Artigo original: https://www.freecodecamp.org/news/types-of-data-in-statistics-nominal-ordinal-interval-and-ratio-data-types-explained-with-examples/
Se você estiver estudando para uma prova de estatística e precisa revisar os tipos de dados, este artigo dará a você uma visão geral rápida e com exemplos simples.
Vamos combinar: não são muitos os que estudam tipos de dados por diversão em suas vidas diárias.
Então, vamos lá.
Dados quantitativos e qualitativos – qual é a diferença?
Resumidamente: quantitativo quer dizer que você pode contar e que os dados são numéricos (pense em quantidade - um valor que pode ser contado). Já qualitativo significa que não se pode contar e que não é numérico (pense em qualidade - dados que categorizam em vez de contar).
Simples, não?
Há mais uma distinção que eu gostaria de esclarecer antes de seguirmos com os tipos de dados de fato. Ela tem a ver com os dados quantitativos (números): a distinção entre dados discretos e contínuos.
Dados discretos tem a ver com números inteiros (como 1.356 ou 9) que não podem ser divididos com base na natureza do que eles são.
Como ocorre com o número de pessoas em uma sala de aula, o número dos dedos de suas mãos ou o número de filhos que uma pessoa tem. Não é possível ter 1,9 filhos em uma família (embora o censo possa dizer algo assim).
Dados contínuos, por outro lado, são o contrário. Eles podem ser divididos em quantas partes quisermos e medidos ao nível das casas decimais.
Exemplos disso são o peso de um carro (que pode ser calculado com várias casas decimais), temperatura (32,543 graus e assim por diante) ou a velocidade de um avião.
Pronto! Vamos para a parte divertida.
Tipos de dados qualitativos
Dados nominais
Dados nominais são aqueles usados para se dar um rótulo para as variáveis sem valores quantitativos. Exemplos comuns são masculino/feminino (embora seja uma conceituação desatualizada), cor do cabelo, nacionalidade, nomes de pessoas e assim por diante.
Em bom português: estamos falando, basicamente, de rótulos (e nominal vem de "nome" para ajudar com a lembrança). Você tem cabelos castanhos (ou olhos castanhos). Você é brasileira. Seu nome é Joana.
Exemplos:
Qual é a sua cor de cabelo?
- Castanho
- Loiro
- Preto
- De unicórnio/arco-íris
Qual é a sua nacionalidade?
- Brasileiro
- Alemão
- Queniano
- Japonês
Observe que essas variáveis não se sobrepõem. Para fins de estatística, pelo menos, não é possível se ter cabelo castanho e da cor de unicórnio/de arco-íris. A única relação entre elas é a categoria principal a qual elas fazem parte.
Dados ordinais
A chave com os dados ordinais é se lembrar de que ordinal lembra "ordem" - e é justamente a ordem das variáveis que importa, não tanto a diferença entre esses valores.
Escalas ordinais geralmente são usadas para a medição da satisfação, felicidade e assim por diante. Você já deve ter feito uma pesquisa desse tipo.
"Você recomendaria nossos serviços aos seus amigos?"
- Muito provavelmente
- Possivelmente
- Neutro
- Possivelmente não
- Muito provavelmente não
Perceba: não queremos de fato saber a diferença entre "possivelmente" e "possivelmente não" - ou se é a mesma quantidade de probabilidade (ou de improbabilidade) que entre "possivelmente" e "muito provavelmente". E não há problema nisso. Queremos apenas saber que "possivelmente" é mais que "neutro" e que "possivelmente não" é mais que "muito provavelmente não". Tudo tem a ver com a ordem.
Tipos de dados quantitativos
Dados intervalares
Dados intervalares são divertidos (e úteis), pois tem a ver com a ordem e com a diferença entre suas variáveis. Eles permitem medir desvio padrão e tendência central.
O exemplo favorito da maioria para dados intervalares é a temperatura em graus Celsius. 20 graus C é mais quente que 10. A diferença entre 20 graus e 10 graus é 10 graus. A diferença entre 10 e 0 também é de 10 graus.
Se precisar de auxílio para se lembrar do que são escalas intervalares, lembre-se do significado de intervalo: o espaço que fica no meio. Então, você não apenas está preocupado com a ordem das variáveis, mas também com os valores que estão entre elas.
Existe, no entanto, um pequeno problema com os intervalos: não há um "zero verdadeiro". Um zero verdadeiro não tem valor - e isso não existe de fato - 0 graus C definitivamente tem um valor: e é bem frio. Você também pode ter números negativos.
Se você não tem um zero verdadeiro, não há como calcular proporções. Isso quer dizer que adição e subtração funcionam, mas a divisão e a multiplicação, não.
Dados proporcionais
Ainda bem que existem os dados proporcionais. Eles resolvem todos os nossos problemas.
Dados proporcionais nos dizem sobre a ordem das variáveis, as diferenças entre elas, e têm um zero absoluto. Esse zero permite realizar e esboçar todos os tipos de cálculos e inferências.
Dados proporcionais são muito similares a dados intervalares, exceto pelo fato de que zero significa nada ou ausência. Para dados proporcionais, não é possível ter valores negativos.
Por exemplo, a altura é um dado proporcional. Não é possível ter uma altura negativa. Se a altura de um objeto for zero, não há objeto. É diferente de algo como a temperatura. 0 graus e -5 graus são temperaturas válidas e significativas.
Agora, com um entendimento básico desses tipos de dados, creio que você já esteja mais bem preparado para aquela prova de estatística.