Conjunto de dados
Um conjunto de dados ou "dataset" é uma coleção de dados normalmente tabulados. Por cada elemento se indicam várias características. Cada coluna representa uma variável particular. Cada linha corresponde a um determinado membro do conjunto de dados em questão. Cada valor é conhecido como um dado. O conjunto de dados pode incluir dados para um ou mais membros, correspondente ao número de linhas.
Imagem: José Luis Pajares · BY-NC-SA · Openverse
A publicação dos conjuntos de dados utilizados em um experimento são a chave para a sua replicação, e cada vez há mais leis públicas e normas de jornais que a forçam a torná-los públicos.
Imagem: jonycunha · BY-SA · Openverse
Dependendo do estudo, são um fator-chave as propriedades do conjunto: dispersão, curtose e outros. Os valores podem ser números, como números reais ou inteiros, por exemplo, representando a altura de uma pessoa em centímetros, mas também podem ser dados nominais (ou seja, não consistindo em valores numéricos), por exemplo, representando a etnia de uma pessoa. Mais geralmente, os valores podem ser de qualquer um dos tipos descritos como um nível de medição. Para cada variável, os valores são normalmente todos do mesmo tipo. No entanto, também pode haver valores ausentes, que devem ser indicados de alguma forma. Em estatística, os conjuntos de dados geralmente vêm de observações reais obtidas por amostragem de uma população estatística, e cada linha corresponde às observações em um elemento dessa população. Conjuntos de dados podem ainda ser gerados por algoritmos com a finalidade de testar certos tipos de software. Alguns softwares de análise estatística modernos, como o SPSS, ainda apresentam seus dados da maneira clássica de conjunto de dados. Se houver dados ausentes ou houver suspeita, um método de imputação pode ser usado para completar um conjunto de dados.
