Примерни въпроси, обсъждащи квартили на групирани данни
Пендахулуан
Квартилите в статистиката са мярка за централна тенденция, която разделя данните на четири равни части. Квартилите се състоят от първи квартил (Q1), втори квартил (Q2) и трети квартил (Q3). В много случаи анализираните данни могат да бъдат групирани. Тази статия ще обсъди примери и дискусия за квартилите за групирани данни.
Разбиране на квартилите в груповите данни
Квартилите са стойности, които разделят организираните данни на четири равни части. Първият квартил (Q1) е известен като 25-ти персентил, вторият квартил (Q2) е известен още като медиана или 50-ти персентил, а третият квартил (Q3) е известен като 75-ти персентил.
За групирани данни изчисляването на квартили е малко по-сложно, отколкото за единични данни. Групираните данни обикновено се представят в таблица за честотно разпределение, така че трябва да използваме специфична формула, за да намерим квартилите.
Квартилна формула за групирани данни
За да намерим квартилите в групирани данни, използваме следната формула:
– Първи квартил (Q1):
\[
Q1 = L_{Q1} + (N}{4} – F_{Q1}}{f_{Q1}}) умножено по c
\]
– Втори квартил (Q2):
\[
Q2 = L_{Q2} + (N}{2} – F_{Q2}}{f_{Q2}}) умножено по c
\]
– Трети квартил (Q3):
\[
Q3 = L_{Q3} + (√(3N}{4) – F_{Q3}}{f_{Q3}) умножено по c
\]
Къде:
– \( L_{Q1}, L_{Q2}, L_{Q3} \) = долна граница на клас Q1, Q2, Q3
– \( N \) = брой данни
– \( F_{Q1}, F_{Q2}, F_{Q3} \) = кумулативна честота преди клас Q1, Q2, Q3
– (f_{Q1}, f_{Q2}, f_{Q3}) = класови честоти Q1, Q2, Q3
– \( c \) = дължина на класа
Пример за проблеми
Следва пример за задача с групови данни, която ще бъде използвана за изчисляване на квартили:
| Стойност | Честота |
|————|———–|
| 10 – 19 | 5 |
| 20 – 29 | 8 |
| 30 – 39 | 12 |
| 40 – 49 | 15 |
| 50 – 59 | 6 |
| 60 – 69 | 4 |
Стъпка 1: Определете кумулативната честота
Първо, трябва да определим кумулативната честота за всеки клас:
| Стойност | Честота | Кумулативна честота |
|————|————–|————————|
| 10 – 19 | 5 | 5 |
| 20 – 29 | 8 | 13 |
| 30 – 39 | 12 | 25 |
| 40 – 49 | 15 | 40 |
| 50 – 59 | 6 | 46 |
| 60 – 69 | 4 | 50 |
Брой данни (N) = 50
Стъпка 2: Определяне на първия квартил (Q1)
– \( \frac{N}{4} = \frac{50}{4} = 12.5 \)
Търсим класа, където кумулативната честота за първи път надвишава 12.5, а именно клас 20 – 29.
– L (долна граница на клас Q1) = 20
– F (кумулативна честота преди клас Q1) = 5
– f (честота на клас Q1) = 8
– c (продължителност на класа) = 10
Използвайки формула Q1:
\[
Q1 = 20 + (12.5 – 5,8) умножено по 10 = 20 + (7.5) умножено по 10 = 20 + 9.375 = 29.375
\]
Стъпка 3: Определяне на втория квартил (Q2)
– \( \frac{N}{2} = \frac{50}{2} = 25 \)
Търсим класа, където кумулативната честота за първи път надвишава 25, а именно клас 30 – 39.
– L = 30
– Ф = 13
– f = 12
– c = 10
Използвайки формула Q2:
\[
Q2 = 30 + (25 – 5,8) умножено по 10 = 30 + (12) умножено по 10 = 30 + 10 = 40
\]
Стъпка 4: Определете третия квартил (Q3)
– (3N = 4 = 3 x 50 = 4 = 37.5)
Търсим класа, където кумулативната честота за първи път надвишава 37.5, а именно клас 40 – 49.
– L = 40
– Ф = 25
– f = 15
– c = 10
Използвайки формула Q3:
\[
Q3 = 40 + (37.5 – 25,15) умножено по 10 = 40 + (12.5 – 15) умножено по 10 = 40 + 8.333 приблизително 48.333
\]
Заключение
От горните изчисления получаваме квартилните стойности за груповите данни, както следва:
– Първи квартил (Q1) = 29.375
– Втори квартил (Q2) = 40
– Трети квартил (Q3) = 48.333
Тези стойности ни позволяват да разберем как данните са разпределени в рамките на групата. Например, 25% от данните са под 29 375 (Q1), 50% от данните са под 40 (медианата или Q2) и 75% от данните са под 48 333 (Q3).
Квартилните изчисления са полезни в различни ситуации, за да се получи по-задълбочено разбиране на разпределението на данните. Разбирането на този метод ни позволява да анализираме групираните данни по-точно и ефективно.
