For every given day, it is known wh

For every given day, it is known which percentage of guests fell into each of the following age categories: 0-5, 6-14, 15-20, 21-30, 31-60, 61-80, 81-100.Age information was not available at the level of the guest, so it was not possible to identify individual guests. A descriptive analysis of age group distribution per day shows that the guest composition by age on a specific day falls into one of two age segments where one segment has a higher proportion of younger and the second one a higher proportion of older guests. We use these groups instead of the original age group distributions to minimize problems that may arise from multicollinearity in the data.

結果 (繁體中文) 1:

對於每一個給定的一天，這是已知的客人比例下降到每個以下年齡類別：0-5，6-14，15-20，21-30，31-60，61-80，81-100.Age信息不可用在客人的水平，所以這是不可能識別個別客人。每天顯示年齡組分佈的描述性分析，該組合物客人按年齡在特定日期落入兩個年齡段，其中一個鏈段具有更年輕的比例較高，而第二個的以上的客人的比例較高的一個。我們使用這些組而不是原來的年齡組分佈，最大限度地減少可能由多重數據出現問題。

結果 (繁體中文) 2:

每天，瞭解以下每個年齡段的客人比例：0-5、6-14、15-20、21-30、31-60、61-80、81-100。對每天年齡組分佈的描述性分析表明，特定日按年齡劃分的客人構成分為兩個年齡組之一，其中一部分人的比例較高，第二部分則占老年客人的比例較高。我們使用這些組而不是原始年齡組分佈，以儘量減少資料中的多共線性可能產生的問題。

結果 (繁體中文) 3:

對於每一天，我們都知道哪些客人屬於以下年齡類別：0-5歲、6-14歲、15-20歲、21-30歲、31-60歲、61-80歲、81-100歲。客人級別沒有年齡資訊，囙此無法確定個別客人。對每日年齡組分佈的描述性分析表明，按年齡劃分的某一天的客人構成分為兩個年齡段，其中一個年齡段的年輕人比例較高，另一個年齡段的老年人比例較高。我們使用這些組而不是原始的年齡組分佈來最小化數據中多重共線性可能產生的問題。