統計的変数を測定することができる人、物事や場所を持っていた特性です。頻繁に使用される変数の例は、年齢、体重、身長、性別、配偶者の有無、学歴、体温、白熱電球の持続時間、その他多数です。
科学の目的の1つは、システムの変数がどのように動作して、将来の動作を予測するかを知ることです。その性質によれば、各変数は、そこから最大の情報を取得するために特定の処理を必要とします。
調査する変数の数は膨大ですが、前述のグループを注意深く調べると、数値で表現できるものもあればそうでないものもあることがすぐにわかります。
これにより、統計変数を最初に2つの基本的なタイプ（定性的および数値的）に分類する根拠が得られます。
統計変数のタイプ
-定性変数
名前が示すように、質的変数はカテゴリまたは質を指定するために使用されます。
このタイプの変数のよく知られている例は、婚姻状況です。これらのカテゴリはどちらも他より大きくはなく、異なる状況を示すだけです。
このタイプのその他の変数は次のとおりです。
-学歴
-年の月
-走る車のブランド
-職業
-国籍
-国、都市、地区、郡、その他の地域区分。
カテゴリは、電話番号、家の番号、番地、郵便番号などの番号で指定することもできますが、これは数値による評価ではなく、ラベルです。
番地は質的変数であり、量的変数ではありません。出典：Pixabay。
名義変数、順序変数、バイナリ変数
定性変数は次のようになります。
- 名詞、例えば色など品質に名前を割り当てます、。
- 序数。これは、社会経済階層の規模（高、中、低）や、ある種の提案に関する意見（賛成、無関心、反対）の場合のように、秩序を表します。*
- バイナリは、また、性別などの2つだけの可能な値が存在する、二分法と呼ばれます。この変数には、数値評価や任意の種類の順序を表すことなく、1や2などの数値ラベルを割り当てることができます。
*一部の著者は、以下に説明する量的変数のグループに順序変数を含めています。順序や階層を表現しているからです。
-数値または定量変数
これらの変数には、給与、年齢、距離、テストスコアなどの数量を表すため、番号が割り当てられます。
これらは、嗜好の対比や傾向の推定に広く使用されています。それらは、定性的変数と関連付けて、視覚分析を容易にする棒グラフとヒストグラムを作成できます。
一部の数値変数は定性変数に変換できますが、その逆は不可能です。たとえば、数値変数「年齢」は、乳児、子供、青年、大人、高齢者などのラベルが割り当てられた間隔に分割できます。
ただし、数値変数を使用して実行できる操作があることに注意してください。これは、たとえば平均の計算や他の統計的推定量など、定性的なものでは実行できないことは明らかです。
計算を行いたい場合は、変数「年齢」を数値変数として保持する必要があります。しかし、他のアプリケーションは数値の詳細を必要としない場合があります。これらについては、ラベルに名前を付けたままにするだけで十分です。
数値変数は、離散変数と連続変数の2つの大きなカテゴリに分類されます。
離散変数
離散変数は特定の値のみを取り、カウントできるという特徴があります。たとえば、家族の子供の数、ペットの数、毎日来店する顧客の数、ケーブル会社の加入者などです。いくつかの例。
たとえば変数「ペットの数」を定義すると、自然数のセットから値が取得されます。たとえば、0、1、2、3、またはそれ以上のペットを飼うことができますが、2.5匹のペットを飼うことはできません。
ただし、離散変数は必然的に自然値または整数値になります。変数が離散的であるかどうかを判断する基準は、それが可算であるか可算であるかであるので、10進数も役立ちます。
たとえば、工場で無作為に50個、100個、またはN個の電球のサンプルから取得した不良電球の割合が変数として定義されているとします。
欠陥のある電球がない場合、変数の値は0になります。ただし、N個の電球の1つに欠陥がある場合、変数は1 / Nです。2つの欠陥がある場合、変数は2 / Nとなり、N個の電球があったイベントまで続きます。欠陥があり、その場合、割合は1になります。
連続変数
離散変数とは異なり、連続変数は任意の値を取ることができます。たとえば、特定の科目を履修している生徒の体重、身長、気温、時間、長さなどです。
欠陥の頻度（縦軸に量的変数）と累積パーセンテージを横軸に各欠陥と比較したパレート図（質的変数。出典：ウィキメディア・コモンズ。
連続変数は無限の値を取るため、小数点以下の桁数を調整するだけで、あらゆる種類の計算を必要な精度で行うことができます。
実際には、個人の年齢など、離散変数として表現できる連続変数があります。
人の正確な年齢は、希望する精度に応じて、年、月、週、日などで数えることができますが、通常は年で丸められるため、目立たなくなります。
人の収入も連続変数ですが、間隔が確立されている場合は通常、より効果的です。
-従属変数と独立変数
従属変数は、他の変数との関係を調査するために実験中に測定される変数であり、独立変数と見なされます。
例1
この例では、サイズに応じて、食品店のピザが被る価格の変化を見ていきます。
従属変数（y）は価格であり、独立変数（x）はサイズです。この場合、小さなピザは€9、中価格は€12、家族は€15です。
つまり、ピザのサイズが大きくなると、コストが高くなります。したがって、価格はサイズに依存します。
この関数は、y = f（x）になります。
例2
簡単な例：金属線を流れる電流Iの変化によって生じる影響を調べます。金属線の両端間の電圧Vを測定します。
独立変数（原因）は電流であり、従属変数（効果）は電圧であり、その値はワイヤーを通過する電流に依存します。
実験で求められるのは、私を変えたときのVの法則は何かを知ることです。電流と電圧の依存性が線形であることが判明した場合、つまり、V ∝ Iの場合、導体はオーミックであり、比例定数はワイヤーの抵抗です。
しかし、ある実験で変数が独立しているという事実は、別の実験でもそうであるとは限りません。これは、調査中の現象と実行する研究の種類によって異なります。
たとえば、一定の磁場で回転している閉じた導体を通過する電流Iは、時間tに対して従属変数になり、独立変数になります。
参考文献
- Berenson、M。1985。経営と経済学の統計。Interamericana SA
- Canavos、G。1988。確率と統計：アプリケーションと方法。マグローヒル。
- Devore、J。2012。工学と科学の確率と統計。8日。版。Cengage。
- 経済百科事典。連続変数。から回復：encyclopediaeconomica.com。
- レビン、R。1988。管理者のための統計。2番目。版。プレンティスホール。
- ウォルポール、R。2007。工学および科学の確率と統計。ピアソン。