Məlumatların Medianını Tapmaq üçün Texnikalar
Median, məlumat dəstini iki bərabər yarıya bölən mərkəzi meylin ölçüsüdür. Kənar qiymətlərlə təhrif edilə bilən orta qiymətdən fərqli olaraq, median mərkəzi dəyərin etibarlı göstəricisini təmin edir. Medianın tapılması müxtəlif elmi, mühəndislik, sosial elmlər və biznes tətbiqlərində vacibdir. Bu məqalədə həm təkdəyişkənli, həm də çoxdəyişkənli məlumat dəstlərini, eləcə də sadədən daha mürəkkəb metodları əhatə edən məlumatların medianını tapmaq üçün bir neçə üsul araşdırılacaq.
Medianı Anlamaq
Metodları araşdırmadan əvvəl medianın nə olduğunu müəyyən etmək vacibdir. Median, verilənlər dəstinin yuxarı yarısını aşağı yarısından ayıran dəyərdir. Sıralanmış siyahıda, müşahidələrin sayı (\(n\)) təkdirsə, median orta elementdir. \(n\) cütdürsə, median iki orta elementin orta qiymətidir.
Məsələn, \([3, 5, 7, 9]\) verilənlər dəstini nəzərdən keçirin. 4 elementlə median \(\frac{5+7}{2} = 6\)-dır. \([3, 5, 7]\) kimi tək rəqəmli verilənlər dəsti üçün median 5-dir.
Medianı Tapmaq üçün Əsas Texnikalar
1. Çeşidləmə və Seçmə Metodu
Medianı tapmağın ən sadə üsulu məlumatları çeşidləmək və sonra orta dəyəri seçməkdir.
– Addım 1: Məlumat dəstini artan sıra ilə sıralayın.
– Addım 2: Əgər \(n\) təkdirsə, median \(\frac{n+1}{2}\) mövqeyindəki elementdir.
– Addım 3: Əgər \(n\) cütdürsə, median \(\frac{n}{2}\) və \(\frac{n}{2}+1\) mövqelərindəki elementlərin ortalamasıdır.
Bu metod kiçik və orta ölçülü verilənlər dəstləri üçün yaxşı işləyir və tətbiqi asandır. Lakin, çeşidləmə addımı çox böyük verilənlər dəstləri üçün hesablama baxımından baha başa gələ bilər və zaman mürəkkəbliyi \(O(n \log n)\) təşkil edir.
2. Tez Seçim Alqoritmi
Böyük verilənlər dəstləri üçün QuickSelect alqoritmi daha səmərəli bir yanaşma təklif edir. QuickSort alqoritmi ilə eyni prinsip üzərində işləyir, lakin yalnız k-cı ən kiçik elementi tapmağa diqqət yetirir, burada \(k\) medianın mövqeyidir.
– Addım 1: Verilənlər dəstindən pivot elementi seçin.
– Addım 2: Məlumat dəstini pivotdan kiçik, bərabər və böyük elementlərə bölün.
– Addım 3: Medianın hansı bölməyə aid olduğunu müəyyən edin və prosesi təkrar olaraq yalnız həmin bölməyə tətbiq edin.
QuickSelect-in zaman mürəkkəbliyi orta hesabla \(O(n)\)-dir, bu da onu daha böyük verilənlər dəstləri üçün uyğun edir.
Tezlik Paylanmalarında Median
Tezlik paylanmaları ilə işləyərkən median dəqiq hesablanmaq əvəzinə qiymətləndirilə bilər.
– Sinif İntervalı Metodu: Bu metod median sinfinin — ilk dəfə olaraq kümülatif tezliyin ümumi tezliyin yarısından çox olduğu sinfin müəyyən edilməsini əhatə edir.
Qruplaşdırılmış tezlik paylanmalarında medianı qiymətləndirmək üçün düstur belədir:
\[ \text{Median} = L + \left( \frac{\frac{N}{2} – CF}{f} \right) \times w \]
burada \( L \) median sinfinin aşağı sərhədi, \( N \) ümumi tezlik, \( CF \) median sinfindən əvvəlki sinfin kumulyativ tezliyi, \( f \) median sinfinin tezliyi və \( w \) sinifin enidir.
Çoxdəyişkənli Məlumatlarda Median
Hər bir məlumat nöqtəsinin birdən çox dəyişəndən ibarət olduğu çoxdəyişkənli məlumat dəstləri medianın tapılması üçün daha mürəkkəb bir ssenari təqdim edir.
– Marjinal Median Metodu: Hər bir dəyişən üçün medianı ayrıca hesablayın və bu dəyərlərdən median vektoru yaratmaq üçün istifadə edin. Sadə olsa da, bu metod dəyişənlər arasındakı əlaqələri nəzərə almır.
– Həndəsi Median: Bu, çoxdəyişkənli verilənlər dəstindəki bütün məlumat nöqtələrinə Evklid məsafələrinin cəminin minimuma endirilməsi nöqtəsidir. Bunu iterasiyalar üzərində həndəsi mediana yaxınlaşan Weiszfeld alqoritmi kimi iterativ metodlardan istifadə etməklə tapmaq olar.
Böyük Məlumat Dəstlərində Median
Böyük verilənlər dəstlərində medianın tapılması müxtəlif üsullardan istifadə etməklə optimallaşdırıla bilər.
– Axın Alqoritmləri: Məlumat dəstinin yaddaşa sığmayacaq qədər böyük olduğu və ya axın kimi oxunduğu ssenarilərdə:
– Min-Heap və Max-Heap Kombinasiyası: Məlumatların aşağı yarısı və yuxarı yarısı üçün iki yığın saxlamaqla median səmərəli şəkildə əldə edilə bilər. Daxil etmə üçün vaxt mürəkkəbliyi \(O(\log n)\), medianın tapılması isə \(O(1)\)-dir.
– Rezervuar Nümunələri: Bu texnika məlumatların axını üçün faydalıdır. Bu, verilənlər bazasının nümunəsinin saxlanılmasını və daha çox element müşahidə olunduqca onu yeniləməyi əhatə edir.
Güclü Statistik Metodlar
Kənar göstəricilərlə çirklənmiş məlumat dəstlərində güclü statistik metodlar daha etibarlı median qiymətləndirmələri təmin edə bilər.
– Winsorized Mean: Bu metod medianın hesablanmasından əvvəl ekstremal dəyərlərin ən yaxın qeyri-ekstremal dəyərlərlə əvəz edilməsini əhatə edir. Bu metod medianın möhkəmliyini orta hesablamalardan əldə edilən müəyyən səmərəliliklə birləşdirir.
– Kəsilmiş Median: Ən yüksək və ən aşağı məlumat nöqtələrinin müəyyən faizi medianı hesablamadan əvvəl atılır və bu da kənarlaşmaların təsirini azaldır.
Nəticə
Məlumatların medianını tapmaq üsulları mürəkkəblik və tətbiq baxımından çox müxtəlifdir, sadə çeşidləmə və seçim metodlarından tutmuş böyük məlumat dəstləri üçün QuickSelect və axın alqoritmləri kimi mürəkkəb alqoritmlərə qədər. Bu metodları anlamaq və məlumat dəstinin xüsusiyyətlərinə və hesablama resurslarına əsaslanaraq uyğun olanı seçmək dəqiq və səmərəli median hesablamaları üçün vacibdir. Kiçik və ya böyük məlumat dəstləri, tezlik paylanmaları və ya çoxdəyişkənli məlumatlarla işləməkdən asılı olmayaraq, düzgün texnika məlumatların mərkəzi tendensiyasını dəqiq şəkildə müəyyən etməkdə əhəmiyyətli bir fərq yarada bilər.
