ofte over kategorisk eller kvalitativ data som er umåtelig med en skala, og som sådan er ikke uttrykkbar i størrelsesorden. Sex, nasjonalitet, yrke, religion, type kriminalitet, sivilstatus, leseferdighet etc., er eksemplene på kvalitative data. Folk varierer etter kjønn som «mann» og «kvinne», i henhold til nasjonalitet som "amerikansk", "fransk", italiensk "eller" indisk ".

Studenter på en høyskole kan bli klassifisert som tilhørende 'Science', 'Arts' eller 'Commerce' fakultet. I dette klassifiseringssystemet er det ingen naturlig bestilling i klassene. Det er enten rent vilkårlig eller gjort på grunnlag av tilstedeværelse eller fravær av et bestemt attributt i et individ eller objekt.

I tabell 2.2 er antall studenter vist i henhold til høydene. Studentene som faller i et spesifikt høydestall er gruppert sammen, for eksempel er det 15 studenter innen høyden mellom 4, 5 "- 4, 8". Da grupperingen er basert på tall, kalles slike data numeriske eller kvantitative data.

Når målingen av en variabel eller data er mulig på en skala i noen aktuelle enheter kalles det en kvantitativ data. På slike data varierer objekter i størrelse og grad, og målingene indikerer en slik variasjon. Eksempler på kvantitative data er: alder, høyde, inntekt og intellektuell evne etc.

Her er alderen målbar i år eller måneder, høyde i cm., Inntekt i rupees og intellektuell evne i form av score på en test. Med kvantitative data kan objekter plasseres i bestilte klasser, det vil si at en klasse er høyere enn den andre på et kontinuum. Personens observerte vekter og inntektene de tjener per måned, antall 50 studenter i eksamen, antall rom i hus etc., er få eksempler på slike målinger.

Dermed blir tall eller kvantitative data fra telling eller måling. Vi kommer ofte over numeriske data i aviser, annonser mm relatert til temperaturen i byene, cricket gjennomsnitt, inntekter, utgifter og så videre.

Form # 2. Kontinuerlig og diskret data:

Numeriske eller kvantitative data kan være kontinuerlige eller diskrete avhengig av arten av elementene eller objektene som observeres.

La oss se på tabellen 2.3 som viser elevene til en klasse:

Tabell 2.3 viser dataene som gjelder elevene til en klasse. Her er elementet under observasjon elevens høyde. Høyden varierer fra 4'8 "til 5'10". Høyden til en person kan være hvor som helst fra 4'8 "til 5'10". To studenter kan variere med nesten null tommer høyde. Selv om vi tar to tilstøtende poeng, sier 4'8.00 "og 4'8.01" kan det være flere verdier mellom de to punktene.

Slike data kalles Kontinuerlig Data, da høyden er kontinuerlig. Kontinuerlig data stammer fra måling av kontinuerlige attributter eller variabler, hvor individet kan variere med mengder som bare nærmer seg null. Vekter og høyder av barn; temperatur på en kropp; intelligens og prestasjonsnivå av studenter, etc. er eksemplene på kontinuerlig data.

En persons høyde kan ikke måles med absolutt nøyaktighet, og derfor kan vi ikke telle antall personer hvis høyder er nøyaktig 16 cm. Den faktiske høyden kan variere med hundre prosent av et centimeter fra denne figuren. I slike tilfeller blir dataene derfor gitt i forhold til bestemte grupper eller klasser.

I kontinuerlige serier er statistisk enhet i stand til divisjon og kan måles i brøker av enhver størrelse, uansett hvor liten. I enkle ord danner kontinuerlige variabler kontinuerlig serie. I slike serier går det fra verdi til verdi med brøkdelingsforskjeller.

Diskrete data er preget av hull i skalaen, som ingen reelle verdier kan bli funnet for. Slike data uttrykkes vanligvis i hele tall. Størrelsen på en familie, innmelding av barn, antall bøker etc. er eksemplene på diskrete data. Generelt er data som oppstår ved måling kontinuerlig, mens data som oppstår ved telling eller vilkårlig klassifisering er diskrete.

Diskrete data er i stand til nøyaktig måling, og mellom verdiene til to etterfølgende elementer er bestemte brekker synlige. Statistiske enheter, i tilfelle av diskrete data, kan ikke deles og de forblir fullstendige og udelelige. De er dannet av diskrete fakta, for eksempel antall arbeidstakere som arbeider i industrielle virksomheter eller antall hus er ikke i stand til å bli oppdelt. På samme måte kan sønn, kone etc. ikke deles inn i brøker.

Prestasjonspoengene til studenter, selv om de presenteres i diskret form, kan anses å utgjøre kontinuerlige data, siden en poengsum på 24 representerer et hvilket som helst punkt mellom 23, 5 og 24, 5. Egentlig prestasjon er en kontinuerlig attributt eller variabel.

Alle målinger av kontinuerlige attributter er omtrentlige i karakter og som sådan gir ikke grunnlag for å skille mellom kontinuerlige og diskrete data. Sondringen er laget på grunnlag av variabel blir målt. 'Høyde' er en kontinuerlig variabel, men antall barn vil gi diskrete data.

Form # 3. Primær og sekundær data:

Dataene som innsamles av eller på vegne av personen eller personer som skal benytte seg av data, refererer til primære data. For eksempel er barns oppmøte, resultatet av undersøkelser som utføres av deg, primære data.

Hvis du kontakter foreldrene til barna og spørre om deres pedagogiske kvalifikasjoner for å forholde dem til barnets ytelse, gir dette også primære data. Faktisk, når en person personlig samler inn data eller informasjon knyttet til en hendelse, en bestemt plan eller design, refererer det til primære data.

Noen ganger kan en undersøkelse bruke dataene som allerede er samlet inn av en annen person, for eksempel barns skoleopphold, eller opplæring av studenter i ulike fag, etc. for hans / hennes studie, da dataene er sekundære data.

Dataene som brukes av en person eller andre personer enn folkene av hvem eller for hvem dataene ble samlet, refererer til sekundære data. Av mange grunner må vi kanskje bruke sekundære data, som bør brukes forsiktig, siden dataene kunne ha blitt samlet inn med et annet formål enn det som ble utført av etterforskeren, og kan miste detalj eller kanskje ikke være helt relevant.

For bruk av sekundære data er det alltid nyttig å vite:

Jeg. Hvordan dataene er samlet og behandlet.

ii. Nøyaktigheten av dataene.

iii. Hvor langt dataene er oppsummert.

iv. Hvor sammenlignbare dataene er med andre tabuleringer.

v. Og hvordan å tolke dataene, spesielt når tall som er samlet inn for ett formål, brukes til et annet formål.