等距數據和等比數據有什麼區別

① 根據數據反映的測量水平，可把數據區分為哪四種類型這四種類型數據有什麼分別

根據數據反映的測量水平,可把數據區分為稱名數據、順序數據、等距數據和比率數據四種類型。
1.稱名變數。稱名變數只說明某一事物與其他事物在名稱、類別或屬性上的不同並不說明事物與事物之間差異的大小、順序的先後。這些數據僅是類別符號而已,沒有在量方面的實質性意義,一般不能對這類數據進行加、減、乘、除運算但通常可對每一類別計算次數或個數等。
2.順序變數。順序變數是指可以就事物的某一屬性的多少或大小按次序將各事物加以排列的變數具有等級性和次序性的特點。順序變數的觀測結果有些是直接用序數等級來表示事物屬性的多少與大小另外有些觀測結果則是用有序的類別來區分事物屬性的差異。在實際應用和研究中常用有序的整數或自然數來表示順序變數的各種觀測結果從而得到順序變數數據。順序變數數據之間雖有次序與等級關系但這種數據之間不具有相等的單位也不具有絕對的數量大小和零點。因此只能進行順序遞推運算。
3.等距變數。等距變數除能表明量的相對大小外,還具有相等的單位。等距變數觀測數據的單位是相等的但零點卻是相對的。對這類數據一般不能用乘、除法運算來反映兩個數據。
4.比率變數。比率變數除了具有量的大小、相等單位外,還有絕對零點。比率變數數據可以進行加、減、乘、除運算,允許人們用乘、除法處理數據,以便對不同個體的測量結果進行比較並作比率性即倍比關系描述。
區別稱名變數不說明事物與事物之間的差異的大小順序先後順序變數可以就事物的大小多少按照次序進行對事物排列等距變數具有相等的單位能表明量的相對大小它觀測數據的單位是相等的但是零點是相對的。比率變數除了具有量的大小、相等單位還有絕對零點對它的數據可以進行加減乘除的運算。

② 統計學中的分類方法

介紹
理解不同的數據類型，是探索性數據分析（Exploratory Data Analysis，EDA）所需的關鍵預備知識，同時也有助於你選擇正確的可視化方法。你可以將數據類型看成歸類不同類型變數的方式。我們將討論主要的變數類型，以及相應的示例。有時我們會稱其為測量尺度（measurement scale）。

類別數據

類別數據（categrorical data）表示特性，例如一個人的性別，所說的語言，等等。類別數據同樣可以使用數值（例如：1表示雌性，0表示雄性）。

名目數據

名目值（nominal value）指用於標記變數的定性離散單元。你可以直接把它們想像成「標簽」。注意名目數據是無序的。因此，如果你改變名目值的順序，其語義並不會改變。下面是一些名目特徵的例子：

性別：雌性、雄性。
語言：英語、法語、德語、西班牙語。
上面的性別特徵也被稱為「二分（dichotomous）」值，因為它只包含兩個類別。

次序數據

次序值（ordinal value）指離散、有序的定性單元。除了有序之外，它幾乎和名目數據一樣。例如，教育背景可以用次序值來表示：

初中
高中
大學
研究生
注意，其實初中、高中之間的差別，和高中、大學之間的差別，是不一樣的。這是次序數據的主要限制，次序值之間的差別是未知的。因此，次序值通常用於衡量非數值特徵，例如愉悅程度、客戶滿意度。

數值數據
離散數據

離散數據（discrete data）的值是不同而分散的，換句話說，只能接受一些特定值。這類數據無法測量但可以計數。它基本上用來表示可以分類的信息。例如，拋100次硬幣正面向上的次數。

你可以通過以下兩個問題檢查你處理的是否是離散數據：你可以對其計數嗎？它可以被切分成越來越小的部分嗎？

相反，如果數據可以測量但無法計數，那就是連續數據。

連續數據

連續數據（continuous data）表示測量。例如身高。

連續數據可以分為等距數據（interval data）和等比數據（ratio data）。

等距值指間隔相等的有序單元，也就是說，等距變數包含有序數值，並且我們知道這些數值之間的間隔。例如，用等距數據表示溫度：

-10
-5
0
+5
+10
+15
等距值的問題在於，它們沒有「真正的零」。拿上面的例子來說，0度不是絕對零度。另外，我們可以加減等距值，而不能乘除等距值或計算比率。由於沒有「真正的零」，無法應用許多描述統計學或推論統計學的方法。

等比值具有等距值的所有特性，同時也有絕對的零。因此，不僅可以加減，還可以乘除。高度、重量、長度、絕對溫度等都屬於等比值。

數據類型為什麼重要？
數據類型是一個非常重要的概念，因為統計學方法只能應用於特定的數據類型。你需要使用不同的方式分析連續數據和類別數據。因此，理解你處理的數據的類型，讓你能夠選擇正確的分析方法。

下面我們將重新查看上面提到的每種數據類型，了解它們可以應用什麼樣的統計學方法。為了理解我們將討論的一些性質，你需要對描述性統計學有所了解。如果你對此不熟悉，可以先看下我寫的描述性統計學介紹。

統計學方法
名目數據

處理名目數據時，你通過下述方式收集信息：

頻數 在一段時間內或整個數據集中出現的次數。
比例 頻數除以所有事件的頻數之和，即可得到比例。
百分比 我想這無需解釋了吧。
眾數 出現次數最多，也就是頻數最高的數據。
可視化方法 你可以使用餅圖或直方圖可視化名目數據。
統計學常用數據類型
左：餅圖；右：直方圖

次序數據

當你處理次序數據時，你可以使用以上用於名目數據的方法，不過，除此之外，你還可以使用一些額外的工具。也就是說，你可以使用頻數、比例、百分比、眾數概括次序數據，也可以使用餅圖、直方圖可視化次序數據。除此之外，你還可以使用：

百分位數 計算由小到大排列的次序數據的累計百分位，某一百分位對應的數據值就稱為這一百分位的百分位數。百分位數可以用來描述數據的離散趨勢。
中位數 即第50百分位數，它將數據分為相等的上下兩部分。中位數可以用來描述數據的中間趨勢。例如，如果我們用次序數據表示星巴克咖啡的容量：中杯、大杯、特大杯。那麼，其中位數為大杯（也就是說，真正的中杯是大杯）。
四分位距 第75百分位數與第25百分位數之差即為四分位距。四分位距可以簡要概述數據的離散趨勢。
連續數據

大多數統計學方法都可以用於連續數據。你可以使用百分位數、中位數、四分位距、均值、眾數、標准差、區間。

你可以使用矩形圖或箱形圖可視化連續數據。從矩形圖上可以看到分布的中間趨勢、離散程度、形態和峰態。注意，矩形圖不體現離散值，因此我們有時使用箱形圖。

③ 關於統計的問題 順序數據是既無相等單位也無絕對零的數據.相等單位是什麼含義

順序數據的數值只代表排序，不代表具體的分數差異，因此不可加減，而等距數據可以加減。有相對零點的等距數據，可不就是等比數據么，等比數據就是比率數據的意思，只不過換了個翻譯方法。

先看看順序數據的特點，再對照中數的特點。順序數據：無相等單z位無絕對零點，只表示大小等級程度，只能派出一個順序，不表示等距數量，也不表示絕對數值，不能進行加減乘除。

等比數據首先是單位等距離的，它就是比等距數據多一個絕對零點，二者實際上算是一個大概念和小概念的差別，等比數據可以理解為一種特殊的等距數據。只不過一般為了強調概念之間的差別，認為等距數據是無絕對零點的。

(3)等距數據和等比數據有什麼區別擴展閱讀：

順序結構插入的思路為：如果插入位置不合理，拋出異常；如果線性表長度大於等於數組長度，拋出異常或者動態增加容量；從最後一個元素開始向前遍歷到第i個位置，分別將他們都向後移動一個位置；將要插入元素填入位置i處；表長加1。這里我們實現ListInsert(*L,i,e)。

中數：按順序排列在一起的一組數據中居於中間位置的數。中數需要排序、不能進一步做代數運算，適用於順序量表。插值法是求中數的方法，而不是說對中數進行進一步的代數運算。