离散型数据和连续型数据的区别

一、概念不同

1、离散型：有些随机变量它全部可能取到的不相同的值是有限个或可列无限多个，也可以说概率1以一定的规律分布在各个可能值上。

2、连续型：随机变量X的取值不可以逐个列举，只可取数轴某一区间内的任一点。

二、性质不同

1、离散型：Pn≥0 n=1，2，…；∑pn=1。

2、连续型：若f（x）在点x连续，则有F'（x）=f（x）；f（x）是可积，则它的原函数F（x）连续。

三、域不同

1、离散型：离散型变量的域(即对象的集合S)是离散的。

2、连续型：连续型变量的域(即对象的集合S)是连续的。

两者的区别：

1、变量按其数值表现是否连续。

连续变量是一直叠加上去的，增长量可以划分为固定的单位，即：1,2,3…… 例如：一个人的身高，他首先长到1.51，然后才能长到1.52，1.53……。

而离散变量则是通过计数方式取得的，即是对所要统计的对象进行计数，增长量非固定的，如：一个地区的企业数目可以是今年只有一家，而第二年开了十家；一个企业的职工人数今年只有10人，第二年一次招聘了20人等。

2、变量值的变动幅度不同。

对离散变量，如果变量值的变动幅度小，就可以一个变量值对应一组，称单项式分组。

如居民家庭按儿童数或人口数分组，均可采用单项式分组。

离散变量如果变量值的变动幅度很大，变量值的个数很多，则把整个变量值依次划分为几个区间，各个变量值则按其大小确定所归并的区间，区间的距离称为组距，这样的分组称为组距式分组。

也就是说，离散变量根据情况既可用单项式分组，也可用组距式分组。

在组距式分组中，相邻组既可以有确定的上下限，也可将相邻组的组限重叠。