Skalierung von Daten

Skalierung von Daten spielt eine große Rolle in der gesamten deskriptiven Statistik. Durch die Skalierung sollten wir wissen, welche Streuungmaße zum Beispiel angebracht sind, oder ob zum Beispiel der Median verwendet werden kann.

1)    Nominalskala / nominalskalierte Daten: Hier können wir nur Unterschiede und sonst nichts feststellen. Insbesondere ist keine Reihenfolge feststellbar, denn Vergleiche können objektiv nicht gezogen werden. Ein Beispiel sind Farben oder auch Nationalitäten. Hier können wir keine Vergleiche ziehen.

2)    Ordinalskala / ordinalskalierte Daten: Hier sind Unterscheide und eine Reihenfolge feststellbar. Ein Beispiel hierfür sind Noten. Hier kann ich Unterschiede festellen und eine Reihenfolge aufstellen.

3)    Metrische Skalen:

  1. Intervallskala: Nullpunkt ist NICHT natürlich vorhanden. Auch die

Einheit ist nicht natürlich gewählt. Also sind Nullpunkt und Einheit willkürlich wählbar. Beispiel hierfür ist Grad Celsius. Auf dieser Intervallskala ist der Nullpunkt sowie auch die Einheit willkürlich vom Menschen gewählt.

Auf der Intervallskala bleiben die Verhältnisse nicht gleich! Zum beispiel Celsius in Fahrenheit bietet kein Verhältniss !

Also NUR DIFFERENZEN!

  1. Verhältnisskala: Der Nullpunkt ist natürlich festgelegt, die Einheit

jedoch immernoch willkürlich gewählt. Beispiel

hierfür sind Längenmessungen, zum Beispiel in

Metern oder Centimetern -> Einheit willkürlich,

Nullpunkt jedoch natürlich.

DIFFERENZEN UND VERHÄLTNISSE! à Immer das doppelte egal welche Skalentransformation. Oder anders gesagt: Egal welche Skalentransformation ich tätige, das Verhältnis wird immer dasselbe bleiben.

  1. Absolutskala: Nullpunkt und Einheit natürlich festgelegt. Der

Mensch kann also diese beiden nicht beeinflussen. Beispiel dafür wäre die Anzahl von Bleistiften auf einem Schreibtisch.