Os dados podem ser complicados.
Existem dados estruturados e não estruturados, dados qualitativos (ou categóricos) e dados quantitativos (ou numéricos). Variáveis quantitativas podem ser discretas ou contínuas. Este artigo explora a diferença entre dados discretos e contínuos.
Variáveis discretas assumem valores contáveis e distintos, enquanto variáveis contínuas podem assumir qualquer valor dentro de um conjunto de dados. Compreender o conceito de dados discretos vs. contínuos ajudará você a identificar oportunidades para cada um. Você pode aproveitar essas informações para obter melhores insights de dados, seja você um cientista de dados, analista de dados, engenheiro de dados ou apenas um fã de números.
As organizações usam software de análise estatística para descobrir insights a partir de tipos de dados discretos e contínuos e simplificar a análise de dados complexos.
Qual é a diferença entre dados contínuos e discretos?
Dados discretos consistem em variáveis numéricas que são números inteiros, concretos, com valores fixos determinados por contagem, como o número de pessoas em uma equipe. Dados contínuos consistem em números complexos e valores de dados variáveis medidos ao longo de um intervalo de tempo específico, como o tempo que leva para correr uma maratona.
Uma maneira simples de entender a diferença entre os dois é visualizar um gráfico discreto vs. gráfico contínuo. Dê uma olhada neste gráfico de dispersão versus um gráfico de linha.
Quando você coleta um conjunto de números arredondados e definidos, eles aparecerão no gráfico de forma semelhante aos da esquerda. Dados discretos referem-se a itens individuais e contáveis (variáveis discretas).
Ao medir um determinado fluxo de dados com uma faixa de resultados complexa, os resultados são mostrados com uma linha como uma faixa de dados (veja: gráficos à direita). Dados contínuos referem-se a mudanças ao longo do tempo, envolvendo conceitos que não são simplesmente contáveis, mas requerem medições detalhadas (variáveis contínuas).
Alguns sinônimos para a palavra discreto são desconectado, separado e distinto. Esses sinônimos poderiam facilmente ser usados para aprender mais sobre dados discretos.
Vamos nos aprofundar em cada tipo de dado para entender melhor os dados discretos e contínuos.
O que são dados discretos?
Dados discretos referem-se a números contáveis, individualizados e indivisíveis em estatísticas. Esses pontos de dados existem apenas em incrementos definidos. Analistas de dados e estatísticos visualizam dados discretos usando gráficos de barras, histogramas, gráficos de linha e gráficos de pizza.
Dados discretos representam variáveis discretas, que você pode contar em um tempo finito. A característica principal aqui é que essas variáveis são contáveis em vez de mensuráveis.
Por exemplo, se você acompanhar o número de flexões que faz a cada dia durante um mês, o número de flexões é um número inteiro que você não pode dividir em partes menores. Com isso dito, sua contagem diária é um dado discreto.
Exemplos de dados discretos
Dados discretos podem ser qualitativos ou quantitativos. Alguns exemplos quantitativos de dados discretos são:
- Número de avaliações de produtos: Discreto porque as avaliações são contáveis e devem ser números inteiros sem frações.
- Número de ingressos vendidos em um dia: Discreto, pois você só pode vender ingressos inteiros, sem valores intermediários.
- Número de alunos na sua turma: Discreto, já que os alunos só podem ser contados como unidades completas, não frações.
- Número de funcionários em uma empresa: Discreto porque os funcionários são contáveis como indivíduos inteiros.
Dados discretos também podem ser qualitativos. A nacionalidade que você seleciona em um formulário é um dado discreto. Quando agrupadas, as nacionalidades de todos no seu local de trabalho podem ser informações valiosas na avaliação de suas práticas de contratação.
Outro exemplo de dados qualitativos discretos é o dado que você coleta usando escalas deslizantes. Imagine coletar dados de avaliação de produtos de usuários. Você pode criar pontos de dados ordinais, como fácil de usar, neutro e não fácil. Visualizar esses dados ajuda a quantificar dados qualitativos.
O censo nacional consiste em dados discretos, tanto qualitativos quanto quantitativos. Contar e coletar essas informações identificadoras aprofunda nossa compreensão da população. Isso nos ajuda a fazer previsões enquanto documentamos a história. Esse é o poder dos dados discretos.
Agora é a hora de receber notícias e entretenimento SaaS-y com nosso boletim informativo de 5 minutos, G2 Tea, apresentando líderes inspiradores, opiniões ousadas e previsões audaciosas. Inscreva-se abaixo!
Quer aprender mais sobre Software de Análise Estatística? Explore os produtos de Análise Estatística.
O que são dados contínuos?
Dados contínuos são um tipo de dados numéricos que se referem ao número não especificado de possíveis medições entre dois pontos realistas.
Esses números nem sempre são limpos e arrumados como os dos dados discretos, pois geralmente são coletados a partir de medições precisas. Com o tempo, medir um determinado assunto nos permite criar uma faixa definida onde podemos razoavelmente esperar coletar mais dados.
Dados contínuos são sobre precisão. Assim, variáveis contínuas frequentemente carregam pontos decimais, com o número à direita estendido o máximo possível. Esses pontos decimais oferecem uma medição exata entre dois pontos de dados definidos. Esse nível de detalhe é fundamental para cientistas, médicos e fabricantes, para citar alguns. Análise de regressão é um dos tipos mais comuns de análise de dados contínuos.
Quando você pensa em experimentos ou estudos que envolvem medições constantes, eles provavelmente são variáveis contínuas até certo ponto. Se você tem um número como "2.86290" em qualquer lugar de uma planilha, não é um número que você poderia ter chegado rapidamente — pense em dispositivos de medição como cronômetros, balanças, termômetros, etc.
Exemplos de dados contínuos
Alguns exemplos de dados contínuos são:
- Velocidade do vento diária: Contínua porque a velocidade do vento pode assumir qualquer valor dentro de uma faixa, incluindo decimais.
- Temperatura do freezer: Contínua, pois pode variar e ser medida em qualquer nível desejado de precisão, incluindo frações de grau.
- Duração das chamadas de atendimento ao cliente: Contínua, já que a duração pode ser qualquer valor, medida em frações de segundo.
- Medições e peso de caixas de produtos: Contínuas, pois tanto as dimensões quanto o peso podem ser medidos com grande precisão, incluindo valores decimais.
Nem todo exemplo de dados contínuos se encaixa perfeitamente em uma linha reta. Ainda assim, uma faixa se torna mais aparente ao longo do tempo, e você pode apostar que novos pontos de dados permanecerão dentro desses parâmetros.
Como saber se algo é discreto ou contínuo
Ambos, discretos e contínuos, são importantes para a análise estatística. As principais diferenças entre eles devem ser compreendidas antes de tirar conclusões ou fazer suposições sobre o tipo de dado.
Características dos dados discretos
Dados discretos são frequentemente usados em análises estatísticas simples porque são fáceis de resumir e calcular. Vamos ver algumas das outras características principais dos dados discretos.
- Finitos, contáveis e indivisíveis: Dados discretos incluem variáveis discretas que são finitas, numéricas e inteiros não negativos (5, 10, 15, e assim por diante).
- Fáceis de visualizar: Dados discretos podem ser facilmente visualizados e demonstrados usando métodos estatísticos simples, como gráficos de barras, gráficos de linha ou gráficos de pizza.
- Podem ser categóricos: Dados discretos também podem ser categóricos - contendo um número finito de valores de dados, como o gênero de uma pessoa.
- Fáceis de distribuir: Dados discretos são distribuídos discretamente em termos de tempo e espaço. Distribuições discretas tornam a análise de valores discretos mais prática.
Características dos dados contínuos
Ao contrário dos dados discretos, os dados contínuos podem ser numéricos ou distribuídos ao longo de data e hora. Este tipo de dado usa métodos avançados de análise estatística considerando o número infinito de valores possíveis. As principais características dos dados contínuos são:
- Mudanças ao longo do tempo: Dados contínuos mudam ao longo do tempo e podem ter valores diferentes em diferentes intervalos de tempo.
- Podem ou não ter decimais: Dados contínuos compreendem variáveis aleatórias que podem ou não ser números inteiros.
- Visualizados com gráficos de linha ou desvios: Dados contínuos são medidos usando métodos de análise de dados, como gráficos de linha e desvios.
Qual é a diferença entre dados discretos e contínuos?
Categorizar seus dados com precisão influencia tanto sua abordagem de análise quanto as ferramentas que você escolhe. Se as informações fornecidas até agora parecem esmagadoras, não se preocupe — esta tabela simplifica tudo, ajudando você a determinar facilmente em qual categoria seus dados se enquadram.
| Dados discretos | Dados contínuos | |
| Valor | Contável e finito | Qualquer valor medido dentro de um intervalo específico |
| Componentes | Valores de dados ordinais e inteiros | Pontos de dados quantitativos, como frações, números decimais e porcentagens |
| Contabilidade e mensurabilidade | Contado em algo tão simples quanto uma linha numérica | Medido usando ferramentas e métodos de medição aprofundados, como curvas e desvios |
| Análise estatística | Medidas comumente usadas incluem a moda, mediana e média | Medidas estatísticas incluem desvio padrão e variância além da média, mediana e moda |
| Divisibilidade | Indivisível | Subdivisível |
| Granularidade | Menor | Maior |
| Natureza | Permanece constante ao longo de um intervalo de tempo específico | Varia ao longo do tempo e pode ter valores separados em qualquer ponto dado |
| Exemplos comuns | O número de alunos, o número de crianças, o tamanho do sapato, etc. | Altura, peso, comprimento, tempo, temperatura, idade, etc. |
| Aplicações típicas | Manufatura, e-commerce e educação | Finanças, pesquisa científica e monitoramento ambiental |
Se você ainda não tem certeza se está lidando com dados discretos ou contínuos, considere fazer a si mesmo as seguintes perguntas:
- Você pode somar os dados?
- Você pode quantificar os dados?
- Você pode dividir os dados e eles ainda fazem sentido?
Qual é: variável discreta ou contínua?
Há momentos em que variáveis contínuas podem ser tratadas como variáveis discretas. Pense nisso — a idade é discreta ou contínua? Dado que você conhece o momento do nascimento, pode medir com precisão a idade de alguém até o segundo. A idade é uma variável contínua neste caso. No entanto, geralmente não nos preocupamos com a idade exata de alguém, então a idade é tratada como uma variável discreta, contada em anos.
Como diferenciar entre variáveis discretas e contínuas
A maneira mais fácil de entender a diferença entre variáveis discretas e contínuas é verificando a contabilidade. Podemos sentar e contar todos os valores possíveis da variável? Por exemplo, você não pode contar todos os valores ao medir a temperatura. Os números continuarão até o infinito. Essas variáveis são contínuas. Se você está contando o número de casas no seu quarteirão, obterá valores discretos.
A importância dos dados contínuos e discretos
Só porque colocamos um "versus" no título não significa que seja uma competição (embora não vamos impedi-lo de fazer camisetas "Time Discreto" ou "Time Contínuo").
Ambos os dados contínuos e discretos são igualmente valiosos para os coletores de dados, e você encontrará momentos todos os dias que levam a medições que poderiam contribuir para qualquer tipo de dado. Qualquer pesquisa bem equilibrada é formada pela combinação desses dois conjuntos de dados únicos.
Agora que você sabe como identificar dados discretos e contínuos, esperamos que você aproveite para demonstrar essas habilidades, seja nomeando-os com seus colegas ou usando esse conhecimento para informar sua pesquisa.
Agora que você aprendeu sobre dados contínuos e discretos, é hora de saber a diferença entre dados estruturados e não estruturados — dois tipos de dados essenciais usados na análise estatística.
Este artigo foi publicado originalmente em 2019. Foi atualizado com novas informações.
