ตัวแปรทางสถิติ: ประเภทและตัวอย่าง - ดูดาส - 2026

ตัวแปรทางสถิติจะลักษณะครอบงำคนสิ่งหรือสถานที่ที่สามารถวัดได้ ตัวอย่างของตัวแปรที่ใช้บ่อย ได้แก่ อายุน้ำหนักส่วนสูงเพศสถานภาพสมรสระดับการศึกษาอุณหภูมิจำนวนชั่วโมงที่หลอดไส้คงอยู่และอื่น ๆ อีกมากมาย

วัตถุประสงค์ประการหนึ่งของวิทยาศาสตร์คือการรู้ว่าตัวแปรของระบบทำงานอย่างไรเพื่อให้สามารถคาดเดาพฤติกรรมในอนาคตได้ ตามธรรมชาติตัวแปรแต่ละตัวต้องการการรักษาเฉพาะเพื่อให้ได้ข้อมูลสูงสุดจากตัวแปรนั้น

จำนวนตัวแปรที่จะศึกษานั้นมีมากมายมหาศาล แต่เมื่อตรวจสอบกลุ่มดังกล่าวอย่างรอบคอบแล้วเราสังเกตเห็นได้ทันทีว่าบางตัวแปรสามารถแสดงในรูปแบบตัวเลขได้ในขณะที่ตัวแปรอื่นไม่สามารถทำได้

สิ่งนี้ทำให้เรามีเหตุผลในการจำแนกตัวแปรทางสถิติเบื้องต้นออกเป็นสองประเภทพื้นฐาน ได้แก่ เชิงคุณภาพและเชิงตัวเลข

ประเภทของตัวแปรทางสถิติ

- ตัวแปรเชิงคุณภาพ

ตามความหมายของชื่อตัวแปรเชิงคุณภาพถูกใช้เพื่อกำหนดประเภทหรือคุณสมบัติ

ตัวอย่างที่รู้จักกันดีของตัวแปรประเภทนี้ ได้แก่ สถานภาพสมรสโสดแต่งงานหย่าร้างหรือเป็นม่าย ทั้งสองหมวดหมู่เหล่านี้ไม่ได้ใหญ่ไปกว่าหมวดหมู่อื่น ๆ แต่จะกำหนดสถานการณ์ที่แตกต่างกันเท่านั้น

ตัวแปรประเภทนี้เพิ่มเติม ได้แก่ :

- ระดับวิชาการ

- เดือนของปี

- ยี่ห้อรถที่ขับเคลื่อน

- อาชีพ

-สัญชาติ

- ประเทศเมืองหัวเมืองมณฑลและเขตแดนอื่น ๆ

นอกจากนี้ยังสามารถกำหนดหมวดหมู่ด้วยหมายเลขได้เช่นหมายเลขโทรศัพท์หมายเลขบ้านเลขที่ถนนหรือรหัสไปรษณีย์โดยที่ไม่มีสิ่งนี้แสดงถึงการให้คะแนนเป็นตัวเลข แต่เป็นป้ายกำกับ

หมายเลขถนนเป็นตัวแปรเชิงคุณภาพไม่ใช่ตัวแปรเชิงปริมาณ ที่มา: Pixabay

ตัวแปรที่กำหนดลำดับและไบนารี

ตัวแปรเชิงคุณภาพสามารถเปลี่ยนได้:

- nominalsซึ่งกำหนดชื่อให้กับคุณภาพเช่นสีตัวอย่างเช่น

- Ordinalsซึ่งเป็นตัวแทนของการสั่งซื้อเช่นในกรณีของขนาดของชั้นทางสังคมและเศรษฐกิจ (สูงกลางต่ำ) หรือความคิดเห็นเกี่ยวกับชนิดของข้อเสนอบางอย่าง (ในความโปรดปรานไม่แยแสกับ) *

- ไบนารีเรียกอีกอย่างว่าไดโคโทมัสมีเพียงสองค่าที่เป็นไปได้เช่นเพศ ตัวแปรนี้สามารถกำหนดป้ายกำกับตัวเลขเช่น 1 และ 2 โดยไม่แสดงการประเมินตัวเลขหรือลำดับประเภทใด ๆ

*ผู้เขียนบางคนรวมตัวแปรลำดับไว้ในกลุ่มของตัวแปรเชิงปริมาณซึ่งอธิบายไว้ด้านล่าง เป็นเพราะพวกเขาแสดงความเป็นระเบียบหรือลำดับชั้น

- ตัวแปรเชิงตัวเลขหรือเชิงปริมาณ

ตัวแปรเหล่านี้ได้รับการกำหนดตัวเลขเนื่องจากแสดงถึงปริมาณเช่นเงินเดือนอายุระยะทางและคะแนนการทดสอบ

พวกเขาใช้กันอย่างแพร่หลายเพื่อเปรียบเทียบความชอบและประมาณแนวโน้ม สามารถเชื่อมโยงกับตัวแปรเชิงคุณภาพและสร้างกราฟแท่งและฮิสโตแกรมที่ช่วยในการวิเคราะห์ภาพ

ตัวแปรที่เป็นตัวเลขบางตัวสามารถเปลี่ยนเป็นตัวแปรเชิงคุณภาพได้ แต่ไม่สามารถทำสิ่งที่ตรงกันข้ามได้ ตัวอย่างเช่นตัวแปรเชิงตัวเลข "อายุ" สามารถแบ่งออกเป็นช่วงเวลาพร้อมป้ายกำกับที่กำหนดไว้เช่นทารกเด็กวัยรุ่นผู้ใหญ่และผู้สูงอายุ

อย่างไรก็ตามควรสังเกตว่ามีการดำเนินการที่สามารถทำได้กับตัวแปรตัวเลขซึ่งเห็นได้ชัดว่าไม่สามารถดำเนินการกับตัวแปรเชิงคุณภาพได้ตัวอย่างเช่นการคำนวณค่าเฉลี่ยและตัวประมาณทางสถิติอื่น ๆ

หากต้องการคำนวณคุณต้องคงตัวแปร "age" ไว้เป็นตัวแปรตัวเลข แต่แอปพลิเคชันอื่น ๆ อาจไม่ต้องการรายละเอียดที่เป็นตัวเลขสำหรับสิ่งเหล่านี้ก็เพียงพอแล้วที่จะออกจากป้ายกำกับ

ตัวแปรตัวเลขแบ่งออกเป็นสองประเภทใหญ่ ๆ คือตัวแปรไม่ต่อเนื่องและตัวแปรต่อเนื่อง

ตัวแปรไม่ต่อเนื่อง

ตัวแปรแยกใช้เฉพาะค่าบางค่าและมีลักษณะที่สามารถนับได้เช่นจำนวนเด็กในครอบครัวจำนวนสัตว์เลี้ยงจำนวนลูกค้าที่เยี่ยมชมร้านค้าทุกวันและสมาชิกของ บริษัท เคเบิล ตัวอย่างบางส่วน

ตัวอย่างเช่นการกำหนดตัวแปร "จำนวนสัตว์เลี้ยง" จะใช้ค่าจากชุดของจำนวนธรรมชาติ บุคคลสามารถมีสัตว์เลี้ยง 0, 1, 2, 3 ตัวขึ้นไปได้ แต่ห้ามเลี้ยง 2.5 ตัว

อย่างไรก็ตามตัวแปรที่ไม่ต่อเนื่องจำเป็นต้องมีค่าธรรมชาติหรือจำนวนเต็ม เลขฐานสิบยังมีประโยชน์เนื่องจากเกณฑ์ในการพิจารณาว่าตัวแปรไม่ต่อเนื่องคือนับได้หรือนับได้

ตัวอย่างเช่นสมมติว่าเศษของหลอดไฟที่ชำรุดในโรงงานซึ่งนำมาจากตัวอย่างหลอดไฟ 50, 100 หรือ N โดยสุ่มถูกกำหนดเป็นตัวแปร

หากหลอดไฟไม่มีข้อบกพร่องตัวแปรจะรับค่าเป็น 0 แต่ถ้าหลอดไฟ 1 หลอดมีข้อบกพร่องตัวแปรคือ 1 / N หากมีข้อบกพร่อง 2 ชิ้นจะเป็น 2 / N ไปเรื่อย ๆ จนกว่าจะเกิดเหตุการณ์ที่หลอดไฟ N ถูก มีข้อบกพร่องและในกรณีนั้นเศษส่วนจะเป็น 1

ตัวแปรต่อเนื่อง

ตัวแปรต่อเนื่องสามารถรับค่าใดก็ได้ ตัวอย่างเช่นน้ำหนักของนักเรียนที่เรียนวิชาหนึ่งความสูงอุณหภูมิเวลาความยาวและอื่น ๆ อีกมากมาย

แผนภูมิพาเรโตเปรียบเทียบความถี่ของข้อบกพร่อง (ตัวแปรเชิงปริมาณบนแกนตั้ง) และเปอร์เซ็นต์สะสมเทียบกับข้อบกพร่องแต่ละข้อบนแกนนอน (ตัวแปรเชิงคุณภาพที่มา: วิกิมีเดียคอมมอนส์

เนื่องจากตัวแปรต่อเนื่องรับค่าที่ไม่สิ้นสุดการคำนวณทุกชนิดสามารถทำได้ด้วยความแม่นยำที่ต้องการเพียงแค่ปรับจำนวนตำแหน่งทศนิยม

ในทางปฏิบัติมีตัวแปรต่อเนื่องที่สามารถแสดงเป็นตัวแปรไม่ต่อเนื่องตัวอย่างเช่นอายุของบุคคล

อายุที่แน่นอนของบุคคลสามารถนับได้เป็นปีเดือนสัปดาห์วันและอื่น ๆ ขึ้นอยู่กับความแม่นยำที่ต้องการ แต่โดยปกติจะปัดเศษเป็นปีจึงจะรอบคอบ

รายได้ของบุคคลก็เป็นตัวแปรต่อเนื่องเช่นกัน แต่โดยปกติจะทำงานได้ดีกว่าหากมีการกำหนดช่วงเวลา

- ตัวแปรตามและอิสระ

ตัวแปรตามคือตัวแปรที่วัดได้ในระหว่างการทดลองเพื่อศึกษาความสัมพันธ์ที่มีกับผู้อื่นซึ่งถือว่าเป็นตัวแปรอิสระ

ตัวอย่าง 1

ในตัวอย่างนี้เราจะเห็นวิวัฒนาการของราคาที่พิซซ่าของสถานประกอบการอาหารได้รับความเดือดร้อนขึ้นอยู่กับขนาด

ตัวแปรตาม (y) จะเป็นราคาในขณะที่ตัวแปรอิสระ (x) จะมีขนาด ในกรณีนี้พิซซ่าขนาดเล็กราคา 9 ยูโรขนาดกลาง 12 ยูโรและสำหรับครอบครัว 15 ยูโร

นั่นคือเมื่อขนาดของพิซซ่าเพิ่มขึ้นก็มีค่าใช้จ่ายมากขึ้น ดังนั้นราคาจะขึ้นอยู่กับขนาด

ฟังก์ชันนี้จะเป็น y = f (x)

ตัวอย่าง 2

ตัวอย่างง่ายๆ: เราต้องการตรวจสอบเอฟเฟกต์ที่เกิดจากการเปลี่ยนแปลงของกระแส I ผ่านลวดโลหะซึ่งวัดแรงดันไฟฟ้า V ระหว่างปลายของมัน

ตัวแปรอิสระ (สาเหตุ) คือกระแสในขณะที่ตัวแปรตาม (ผลกระทบ) คือแรงดันไฟฟ้าซึ่งค่าขึ้นอยู่กับกระแสที่ไหลผ่านสายไฟ

ในการทดลองสิ่งที่ต้องการคือการรู้ว่ากฎเป็นอย่างไรสำหรับ V เมื่อฉันมีความหลากหลาย หากการพึ่งพาแรงดันไฟฟ้ากับกระแสกลายเป็นเส้นตรงนั่นคือ: V ∝ I ตัวนำเป็นโอห์มมิกและค่าคงที่ของสัดส่วนคือความต้านทานของสายไฟ

แต่ความจริงที่ว่าตัวแปรเป็นอิสระในการทดลองหนึ่งไม่ได้หมายความว่าจะเป็นเช่นนั้นในอีกการทดลองหนึ่ง สิ่งนี้จะขึ้นอยู่กับปรากฏการณ์ที่อยู่ระหว่างการศึกษาและประเภทของการวิจัยที่จะดำเนินการ

ตัวอย่างเช่นกระแส I ที่ผ่านตัวนำปิดที่หมุนในสนามแม่เหล็กคงที่จะกลายเป็นตัวแปรตามเมื่อเทียบกับเวลา t ซึ่งจะกลายเป็นตัวแปรอิสระ

อ้างอิง

1. Berenson, M. 1985. สถิติสำหรับการจัดการและเศรษฐศาสตร์. Interamericana SA
2. Canavos, G. 1988. ความน่าจะเป็นและสถิติ: การประยุกต์ใช้และวิธีการ. McGraw Hill
3. Devore, J. 2012. ความน่าจะเป็นและสถิติสำหรับวิศวกรรมและวิทยาศาสตร์. 8. ฉบับ กรง
4. สารานุกรมเศรษฐกิจ. ตัวแปรต่อเนื่อง สืบค้นจาก: encyclopediaeconomica.com.
5. Levin, R. 1988. สถิติสำหรับผู้ดูแลระบบ. ครั้งที่ 2 ฉบับ ศิษย์ฮอลล์.
6. Walpole, R. 2007. ความน่าจะเป็นและสถิติสำหรับวิศวกรรมและวิทยาศาสตร์. เพียร์สัน