Mitmemõõtmeliste kaalude eelised ja puudused

Posted on
Autor: Laura McKinney
Loomise Kuupäev: 8 Aprill 2021
Värskenduse Kuupäev: 17 November 2024
Anonim
Mitmemõõtmeliste kaalude eelised ja puudused - Teadus
Mitmemõõtmeliste kaalude eelised ja puudused - Teadus

Sisu

Mitmemõõtmeline skaleerimine on meetod teabe visuaalseks väljendamiseks. Toortarvude kuvamise asemel näitab mitmemõõtmeline skaala diagramm muutujate vahelisi suhteid; sarnased asjad ilmuvad üksteise lähedal, samas kui erinevad asjad ilmuvad üksteisest kaugel.


Suhete modelleerimine

Mitmemõõtmelised skaalad näitavad, kuidas asjad üksteise suhtes seisavad. Näiteks kui teeksite Ameerika Ühendriikide linnadistantside mitmemõõtmelise skaala, oleks Chicago Detroitile lähemal kui Phoenix.

Selle meetodi eeliseks on see, et saate vaadata mitmemõõtmelist skaalat ja kohe hinnata, kui tihedalt erinevad erinevad väärtused on. Puuduseks on aga see, et see tehnika ei tööta reaalarvudes - Bostoni, New Yorgi ja Los Angelese mitmemõõtmeline skaala näeks välja umbes sarnane Londoni, Dublini ja Buenos Airese mitmemõõtmelise skaalaga, ehkki tegelikud arvud on väga erinevad .

Tabelite lihtsustamine

Mitmemõõtmelist skaalat saab kõige paremini kasutada olukordades, kus tabeli kujul on korraldatud suur hulk andmeid. Teisendades selle mitmemõõtmeliseks skaalaks, saate kohe suhteid hinnata, mis on põhimõtteliselt võimatu 10 000 või enama erineva arvuga tabelis - see summa on täiesti teostatav.


Selle puuduseks on see, et töötlemata arvude muutmiseks mitmemõõtmeliseks skaalaks on vajalik keeruline valem. Ehkki arvude vahelisi seoseid on hõlpsasti näha, võtab tabeli koostamine siiski palju vaeva. See tähendab, et kui hakkate kasutama mitmemõõtmelist skaalat, peate olema kindel, et selle esitamiseks vajaliku teabe järele on tegelik nõudlus. Muidu kasutate oma aega nüüd muul põhjusel kui selleks, et tulevikus kellegi teise aega kokku hoida.

Rakendus

Mitmemõõtmelist skaleerimist kasutatakse psühholoogias üldiselt, joonistades subjekti reaktsioone erinevatele stiimulitele. Seda meetodit kasutatakse seetõttu, et teadlased suudavad näidata olulisuse seoseid - s.t kui palju tähtsust omistatakse erinevatele muutujatele. See võib olla äärmiselt kasulik, kuna psühholoogilised andmed kipuvad olema palju ja neil on palju erinevaid aspekte.


Selle puuduseks on see, et see lisab psühholoogilistele andmetele veel ühe subjektiivsuse kihi, kuna esitatud andmete modelleerimine mitmemõõtmeliseks skaalaks nõuab teatavat otsustamist. Millised andmed lähevad skaalasse? Milliseid kordajaid kasutatakse suhete arvude loomiseks? See mõjutab mitmemõõtmelise skaala täpsust.