连续型 Data(计量型)&离散型 Data(计数型)
连续型 Data(计量型)
可以分解Data, 且测定的数据的大小有意义
客观性 Data : 时间, 重量, 长度等测定计测仪可以测定的Data
主观性 Data :满足度, 充实度等 Data的测定基准按始点发生变更
离散型 Data(计数型)
不可能分解Data, 所测定的数据Count时.
客观性 Data : 缺点数, 承认件数, 误差件数, 位置等判断的情况明确的内
容主管性 Data : 包含Yes/No, Good/Bad 等人的主观性内容的内容
※ 实际情况下离散型和连续型分类比较困难时
例 1) 主/客观式混合的数学能力分数 → 离散型但是可以看作连续型
例 2) 使用尺度法的论文结果
→ 连续型处理, 还是离散型处理,按照事件, 分析的目的考虑置信度慎重判断
连续型 Data : 如长度,重量,时间等能够使用测定刻度尺的 Data (计量型)  所测定的尺度不断能够细分 而且比不连续的Data提供更多的情报
离散型 Data : 与合格/不合格, 决定数等能用个数表示的Data (计数型)  不能再细分。
可以分解Data, 且测定的数据的大小有意义
客观性 Data : 时间, 重量, 长度等测定计测仪可以测定的Data
主观性 Data :满足度, 充实度等 Data的测定基准按始点发生变更
离散型 Data(计数型)
不可能分解Data, 所测定的数据Count时.
客观性 Data : 缺点数, 承认件数, 误差件数, 位置等判断的情况明确的内
容主管性 Data : 包含Yes/No, Good/Bad 等人的主观性内容的内容
※ 实际情况下离散型和连续型分类比较困难时
例 1) 主/客观式混合的数学能力分数 → 离散型但是可以看作连续型
例 2) 使用尺度法的论文结果
→ 连续型处理, 还是离散型处理,按照事件, 分析的目的考虑置信度慎重判断
连续型 Data : 如长度,重量,时间等能够使用测定刻度尺的 Data (计量型)  所测定的尺度不断能够细分 而且比不连续的Data提供更多的情报
离散型 Data : 与合格/不合格, 决定数等能用个数表示的Data (计数型)  不能再细分。
没有找到相关结果
已邀请:
0 个回复