Dans les statistiques, les données nominales (également appelées échelle nominale) sont un type de données utilisé pour étiqueter des variables sans fournir de valeur quantitative. C'est la forme la plus simple d'une échelle de mesure. Contrairement aux données ordinales Données ordinales Dans les statistiques, les données ordinales sont le type de données dans lesquelles les valeurs suivent un ordre naturel. L'une des caractéristiques les plus notables des données ordinales est que les données nominales ne peuvent pas être ordonnées et ne peuvent pas être mesurées.
Contrairement aux données d'intervalle ou de rapport, les données nominales ne peuvent pas être manipulées à l'aide des opérateurs mathématiques disponibles. Ainsi, la seule mesure de la tendance centrale La tendance centrale de la tendance centrale est un résumé descriptif d'un ensemble de données à travers une valeur unique qui reflète le centre de la distribution des données. Le mode est associé à la variabilité de ces données.
Caractéristiques des données nominales
Les données nominales peuvent être à la fois qualitatives et quantitatives. Cependant, les étiquettes quantitatives n'ont pas de valeur numérique ou de relation (par exemple, numéro d'identification). D'autre part, divers types de données qualitatives peuvent être représentés sous forme nominale. Ils peuvent inclure des mots, des lettres et des symboles. Les noms de personnes, le sexe et la nationalité ne sont que quelques-uns des exemples les plus courants de données nominales.
Comment analyser les données nominales?
Les données nominales peuvent être analysées en utilisant la méthode de regroupement. Les variables peuvent être regroupées en catégories, et pour chaque catégorie, la fréquence ou le pourcentage peut être calculé. Les données peuvent également être présentées visuellement, par exemple en utilisant un graphique à secteurs.
Bien que les données nominales ne puissent pas être traitées à l'aide d'opérateurs mathématiques, elles peuvent toujours être analysées à l'aide de méthodes statistiques avancées. Par exemple, une façon d'analyser les données consiste à tester des hypothèses Test d'hypothèse Le test d'hypothèse est une méthode d'inférence statistique. Il est utilisé pour tester si une déclaration concernant un paramètre de population est correcte. Tests d'hypothèses .
Pour les données nominales, le test d'hypothèse peut être effectué à l'aide de tests non paramétriques tels que le test du chi carré. Le test du chi carré vise à déterminer s'il existe une différence significative entre la fréquence attendue et la fréquence observée des valeurs données.
Plus de ressources
Finance propose la certification FMVA® Financial Modeling & Valuation Analyst (FMVA) ™. Rejoignez plus de 350 600 étudiants qui travaillent pour des entreprises comme Amazon, JP Morgan et le programme de certification Ferrari pour ceux qui cherchent à faire progresser leur carrière. Pour continuer à apprendre et faire progresser votre carrière, les ressources financières suivantes vous seront utiles:
- Concepts statistiques de base en finance Concepts statistiques de base en finance Une solide compréhension des statistiques est essentielle pour nous aider à mieux comprendre la finance. De plus, les concepts de statistiques peuvent aider les investisseurs à surveiller
- Événements indépendants Événements indépendants Dans les statistiques et la théorie des probabilités, les événements indépendants sont deux événements dans lesquels l'occurrence d'un événement n'affecte pas l'occurrence d'un autre événement
- Distribution positivement asymétrique Distribution positivement asymétrique Dans les statistiques, une distribution positivement asymétrique (ou asymétrique à droite) est un type de distribution dans lequel la plupart des valeurs sont regroupées autour de la queue gauche du
- Analyse quantitative Analyse quantitative L'analyse quantitative est le processus de collecte et d'évaluation de données mesurables et vérifiables telles que les revenus, la part de marché et les salaires afin de comprendre le comportement et les performances d'une entreprise. À l'ère de la technologie des données, l'analyse quantitative est considérée comme l'approche privilégiée pour prendre des décisions éclairées.
