Primjer pitanja za diskusiju o dijagramu raspršenja
Dijagram raspršenja, također poznat kao dijagram raspršenja, je bitan alat u analizi podataka i statistici. Pomaže nam da razumijemo odnos između dvije numeričke varijable tako što prikazuje podatke u dvodimenzionalnoj ravni. Ovaj članak će obuhvatiti primjere i diskusiju o dijagramima raspršenja.
Šta je dijagram raspršenja (Scatter Diagram)?
Dijagram raspršenja je vizuelni prikaz odnosa između dva skupa numeričkih podataka. Svaka tačka na dijagramu raspršenja predstavlja par vrijednosti za dvije različite varijable. Na primjer, ako želimo analizirati odnos između sati učenja i rezultata ispita, sati učenja mogu biti predstavljeni X-osom, dok rezultati ispita Y-osom.
Prednosti dijagrama raspršenja
1. Identifikacija obrazaca: Dijagrami raspršenja nam mogu pomoći da identifikujemo obrasce ili trendove u podacima. Ovi obrasci mogu biti linearni, nelinearni ili čak uopće ne moraju imati obrazac.
2. Određivanje korelacije: Korištenjem dijagrama raspršenja možemo utvrditi postoji li korelacija između dvije varijable. Korelacija može biti pozitivna, negativna ili nula (nema korelacije).
3. Detekcija ekstremnih vrijednosti: Dijagrami raspršenja također olakšavaju uočavanje ekstremnih vrijednosti, odnosno podataka koji su daleko od ostatka skupa podataka.
Primjeri pitanja i diskusija
Primjer pitanja 1: Kreiranje dijagrama raspršenja
Pitanje:
S obzirom na sljedeće podatke o satima učenja (X) i rezultatima ispita (Y) pet studenata:
| Studenti | Sati učenja (X) | Rezultat ispita (Y) |
|——-|——————|——————–|
| A | 2 | 70 |
| B | 3 | 75 |
| C | 1 | 65 |
| D | 4 | 80 |
| E | 5 | 85 |
Napravite dijagram raspršenja koristeći gornje podatke.
Diskusija:
Za kreiranje dijagrama raspršenja, koraci koje možete poduzeti su sljedeći:
1. Odredite X i Y osu: Odaberite varijablu sati učenja za X osu i rezultate ispita za Y osu.
2. Grafikon prikazivanja podataka: Grafikon prikazivanja svakog para (X, Y).
Evo je grafikon podataka:
| X-osa (Sati učenja) | Y-osa (Ocjena ispita) |
|—————————–|—————————–|
| 2 | 70 |
| 3 | 75 |
| 1 | 65 |
| 4 | 80 |
| 5 | 85 |
Primjer pitanja 2: Određivanje vrste korelacije
Pitanje:
Na osnovu podataka prikazanih u Primjeru pitanja 1, odredite vrstu korelacije između sati učenja i rezultata ispita.
Diskusija:
Da bismo odredili vrstu korelacije, moramo obratiti pažnju na obrazac koji formiraju podatkovne tačke na dijagramu raspršenja.
Dijagram pokazuje da se s povećanjem broja sati učenja povećavaju i rezultati testova. To ukazuje na pozitivnu korelaciju između sati učenja i rezultata testova. Ova korelacija se smatra pozitivnom jer se obje varijable kreću u istom smjeru.
Primjer 3: Izračunavanje Pearsonovog koeficijenta korelacije
Pitanje:
Izračunajte Pearsonov koeficijent korelacije iz podataka u primjeru problema 1.
Diskusija:
Pearsonov koeficijent korelacije (r) mjeri jačinu i smjer linearne veze između dvije varijable. Formula za r je:
\[ r = \frac{n(\suma XY) – (\suma X)(\suma Y)}{\sqrt{[n\suma X^2 – (\suma
Gdje:
– \( n \) je broj parova podataka.
– \( \sum XY \) je zbir proizvoda X i Y.
– \( \suma X \) je zbir svih vrijednosti X.
– \( \sum Y \) je zbir svih vrijednosti Y.
– \( \suma X^2 \) je zbir kvadrata svih vrijednosti X.
– \( \sum Y^2 \) je zbir kvadrata svih vrijednosti Y.
Prvo, izračunajmo potrebne vrijednosti:
\[ \suma X = 2 + 3 + 1 + 4 + 5 = 15 \]
\[ \suma Y = 70 + 75 + 65 + 80 + 85 = 375 \]
\[ \suma
\[ \suma
\[ \suma Y^2 = 70^2 + 75^2 + 65^2 + 80^2 + 85^2 = 4900 + 5625 + 4225 + 6400 + 7225 = 28375 \]
Zatim, zamijenite u formulu:
\[r = \frac{5(1175) – (15)(375)}{\sqrt{[5(55) – (15)^2][5(28375) – (375)^2]}} \]
\[r = \frac{5875 – 5625}{\sqrt{[275 – 225][141875 – 140625]}} \]
\[r = \frac{250}{\sqrt{50 1250}} \]
\[r = \frac{250}{\sqrt{62500}} \]
\[r = \frac{250}{250} \]
\[r = 1 \]
Dakle, Pearsonov koeficijent korelacije gore navedenih podataka je 1, što ukazuje na savršenu pozitivnu linearnu vezu.
Primjer pitanja 4: Detekcija ekstremnih vrijednosti
Pitanje:
Na osnovu podataka u Primjeru pitanja 1, utvrdite da li postoje odstupanja u dijagramu raspršenja.
Diskusija:
Izuzetak je podatak koji je daleko od ostatka skupa podataka. Iz podataka:
| X-osa (Sati učenja) | Y-osa (Ocjena ispita) |
|—————————–|—————————–|
| 2 | 70 |
| 3 | 75 |
| 1 | 65 |
| 4 | 80 |
| 5 | 85 |
Čini se da sve tačke podataka konvergiraju i nijedna se značajno ne razlikuje od ostalih. Stoga možemo zaključiti da ovaj skup podataka ne sadrži izuzetke.
Zaključak
Dijagram raspršenja je vrlo koristan vizualni alat u analizi podataka za određivanje odnosa između dvije numeričke varijable. Kroz gornje primjere možemo razumjeti kako kreirati dijagram raspršenja, odrediti vrstu korelacije, izračunati Pearsonov koeficijent korelacije i otkriti izuzetke. Razumijevanje ovih koncepata ključno je za analizu podataka i donošenje informiranih odluka na osnovu te analize.
Dakle, dijagrami raspršenja ne samo da pomažu u dubljem razumijevanju podataka, već i otvaraju put za daljnju statističku analizu.
