Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Л2 Структуры данных.docx
Скачиваний:
1
Добавлен:
01.07.2025
Размер:
51 Кб
Скачать
☆

Качественные данные: категории

Если набор данных показывает, какой из нескольких нечисловых категорий принадлежит каждый из объектов, то данные являются качественными (поскольку они регистрируют определенное качество, которым обладает объект). Будьте внимательны и осторожны: чтобы избежать искушения приписать числовые значения категориям (классам) и далее проводить с ними вычисления. Если имеется несколько классов, то можно оперировать процентами (частотами) событий в каждом классе (создав таким образом нечто числовое из представленных категориями данных). Если есть в точности две категории, их можно обозначить цифрами 1 и 0, приписать эти значения соответственно каждому из объектов и затем (в достаточно многих случаях) обрабатывать полученные данные как количественные. Давайте сначала рассмотрим общий случай, когда речь идет о трех или более категориях.

Существуют два типа качественных данных: порядковые (ординальные, для которых существует имеющий содержательный смысл порядок, но нет содержательного числового обозначения) и номинальные (для которых нет содержательно интерпретируемого порядка).

Порядковые качественные данные

Набор данных является ординальным, если существует имеющий содержательный смысл порядок: можно вести речь о первом (например, “лучшем”), втором, третьем и т.д. Можно ранжировать данные в соответствии с этим порядком и использовать это ранжирование при выполнении анализа, особенно если оно имеет отношение к изучаемому вопросу. В главе 4 будет рассмотрена медиана (среднее значение упорядоченного ряда), как пример статистического показателя.

Рассмотрим некоторые примеры порядковых данных.

  1. Должность, записанная для каждого из группы руководителей: президент, вице-президент, начальник отдела, заместитель начальника отдела. Хотя классификатор не содержит чисел и не совсем ясно, каким образом их можно здесь использовать, объекты можно естественным образом упорядочить.

2. Характеристики, такие как АА+, АА, АА-, А+, А, А-, В+, В и В-, зафиксированные для набора долговых обязательств. Это чисто порядковые категориальные данные, поскольку упорядоченность имеет смысл с точки зрения риска вкладов и используется в анализе инвестиций.

  1. Ответы на вопрос анкеты: “Пожалуйста, выскажите свое, мнение относительно вашей работы в фирме, используя шкалу от 1 до 5, где 1 означает “с трудом дожидаюсь окончания рабочего дня”, а 5 “все мои мысли заняты работой”. Несмотря на то, что ответы выражены числами, мы имеем дело с порядковыми данными, поскольку предложенная шкала оценок носит субъективный характер. Непонятно, можно ли считать, что разница между оценками 5 и 4 такая же, как и между оценками 2 и 1. Кроме того, упорядочение и ранжирование здесь явно имеют место.

Номинальные качественные данные

Номинальные качественные данные определяются в терминах категорий; которые нельзя содержательно упорядочить. Для таких категорий нет чиceл, с которыми можно производить вычисления, и нет основы для ранжирования. Все что можно сделать, — это подсчитать процент (или количество) попадающих в каждую из категорий наблюдений и использовать в качестве обобщающего показателя моду (наиболее часто встречающаяся категория; формально этот показатель будет определен в главе 4).

Рассмотрим несколько примеров номинальных данных.

  1. Штаты, в которых проживают служащие вашей фирмы. Мы уже отмечали раньше, что это лишь категории. Чтобы ранжировать штаты, необходимо обязательно ввести какую-либо другую переменную (например, население штата или размер дохода на душу населения), которую лучше использовать непосредственно.

  2. Главный продукт каждого из нескольких производственных предприятий диверсифицированного бизнеса, как, например, пластмасса, электроника, древесина. Эти категории действительно не упорядочены. Чтобы их упорядочить, необходимо рассмотреть дополнительный фактор (как, например, потенциал роста данной фирмы в отрасли), не являющийся внутренним свойством этих категорий.

  3. Названия всех фирм, указанных на первой странице сегодняшнего выпуска The Wall Street Journal.

Внимание!

К количественным данным можно применять те же операции, что и к обычным числам: подсчет частоты, ранжирование, арифметические действия.

С порядковыми данными можно выполнять только подсчет частоты и ранжирование,

С номинальными данными — только подсчет частоты.

Временные ряды и данные об одном временном срезе

Если порядок записи значений данных имеет содержательный смысл, как, например, ежедневные цены на фондовом рынке, то мы имеем дело с временным рядом. Если последовательность, в которой записаны данные, не важна, как, скажем, доходы восьми аэрокосмических фирм в первом квартале 1996 года, то мы имеем данные об одном временном срезе. Слова «об одном временном срезе» в данном случае означают лишь то, что нет никакого упорядочения во времени, а есть лишь информация о некоторых объектах в определенный момент времени (своего рода «моментальный снимок»).

Анализ временных рядов в целом сложнее, чем анализ данных об одном временном срезе, поскольку требует тщательного учета порядка наблюдений. Поэтому в следующих главах мы начнем с данных об одном временном срезе. Временные ряды будут рассмотрены позже.

Пример. Фондовый рынок

Ниже приведен график индекса фондового рынка S&P, цены на момент окончания торгов на бирже в конце каждого месяца, начиная с декабря 1925 года. Временной ряд показывает изменение стоимости портфеля ценных бумаг с течением времени. Обратите внимание, как впечатляюще поднялась стоимость акций на фондовом рынке в последние годы, хотя этот процесс был не совсем, гладким; направленные вниз зубцы графика (например, крах фондового рынка в 1987 году) показывают риск держателя портфеля акций, которые обычно (но не всегда) растут в цене.

Рассмотрим еще несколько примеров временных рядов.

  1. Цена на пшеницу за последние 50 лет с учетом инфляции. Считая, что из­менения в будущем будут носить тот же характер, что и изменения в прошлом, можно использовать эти временные тренды для долгосрочного планирования.

  2. Объёмы месячных продаж за последние 20 лет. Этот набор данных имеет структуру, показывающую рост продаж с течением времени, а также отчетливую сезонную особенность с пиками в декабрьские праздники.

  3. Результаты ежеминутных измерений толщины бумаги на выходе из бумагоделательной машины. Такие данные важны для контроля качества. Временная последовательность важна, поскольку небольшие изменения толщины бумаги могут либо последовательно “дрейфовать” в сторону недопустимого уровня, либо “колебаться”, становясь шире или уже в четко допустимых пределах.

Теперь рассмотрим несколько примеров наборов данных об одном временном срезе.

  1. Измеренная для 30 человек продолжительность сна в последнюю ночь, которая используется для оценки эффективности нового лекарства, продаваемого без рецепта.

  2. Сегодняшняя балансовая стоимость случайной выборки банковских сберегательных сертификатов.

  3. Количество телефонных звонков, обработанных вчера каждым из работающих с заказами служащих фирмы.

8