Как да групирате данни в интервали от класове
Групирането на данни в класови интервали е ключова стъпка в описателната статистика. Целта е да се опростят големи количества сурови данни, за да се улесни четенето, анализът и представянето им в таблици за честотно разпределение или хистограми. Когато данните са твърде разнообразни и разпръснати, често е трудно да се разграничат модели. Класовите интервали организират данните в специфични групи стойности, което ни позволява да разберем по-ясно разпределението на данните, най-често срещаните стойности и дори централната тенденция.
Тази статия обсъжда значението на класовите интервали, кога са необходими, както и практически стъпки за групиране на данни в класови интервали, допълнени с примери за приложение.
1. Разбиране на интервалите между класовете
Интервалът на класа е диапазон от стойности, използвани за групиране на данни в честотно разпределение. Всеки интервал обикновено има долна и горна граница. Например, интервалът 10–19 показва, че всички данни със стойности между 10 и 19 попадат в този клас.
В таблица за разпределение на честотата, класовите интервали служат като „контейнери“ за подобни стойности. Това прави данните по-кратки, отколкото изброяването на всички стойности поотделно. Класовите интервали също така формират основата за създаване на графики като хистограми и честотни полигони.
2. Кога е необходимо групиране на данните?
Не всички данни трябва да бъдат разделени на интервали от класове. Групирането обикновено е необходимо, когато:
1. Голямо количество данни, например повече от 30 или 50 наблюдения.
2. Диапазонът на данните е широк, така че стойностите са разпръснати и трудни за четене.
3. Искаме да видим модела на разпределение, например, за да разберем дали данните са склонни да бъдат нормални, асиметрични или имат двойни пикове.
4. Данните ще бъдат представени в хистограма, защото хистограмата изисква интервални класове.
Ако данните са малки (напр. 10 стойности), често е достатъчна една таблица с честоти без интервали.
3. Стъпки за групиране на данни в класови интервали
Следват най-често използваните стъпки за формиране на интервали между класовете.
Стъпка 1: Определете минималните и максималните данни
Първо, определете най-малката (минимална) и най-голямата (максимална) стойност на данните.
– Минимална стойност = \( x_{\min} \)
– Максимална стойност = \( x_{\max} \)
Тази стойност ще бъде използвана за изчисляване на диапазона на данните.
Стъпка 2: Изчислете обхвата
Диапазонът е разликата между максималната и минималната стойност:
\[
R = x_{max} – x_{min}
\]
Диапазонът дава представа за ширината на разпределението на данните.
Стъпка 3: Определете броя на класовете (k)
Броят на класовете може да се определи по няколко начина. Най-популярният начин е чрез използване на правилото на Стърджес:
\[
k = 1 + 3⁻³ log_{10}(n)
\]
където \(n \) е количеството данни.
Резултатите от изчисленията обикновено се закръгляват до най-близкото цяло число (или нагоре), така че броят на класовете да не е твърде малък.
Освен Sturges, има и обща практика: изберете размер на класа между 5 и 12, в зависимост от нуждите ви за показване и размера на извадката. Sturges обаче е доста добър за по-малки набори от данни.
Стъпка 4: Изчисляване на ширината на класа (i)
Ширината на класа е дължината на всеки интервал от клас. Формулата е:
\[
i = \frac{R}{k}
\]
Тъй като ширините на класовете трябва да бъдат лесни за използване, те обикновено се закръгляват до „чисто“ число (напр. 5, 10, 2 или 0,5, в зависимост от контекста на данните). Това закръгляване е важно, за да се гарантира, че интервалите са лесни за четене и да се избегне объркване.
Ако резултатите от закръгляването не позволяват всички данни да бъдат поместени, ширината на класа може леко да се увеличи.
Стъпка 5: Определете ограниченията на класа
Започнете с минималната стойност като долна граница на първия клас. След това създайте последователни интервали, докато те обхванат максималната стойност.
Например, ако минималната стойност е 32 и ширината на класа е 5, тогава класът може да бъде създаден:
– 32–36
– 37–41
– 42–46
- и др.
Важно: Уверете се, че няма пропуски или припокривания между класовете. Всички стойности на данните трябва да попадат в точно един клас.
Стъпка 6: (По избор) Създаване на граници на класа
Ако данните са цели числа (напр. резултати от тестове), често се създават граници на класовете, за да се направи класът непрекъснат. Това се прави чрез добавяне на 0,5 към горната граница и изваждане на 0,5 от долната граница.
Например, клас 32–36, предимството на класа става:
– 31,5–36,5
Това е полезно за хистограми, така че стълбовете да се свързват без празнини.
Стъпка 7: Изчислете честотата на всеки клас
След като интервалите на класовете са определени, пребройте колко точки от данни попадат във всеки интервал. Резултатите се записват в колоната за честота (f).
За големи данни използвайте метода на преброяване, за да бъдете по-бързи и да намалите грешките.
Стъпка 8: Създайте таблица за разпределение на честотата
Таблицата за разпределение на минималните честоти съдържа:
– Интервал между часовете
– Честота (f)
Можете да добавите и други колони, като например:
– Средна точка на класа (xi)
– Кумулативна честота
– Относителна честота (процент)
4. Пример за групиране на данни
Например, има данни за резултатите от тестовете на 40 ученици с минимален резултат 42 и максимален 94.
1. Минимум = 42, Максимум = 94
2. Обхват:
\[
R = 94 – 42 = 52
\]
3. Брой класове (Sturges):
\[
k = 1 + 3{,}3 \log(40)
\приблизително 1 + 3{,}3(1{,}602)
\приблизително 6{,}29
\]
Закръглено до 6 или 7 класа. Избрахме 7 класа за повече подробности.
4. Ширина на класа:
\[
i = \frac{52}{7} \approx 7{,}43
\]
Закръглено на 8.
5. Оформете интервали, започващи от 42 с ширина 8:
– 42–49
– 50–57
– 58–65
– 66–73
– 74–81
– 82–89
– 90–97
Последният интервал достигна 97, така че максималната стойност от 94 все още беше спазена.
6. След това изчислете честотата на всеки интервал въз основа на данните (например, използвайки линия). Крайната таблица ще покаже колко ученици попадат в определен диапазон от резултати, което ни позволява бързо да оценим представянето им.
5. Съвети за по-ефективни интервали в часовете
1. Използвайте еднаква ширина на класовете, за да направите таблиците лесни за сравняване.
2. Не поставяйте твърде много класове, защото таблицата ще стане дълга и трудна за четене.
3. Не включвайте твърде малко часове, защото важна информация може да се „изгуби“ и разпределението може да изглежда твърде грубо.
4. Настройте закръгляването на ширината на класа, за да отговаря на контекста на данните. За температури може да е подходящо 1 или 0,5; за резултати от тестове обикновено е подходящо 5 или 10.
5. Проверете отново границите на класовете, за да се уверите, че всички данни са въведени без липсващи стойности.
Заключение
Групирането на данни в класови интервали е важна техника за опростяване на данните и ясно показване на разпределението. Стъпките включват определяне на минималните и максималните стойности, изчисляване на диапазона, определяне на броя на класовете (често използвайки правилото на Стърджис), изчисляване на ширините на класовете, конструиране на интервали и след това изчисляване на честотата на всеки клас. С правилните класови интервали, сложните сурови данни могат да бъдат трансформирани в лесно разбираема информация, независимо дали в таблици или графики.
Ако желаете, мога да създам и пълен пример със сурови данни (списък със стойности) и след това да съставя таблица за разпределение на честотата с хистограма.
