Анализ на данни с помощта на честотни полигони в статистиката
В статистиката представянето на данни е ключова стъпка преди извеждането на заключения. Данните, които първоначално се състоят от сурови числа, често са трудни за разбиране, ако не са правилно организирани и визуализирани. Един ефективен начин за представяне на разпределението на данните е чрез честотни полигони. Честотните полигони ни помагат да видим моделите на разпределение на данните, доминиращите тенденции на стойностите и формата на разпределението (напр. симетрично, асиметрично или с повече от един пик). Тази статия разглежда концепцията за честотни полигони, как да ги създаваме, как да ги интерпретираме и тяхното използване в статистическия анализ на данни.
Разбиране на честотните полигони
Честотният полигон е линейна графика, която изобразява честотното разпределение на групираните данни. Тази графика се формира чрез свързване на точки, представляващи честотите в средните точки на класовете. За разлика от хистограмата, която се състои от стълбчета, честотният полигон е линия, което улеснява наблюдателите да сравняват моделите на разпределение на множество групи данни в рамките на една графика.
Честотните полигони често се използват, когато искаме да покажем промените или тенденциите в честотата по-плавно. Например, при анализ на резултати от тестове, височина, тегло или данни за производство, честотните полигони могат да покажат дали данните са концентрирани предимно в определен диапазон или са равномерно разпределени.
Кога се използват честотни полигони?
Честотните полигони се използват предимно, когато данните:
1. Под формата на количествени данни (напр. стойност, тегло, височина, време).
2. Са били или трябва да бъдат групирани в интервали от класа.
3. Необходимо е да се сравнят две или повече разпределения в една графика, защото линиите са по-лесни за подреждане от хистограмните стълбове.
Честотните полигони са много полезни и на етапа на проучвателен анализ на данни, а именно когато изследователите искат да разберат общите характеристики на данните, преди да проведат по-нататъшен анализ, като например статистически тестове, регресия или прогнозиране.
Важни компоненти в честотния полигон
За да се създаде честотен полигон, трябва да се разберат няколко основни компонента:
– Интервал на класа: диапазон от стойности, който разделя данните на няколко групи.
– Честота: броят на въведените данни във всеки интервал от клас.
– Средна точка на класа: средната стойност на интервал, изчислена по формулата:
\[
\text{Средна точка} = \frac{\text{долна граница} + \text{горна граница}}{2}
\]
– Оси X и Y: оста X съдържа средната точка на класа, докато оста Y показва честотата.
С този компонент можем да начертаем точки (средна точка, честота) и след това да ги свържем в линия.
Стъпки за създаване на честотен полигон
Следват общите стъпки за създаване на честотен полигон от сурови данни:
1. Подреждане на данни и определяне на множество класове
Първата стъпка е да се подготвят суровите данни. След това се определя броят на класовете (k). Един популярен подход е формулата на Стърджес:
\[
k = 1 + 3{,}3 \log(n)
\]
където \(n\) е броят на данните.
2. Определете обхвата и ширината на класа
Изчислете диапазона от данни:
\[
R = x_{\text{max}} – x_{\text{min}}
\]
Тогава ширината на класа може да се изчисли:
\[
p = ∫Rk
\]
Ширината на класовете обикновено е закръглена за по-лесно използване.
3. Създайте таблица за разпределение на честотата
Подредете интервалите на класовете, след което пребройте колко точки от данни попадат във всеки интервал. Резултатът е таблица с честотно разпределение.
4. Изчислете средната точка на всеки клас
За всеки интервал изчислете средната точка. Тази средна точка ще бъде използвана на оста X.
5. Създаване на графика
– Поставете средната точка на класа върху оста X.
– Поставете честотата на оста Y.
– Начертайте двойки точки (средна точка, честота).
– Свържете точките с права линия.
За да бъде полигонът правилно „затворен“, обикновено се добавя по една точка в началото и края с нулева честота, в средата на класа преди първия клас и след последния клас.
Прост пример за интерпретация
Например, честотен полигон показва най-високия си пик в средата на 70, с най-висока честота. Това показва, че най-често срещаната стойност е около 70, което предполага, че по-голямата част от представянето на учениците е около тази стойност. Ако полигонът има тенденция да се спуска рязко надясно (големи стойности) и да се простира наляво (малки стойности), разпределението на данните може да е изкривено наляво; обратно, ако се простира надясно, разпределението е изкривено надясно.
В допълнение към формата, наклонът на линията също показва промени в честотата между класовете. Рязкото увеличение показва значително увеличение на броя на точките от данни в следващия клас. Рязкото намаление показва обратното.
Честотен полигон срещу хистограма
Въпреки че и двата описват честотните разпределения, има важни разлики:
1. Визуална форма
– Хистограма: съседни стълбчета.
– Честотен полигон: линии, свързващи точки.
2. Леснота на сравнение
– Хистограмите са трудни за подреждане за много групи.
– Честотните полигони са по-лесни за сравняване в една графика.
3. Четливост на шаблона
– Полигоните показват по-ясно общата форма на кривата на разпределение.
– Хистограмата помага да се види подробно структурата на класа.
На практика честотните полигони често се конструират въз основа на хистограми: средните точки на всяка хистограмна лента са свързани с линия.
Предимства на честотните полигони при анализа на данни
Честотните полигони не са просто изображения, а аналитични инструменти. Някои от техните предимства:
1. Разпознаване на центъра за данни (централна тенденция)
Върхът на полигона показва класа на модата, а именно интервала с най-висока честота.
2. Разгледайте разпределението (променливостта)
Широките полигони показват по-разнообразни данни; тесните полигони показват по-концентрирани данни.
3. Оценете формата на разпределение
Разпределенията могат да бъдат симетрични, асиметрични или бимодални (с два пика). Това е важно за определяне на по-нататъшни методи за анализ.
4. Сравняване на групи
Например, сравняване на стойностите на клас А и клас Б или производствените резултати на машина 1 и машина 2. Два полигона могат да бъдат начертани заедно, за да се види разликата в разпределението.
5. Откриване на необичайни данни
Ако има малки пикове, които са далеч от основния пик, може да има различни групи данни, входни грешки или отклонения.
Често срещани грешки и съвети за сервиране
Някои често срещани грешки при създаването на честотни полигони включват:
– Използвайте границите на класовете по оста X, а не средните точки на класовете.
– Ширината на класовете е непоследователна, което води до подвеждащи тълкувания.
– Не добавя точки с нулева честота в краищата, така че полигонът изглежда „висящ“.
– Мащаб на непропорционалната ос.
Добри съвети за сервиране:
– Използвайте постоянни интервали между часовете.
– Предоставете ясно заглавие, етикети на осите и мащаб.
– Ако сравнявате две групи, използвайте различни цветове/линии и добавете легенда.
– Уверете се, че броят на класовете не е нито твърде малък, нито твърде голям, за да може схемата на разпределение да остане четлива.
Затваряне
Честотните полигони са изключително полезна форма на статистическа визуализация за разбиране на разпределението на групираните данни. Чрез използване на средни точки на класовете и честоти, честотните полигони представят ясна картина на моделите на данните, лесно се сравняват между групите и помагат на изследователите да идентифицират характеристиките на разпределението, преди да извършат по-нататъшен анализ. В статистическата практика способността за четене и изграждане на честотни полигони е основно умение, особено за количествен анализ на данни. С правилна структура на класовете и внимателно тълкуване, честотните полигони могат да бъдат прост, но мощен инструмент за подпомагане на вземането на решения, основани на данни.
