Les données D’intervalle sont mesurées le long d’une échelle numérique qui a des distances égales entre les valeurs adjacentes. Ces distances sont appelées » intervalles.”
Il n’y a pas de vrai zéro sur une échelle d’intervalle, ce qui la distingue d’une échelle de rapport. Sur une échelle d’intervalle, Zéro est un point arbitraire, pas une absence complète de la variable.
des exemples courants d’échelles d’intervalles comprennent des tests normalisés, tels que le SAT, et des inventaires psychologiques.,
Niveaux de mesure
Intervalle est l’un des quatre niveaux hiérarchiques de la mesure. Les niveaux de mesure indiquent avec quelle précision les données sont enregistrées. Plus le niveau est élevé, plus la mesure est complexe.
alors que les variables nominales et ordinales sont catégorielles, les variables d’intervalle et de rapport sont quantitatives. Beaucoup plus de tests statistiques peuvent être effectués sur des données quantitatives que catégoriques.
échelles D’intervalle vs rapport
Les échelles D’intervalle et de rapport ont toutes deux des intervalles égaux entre les valeurs., Cependant, seules les échelles de rapport ont un vrai zéro qui représente une absence totale de la variable.
Celsius et Fahrenheit sont des exemples d’échelles d’intervalles. Chaque point sur ces échelles diffère des points voisins par des intervalles d’exactement un degré. La différence entre 20 et 21 degrés est identique à la différence entre 225 et 226 degrés.
cependant, ces échelles ont des points nuls arbitraires – zéro degré n’est pas la température la plus basse possible.
parce qu’il n’y a pas de vrai zéro, vous ne pouvez pas multiplier ou diviser les scores sur les échelles d’intervalles. 30°C n’est pas deux fois plus chaud que 15°C., De même, -5 ° F n’est pas moitié moins froid que -10 ° F.
en revanche, L’échelle de température de Kelvin est une échelle de rapport. Dans L’échelle Kelvin, rien ne peut être plus froid que 0 K. Par conséquent, les rapports de température en Kelvin sont significatifs: 20 K est deux fois plus chaud que 10 K.
des Exemples de données sur l’intervalle
Psychologique des concepts comme l’intelligence sont souvent quantifiées à l’aide d’opérationnalisation dans les tests ou les stocks. Ces tests ont des intervalles égaux entre les scores, mais ils n’ont pas de vrais zéros car ils ne peuvent pas mesurer « zéro intelligence” ou « zéro personnalité.,les tests standardisés
SAT
GRE
GMAT
GRE
GMAT
GRE
GRE
GMAT
GRE
GRE
GRE
GMAT
GRE
GRE
GMAT
raven’s progressive matrices
Big Five personality trait tests
pour déterminer si une échelle est un intervalle ou un ordinal, utilise des valeurs avec des unités de mesure fixes, où les distances entre deux points quelconques sont de taille connue., Par exemple:
- Une échelle d’évaluation de la douleur de 0 (pas de douleur) à 10 (pire douleur possible) est intervalle.
- Une échelle d’évaluation de la douleur qui va de l’absence de douleur, de la douleur légère, de la douleur modérée, de la douleur intense, à la pire douleur possible est ordinale.
traiter vos données comme des données d’intervalle permet d’effectuer des tests statistiques plus puissants.,
analyse des données par intervalles
pour avoir une vue d’ensemble de vos données, vous pouvez d’abord rassembler les statistiques descriptives suivantes:
- la distribution des fréquences en nombres ou en pourcentages,
- Le mode, la médiane ou la moyenne pour trouver la tendance centrale,
- la plage, l’écart-type et la variance pour indiquer la variabilité.
Distribution
Des Tableaux et des graphiques peuvent être utilisés pour organiser vos données et visualiser leur distribution.
- Table
- Graphique
la tendance Centrale
à Partir de votre graphique, vous pouvez voir que vos données sont assez normalement distribués. Comme il n’y a pas de biais, pour trouver où se trouvent la plupart de vos valeurs, vous pouvez utiliser les 3 mesures communes de tendance centrale: le mode, la médiane et la moyenne.,
- Mode
- Médiane
- Moyenne
(n+1)/2 = (59+1)/2 = 30
La médiane est à la 30e position, qui a une valeur de 1120.
⅀x = 65850
n = 59
⅀x/n = 65850/59 = 1116.,1
La moyenne est généralement considérée comme la meilleure mesure de la tendance centrale lorsque vous avez normalement distribué des données quantitatives. En effet, il utilise chaque valeur de votre ensemble de données pour le calcul, contrairement au mode ou à la médiane.
variabilité
la plage, l’écart-type et la variance décrivent la propagation de vos données. La plage est la plus facile à calculer tandis que l’écart-type et la variance sont plus compliqués, mais aussi plus informatifs.,
- Gamme
- déviation Standard
- Écart
Gamme = 1500 – 620 = 880
s = 210.42
s2 = 44279.,36
les tests Statistiques
Maintenant que vous avez un aperçu de vos données, vous pouvez sélectionner les tests appropriés pour faire des inférences statistiques. Avec une distribution normale des données d’intervalle, des tests paramétriques et non paramétriques sont possibles.
Les tests paramétriques sont plus puissants que les tests non paramétriques et vous permettent de tirer des conclusions plus solides concernant vos données. Cependant, vos données doivent répondre à plusieurs exigences pour que les tests paramétriques s’appliquent.,
Les tests paramétriques suivants sont quelques-uns des tests les plus courants appliqués aux hypothèses de test sur les données d’intervalle.
| Objectif | des Échantillons ou des variables | Test | Exemple |
|---|---|---|---|
| Comparaison des moyens | 2 échantillons | T-test | Quelle est la différence entre la moyenne des scores SAT d’élèves de 2 écoles différentes?, |
| comparaison des moyennes | 3 échantillons ou plus | ANOVA | Quelle est la différence dans les scores SAT moyens des étudiants de 3 programmes de préparation aux tests? |
| corrélation | 2 variables | R de Pearson | comment les scores SAT et les GPAs sont-ils liés? |
| Régression | 2 variables | régression linéaire Simple | Quel est l’effet du revenu des parents sur les scores SAT?, |
questions Fréquemment posées au sujet de l’intervalle de données
Les niveaux de mesure vous indiquent avec quelle précision les variables sont enregistrées. Il existe 4 niveaux de mesure, qui peuvent être classés de bas en haut:
- Nominal: les données ne peuvent être classées que par catégorie.
- Ordinal: les données peuvent être classées et classées.
- intervalle: les données peuvent être classées et classées, et espacées uniformément.,
- Ratio: les données peuvent être classées, classées, espacées uniformément et ont un zéro naturel.
bien que les données d’intervalle et de rapport puissent être classées, classées et avoir un espacement égal entre les valeurs adjacentes, seules les échelles de rapport ont un vrai zéro.
Par exemple, la température en Celsius ou Fahrenheit est à une échelle d’intervalle car zéro n’est pas la température la plus basse possible. Dans L’échelle de Kelvin, une échelle de rapport, zéro représente un manque total d’énergie thermique.,
Les questions individuelles de type Likert sont généralement considérées comme des données ordinales, car les éléments ont un ordre de classement clair, mais n’ont pas de distribution uniforme.
Les scores globaux de L’échelle de Likert sont parfois traités comme des données d’intervalle. Ces scores sont considérés comme ayant une directionnalité et même un espacement entre eux.
Le type de données détermine les tests statistiques que vous devez utiliser pour analyser vos données.
