Pojedinačni kvartili podataka: Detaljno razumijevanje podjele podataka u statistici
Jedan od osnovnih koncepata u statistici je podjela podataka na kvartile. Kvartili se koriste za detaljnije razumijevanje distribucije podataka nego što se radi o pukom posmatranju medijane ili srednje vrijednosti. U ovom članku ćemo razgovarati o kvartilima jednog skupa podataka, kako ih izračunati i njihovoj primjeni u različitim kontekstima analize podataka.
Šta je kvartil?
Kvartili su specifične vrijednosti koje dijele sortirane podatke na četiri jednaka dijela. Jednostavno rečeno, kvartili su grupisanja sortiranih podataka, pri čemu svaki kvartil pokriva približno 25% podataka.
Kvartili se sastoje od tri glavna markera:
1. Prvi kvartil (Q1): dijeli donjih 25% podataka od ostalih.
2. Drugi kvartil (Q2) ili medijana: dijeli podatke na dva jednaka dijela, 50% podataka je ispod ove vrijednosti, a 50% je iznad ove vrijednosti.
3. Treći kvartil (Q3): dijeli najviših 25% podataka od ostalih.
Svaki kvartil služi kao reprezentacija određenog dijela skupa podataka i ima različite primjene, od opisa podataka do analize outliera.
Kako izračunati kvartile
Za izračunavanje kvartila, prvi korak je sortiranje podataka u rastućem redoslijedu. Pogledajmo detaljne korake za izračunavanje kvartila na jednom skupu podataka:
Sortiranje podataka
Pretpostavimo da imamo sljedeći skup podataka:
7, 15, 36, 39, 40, 41, 42, 43, 47, 49
Prvi korak je osigurati da su podaci sortirani:
7, 15, 36, 39, 40, 41, 42, 43, 47, 49
Određivanje pozicije kvartila
Zatim određujemo pozicije kvartila. Za skup podataka veličine \( N \):
– Pozicija Q1 = \( \frac{(N+1)}{4} \)
– Pozicija Q2 = \( \frac{(N+1)}{2} \)
– Pozicija Q3 = \( \frac{3(N+1)}{4} \)
Za naš skup podataka (N=10):
– Pozicija Q1 = \( \frac{(10+1)}{4} = 2.75 \)
– Pozicija Q2 = \( \frac{(10+1)}{2} = 5.5 \)
– Pozicija Q3 = \( \frac{3(10+1)}{4} = 8.25 \)
Interpolacija kvartila
Ako je kvartilna pozicija decimalni broj, onda interpoliramo između dvije susjedne vrijednosti podataka.
– Q1 (pozicija 2.75):
Kombinujte vrijednosti podataka na drugoj poziciji `15` i trećoj poziciji `36`.
Q1 = 15 + 0.75 (36 – 15) = 15 + 0.75 21 = 15 + 15.75 = 30.75
– Q2 (medijana na poziciji 5.5):
Kombinujte vrijednosti podataka na drugoj poziciji `40` i trećoj poziciji `41`.
Q2 = 40 + 0.5 (41 – 40) = 40 + 0.5 1 = 40.5
– Q3 (pozicija 8.25):
Kombinujte vrijednosti podataka na drugoj poziciji `43` i trećoj poziciji `47`.
Q3 = 43 + 0.25 (47 – 43) = 43 + 0.25 4 = 43 + 1 = 44
Dakle, kvartili našeg skupa podataka su:
– Q1 = 30.75
– Q2 = 40.5
– Q3 = 44
Primjena kvartila
Statistički opis
Kvartili se koriste kao dio statističkih opisa kako bi se pružio opći pregled distribucije podataka. Poznavanje kvartila nam omogućava da bolje razumijemo konzistentnost, simetriju i rasprostranjenost podataka.
Analiza odstupajućih vrijednosti
Kvartili su također vrlo korisni u identificiranju ekstremnih vrijednosti. Ekstremne vrijednosti su vrijednosti podataka koje su daleko od većine skupa podataka. Za otkrivanje ekstremnih vrijednosti obično se koristi metoda "Interkvartilnog raspona (IQR)".
IQR se izračunava kao razlika između Q3 i Q1:
\[ \text{IQR} = Q3 – Q1 \]
Vrijednosti podataka smatraju se ekstremnim ako su ispod (Q1-1.5 puta IQR) ili iznad (Q3+1.5 puta IQR).
U gornjem skupu podataka:
– IQR = 44 – 30.75 = 13.25
– Donja granica za outliere = Q1 – 1.5 IQR = 30.75 – 1.5 13.25 = 30.75 – 19.875 = 10.875
– Gornja granica za outliere = Q3 + 1.5 IQR = 44 + 1.5 13.25 = 44 + 19.875 = 63.875
Dakle, vrijednosti podataka ispod 10.875 ili iznad 63.875 smatraju se outlierima. Budući da naš skup podataka spada u taj raspon, nema outliera.
Obrada složenih podataka
Osim što se koriste u jednostavnim podacima, kvartili se mogu primijeniti i na složenije skupove podataka. U finansijskoj analizi, na primjer, kvartili mogu pomoći u identifikaciji učinka određene dionice na tržištu. U obrazovanju, kvartili se mogu koristiti za identifikaciju akademskog uspjeha učenika na određenom testu.
Box Plot
Jedan alat za vizualizaciju koji koristi kvartile je Box Plot ili Tukey Box Plot. Box Plot pruža grafički prikaz pet važnih sažetaka u podacima: minimalne vrijednosti, prvog kvartila (Q1), medijane (Q2), trećeg kvartila (Q3) i maksimalne vrijednosti. Jednostavan način za otkrivanje outliera je korištenje Box Plota, gdje se outlieri obično prikazuju kao tačke izvan "brkova" (osjenčane linije između minimuma, Q1, Q3 i maksimuma).
Zaključak
Izračunavanje i razumijevanje kvartila u jednom skupu podataka pruža dublji uvid u strukturu podataka, njihovu distribuciju i prisustvo ili odsustvo ekstremnih vrijednosti. U širokom spektru primjena, od jednostavnih statističkih opisa do složenijih analiza kao što su detekcija ekstremnih vrijednosti i korištenje box plot-ova, kvartili igraju ključnu ulogu u analizi i interpretaciji podataka. Pomoću ovog alata, analiza podataka postaje sistematičnija i informativnija, otvarajući put dubljim uvidima i značajnijim otkrićima u različitim oblastima istraživanja. Kvartili ne samo da olakšavaju statističke opise, već i pružaju značajne uvide neophodne za donošenje odluka zasnovanih na podacima.
Dobro razumijevanje kvartila i načina na koji se primjenjuju u analizi podataka je vrijedna vještina koja se može usvojiti u različitim praktičnim kontekstima, od istraživanja do poslovanja, čineći nas pametnijima u analizi i tumačenju podataka.
