Anàlisi de dades utilitzant polígons de freqüència en estadística
En estadística, la presentació de dades és un pas crucial abans de treure conclusions. Les dades que inicialment consisteixen en nombres en brut sovint són difícils d'entendre si no s'organitzen i visualitzen correctament. Una manera eficaç de presentar la distribució de dades és mitjançant polígons de freqüències. Els polígons de freqüències ens ajuden a veure patrons de distribució de dades, tendències de valor dominant i la forma de la distribució (per exemple, simètrica, esbiaixada o amb més d'un pic). Aquest article tracta el concepte de polígons de freqüències, com crear-los, com interpretar-los i el seu ús en l'anàlisi estadística de dades.
Comprensió dels polígons de freqüència
Un polígon de freqüències és un gràfic de línies que representa la distribució de freqüències de dades agrupades. Aquest gràfic es forma connectant punts que representen freqüències en punts mitjans de classe. A diferència d'un histograma, que consisteix en barres, un polígon de freqüències és una línia, cosa que facilita als observadors la comparació dels patrons de distribució de diversos grups de dades dins d'un sol gràfic.
Els polígons de freqüència s'utilitzen sovint quan volem mostrar els canvis o les tendències en la freqüència de manera més fluida. Per exemple, en l'anàlisi de puntuacions de proves, alçada, pes o dades de producció, els polígons de freqüència poden mostrar si les dades estan concentrades majoritàriament en un rang determinat o si estan distribuïdes uniformement.
Quan s'utilitzen els polígons de freqüència?
Els polígons de freqüències s'utilitzen principalment quan les dades:
1. En forma de dades quantitatives (per exemple, valor, pes, alçada, temps).
2. Han estat o s'han d'agrupar en intervals de classe.
3. Cal comparar dues o més distribucions en un gràfic, perquè les línies són més fàcils d'apilar que les barres de l'histograma.
Els polígons de freqüències també són molt útils en la fase d'anàlisi exploratòria de dades, és a dir, quan els investigadors volen comprendre les característiques generals de les dades abans de dur a terme anàlisis posteriors, com ara proves estadístiques, regressions o previsions.
Components importants del polígon de freqüències
Per crear un polígon de freqüències, cal entendre diversos components bàsics:
– Interval de classe: rang de valors que divideix les dades en diversos grups.
– Freqüència: el nombre de dades introduïdes a cada interval de classe.
– Punt mitjà de la classe: el valor mitjà d'un interval calculat mitjançant la fórmula:
\[
\text{Punt mig} = \frac{\text{límit inferior} + \text{límit superior}}{2}
\]
– Eixos X i Y: l'eix X conté el punt mitjà de la classe, mentre que l'eix Y mostra la freqüència.
Amb aquest component, podem dibuixar punts (punt mig, freqüència) i després connectar-los en una línia.
Passos per crear un polígon de freqüències
Els passos generals per crear un polígon de freqüències a partir de dades en brut són els següents:
1. Organització de dades i determinació de moltes classes
El primer pas és preparar les dades en brut. Després d'això, determineu el nombre de classes (k). Un enfocament popular és la fórmula de Sturges:
\[
k = 1 + 3{,}3 \log(n)
\]
on \(n\) és el nombre de dades.
2. Determineu l'abast i l'amplada de la classe
Calcula l'interval de dades:
\[
R = x_{\text{max}} – x_{\text{min}}
\]
Aleshores es pot calcular l'amplada de la classe:
\[
p = \frac{R}{k}
\]
Les amplades de les classes solen ser arrodonides per facilitar-ne l'ús.
3. Crea una taula de distribució de freqüències
Ordena els intervals de classe i després compta quants punts de dades cauen a cada interval. El resultat és una taula de distribució de freqüències.
4. Calcula el punt mitjà de cada classe
Per a cada interval, calcula el punt mitjà. Aquest punt mitjà s'utilitzarà a l'eix X.
5. Creació d'un gràfic
– Situa el punt mig de la classe a l'eix X.
– Situa la freqüència a l'eix Y.
– Representar gràficament parells de punts (punt mig, freqüència).
– Connecta els punts amb una línia recta.
Perquè el polígon es "tanqui" correctament, normalment s'afegeix un punt al principi i al final amb freqüència zero, al punt mig de la classe abans de la primera classe i després de l'última classe.
Exemple senzill d'interpretació
Per exemple, un polígon de freqüències mostra el seu pic més alt al punt mig de 70, amb la freqüència més alta. Això indica que el valor que es produeix amb més freqüència és al voltant de 70, cosa que suggereix que la majoria del rendiment dels estudiants es troba al voltant d'aquest valor. Si el polígon tendeix a inclinar-se bruscament cap a la dreta (valors grans) i s'estén cap a l'esquerra (valors petits), la distribució de dades pot estar esbiaixada cap a l'esquerra; per contra, si s'estén cap a la dreta, la distribució està esbiaixada cap a la dreta.
A més de la forma, el pendent de la línia també indica canvis de freqüència entre classes. Un augment pronunciat indica un augment significatiu del nombre de punts de dades a la classe següent. Una disminució pronunciada indica el contrari.
Polígon de freqüència vs Histograma
Tot i que ambdues descriuen distribucions de freqüències, hi ha diferències importants:
1. Forma visual
– Histograma: barres adjacents.
– Polígon de freqüències: línies que connecten punts.
2. Facilitat de comparació
– Els histogrames són difícils d'apilar per a molts grups.
– Els polígons de freqüències són més fàcils de comparar en un gràfic.
3. Llegibilitat del patró
– Els polígons mostren més clarament la forma general de la corba de distribució.
– L'histograma ajuda a veure l'estructura de classes en detall.
A la pràctica, els polígons de freqüències sovint es construeixen a partir d'histogrames: els punts mitjans de cada barra de l'histograma estan connectats per una línia.
Beneficis dels polígons de freqüència en l'anàlisi de dades
Els polígons de freqüència no són només imatges, sinó eines analítiques. Alguns dels seus beneficis:
1. Reconeix el centre de dades (tendència central)
El pic del polígon indica la classe de mode, és a dir, l'interval amb la freqüència més alta.
2. Observeu la distribució (variabilitat)
Els polígons amples indiquen dades més variades; els polígons estrets indiquen dades més concentrades.
3. Avaluar el formulari de distribució
Les distribucions poden ser simètriques, asimètriques o bimodals (dos pics). Això és important per determinar mètodes d'anàlisi posteriors.
4. Comparació de grups
Per exemple, comparant els valors de la classe A i la classe B, o els resultats de producció de la màquina 1 i la màquina 2. Es poden dibuixar dos polígons junts per veure la diferència de distribució.
5. Detecció de dades inusuals
Si hi ha pics petits que estan lluny del pic principal, hi podria haver diferents grups de dades, errors d'entrada o valors atípics.
Errors comuns i consells de presentació
Alguns errors comuns en la creació de polígons de freqüències inclouen:
– Utilitzeu els límits de classe a l'eix X, no els punts mitjans de les classes.
– L'amplada de les classes és inconsistent, cosa que porta a interpretacions errònies.
– No afegeix punts de freqüència zero als extrems, de manera que el polígon sembla estar "suspès".
– Escala d'eix desproporcional.
Bons consells per servir:
– Utilitzar intervals de classe consistents.
– Proporcioneu un títol clar, etiquetes d'eixos i escala.
– Si compareu dos grups, feu servir colors/línies diferents i afegiu-hi una llegenda.
– Assegureu-vos que el nombre de classes no sigui ni massa baix ni massa gran per tal que el patró de distribució sigui llegible.
Tancament
Els polígons de freqüències són una forma molt útil de visualització estadística per comprendre la distribució de dades agrupades. Mitjançant la utilització de punts mitjans de classe i freqüències, els polígons de freqüències presenten una imatge clara dels patrons de dades, es comparen fàcilment entre grups i ajuden els investigadors a identificar les característiques de la distribució abans de dur a terme anàlisis posteriors. En la pràctica estadística, la capacitat de llegir i construir polígons de freqüències és una habilitat fonamental essencial, especialment per a l'anàlisi quantitativa de dades. Amb una estructura de classes adequada i una interpretació acurada, els polígons de freqüències poden ser una eina senzilla però potent per donar suport a la presa de decisions basada en dades.
