Zbiór danych

Z Wikipedii, wolnej encyklopedii
Skocz do: nawigacja, szukaj

Zbiór danych – kolekcja danych statystycznych zwykle ujętych w formie stabelaryzowanej.

Najczęściej kolumny odpowiadają obserwowanym cechom statystycznym a każdy wiersz opisuje jedną obserwację z próby. Wartości komórek macierzy opisują realizacje danych zmiennych w kolejnych obserwacjach.

Szczególnym przypadkiem jest też macierz kontyngencji (tablica wielodzielcza) w której wiersze odpowiadają etykietom jednej zmiennej nominalnej, kolumny etykietom drugiej zmiennej, a wartości macierzy odpowiadają liczności w próbie obserwacji o danych wartościach tych dwóch zmiennych.

Historycznie, termin powstał w świecie komputerów IBM mainframe, gdzie miał dobrze zdefiniowane znaczenie, bliskie współczesnym plikom. Dzisiaj w świecie komputerów najbliższym pojęciem jest tabela w bazie danych.

Kolumny reprezentujące zmienne na skali interwałowej lub przedziałowej zawierają liczby rzeczywiste. Kolumny opisujące zmienne na skali nominalnej i porządkowej mogą również być liczbami, ale także np. etykietami tekstowymi.

Ponadto w może w dowolnej komórce wystąpić brak danych, który musi być w jakiś sposób możliwy do odróżnienia. Niekiedy rezerwuje się dla niego specjalną wartość liczbową i znakową.

W statystyce zbiory danych zwykle stanowią wyniki obserwacji pewnej próby statystycznej. W statystyce teoretycznej niekiedy tworzy się zbiory danych sztucznie (np. w celu sprawdzenia jak dana metoda statystyczna reaguje na różne rozkłady w populacji). Istnieją też zaawansowane metody obliczania istotności statystycznej, które wymagają usuwania lub powielania obserwacji w zbiorze (np. bootstrap, walidacja krzyżowa).

Chociaż termin "zbiór danych" sugeruje związek ze zbiorami w sensie matematycznej teorii mnogości, jednak analogia ta nie sięga daleko. Elementy zbioru danych mogą się powtarzać, w przeciwieństwie do elementów matematycznych zbiorów.

Klasyczne zbiory danych[edytuj]

Kilka zbiorów danych jest bardzo często używanych w literaturze:

Przypisy

  1. Fisher, Ronald A. The use of multiple measurements in taxonomic problems. „Annals of eugenics”. 7 (2), s. 179-188, 1936 (ang.). 

Zobacz też[edytuj]

Linki zewnętrzne[edytuj]