Identifikation af enheder, variable og kategoriske variable i et datasæt

Vi får at vide, at millioner af amerikanere

sætter deres lid til koffein, når de skal op om morgenen.

hvilket er sandt, men når jeg drikker koffein om morgen,

så er jeg meget følsom og kan ikke sove om natten

s

Her er vist ernæringsdata for nogle populære drikkevarer hos

Ben Beans kaffebar.

Okay, så vi har navnene på nogle

forskellige drikkevarer.

Og her har vi typen af drikkevare

og det ser ud til at de enten er varme eller kolde.

Her har vi antal kalorier for hver af disse drikkevarer.

Her har vi sukkerindholdet i gram,

for hver af disse drikkevarer.

Og her her vi koffein i milligram for hvor

af disse drikkevarer.

Og så bliver vi spurgt,

om hvad individerne i dette datasæt er?

Og vi har tre muligheder.

Ben Beans kunder.
Ben Beans drikkevarer.

s

Eller koffein-indholdet.

Nu skal vi jo så være forsigtige.

Når der spørges om individer i et datasæt,

så menes der ikke nødvendigvis personer, det kan være ting.

[på dansk bruges individer om personer
og enheder om ting]

Enhederne i dette datasæt…

I hver række beskrives en type af drikkevarer hos

Ben Beans kaffebar.

Så de forskellige typer af drikkevarer hos Ben Beans kaffebar

er enhederne i dette datasæt.

Enhederne er drikkevarerne.

Dernæst bliver vi spurgt om antallet

af variable i datasættet

og hvor mange af disse, der er katagoriske.

Når vi kigger her, kan vi se variablerne.

I den første søjle

opgive typen af drikkevarer,

det er ikke en variable,

da det er en enhed.

Men i alle de andre søjler, der har vi variable.

Foreksempel er typen en variabel,

Den kan være enten varm eller kold.

Og fordi den kun kan antage enten varm eller kol,

s

så er det en kategorisk variabel.

Du behøver ikke nødvendigvis kun to kategorier.

du kan have mange flere end to kategorier.

Men det er ikke den type variabel,

der kan antage en hel masse forskellie værdier.

Så dette her er en kategorisk variabel.

Kalorier er ikke en kategorisk variabel.

Du kan have noget med 4,1 kalorier og

du kan have noget med 178.

Tingene passer ikke ind i kategorier.

Det samme for sukker og koffeinindhold.

De er numeriske variable.

der ikke passer i en kategori.

Og jeg skal lige tilføje

vi har 4 variable 1, 2 3, 4.

1 af dem er kategorisk.

Så det er valg A herover.