Com determinar el mode de dades
En estadística bàsica, la moda és una mesura de tendència central, juntament amb la mitjana i la mediana. La moda s'utilitza sovint perquè és fàcil d'entendre i ràpida de calcular, especialment quan volem trobar el valor que apareix amb més freqüència en un conjunt de dades. A la vida quotidiana, el concepte de moda es pot aplicar per determinar la talla de roba que es compra amb més freqüència, el tipus de vehicle que s'utilitza més sovint, la puntuació més alta en una prova i fins i tot el producte més popular. Aquest article explica detalladament com determinar la moda per a diversos tipus de dades: dades individuals, dades agrupades i condicions especials com ara dades bimodals i multimodals.
Mode de comprensió
La moda és el valor de les dades amb la freqüència més alta, és a dir, que apareix amb més freqüència que altres valors. La moda és adequada tant per a dades quantitatives (numèriques) com qualitatives (categòriques), com ara els colors preferits o els tipus d'aliments escollits amb més freqüència.
Exemple senzill:
Dades: 2, 3, 3, 4, 5
El valor que apareix més sovint és 3 (apareix dues vegades), per tant la moda = 3.
Tanmateix, no totes les dades tenen una moda. Algunes dades tenen tots els valors que apareixen amb la mateixa freqüència, de manera que no hi ha cap moda. A més, algunes dades tenen més d'una moda.
Tipus de modes
Abans d'entrar en els passos de càlcul, és important entendre les variacions dels modes:
1. Unimodal: només un valor apareix amb més freqüència (monomode).
2. Bimodal: hi ha dos valors que apareixen amb més freqüència.
3. Multimodal: hi ha més de dos valors que apareixen amb més freqüència.
4. No té una moda: tots els valors apareixen amb la mateixa freqüència.
Comprendre aquests tipus de modes ens ajuda a interpretar les dades amb més precisió.
Com determinar el mode de dades individuals
Les dades individuals són dades escrites tal com són, no agrupades en intervals. Els passos per trobar la moda de les dades individuals són molt senzills:
Passos:
1. Ordena les dades (opcional) de més petita a més gran per facilitar-ne l'observació.
2. Compta la freqüència d'aparició de cada valor.
3. Determineu el valor amb la freqüència més gran com a moda.
Exemple:
Dades de puntuació de la prova: 70, 80, 75, 80, 90, 80, 85, 75
Freqüència:
– 70: 1 vegades
– 75: 2 vegades
– 80: 3 vegades
– 85: 1 vegades
– 90: 1 vegades
Com que 80 apareix més sovint (3 vegades), la moda = 80.
Exemple bimodal:
Dades: 1, 2, 2, 3, 3, 4
Les freqüències 2 i 3 són les més altes (2 vegades), de manera que el mode = 2 i 3 (bimodal).
Exemple sense mode:
Dades: 5, 6, 7, 8
Tots els valors apareixen una vegada. Per tant, les dades no tenen cap moda.
Com determinar la moda en dades agrupades
A la pràctica, grans quantitats de dades se solen resumir en dades agrupades en forma de taula de distribució de freqüències, és a dir, dades agrupades en intervals de classe (per exemple, 60–69, 70–79, etc.). En les dades agrupades, la moda no es pot extreure directament d'un nombre específic, sinó que es determina a través de la classe de moda i es pot estimar mitjançant una fórmula.
1. Determinar la classe de mode
La classe de moda és l'interval de classe amb la freqüència més gran.
Taula d'exemple:
| Interval de valor | Freqüència |
|—|—:|
| 40–49 | 3 |
| 50–59 | 6 |
| 60–69 | 10 |
| 70–79 | 8 |
| 80–89 | 5 |
La freqüència més alta és 10 en l'interval 60–69, per tant la classe de mode = 60–69.
2. Càlcul de la moda amb la fórmula de dades agrupades
La fórmula per al mode de dades agrupades que s'utilitza sovint:
\[
Mo = L + (d_1/d_1 + d_2) × p
\]
Informació:
– Mo = mode (valor de mode estimat)
– L = vora inferior de la classe de mode
– p = longitud de la classe (amplada de l'interval)
– d₁ = freqüència de la classe de mode − freqüència de la classe anterior
– d₂ = freqüència de la classe de mode − freqüència de la classe següent
Exemple de càlcul:
De la taula anterior:
– Classe de mode: 60–69, freqüència = 10
– Classe anterior: 50–59, freqüència = 6
– Classe següent: 70–79, freqüència = 8
Defineix els components:
– L = límit inferior de la classe de mode = 59,5 (com que el límit inferior és 60, el límit inferior = 59,5)
– p = 10
– d₁ = 10 − 6 = 4
– d₂ = 10 − 8 = 2
Introduïu a la fórmula:
\[
Mo = 59,5 + (4/4+2) × 10
\]
\[
Mo = 59,5 + (4/6) × 10
\]
\[
Mo = 59,5 + 6,67 = 66,17
\]
Així doncs, la moda de les dades agrupades és ≈ 66,17. Aquesta és una estimació del valor de la moda en l'interval 60–69.
Errors comuns en trobar el mode
Tot i que el mode sembla senzill, hi ha diversos errors comuns que es produeixen:
1. Suposem que el mode sempre existeix
Tanmateix, és possible que les dades no tinguin els valors que es produeixen més sovint.
2. No calcular la freqüència amb cura
En dades individuals, un càlcul erroni de la freqüència crea un mode incorrecte.
3. Determinació incorrecta de la classe de mode
En dades agrupades, la classe de moda ha de ser la que tingui la freqüència més gran.
4. S'ha determinat incorrectament la vora inferior i la longitud de la classe
En la fórmula del mode de dades agrupades, el límit inferior (L) no és el límit inferior habitual, sinó el límit inferior de la classe (per exemple, 59,5 per a la classe 60–69).
Quan és més apropiat utilitzar el mode?
El mode és molt útil quan:
– Dades en forma de categories (per exemple, marca, color, tipus d'article).
– Volem conèixer les opcions més populars.
– Les dades tenen valors extrems que poden distorsionar la mitjana.
– La distribució de les dades és asimètrica i la mediana/mitjana és menys representativa.
Per exemple, si 10 persones tenen uns ingressos molt alts, la mitjana podria ser "impulsada" cap amunt. En aquests casos, la moda pot proporcionar la imatge més generalitzada dels ingressos.
Tancament
Determinar la moda de les dades és una habilitat estadística fonamental útil tant per a l'anàlisi simple com per a la presa de decisions. Per a conjunts de dades individuals, la moda es troba observant el valor que es produeix amb més freqüència. Per a conjunts de dades agrupats, la moda es determina a partir de la classe amb la freqüència més alta i es pot calcular mitjançant una fórmula per obtenir una estimació més precisa. Si enteneu els passos, podeu processar les dades més ràpidament i deduir informació important d'un conjunt de dades.
Si voleu, també puc fer exemples de preguntes de pràctica juntament amb debats (dades individuals i dades agrupades) perquè pugueu entendre millor com determinar la moda.
