什么是离散变量和连续变量？

离散变分，说白了，只能取积分。
例如，当你抛一枚硬币时，无论是正面还是反面，都没有七分之五。
去年，我问我的朋友们每周去健身房的频率。
它们都是完整的结果。
你总不能说他们去了健身房 3 .7 次吧？该变量是离散的。
如果很多人使用它，那就是一个数字问题。

连续变量更加灵活。
例如，一个人的身高可以是1 .7 8 米，1 .7 8 .5 米，甚至1 .7 8 米5 .6 7 米。
去年体检的时候，医生说我的血压是1 3 6 .8 ，不是1 3 6 ，也不是1 3 7 ，而是偏低。
这种类型的变量可以保存任意小数，是连续变量，很多人都使用它。
这都是一个衡量的问题。
离散变量的值是可以清楚地统计的。
例如，转动脚踝时，可以从1 数到6 ，不能多也不能少。
连续变量的值是无穷大的，例如温度，可以取零到一百度之间的任意值。
去年冬天感冒了，温度计显示3 8 度，不是3 8 度，不是3 8 ，3 度，只是价格。
分析离散变量主要取决于每个值出现的部分。
例如，如果您调查 1 00 人，其中 3 0 人每周去健身房 3 次。
这个频率我去年一直在做市场调查，发现这些信息非常有帮助。
频率是一个比例，3 0除以1 00就是3 0%。
在图表上使用条形图使视觉更清晰。
还有概率分布，比如我去年考试的二项式分布。

在连续变量分析中，均值和标准差是常客。
例如：计算C的平均高度，看看它离平均高度有多远。
这是标准差。
我分析了去年的销售数据，发现正态分布一开始效果很好。
直方图是图表中最常见的。
将数据分成几段，看看每段有多少个。
还有最常用的概率分布，例如正态分布。

说白了，离散和连续是两个不同的数。
只有整数可以离散计数，小数可以连续计数。
分析方法也不同。
去年我在做分析的时候，根据这两个区别选择了合适的工具，所以结果是可靠的。

连续变量和离散变量的例子

等等，我昨天在超市排队，前面一家人买了三个苹果，不多也不少，正好三个。
But I passed by the vegetable market yesterday and saw someone buying three and a half kilograms of vegetables, and the boss even gave him change.为什么这些数字如此不同？

统计学离散型变量和连续型变量有什么区别？

说白了，离散变量和连续变量就像统计学中硬币的两面，各有各的玩法。
其实很简单。
我们先来说说最重要的事情。
离散变量就像我们统计的人数。
一次只能算一个，不能算小数点后的数字。
去年我们公司员工人数大约有3 000人，属于离散型。
另一点是，连续变量就像身高和体重，可以精确到毫米和克。
例如，您的身高是1 .7 5 米，体重是7 0.5 公斤。
这是连续的。

起初我以为这两个变量没有区别，但后来我意识到我错了。
他们对概率分布的描述完全不同。
离散变量通常用频率或频率来描述，就像我们计算有多少人喜欢这个产品一样。
对于连续变量，我们一般通过概率密度函数来描述它们，就像我们想知道在给定的温度范围内有多少人一样。

还有一个非常关键的细节。
数据分析和处理的方法也不同。
离散变量分析方法相对简单，计数数据和序数数据的处理也比较简单。
连续变量的分析要复杂得多，涉及均值和方差等参数的估计和假设检验。
在数据可视化方面，离散变量和连续变量的绘图方法也不同。
您必须根据变量的类型选择合适的图表类型。

说实话，这很令人困惑。
许多刚开始学习统计学的人往往会混淆两者。
我认为值得一试。
在进行数据分析之前，首先了解您的变量是离散的还是连续的，以便您可以使用适当的方法。
等等，还有一件事。
选择正确的图表也很重要。
不要让数据可视化欺骗了您。

统计学离散型变量和连续型变量有什么区别？

说白了，连续变量和离散变量就看你计算的时候能不能跳线。
这个问题由于分组而变得复杂。

连续变量是连续嵌套的。
例如，如果您的身高是1 .5 1 ，则可以直接改为1 .5 2 去年我们做的一个项目测量温度时就是这样，精度只有0.1 度。
还有一点是，对连续变量进行分组时，相邻组的界限不得重叠。
否则你的计算将会混乱。
如果高度组 1 .5 -1 .6 和 1 .6 -1 .7 重叠，哪一组是 1 .6 米？还有另一个重要的细节。
连续变量最有可能使用正态分布进行分析。
我们用它来平滑去年项目的数据。

一开始我也以为离散变量指的是整数，后来发现我错了。
例如，今年公司数量可能是 1 0 家，明年是 3 0 家。
这种计算跳跃完全符合离散变量的性质。
说实话，我很困惑。
很多人没有注意到，在对离散变量进行分组时，可以选择单项式公式，也可以选择组距离公式。
例如，如果家庭按孩子数量进行分组，则一元就足够了，但如果雇员数量变化很大，则应使用组距离公式。
如何确定群体距离直接影响分析结果。

等一下，还有一个问题。
二项式分布是离散变量最常见的概率分布。
例如，如果抛硬币 1 0 次，则得到 5 次正面朝上的概率。
很多人都没有注意到这一点。
公式中的关键是n次尝试和k次成功的组合。

下次分析数据时，最好确定变量是连续的还是离散的。
这直接决定了你使用哪种统计方法。