(nominal)、顺序(ordinal)、区间(interval) - 东华大学.ppt

2013年社會新鮮人的起薪： 平均：NT＄25,175 碩士：NT＄32,017 大畢：NT＄26,915 專科畢：NT＄23,890 高職畢：NT＄21,946 國中畢：NT＄20,690 網路免費遊戲的商機 Candy Crush Saga publisher King filed IPO registration paperwork on Tuesday and revealed that it generated a whopping $1.88 billion in revenue in 2013, Candy Crush made around $1.54 billion, which the company defines as the “total amount paid by our users for virtual items and for access to skill tournaments.” by BGR Media, LLC, Feb 18, 2014 2013被下載5億次 七成玩家完全沒付費，然而部分功能需付費，營收全來自付費部分 母體 研究某一自然現象/社會問題，必須針對發生此問題的對象進行調查研究， 那調查研究的全體對象就稱為 母體 (population). 母體 vs樣本 收視率調查（節目） 投票率調查：民調（人） 市場調查: (p.6)為調查新商品上市的成功與否，市調公司問1960人是否願買新餐點，其中1176人（60％）說願意購買。問： a. 應如何做出結論？ b. 這是敘述統計還是推論統計？ 為何需要抽樣而不直接分析母體？ 當蒐集母體資料的成本很高，或者是蒐集母體資料相當困難的時候。 (a)例如，蒐集全台灣人民平均收入、平均年齡等等。這類全民資料也是透過政府普查(census)而得來的--透過抽樣的樣本了解其大概。 (b)例如，大海裏的鯨魚平均壽命是多少？ 如：民調必須上山下海、甚至到遙遠的偏鄉才能完整普查，究竟要普查還是抽樣呢？ 為何需要抽樣而不直接分析母體？ 2. 蒐集的資料，必須透過某種程度的破壞才能得知 例如，Sony出了一款防水手機（Xperia acro S)號稱能”在一公尺的水中30分鐘仍維持正常功能” 耐水時限(變數)如何得知？ 比如說，生產20,000台。總不可能全部放進水裡測試吧？ 於是從全部成品(母體)中抽取10台(樣本)來測試，得到平均時限為30分鐘。 例如：燈泡的壽命如何得知？ 為何需要抽樣而不直接分析母體？ 3.蒐集母體資料極端困難甚至於不可能的時候。 如：海裡的沙丁魚、櫻花蝦究竟有多少條？全球有多少隻雁鴨？ 為何區分衡量尺度？ 資料可用衡量尺度來分類，也就是給予資料一個實數值，作為比較或計算的基礎。 資料是用哪種衡量尺度來分類，就進一步決定： 資料應如何計算、總結以及呈現， 哪些統計方法可以用於分析此資料。 例如：平均值能用於計算身高(區間尺度)，但不能用來計算性別(類別尺度)或是教育程度(順序尺度) 名目尺度(Nominal level data) 資料可以歸類於不同的類別 (categories) 但排列沒有一定的順序 換言之，名目尺度主要是用來衡量類別變數 (qualitative variable)的觀察值 對這些類別可編號 (code) 任意的數值。 但此數值只區分類別，沒有大小、次序、比例的關係?也就是類別所代表的數字沒有任何數字計算的意義 名目尺度(Nominal level data) EXAMPLES: “性別”這個類別變數中，兩種觀察值 observation)：男性、女性。可將男性設為=1, 女性＝0 ?反過來也可以：男生＝0, 女生＝1 ?別的數字也可以：男生＝1，女生＝2 名目尺度(Nominal level data) 例如：MM巧克力有1=藍色、2=綠色、3=橘色、4=黃色、5=紅色、6=褐色共6色。可歸類，算出隨便拿一包出來，各色各有多少。 例如：東華大學經濟系新生來自各縣市的人數/比例。1=台北市、2=新北市….. 順序尺度 (Ordinal level data): 資料有排列順序，但是資料之間數值的差異並沒有任何實質的數字意義 此尺度資料所呈現的，只是相對大小的數值(relative values)，但是之間差異的多寡無意義，所以資料是可以被排序(ranked/ordered) 順序尺度 (Ordinal level data): 例如： 教學或客服評量有五個層級：非常好(superior)、很好、普通、差、很差 進一步給這些層級相對的數字：非常好＝5，很好＝4，普通＝3，差＝2，很差＝1 ?非常好(5)比很好(4)好，很好(4)比好(3)好。 但不能判定：5