Pertanyaan yang dapat dijawab oleh data.

Statistik dimulai dengan sebuah pertanyaan, dan tidak semua pertanyaan adalah pertanyaan statistik.

Bandingkan kedua pertanyaan ini:

• "Berapa massa penguin di baris 1 tabel kita?"
• "Berapa massa penguin Gentoo dewasa?"

Pertanyaan pertama memiliki satu jawaban: kamu tinggal mencarinya (3 750 g). Pertanyaan kedua memiliki banyak jawaban, karena penguin berbeda-beda. Kamu hanya bisa menjawabnya dengan ringkasan dari banyak pengukuran: nilai tipikal, rentang, atau gambar. Pertanyaan statistik adalah pertanyaan yang jawabannya diperkirakan akan bervariasi, dan data yang kamu kumpulkan juga akan bervariasi.

"Berapa banyak siswa di kelas kita hari ini?" adalah pertanyaan menghitung dengan satu jawaban. "Berapa jam siswa di sekolah kita tidur pada malam sebelum hari sekolah?" adalah pertanyaan statistik: siswa yang berbeda akan memberikan jawaban yang berbeda, dan bagian yang menarik adalah polanya.

Data biasanya hadir sebagai tabel. Berikut istilah-istilah yang perlu diketahui:

• Unit observasi (juga disebut kasus): sesuatu yang dijelaskan oleh setiap baris. Dalam tabel penguin, unitnya adalah satu penguin.
• Variabel: sesuatu yang diukur atau dicatat tentang setiap unit, satu kolom untuk setiap variabel: spesies, pulau, panjang sirip, massa tubuh, jenis kelamin.
• Nilai: isi dalam satu sel, seperti "Gentoo" atau 214 mm.

Susunan standar, yang sering disebut data rapi, mengikuti tiga aturan: setiap baris adalah satu unit, setiap kolom adalah satu variabel, dan setiap sel berisi satu nilai. Tabel yang rapi mudah diurutkan, difilter, dihitung, dan dibuat grafiknya, sehingga hampir semua alat untuk menganalisis data mengharapkannya.

Tiga baris pertama tabel penguin terlihat seperti ini:

• Adelie · Torgersen · paruh panjangnya 39,1 mm, kedalamannya 18,7 mm · sirip 181 mm · 3 750 g · jantan · 2007
• Adelie · Torgersen · paruh panjangnya 39,5 mm, kedalamannya 17,4 mm · sirip 186 mm · 3 800 g · betina · 2007
• Adelie · Torgersen · paruh panjangnya 40,3 mm, kedalamannya 18,0 mm · sirip 195 mm · 3 250 g · betina · 2007

Pengukuran penguin tersebut adalah set data penguin Palmer: 344 burung yang diukur di Palmer Station, Antarktika, pada tahun 2007, 2008, dan 2009 (Gorman, Williams, dan Fraser, 2014), dan dibagikan ke domain publik (CC0).

Variabel terbagi menjadi dua kelompok utama.

• Variabel kategorikal menempatkan setiap unit ke dalam suatu kelompok: spesies, pulau, jenis kelamin. Nilainya berupa label. Kamu bisa menghitung jumlah yang ada di setiap kelompok.
• Variabel numerik (kuantitatif) adalah pengukuran atau hitungan yang bisa dihitung dengan operasi aritmetika: panjang sirip, massa tubuh. Kamu bisa menghitung rata-ratanya.

Variabel numerik terbagi lagi. Variabel diskret memiliki nilai-nilai terpisah yang bisa kamu hitung, seperti jumlah telur dalam sarang (0, 1, 2, 3 …). Variabel kontinu bisa memiliki nilai apa pun dalam suatu rentang, yang hanya dibatasi oleh seberapa teliti kamu melakukan pengukuran: panjang sirip bisa 214 mm, 214,3 mm, atau 214,27 mm. Massa tubuh dan panjang sirip bersifat kontinu, meskipun tabel mencatatnya sebagai bilangan bulat dalam gram atau milimeter.

Tes yang bagus untuk menentukan apakah sesuatu bersifat "numerik": apakah rata-ratanya bermakna? Rata-rata massa tubuh sekelompok penguin bermakna. Rata-rata daftar kode pos tidak bermakna.