该统计变量是拥有可以测量的人，事物或地点的特征。经常使用的变量的示例是年龄，体重，身高，性别，婚姻状况，学业水平，温度，白炽灯泡持续的小时数等。
科学的目标之一是了解系统变量的行为，以便对系统的未来行为做出预测。根据其性质，每个变量都需要进行特殊处理以从中获取最大信息。
要研究的变量数量巨大，但是仔细检查上述组，我们立即注意到，有些可以数字表示，而另一些则不能。
这为我们将统计变量初始分类为两种基本类型提供了基础：定性和数值。
统计变量的类型
-定性变量
顾名思义，定性变量用于指定类别或质量。
这种变量的一个众所周知的例子是婚姻状况：单身，已婚，离婚或丧偶。这些类别中的任何一个都不比另一个大，它仅表示不同的情况。
此类型的更多变量是：
-学术水平
-一年的月份
-被驱动的汽车品牌
-职业
-国籍
-国家，城市，地区，县和其他地区划分。
类别也可以用数字来指定，例如电话号码，门牌号码，街道号码或邮政编码，但不代表数字等级，而是标签。
街道编号是定性变量，不是定量变量。资料来源：
标称，序数和二进制变量
定性变量可以依次为：
- 标称，为质量指定名称，例如颜色。
- 序号，代表顺序，例如在社会经济阶层的规模（高，中，低）或对某种提议的意见（赞成，冷漠，反对）的情况下。*
- 二进制，也称为二分，只有两种可能的值，如性别。可以为该变量分配一个数字标签，例如1和2，而不代表数字评估或任何类型的顺序。
*一些作者在定量变量组中包含序数变量，如下所述。这是因为它们表示顺序或等级。
-数字或定量变量
这些变量被分配一个数字，因为它们表示数量，例如薪水，年龄，距离和考试成绩。
它们被广泛用于对比偏好和估计趋势。它们可以与定性变量相关联，并建立便于视觉分析的条形图和直方图。
某些数字变量可以转换为定性变量，但相反的情况是不可能的。例如，数字变量“年龄”可以划分为带有指定标签的时间间隔，例如婴儿，儿童，青少年，成人和老人。
但是，应该注意的是，有些操作可以用数值变量来完成，而这些操作显然不能用定性方法来执行，例如计算平均值和其他统计估计量。
如果要进行计算，则必须将变量“ age”保留为数字变量。但是其他应用程序可能不需要数字细节，因为这些细节足以使标签命名。
数值变量分为两大类：离散变量和连续变量。
离散变量
离散变量仅具有某些值，并且具有可计数的特征，例如家庭中的孩子数量，宠物数量，每天访问商店的顾客数量以及有线电视公司的订户数量等一些例子。
例如定义变量``宠物数量''，它从自然数集中获取其值。例如，一个人可以养0、1、2、3或更多的宠物，但不能养2.5只宠物。
但是，离散变量必须具有自然或整数值。小数也是有用的，因为确定变量是否离散的标准是其可数还是可数。
例如，假设将工厂随机抽取的50个，100个或N个灯泡的样本中有缺陷的灯泡的比例定义为变量。
如果没有灯泡有缺陷，则变量取值为0。但是，如果N个灯泡中有1个有缺陷，则变量为1 / N，如果有两个缺陷，则变量为2 / N，依此类推，直到出现N个灯泡有缺陷的，在这种情况下，分数将为1。
连续变量
与离散变量不同，连续变量可以取任何值。例如，参加某门课程的学生的体重，身高，温度，时间，长度等等。
帕累托图比较缺陷频率（垂直轴上的定量变量）和累积百分比与水平轴上每个缺陷的（定性变量）。来源：维基共享资源。
由于连续变量取无穷大的值，因此只需调整小数位数，就可以用所需的精度进行各种计算。
实际上，存在可以表示为离散变量的连续变量，例如人的年龄。
一个人的确切年龄可以用数年，数月，数周，数天甚至更多的时间来计算，具体取决于所需的精度，但通常以数为单位四舍五入，因此变得谨慎。
一个人的收入也是一个连续变量，但是如果确定间隔，通常可以更好地工作。
-因变量和自变量
因变量是在实验过程中测量的变量，以研究它们与其他变量的关系，这将被视为自变量。
例子1
在此示例中，我们将看到食品企业的比萨饼价格随其大小而变化的趋势。
因变量（y）将是价格，而自变量（x）将是大小。在这种情况下，小比萨的价格为9欧元，中型比萨为12欧元，家庭为15欧元。
即，随着比萨饼尺寸的增加，其成本更高。因此，价格将取决于大小。
该函数为y = f（x）
例子2
一个简单的例子：我们要检查通过金属线的电流I的变化所产生的影响，为此测量了两端之间的电压V。
自变量（原因）为电流，因变量（结果）为电压，其值取决于通过电线的电流。
在实验中，寻求的是知道当我变化时V的定律是什么样的。如果电压与电流的依存关系呈线性关系，即：V ∝ I，则导体为欧姆，并且比例常数为导线的电阻。
但是，变量在一个实验中是独立的事实并不意味着在另一个实验中也是如此。这将取决于正在研究的现象和要进行的研究类型。
例如，流过在恒定磁场中旋转的闭合导体的电流I相对于时间t成为因变量，它将成为自变量。
参考文献
- Berenson，M.1985。《管理和经济学统计》。美国美洲
- Canavos，G.，1988年。《概率与统计：应用和方法》。麦格劳·希尔。
- Devore，J.，2012年。《工程与科学的概率与统计》。8号 版。参与。
- 经济百科全书。连续变量。摘自：encyclopediaeconomica.com。
- Levin，R.，1988年。《管理员统计资料》。2号 版。学徒大厅。
- Walpole，R.，2007年。《工程与科学的概率与统计》。皮尔森