Statistika je informační kodifikovány, pevné a přenosné
Statistické údaje mohou být kvantitativní nebo kvalitativní .
Tyto kvantitativní údaje jsou údaje, které mohou být měřeny (výška, váha, ...) nebo identifikované (teplota ...).
Příklady kvantitativních fyzikálních vlastností: Bod tání (například železo taje při teplotě 1535 ° C ), bod varu , hustota , viskozita , rozpustnost , elektrická vodivost , tepelná vodivost ...
Měřitelnost a zjistitelnostKdyž je charakter entity měřitelný, je zvolena vhodná měrná jednotka. Každá entita je poté definována počtem jednotek, které obsahuje. Příklad: Pro populaci studovanou z hlediska její velikosti platí, že pokud je člověk vysoký 1,75 m a pokud si jako jednotku měření zvolí centimetr, pak je hodnota jeho výšky 175.
Když je znak pouze rozpoznatelný, konvence určují číselné měřítko, ve kterém má každá entita pozici také definovanou číslem. Příklad: Pokud studujeme rozložení teplot v oblasti podle centesimální termometrické stupnice, je město s teplotou 17 ° C identifikováno číslem 17.
Diskrétní a nepřetržitý charakterKvantitativní charakteristiky se samy dělí na dva druhy:
Některé znaky mohou nabývat pouze celých hodnot, například počet dětí v rodině, počet pokojů v bytě. Taková postava je kvalifikována jako „diskrétní“. Hodnota ostatních znaků se může lišit tak málo, jak si jeden přeje v konečném nebo nekonečném intervalu, například výška osoby, váha dítěte. O takové postavě se říká, že je „spojitá“.Kvalitativní údaje jsou údaje, které nelze přiřadit hodnotu nebo charakteristiku.
Příklady kvalitativních fyzikálních vlastností: Barva , struktura , chuť , vůně , stav a tažnost .
Někteří se domnívají, že jakákoli data, která nelze kvalifikovat jako kvantitativní, jsou ve výchozím nastavení kvalitativní data .
Data, která zajímají statistika, odpovídají objektům nebo událostem, které se objevují, transformují, představují přítomnost a potom minulost. Nové prvky se navíc objevují víceméně skrytým a zjevným způsobem, jehož znalost by byla nutná.
Ve výsledku mohou stávající a známá data přestat poskytovat užitečné informace, zatímco se mohly objevit informace, které představují užitečný nebo dokonce zásadní charakter, ale statistický analytik je dosud nepochopil, a proto je „známý“. Dostupný datový sklad musí být často dynamicky obnovován.
Shromážděná surová data mohou být zpracována pro účely reprezentace, analýzy nebo interpretace. Prováděné transformace mohou být několika typů