Les données peuvent être compliquées.
Il existe des données structurées et non structurées, des données qualitatives (ou catégorielles) et des données quantitatives (ou numériques). Les variables quantitatives peuvent être soit discrètes, soit continues. Cet article explore la différence entre les données discrètes et continues.
Les variables discrètes prennent des valeurs dénombrables et distinctes, tandis que les variables continues peuvent prendre n'importe quelle valeur au sein d'un ensemble de données. Comprendre le concept de données discrètes vs. continues vous aidera à identifier les opportunités pour chacune. Vous pouvez exploiter ces informations pour obtenir de meilleures perspectives sur les données, que vous soyez un data scientist, un analyste de données, un ingénieur de données ou simplement un amateur de chiffres.
Les organisations utilisent des logiciels d'analyse statistique pour découvrir des insights à partir des types de données discrètes et continues et simplifier l'analyse de données complexes.
Quelle est la différence entre les données continues et discrètes ?
Les données discrètes se composent de variables numériques qui sont des nombres entiers, concrets, avec des valeurs fixes déterminées par le comptage, comme le nombre de personnes dans une équipe. Les données continues se composent de nombres complexes et de valeurs de données variables mesurées sur un intervalle de temps spécifique, comme le temps qu'il faut pour courir un marathon.
Une façon simple de comprendre la différence entre les deux est de visualiser un graphique discret vs. un graphique continu. Jetez un œil à ce nuage de points par rapport à un graphique linéaire.
Lorsque vous collectez un ensemble de nombres ronds et définis, ils apparaîtront sur le graphique de manière similaire à ceux de gauche. Les données discrètes se réfèrent à des éléments individuels et dénombrables (variables discrètes).
Lors de la mesure d'un certain flux de données avec une gamme de résultats complexes, les résultats sont affichés avec une ligne comme une plage de données (voir : graphiques à droite). Les données continues se réfèrent au changement au fil du temps, impliquant des concepts qui ne sont pas simplement dénombrables mais nécessitent des mesures détaillées (variables continues).
Quelques synonymes du mot discret sont déconnecté, séparé et distinct. Ces synonymes pourraient facilement être utilisés pour en savoir plus sur les données discrètes.
Plongeons profondément dans chaque type de données pour mieux comprendre les données discrètes et continues.
Qu'est-ce que les données discrètes ?
Les données discrètes se réfèrent à des chiffres dénombrables, individualisés et indivisibles en statistiques. Ces points de données n'existent que par incréments définis. Les analystes de données et les statisticiens visualisent les données discrètes à l'aide de graphiques à barres, histogrammes, graphiques linéaires et graphiques circulaires.
Les données discrètes représentent des variables discrètes, que vous pouvez compter en un temps fini. La caractéristique clé ici est que ces variables sont dénombrables plutôt que mesurables.
Par exemple, si vous suivez le nombre de pompes que vous faites chaque jour pendant un mois, le nombre de pompes est un nombre entier que vous ne pouvez pas décomposer en parties plus petites. Cela dit, votre décompte quotidien est une donnée discrète.
Exemples de données discrètes
Les données discrètes peuvent être qualitatives ou quantitatives. Quelques exemples quantitatifs de données discrètes sont :
- Nombre d'avis sur un produit : Discret car les avis sont dénombrables et doivent être des nombres entiers sans fractions.
- Nombre de billets vendus en une journée : Discret car vous ne pouvez vendre que des billets entiers, sans valeurs intermédiaires.
- Nombre d'élèves dans votre classe : Discret car les élèves ne peuvent être comptés que comme des unités complètes, pas des fractions.
- Nombre d'employés dans une entreprise : Discret car les employés sont dénombrables en tant qu'individus entiers.
Les données discrètes peuvent également être qualitatives. La nationalité que vous sélectionnez sur un formulaire est une donnée discrète. Lorsqu'elles sont regroupées, les nationalités de tous les membres de votre lieu de travail peuvent être des informations précieuses pour évaluer vos pratiques de recrutement.
Un autre exemple de données qualitatives discrètes est les données que vous collectez à l'aide d'échelles coulissantes. Imaginez collecter des données d'avis de produit auprès des utilisateurs. Vous pouvez créer des points de données ordinales, tels que facile à utiliser, neutre et pas facile. Visualiser ces données vous aide à quantifier les données qualitatives.
Le recensement national se compose de données discrètes, à la fois qualitatives et quantitatives. Compter et collecter ces informations d'identification approfondit notre compréhension de la population. Cela nous aide à faire des prédictions tout en documentant l'histoire. C'est le pouvoir des données discrètes.
Il est maintenant temps de recevoir des nouvelles et du divertissement SaaS avec notre newsletter de 5 minutes, G2 Tea, mettant en vedette des leaders inspirants, des opinions tranchées et des prédictions audacieuses. Abonnez-vous ci-dessous !
Vous voulez en savoir plus sur Logiciel d'analyse statistique ? Découvrez les produits Analyse statistique.
Qu'est-ce que les données continues ?
Les données continues sont un type de données numériques qui se réfèrent au nombre non spécifié de mesures possibles entre deux points réalistes.
Ces nombres ne sont pas toujours propres et ordonnés comme ceux des données discrètes, car ils sont généralement collectés à partir de mesures précises. Au fil du temps, mesurer un sujet particulier nous permet de créer une plage définie où nous pouvons raisonnablement nous attendre à collecter plus de données.
Les données continues concernent la précision. Ainsi, les variables continues comportent souvent des points décimaux, avec le nombre à droite étendu aussi loin que possible. Ces points décimaux offrent une mesure exacte entre deux points de données définis. Ce niveau de détail est primordial pour les scientifiques, les médecins et les fabricants, pour n'en nommer que quelques-uns. L'analyse de régression est l'un des types d'analyse de données continues les plus courants.
Lorsque vous pensez à des expériences ou des études impliquant des mesures constantes, elles sont probablement des variables continues dans une certaine mesure. Si vous avez un nombre comme "2,86290" quelque part sur une feuille de calcul, ce n'est pas un nombre auquel vous auriez pu arriver rapidement - pensez à des appareils de mesure comme les chronomètres, les balances, les thermomètres, etc.
Exemples de données continues
Quelques exemples de données continues sont :
- Vitesse du vent quotidienne : Continue car la vitesse du vent peut prendre n'importe quelle valeur dans une plage, y compris les décimales.
- Température du congélateur : Continue car elle peut varier et être mesurée à n'importe quel niveau de précision souhaité, y compris les fractions de degré.
- Durée des appels au service client : Continue car la durée peut être n'importe quelle valeur, mesurée à des fractions de seconde.
- Mesures et poids des boîtes de produits : Continues car les dimensions et le poids peuvent être mesurés avec une grande précision, y compris les valeurs décimales.
Chaque exemple de données continues ne s'inscrit pas parfaitement dans une ligne droite. Cependant, une plage devient plus apparente au fil du temps, et vous pouvez parier que de nouveaux points de données resteront à l'intérieur de ces paramètres.
Comment savoir si quelque chose est discret ou continu
Les deux, discret et continu, sont importants pour l'analyse statistique. Les différences clés entre eux doivent être comprises avant de tirer des conclusions ou de faire des suppositions sur le type de données.
Caractéristiques des données discrètes
Les données discrètes sont souvent utilisées dans l'analyse statistique simple car elles sont faciles à résumer et à calculer. Examinons quelques-unes des autres caractéristiques clés des données discrètes.
- Fini, dénombrable et indivisible : Les données discrètes incluent des variables discrètes qui sont finies, numériques et des entiers non négatifs (5, 10, 15, etc.).
- Facile à visualiser : Les données discrètes peuvent être facilement visualisées et démontrées à l'aide de méthodes statistiques simples telles que les graphiques à barres, les graphiques linéaires ou les graphiques circulaires.
- Peut être catégorique : Les données discrètes peuvent également être catégoriques - contenant un nombre fini de valeurs de données, comme le sexe d'une personne.
- Facile à distribuer : Les données discrètes sont distribuées discrètement en termes de temps et d'espace. Les distributions discrètes rendent l'analyse des valeurs discrètes plus pratique.
Caractéristiques des données continues
Contrairement aux données discrètes, les données continues peuvent être soit numériques, soit distribuées sur des dates et des heures. Ce type de données utilise des méthodes d'analyse statistique avancées en tenant compte du nombre infini de valeurs possibles. Les caractéristiques clés des données continues sont :
- Change au fil du temps : Les données continues changent au fil du temps et peuvent avoir des valeurs différentes à différents intervalles de temps.
- Peut ou non avoir des décimales : Les données continues comprennent des variables aléatoires qui peuvent ou non être des nombres entiers.
- Visualisé avec des graphiques linéaires ou des biais : Les données continues sont mesurées à l'aide de méthodes d'analyse de données telles que les graphiques linéaires et les biais.
Quelle est la différence entre les données discrètes et continues ?
Catégoriser correctement vos données influence à la fois votre approche d'analyse et les outils que vous choisissez. Si les informations fournies jusqu'à présent semblent accablantes, ne vous inquiétez pas - ce tableau simplifie tout, vous aidant à déterminer facilement dans quelle catégorie vos données se situent.
| Données discrètes | Données continues | |
| Valeur | Dénombrable et fini | Toute valeur mesurée dans une plage spécifique |
| Composants | Valeurs de données ordinales et entières | Points de données quantitatifs tels que fractions, nombres décimaux et pourcentages |
| Dénombrabilité et mesurabilité | Compté sur quelque chose d'aussi simple qu'une ligne numérique | Mesuré à l'aide d'outils et de méthodes de mesure approfondis comme les courbes et les biais |
| Analyse statistique | Les mesures couramment utilisées incluent le mode, la médiane et la moyenne | Les mesures statistiques incluent l'écart type et la variance en plus de la moyenne, de la médiane et du mode |
| Divisibilité | Indivisible | Subdivisible |
| Granularité | Moins | Plus |
| Nature | Reste constant sur un intervalle de temps spécifique | Varie au fil du temps et peut avoir des valeurs distinctes à tout moment donné |
| Exemples courants | Le nombre d'élèves, le nombre d'enfants, la taille de chaussure, etc. | Taille, poids, longueur, temps, température, âge, etc. |
| Applications typiques | Fabrication, e-commerce et éducation | Finance, recherche scientifique et surveillance environnementale |
Si vous n'êtes toujours pas sûr de traiter des données discrètes ou continues, envisagez de vous poser les questions suivantes :
- Pouvez-vous additionner les données ?
- Pouvez-vous quantifier les données ?
- Pouvez-vous décomposer les données et cela a-t-il encore du sens ?
Lequel est-ce : variable discrète ou continue ?
Il y a des moments où les variables continues peuvent être traitées comme des variables discrètes. Réfléchissez-y : l'âge est-il discret ou continu ? Étant donné que vous connaissez l'heure de naissance, vous pouvez mesurer avec précision l'âge de quelqu'un jusqu'à la seconde près. L'âge est une variable continue dans ce cas. Cependant, nous ne nous soucions généralement pas de l'âge exact de quelqu'un, donc l'âge est traité comme une variable discrète, comptée en années.
Comment différencier les variables discrètes et continues
La façon la plus simple de comprendre la différence entre les variables discrètes et continues est de vérifier la dénombrabilité. Pouvons-nous nous asseoir et compter toutes les valeurs possibles de la variable ? Par exemple, vous ne pouvez pas compter chaque valeur lors de la mesure de la température. Les nombres continueront jusqu'à l'infini. Ces variables sont continues. Si vous comptez le nombre de maisons dans votre quartier, vous obtiendrez des valeurs discrètes.
L'importance des données continues et discrètes
Ce n'est pas parce que nous avons mis un "versus" dans le titre que c'est une compétition (bien que nous ne vous empêcherons pas de faire des t-shirts "Équipe Discrète" ou "Équipe Continue").
Les données continues et discrètes sont toutes deux également précieuses pour les collecteurs de données, et vous rencontrerez chaque jour des moments qui conduisent à des mesures qui pourraient contribuer à l'un ou l'autre type de données. Toute recherche bien équilibrée est formée en combinant ces deux ensembles de données uniques.
Maintenant que vous savez comment identifier les données discrètes et continues, nous espérons que vous apprécierez de démontrer ces compétences, que ce soit en les nommant avec vos pairs ou en utilisant ces connaissances pour informer vos recherches.
Maintenant que vous avez appris sur les données continues et discrètes, il est temps de connaître la différence entre les données structurées et non structurées — deux types de données essentiels utilisés dans l'analyse statistique.
Cet article a été publié à l'origine en 2019. Il a été mis à jour avec de nouvelles informations.
