Soalan yang boleh dijawab oleh data

Statistik bermula dengan soalan, dan bukan semua soalan ialah soalan statistik.

Bandingkan dua soalan ini:

• "Berapakah berat penguin dalam baris 1 jadual kita?"
• "Berapakah berat penguin Gentoo dewasa?"

Soalan pertama mempunyai satu jawapan: kamu hanya perlu mencarinya (3 750 g). Soalan kedua mempunyai banyak jawapan, kerana penguin berbeza-beza. Kamu hanya boleh menjawabnya dengan ringkasan banyak ukuran: nilai tipikal, julat, atau gambar. Soalan statistik ialah soalan yang jawapannya dijangka berbeza-beza, dan data yang kamu kumpulkan juga akan berbeza-beza.

"Berapakah bilangan murid dalam kelas kita hari ini?" ialah soalan pengiraan dengan satu jawapan. "Berapa jam murid di sekolah kita tidur pada malam sebelum hari persekolahan?" ialah soalan statistik: murid yang berbeza akan memberikan jawapan yang berbeza, dan bahagian yang menarik ialah coraknya.

Data biasanya tiba sebagai jadual. Istilah yang perlu diketahui:

• Unit pemerhatian (juga dipanggil kes): perkara yang diterangkan oleh setiap baris. Dalam jadual penguin, unitnya ialah seekor penguin.
• Pemboleh ubah: sesuatu yang diukur atau direkodkan tentang setiap unit, satu lajur bagi setiap pemboleh ubah: spesies, pulau, panjang sirip, jisim badan, jantina.
• Nilai: entri dalam satu sel, seperti "Gentoo" atau 214 mm.

Susun atur standard, yang sering dipanggil data kemas, mengikut tiga peraturan: setiap baris ialah satu unit, setiap lajur ialah satu pemboleh ubah, dan setiap sel mengandungi satu nilai. Jadual yang kemas mudah diisih, ditapis, dikira dan diplotkan, sebab itulah hampir semua alat untuk analisis data mengharapkannya.

Tiga baris pertama jadual penguin kelihatan seperti ini:

• Adelie · Torgersen · paruh sepanjang 39.1 mm, dalam 18.7 mm · sirip 181 mm · 3 750 g · jantan · 2007
• Adelie · Torgersen · paruh sepanjang 39.5 mm, dalam 17.4 mm · sirip 186 mm · 3 800 g · betina · 2007
• Adelie · Torgersen · paruh sepanjang 40.3 mm, dalam 18.0 mm · sirip 195 mm · 3 250 g · betina · 2007

Ukuran penguin itu ialah set data penguin Palmer: 344 ekor burung yang diukur di Stesen Palmer, Antartika, pada tahun 2007, 2008 dan 2009 (Gorman, Williams dan Fraser, 2014), dikongsi dalam domain awam (CC0).

Pemboleh ubah terbahagi kepada dua keluarga utama.

• Pemboleh ubah kategori meletakkan setiap unit dalam satu kumpulan: spesies, pulau, jantina. Nilainya ialah label. Kamu boleh mengira jumlah dalam setiap kumpulan.
• Pemboleh ubah berangka (kuantitatif) ialah ukuran atau kiraan yang sesuai untuk operasi aritmetik: panjang sirip, jisim badan. Kamu boleh mencari puratanya.

Pemboleh ubah berangka terbahagi lagi. Pemboleh ubah diskret mengambil nilai berasingan yang boleh dikira, seperti nombor telur dalam sarang (0, 1, 2, 3 …). Pemboleh ubah malar boleh mengambil sebarang nilai dalam sesuatu julat, terhad hanya oleh ketepatan ukuran: panjang sirip mungkin 214 mm, 214.3 mm atau 214.27 mm. Jisim badan dan panjang sirip ialah pemboleh ubah malar, walaupun jadual merekodkannya sebagai nombor bulat gram atau milimeter.

Ujian yang baik untuk "berangka": adakah purata itu bermakna? Purata jisim badan sekumpulan penguin adalah bermakna. Purata senarai kod pos pula tidak bermakna.