Los números ordinales , como 1 °, 2 °, 3 °, etc., son apropiados para usar cuando los valores que tiene son comparables de alguna manera, y los tamaños reales son irrelevantes o no se conocen. Por ejemplo, si le pide a la gente que clasifique sus preferencias de varias alternativas, entonces la única información que tiene sobre esas preferencias es su orden. Incluso cuando tiene valores numéricos, puede hacer muchas estadísticas utilizando solo la información ordinal. El tema de las estadísticas de pedidos está bien desarrollado y debe discutirse en cualquier curso sobre probabilidad y estadísticas.
Los números cardinales , como 1, 2, 3, etc., se usan para contar cantidades de cosas. Surgen cuando hay probabilidades discretas involucradas. Los procesos de Bernoulli están llenos de números cardinales.
Los números reales son el pan de cada día de las estadísticas. Surgen de mediciones de tiempo y otras magnitudes. En un proceso de Poisson, los eventos ocurren en momentos aleatorios. Los llamados procesos gaussianos tienen medidas que se supone provienen de distribuciones normales, y también involucran números reales.
Usted pregunta “¿No es matemático abogar por usar números ordinales en las estadísticas en lugar de números cardinales?” No estoy seguro de que sea una cuestión de matemática abogar a favor o en contra del uso de números ordinales. Es más amplio que solo las matemáticas.
- ¿Podemos distinguir entre + 1 / infinito y -1 / infinito? Esto parecería implicar que +0 y -0 no son lo mismo. ¿En qué contextos distintos de los límites es importante?
- Sumando 5 números impares, el número que comienza del 1 al 20, el resultado debería ser 50. ¿Cómo resolveremos esto?
- Cómo programar en C para números primos
- ¿Qué otros sistemas numéricos existen además del valor posicional?
- ¿Cómo se calcula el valor de [math] \ pi [/ math]?
¿Cuándo es apropiado usar números ordinales versus números cardinales versus números reales? ¿Cuáles son las consideraciones prácticas? ¿Cuáles son las consideraciones conceptuales? ¿Solo tienes información ordinal? ¿Sabe lo suficiente de dónde provienen los datos para asumir la forma de las distribuciones, o debe usar los métodos de estadísticas no paramétricas (que incluyen estadísticas de pedidos)? ¿Hay más información en los datos que solo su orden para que valga la pena analizar esos otros datos?
Vale la pena hacer estas preguntas.