Единични квартили на данни: Задълбочено разбиране на разделянето на данните в статистиката
Едно от основните понятия в статистиката е разделянето на данните на квартили. Квартилите се използват за по-подробно разбиране на разпределението на данните, отколкото просто разглеждане на медианата или средната стойност. В тази статия ще обсъдим квартилите на един набор от данни, как да ги изчислим и техните приложения в различни контексти на анализ на данни.
Какво е квартил?
Квартилите са специфични стойности, които разделят сортираните данни на четири равни части. Казано по-просто, квартилите са групи от сортирани данни, като всеки квартил покрива приблизително 25% от данните.
Квартилите се състоят от три основни маркера:
1. Първи квартил (Q1): разделя най-долните 25% от данните от останалите.
2. Втори квартил (Q2) или медиана: разделя данните на две равни части, като 50% от данните са под тази стойност и 50% са над тази стойност.
3. Трети квартил (Q3): разделя най-високите 25% от данните от останалите.
Всеки квартил служи като представяне на определена част от набора от данни и има разнообразни приложения, от описание на данни до анализ на отклонения.
Как да изчислим квартили
За да се изчислят квартили, първата стъпка е да се сортират данните във възходящ ред. Нека разгледаме подробните стъпки за изчисляване на квартили върху един набор от данни:
Сортиране на данни
Да предположим, че имаме следния набор от данни:
7, 15, 36, 39, 40, 41, 42, 43, 47, 49
Първата стъпка е да се уверите, че данните са сортирани:
7, 15, 36, 39, 40, 41, 42, 43, 47, 49
Определяне на квартилната позиция
След това определяме позициите на квартилите. За набор от данни с размер \( N \):
– Позиция Q1 = \( \frac{(N+1)}{4} \)
– Позиция Q2 = \( \frac{(N+1)}{2} \)
– Позиция Q3 = \( \frac{3(N+1)}{4} \)
За нашия набор от данни (N=10):
– Позиция Q1 = \( \frac{(10+1)}{4} = 2.75 \)
– Позиция Q2 = \( \frac{(10+1)}{2} = 5.5 \)
– Позиция Q3 = \( \frac{3(10+1)}{4} = 8.25 \)
Интерполиране на квартили
Ако квартилната позиция е десетично число, тогава интерполираме между две съседни стойности на данните.
– Q1 (позиция 2.75):
Комбинирайте стойностите на данните във 2-ра позиция `15` и 3-та позиция `36`.
Q1 = 15 + 0.75 (36 – 15) = 15 + 0.75 21 = 15 + 15.75 = 30.75
– Q2 (медиана на позиция 5.5):
Комбинирайте стойностите на данните във 5-ра позиция `40` и 6-та позиция `41`.
Q2 = 40 + 0.5 (41 – 40) = 40 + 0.5 1 = 40.5
– Q3 (позиция 8.25):
Комбинирайте стойностите на данните във 8-ра позиция `43` и 9-та позиция `47`.
Q3 = 43 + 0.25 (47 – 43) = 43 + 0.25 4 = 43 + 1 = 44
И така, квартилите на нашия набор от данни са:
– Q1 = 30.75
– Q2 = 40.5
– Q3 = 44
Приложение на квартилите
Статистическо описание
Квартилите се използват като част от статистическите описания, за да предоставят общ преглед на разпределението на данните. Познаването на квартилите ни позволява да разберем по-добре съгласуваността, симетрията и разпространението на данните.
Анализ на отклоненията
Квартилите също са много полезни при идентифицирането на отклонения. Отклоненията са стойности на данните, които са далеч от по-голямата част от набора от данни. За откриване на отклонения обикновено се използва методът „Интерквартилен диапазон (IQR)“.
IQR се изчислява като разлика между Q3 и Q1:
\[ \text{IQR} = Q3 – Q1 \]
Стойностите на данните се считат за отклонения, ако са под (Q1-1.5 пъти IQR) или над (Q3+1.5 пъти IQR).
В горния набор от данни:
– IQR = 44 – 30.75 = 13.25
– Долна граница за отклонения = Q1 – 1.5 IQR = 30.75 – 1.5 13.25 = 30.75 – 19.875 = 10.875
– Горна граница за отклонения = Q3 + 1.5 IQR = 44 + 1.5 13.25 = 44 + 19.875 = 63.875
Така че, стойностите на данните под 10 875 или над 63 875 се считат за отклонения. Тъй като нашият набор от данни попада в този диапазон, няма отклонения.
Сложна обработка на данни
Освен че се използват при прости данни, квартилите могат да се прилагат и при по-сложни набори от данни. Например във финансовия анализ квартилите могат да помогнат за идентифициране на представянето на определена акция на пазара. В образованието квартилите могат да се използват за идентифициране на академичните постижения на учениците в определен тест.
Кутия Парцел
Един инструмент за визуализация, който използва квартили, е Box Plot или Tukey Box Plot. Box Plot предоставя графично представяне на пет важни обобщения в данните: минималната стойност, първият квартил (Q1), медианата (Q2), третият квартил (Q3) и максималната стойност. Лесен начин за откриване на отклонения е използването на Box Plot, където отклоненията обикновено се показват като точки извън „мустаците“ (защрихованите линии между минимума, Q1, Q3 и максимума).
Заключение
Изчисляването и разбирането на квартилите в един набор от данни предоставя по-задълбочен поглед върху структурата на данните, тяхното разпределение и наличието или отсъствието на отклонения. В широк спектър от приложения, от прости статистически описания до по-сложни анализи, като откриване на отклонения и използване на кутийни диаграми, квартилите играят ключова роля в анализа и интерпретацията на данните. С този инструмент анализът на данните става по-систематичен и информативен, проправяйки пътя за по-задълбочени прозрения и по-смислени открития в различни области на изследване. Квартилите не само улесняват статистическите описания, но и предоставят значителни прозрения, необходими за вземането на решения, основани на данни.
Солидното разбиране на квартилите и как те се прилагат в анализа на данни е ценно умение, което може да се използва в различни практически контексти, от изследвания до бизнес, което ни прави по-умни в анализа и интерпретацията на данни.
