የቡድን ውሂብ ሩብሎች

የቡድን ውሂብ ሩብሎች

ፔንዳሁሉአን

ስታቲስቲክስ፣ የውሂብ አሰባሰብ፣ ትንተና፣ ትርጓሜ፣ አቀራረብ እና አደረጃጀትን የሚያካትት የሳይንስ ቅርንጫፍ፣ በውሂብ ላይ የተመሠረተ ውሳኔ አሰጣጥን የሚረዱ ብዙ አስፈላጊ ፅንሰ ሀሳቦች አሉት። በውሂብ ትንተና ውስጥ አንድ አስፈላጊ የስታቲስቲክስ ፅንሰ-ሀሳብ ኳርትቲልስ ነው። ኳርትቲልስ የውሂብ ስርጭትን እና ውሂብ እንዴት እንደሚመደብ ለመረዳት ይረዳሉ። በዚህ ጽሑፍ ውስጥ፣ በቡድን በተሰራ መረጃ አውድ ውስጥ ኳርትቲሎችን በዝርዝር እንወያያለን፣ እንዴት ማስላት እንደሚቻል እና ውጤቶቹን መተርጎም ስለ ውሂብ ስርጭት ጥልቅ ግንዛቤዎችን እንዴት እንደሚሰጥ።

ኳርቲልስን መረዳት

በቀላል አነጋገር፣ ኳርቲሎች (quartiles) መረጃን በአራት እኩል ክፍሎች የሚከፍሉ እሴቶች ናቸው። በውሂብ ስርጭት አውድ፣ ኳርቲሎች (quartiles) መረጃውን በሦስት ነጥቦች ይከፍላሉ፣ አራት ክፍተቶችን ይፈጥራሉ። እነዚህ ሶስት ነጥቦች፡ የመጀመሪያው ኳርቲል (Q1)፣ ሁለተኛው ኳርቲል (Q2) እና ሦስተኛው ኳርቲል (Q3) ለስታቲስቲክስ ትንተና መሠረታዊ ናቸው። እያንዳንዱ ኳርቲል መረጃውን በመረዳት ረገድ የተለየ ትርጉም እና ተግባር አለው።

– የመጀመሪያ ሩብ (ጥ 1): ይህ የውሂቡ የታችኛው ግማሽ መካከለኛ እሴት ሲሆን 25ኛው ፐርሰንታይል በመባልም ይታወቃል።
– ሁለተኛ ሩብ (ጥ 2): ይህ የሁሉም መረጃዎች መካከለኛ እሴት ሲሆን፣ እንዲሁም መካከለኛ ወይም 50ኛ ፐርሰንታይል በመባልም ይታወቃል።
– ሶስተኛ ሩብ (ጥ 3)፡ ይህ የውሂቡ የላይኛው ግማሽ መካከለኛ እሴት ሲሆን 75ኛው ፐርሰንታይል በመባልም ይታወቃል።

ኳርቲልስ የአንድን ስርጭት የተለያዩ ገጽታዎች ለመግለጽ እና ስለ መረጃው ክልል እና ወጥነት የበለጠ ዝርዝር መረጃ ለመስጠት ያገለግላሉ።

በቡድን ውሂብ ውስጥ ያሉ ኳርቲሎች

በእውነተኛው ዓለም፣ የተሰበሰበው መረጃ በተለምዶ በቡድን የተደራጀ አይደለም (ጥሬ መረጃ) ነገር ግን በየራሳቸው ድግግሞሽ (የተደራጀ መረጃ) ባላቸው ቡድኖች ውስጥ ነው። የተቧደኑ መረጃዎችን መተንተን መረጃው በተለያዩ ምድቦች ወይም ክፍሎች እንዴት እንደሚከፋፈል መረጃ ለማቅረብ ያለመ ነው። ለተቧደኑ መረጃዎች ሩብቲሎችን ማስላት ከቡድን ያልተቧደኑ መረጃዎች ይልቅ በርካታ የተለያዩ ደረጃዎችን ያካትታል።

የቡድን ውሂብ ሩብሎችን ለማስላት ደረጃዎች

በቡድን በተሰራ መረጃ ውስጥ ሩብቲሎችን ለማስላት፣ እንደ የላይኛው እና የታችኛው ክፍል ገደቦች፣ የእያንዳንዱ ክፍል ድግግሞሽ እና የተጠራቀመ ድግግሞሽ ያሉ ከድግግሞሽ ስርጭት አንዳንድ መሰረታዊ መረጃዎችን እንፈልጋለን። ለተቧደኑ መረጃዎች ሩብቲሎችን ለማስላት የሚያስፈልጉት ደረጃዎች እነሆ፡

1. የኳርትል ክፍሉን ይወስኑ፡
– የመጀመሪያ ሩብ (ጥ 1)፡- የተጠራቀመ ድግግሞሽ በሚቀርብባቸው ክፍሎች ውስጥ ይገኛል \( \frac{N}{4} \)
– ሁለተኛ ሩብ (ጥ 2) ወይም መካከለኛ፡- ድምር ድግግሞሽ በሚቀርብባቸው ክፍሎች ውስጥ ይገኛል \( \frac{N}{2} \)
– ሶስተኛ ሩብ (ጥ3)፡- ድምር ድግግሞሽ በሚቀርብባቸው ክፍሎች ውስጥ ይገኛል \( \frac{3N}{4} \)

2. ለቡድን ዳታ የኳርትይል ፎርሙላውን ይጠቀሙ፡
– የመጀመሪያው ሩብ ዓመት ቀመር (ጥ 1)
\[
Q1 = L + \left( \frac{\frac{N}{4} – Fk}{f} \right) \times c
\]
– የሁለተኛው ሩብ ዓመት ቀመር (ጥ 2)
\[
Q2 = L + \left( \frac{\frac{N}{2} – Fk}{f} \right) \times c
\]
– ለሦስተኛው ሩብ ዓመት (ጥ 3) ቀመር፡
\[
Q3 = L + \left( \frac{\frac{3N}{4} – Fk}{f} \right) \times c
\]

የት፡
– \( L \) የኳርትል ክፍል ዝቅተኛ ገደብ ነው
– \(N \) አጠቃላይ ድግግሞሽ ነው
– \(Fk \) እስከ ኳርትቲል ክፍል ድረስ ያለው ድምር ድግግሞሽ ነው
– \( f \) የኳርትል ክፍል ድግግሞሽ ነው
– \(c \) የክፍል ስፋት ነው

ለቡድን ዳታ የኳርትይል ስሌት ምሳሌ

ለመረዳት ቀላል ለማድረግ የሚከተለውን ምሳሌ እንመልከት፡

የመረጃው ድግግሞሽ ስርጭት እንደሚከተለው ነው፡

| የክፍል ክፍተት | ድግግሞሽ (ረ) |
|———————-|——————|
| 10 – 20 | 5 |
| 20 – 30 | 8 |
| 30 – 40 | 12 |
| 40 – 50 | 7 |
| 50 – 60 | 3 |

ደረጃዎች፡

1. N ን ይወስኑ፡ ጠቅላላ ድግግሞሽ \( N = 5 + 8 + 12 + 7 + 3 = 35 \)
2. የተጠራቀመ ድግግሞሽ (Fk):

| የጊዜ ክፍተት ክፍል | ድግግሞሽ (ረ) | ድምር ድግግሞሽ (ኤፍኬ) |
|———————-|—————————————–|
| 10 – 20 | 5 | 5 |
| 20 – 30 | 8 | 13 |
| 30 – 40 | 12 | 25 |
| 40 – 50 | 7 | 32 |
| 50 – 60 | 3 | 35 |

3. የኳርትይል ክፍሎችን ማግኘት፡
– Q1: \( \frac{N}{4} = 8.75 \) በክፍል 20 - 30 ውስጥ ነው
– Q2: \( \frac{N}{2} = 17.5 \) በክፍል 30 - 40 ውስጥ ነው
– Q3: \( \frac{3N}{4} = 26.25 \) በክፍል 40 - 50 ውስጥ ነው

4. ኳርቲልስን ማስላት፡

- ለ 1ኛ ሩብ ዓመት፦
– \( L = 20 \)
– \( Fk = 5 \)
– \( f = 8 \)
– \( c = 10 \)
\[
Q1 = 20 + \left( \frac{8.75 – 5}{8} \right) \times 10 = 20 + (0.46875) \times 10 = 24.6875
\]

- ለ 2ኛ ሩብ ዓመት፦
– \( L = 30 \)
– \( Fk = 13 \)
– \( f = 12 \)
– \( c = 10 \)
\[
Q2 = 30 + \left( \frac{17.5 – 13}{12} \right) \times 10 = 30 + (0.375) \times 10 = 33.75
\]

- ለ 3ኛ ሩብ ዓመት፦
– \( L = 40 \)
– \( Fk = 25 \)
– \( f = 7 \)
– \( c = 10 \)
\[
Q3 = 40 + \left( \frac{26.25 – 25}{7} \right) \times 10 = 40 + (0.17857) \times 10 = 41.7857
\]

የውጤቶች ትርጓሜ

ከላይ የተጠቀሱትን ስሌቶች በመጠቀም የሚከተለውን እናገኛለን፦
– ሩብ 1 = 24.6875
– ሩብ 2 = 33.75
– ሩብ 3 = 41.7857

እነዚህ ሩብ ክፍሎች ስለ መረጃው ስርጭት ተጨማሪ መረጃ ይሰጡናል፡
– Q1=24.6875፡ 25% የሚሆነው መረጃ ከ24.6875 በታች ነው
– Q2=33.75፡ 50% የሚሆነው መረጃ ከ33.75 በታች ነው
– Q3=41.7857፡ 75% የሚሆነው መረጃ ከ41.7857 በታች ነው

ኳርትል መረጃ የውሂብን ክምችት እና የተለዋዋጭነቱን ክልል እንድንረዳ ያስችለናል። ይህ መረጃ እንደ ውጫዊ ለይቶ ማወቅ ወይም የስርዓት አፈጻጸም ግምገማ ባሉ የውሳኔ አሰጣጥ እና ተጨማሪ የውሂብ ትንተናዎች ላይ በጣም ጠቃሚ ሊሆን ይችላል።

ከሲምፑላን

በቡድን በተሰራ መረጃ ውስጥ ያሉ ኳርቲሎች በስታቲስቲክስ ትንተና ውስጥ ወሳኝ ሚና ይጫወታሉ። በትክክለኛው ዘዴዎች የውሂብ ስርጭትን በበለጠ ዝርዝር እና ትክክለኛነት መረዳት እንችላለን። ይህ መረጃ የውሂብ ትርጓሜን ከማገዝ ባለፈ በተጨባጭ ማስረጃ ላይ ተመስርቶ የበለጠ መረጃ ያለው የውሳኔ አሰጣጥ ሂደትን ያመቻቻል። ለማጠቃለል፣ በቡድን በተሰራ መረጃ ውስጥ ኳርቲሎችን እንዴት ማስላት እና መተርጎም እንደሚቻል መረዳት እያንዳንዱ የውሂብ ተንታኝ ሊያውቀው የሚገባ መሠረታዊ ክህሎት ነው።