Ordinal ScaleThe ordinal scale has

Ordinal Scale

The ordinal scale has at least one major advantage over the nominal scale. The ordinal scale contains all of the information captured in the nominal scale but it also ranks data from lowest to highest. Rather than simply categorize data by placing an object either into or not into a category, ordinal data give you some idea of where data lie in relation to each other.

For example, suppose you are conducting a study on cigarette smoking and you capture how many packs of cigarettes three smokers consume in a day. It turns out that the first subject smokes one pack a day, the second smokes two packs a day, and the third smokes ten packs a day. Using an ordinal scale, your data would look like this.

Ten packs a day smoker
Two packs a day smoker
One pack a day smoker
The ordinal scale rank orders the subjects by how many packs of cigarettes they smoke in one day. Notice, however, that although you can use the ordinal scale to rank the subjects, there is some important data missing; the first smoker occupies a rank the same distance from the second smoker as the second smoker occupies a rank the same distance from the third smoker. Consequently, no information exists in the ordinal scale to indicate the distance one smoker is from the others except for the ranking. Richer than nominal scaling, ordinal scaling still suffers from some information loss in the data.

Kết quả (Việt) 1:

Tự quy môQuy mô tự có ít nhất một lợi thế lớn hơn quy mô trên danh nghĩa. Quy mô tự chứa tất cả thông tin bị bắt ở quy mô trên danh nghĩa nhưng nó cũng xếp thứ dữ liệu từ thấp nhất đến cao nhất. Chứ không phải là chỉ đơn giản là phân loại dữ liệu bằng cách đặt một đối tượng vào hoặc không vào một thể loại, dữ liệu tự cung cấp cho bạn một số ý tưởng về nơi dữ liệu nằm trong mối quan hệ với nhau.Ví dụ, giả sử bạn đang tiến hành một nghiên cứu về thuốc lá và bạn nắm bắt bao nhiêu gói của thuốc lá ba người hút thuốc tiêu thụ trong một ngày. Nó chỉ ra rằng hút thuốc lá đối tượng đầu tiên một gói một ngày, thứ hai hút thuốc 2 gói một ngày, và hút thuốc lá thứ ba mười gói một ngày. Sử dụng một quy mô tự, dữ liệu của bạn sẽ trông như thế này.Mười gói một người hút thuốc ngàyHai gói một người hút thuốc ngàyMột gói một người hút thuốc ngàyXếp hạng tự quy mô ra lệnh cho các đối tượng bởi bao nhiêu gói của thuốc lá họ hút thuốc trong một ngày. Thông báo, Tuy nhiên, mặc dù bạn có thể sử dụng quy mô tự để xếp hạng các đối tượng, là có một số dữ liệu quan trọng mất tích; việc hút thuốc đầu tiên chiếm một đánh giá cách việc hút thuốc thứ hai, tương tự như việc hút thuốc thứ hai chiếm một xếp hạng cùng khoảng cách từ việc hút thuốc thứ ba. Do đó, không có thông tin tồn tại ở quy mô tự để cho biết việc hút thuốc một khoảng cách là từ những người khác ngoại trừ việc xếp hạng. Phong phú hơn so với danh nghĩa rộng, mở rộng quy mô tự vẫn còn bị mất một số thông tin trong dữ liệu.

Kết quả (Việt) 2:

Scale TT Quy mô thứ có ít nhất một lợi thế lớn so với quy mô đáng kể. Quy mô thứ chứa tất cả các thông tin bị bắt trong thang danh nghĩa nhưng nó cũng được xếp dữ liệu từ thấp nhất đến cao nhất. Thay vì chỉ đơn giản là phân loại dữ liệu bằng cách đặt một đối tượng hoặc là vào hay không vào một thể loại, dữ liệu tự cung cấp cho bạn một số ý tưởng về nơi dữ liệu nằm trong mối liên hệ với nhau. Ví dụ, giả sử bạn đang tiến hành một nghiên cứu về việc hút thuốc lá và bạn bắt bao nhiêu gói thuốc lá hút thuốc lá ba tiêu thụ trong một ngày. Nó chỉ ra rằng môn học đầu tiên hút một gói một ngày, thứ hai hút hai gói một ngày, và thứ ba hút thuốc lá mười gói một ngày. Sử dụng một quy mô thứ tự, dữ liệu của bạn sẽ trông như thế này. Mười một gói Hút ngày hai gói một người hút thuốc ngày một gói một ngày Thuốc Quy mô lệnh rank thứ tự các đối tượng bởi có bao nhiêu gói thuốc lá họ hút thuốc trong một ngày. Thông báo, tuy nhiên, mặc dù bạn có thể sử dụng các mô để xếp hạng thứ tự các đối tượng, có một số dữ liệu quan trọng bị mất tích; người hút thuốc lần đầu tiên chiếm một cấp bậc cùng một khoảng cách từ Hút Thuốc thứ hai là Thuốc thứ hai chiếm một cấp bậc cùng một khoảng cách từ Hút Thuốc thứ ba. Do đó, không có thông tin tồn tại trong quy mô thứ tự để chỉ ra khoảng cách một người hút thuốc là từ những người khác, ngoại trừ cho các bảng xếp hạng. Phong phú hơn so với danh nghĩa rộng, rộng thứ vẫn còn bị mất một số thông tin trong dữ liệu.