Un conjunto de datos del (o el grupo de datos ) es una colección de los datos, presentada generalmente de forma tabular. Cada columna representa una variable particular. Cada fila corresponde a un miembro dado del conjunto de datos en la pregunta. Enumera los valores para cada uno de las variables, tales como altura y peso de un objeto o valores de números al azar. El conjunto de datos puede abarcar los datos para uno o más miembros, correspondiendo al número de filas.
Históricamente, el término originó en el campo de la unidad central, donde tenía un significado bien definido, muy cercano al fichero electrónico contemporáneo . Este asunto no se cubre aquí.
En el caso más simple, hay solamente una variable, y entonces el conjunto de datos consiste en una sola columna de valores, representada a menudo como lista.
Los valores pueden ser números, tales como números verdaderos o números enteros por ejemplo que representan la altura de una persona en centímetros, pero pueden también ser los datos nominales (es decir, no consistiendo en valores numéricos ), por ejemplo representando la pertenencia étnica de una persona. Para cada variable, los valores todos estarán normalmente de la misma clase. Sin embargo, puede también haber " " de los valores que falta ;, que necesitan ser indicadas de cierta manera.
En las estadísticas los conjuntos de datos vienen generalmente de las observaciones reales obtenidas por el muestreo una población estadística, y cada fila corresponde a las observaciones respecto a un elemento de esa población. Los conjuntos de datos se pueden generar más lejos por los algoritmos con el fin de ciertas clases de la prueba del software .
Mientras que el término sugiere una relación a la teoría determinada no debe ser asumido que un conjunto de datos dado es, de hecho, un que determinados en el generalmente detectan matemáticamente. Las filas de un conjunto de datos no necesitan ser distintas, y así que un conjunto de datos es técnico un conjunto múltiple .
Conjuntos de datos clásicos
Varios conjuntos de datos clásicos se han utilizado extensivamente en la literatura estadística :conjunto de datos de la flor del diafragma - conjunto de datos multivariante introducido por el Ronald Fisher (1936).
análisis de datos categórico - los conjuntos de datos usados en el libro, una introducción al análisis de datos categórico, por Agresti son proporcionados en línea por StatLib.
estadísticas robustas - conjuntos de datos usados en la regresión y la detección robustas afloramiento (Rousseeuw y Leroy, 1986). Proporcionado en línea en la universidad de Colonia.
serie de tiempo - los datos usados en el libro de Chatfield, el análisis de la serie de tiempo, son proporcionados en línea por StatLib.
Valores extremos del - los datos usados en el libro, una introducción al modelado estadístico de los valores extremos son proporcionados en línea por Estuardo Coles, el autor del libro.
Análisis de datos Bayesian del - los datos usados en el libro, análisis de datos Bayesian del, son proporcionados en línea por Andrew Gelman, uno de los autores del libro.
Los datos del hígado de Bupa, usados en varios papeles en la literatura del aprendizaje de máquina (explotación minera de datos).
| Random links: | Misión Santa Inés | Hua Guofeng | Thomas Rideout | Aero- A.32 | Número favorable |