Gegevensverzameling

Een gegevensverzameling (Engels: data set) is een verzameling waarvan de elementen waarden zijn van een variabele.

Deze waarden kunnen empirische waarnemingen zijn (dus gemeten in de werkelijkheid), maar ook het resultaat van modelberekeningen.

Gegevensverzamelingen kunnen de waarden bevatten van één of meer variabelen, en die variabelen kunnen verschillende eenheden hebben, en zelfs een niet-numeriek waardebereik hebben. De gegevensverzameling in onderstaande tabel (een hele kleine deelverzameling van de vluchtgegevens die dagelijks door de luchthaven Schiphol worden verzameld) laat dit zien.

Schema	Herkomst	Vluchtnr	Maatschappij	Aankomst	Toesteltype	Terminal	Bagageband
09:00	London Heathrow	GA 9080	Garuda Indonesia	08:42	Boeing 737-900	2	11
09:00	London Heathrow	KQ 1000	Kenya Airways	08:42	Boeing 737-900	2	11
09:00	London Heathrow	KL 1000	KLM Royal Dutch Airlines	08:42	Boeing 737-900	2	11
09:00	Bucharest	DL 9598	Delta Air Lines	08:51	Boeing 737-800	2	9
09:05	London Stansted	EZY 3001	easyJet	08:56	Airbus A320-200	4	20
09:05	Milan Malpensa	EZY 2723	easyJet	08:56	Airbus A320-200	4	21
09:05	Los Angeles	DL 9379	Delta Air Lines	09:18	Boeing 747-400	3	16
09:05	Los Angeles	KL 0602	KLM Royal Dutch Airlines	09:18	Boeing 747-400	3	16
09:10	Brussels	JU 8265	JAT Airways	08:50	Fokker F70	2	8
09:10	Brussels	MH 9300	Malaysia Airlines	08:50	Fokker F70	2	8
09:10	Brussels	DL 9425	Delta Air Lines	08:50	Fokker F70	2	8

Merk op:

• Je kunt deze gegevensverzameling zien als een deelverzameling van het Cartesisch product T×L×V×M×T×TT×ℕ×ℕ waarin T de verzameling tijdstipppen, L de verzameling luchthavens, V de verzameling vluchtnummers, M de verzameling luchtvaartmaatschappijen, en TT de verzameling vliegtuigtypen. De elementen van deze gegevensverzameling zijn dan 7-tupels (t_S, l, v, m, t_A, tt, n, b).
• Deze verzameling geeft administratieve vluchtgegevens weer. Daarin kan dezelfde fysieke vlucht meer dan eens voorkomen omdat verschillende maatschapijen dezelfde vlucht onder een ander vluchtnummer administreren. Je zou deze dataset dus moeten "opschonen" door al dit soort dubbelingen te verwijderen voordat je de gegevens zou kunnen gebruiken om de vraag "Hoe druk is het op schiphol?" of "Wat is de tussenaankomsttijd van vliegtuiglandingen op Schiphol?" te beantwoorden.

Zie ook

• Beschrijvende statistiek
• Tijdreeks
• Verzameling
• Oefeningen:Gegevensverzameling