Příklad otázek týkajících se percentilů skupinových dat
Percentily jsou mírou pozice ve statistice používanou k pochopení distribuce dat. V tomto článku si podrobně probereme, jak určit percentily pro seskupená data. Pro objasnění tohoto konceptu uvedeme několik příkladů úloh a jejich vysvětlení. Začněme základním pochopením percentilů a poté přejdeme k příkladům a jejich vysvětlením.
Pochopení percentilů
Percentil je hodnota, která dělí data na 100 stejných částí. To znamená, že n-tý percentil je hodnota, pod kterou spadá n % dat v rozdělení. Pokud například data mají 25. percentil (P25), znamená to, že pod tuto hodnotu spadá 25 % dat.
U seskupených dat často používáme tabulky distribuce četností k uspořádání dat a následnému určení relevantních percentilů. Tyto tabulky prezentují data v konkrétních intervalech tříd, což nám umožňuje komplexněji pochopit distribuci dat.
Percentilový vzorec ve skupinových datech
Obecný vzorec pro určení n-tého percentilu (Pn) ve skupinových datech je následující:
\[
P_n = L + (nN – součet f před f_k) krát c
\]
Ruka:
– \(P_n\) je n-tý percentil.
– \(L\) je spodní okraj intervalu třídy percentilu.
– \(n\) je požadovaný percentil (např. pro P25, n = 25).
– \(N\) je celkový počet kumulativních frekvencí.
– \(\sum f_{\text{před}}\) je kumulativní frekvence před intervalem třídy percentilu.
– \(f_{k}\) je frekvence intervalu třídy percentilu.
– \(c\) je délka intervalu třídy.
Příklad problémů
Pro lepší pochopení se podívejme na následující příklad otázky a podrobněji si ji rozeberme.
Příklad otázky 1
V průzkumu byly získány následující údaje o výšce (v cm) 100 studentů desátého ročníku střední školy:
| Interval třídy | Četnost |
|——————-|———–|
| 150 – 154 | 5 |
| 155 – 159 | 8 |
| 160 – 164 | 12 |
| 165 – 169 | 20 |
| 170 – 174 | 30 |
| 175 – 179 | 15 |
| 180 – 184 | 10 |
Vypočítejte 40. percentil (P40) dat.
Kroky řešení
1. Určete kumulativní frekvenci pro každou třídu:
| Interval třídy | Četnost | Kumulativní četnost |
|——————-|————–|————————|
| 150 – 154 | 5 | 5 |
| 155 – 159 | 8 | 13 |
| 160 – 164 | 12 | 25 |
| 165 – 169 | 20 | 45 |
| 170 – 174 | 30 | 75 |
| 175 – 179 | 15 | 90 |
| 180 – 184 | 10 | 100 |
2. Určete interval percentilové třídy (P40):
Protože hledáme P40, potřebujeme 40 % ze 100 studentů, což je 40 studentů. Při pohledu na tabulku kumulativních četností zjistíme, že 40 studentů leží v intervalu třídy 165 – 169 cm, protože 45 je první kumulativní frekvence, která překračuje 40.
3. Najděte požadované hodnoty ve vzorci:
– \(L = 164.5\)
– \(nN = 40\)
– \(\suma f_{\text{před}} = 25\)
– \(f_k = 20\)
– \(c = 5\)
4. Zadejte hodnoty do vzorce:
\[
P_{40} = 164.5 + (\frac{40 – 25}{20}) krát 5
\]
\[
P_{40} = 164.5 + (\frac{15}{20}) krát 5
\]
\[
P_{40} = 164.5 + 0.75 krát 5
\]
\[
P_{40} = 164.5 + 3.75
\]
\[
P_{40} = 168.25
\]
40. percentil (P40) dat je tedy 168.25 cm.
Příklad otázky 2
Předpokládejme, že máme k dispozici výsledky matematických testů od skupiny 200 studentů:
| Interval třídy | Četnost |
|——————-|———–|
| 40 – 44 | 10 |
| 45 – 49 | 18 |
| 50 – 54 | 32 |
| 55 – 59 | 45 |
| 60 – 64 | 50 |
| 65 – 69 | 25 |
| 70 – 74 | 12 |
| 75 – 79 | 8 |
Vypočítejte 75. percentil (P75) dat.
Kroky řešení
1. Určete kumulativní frekvenci pro každou třídu:
| Interval třídy | Četnost | Kumulativní četnost |
|——————-|————–|————————|
| 40 – 44 | 10 | 10 |
| 45 – 49 | 18 | 28 |
| 50 – 54 | 32 | 60 |
| 55 – 59 | 45 | 105 |
| 60 – 64 | 50 | 155 |
| 65 – 69 | 25 | 180 |
| 70 – 74 | 12 | 192 |
| 75 – 79 | 8 | 200 |
2. Určete interval percentilové třídy (P75):
Protože hledáme P75, potřebujeme 75 % z 200 studentů, což je 150 studentů. Při pohledu na kumulativní frekvenci zjistíme, že 150 studentů spadá do intervalu tříd 60 – 64.
3. Najděte požadované hodnoty:
– \(L = 59.5\)
– \(nN = 150\)
– \(\suma f_{\text{před}} = 105\)
– \(f_k = 50\)
– \(c = 5\)
4. Zadejte hodnoty do vzorce:
\[
P_{75} = 59.5 + (\frac{150 – 105}{50}) krát 5
\]
\[
P_{75} = 59.5 + (\frac{45}{50}) krát 5
\]
\[
P_{75} = 59.5 + 0.9 krát 5
\]
\[
P_{75} = 59.5 + 4.5
\]
\[
P_{75} = 64
\]
Takže 75. percentil (P75) dat je 64.
Závěr
V tomto článku jsme se zabývali tím, jak určit percentily pro seskupená data pomocí vzorců a několika příkladů úloh. Percentily jsou užitečným nástrojem ve statistice pro pochopení distribuce dat a určení relativní polohy datových hodnot. Pochopením toho, jak vypočítat percentily ve seskupených datech, můžeme data analyzovat komplexněji. Doufáme, že vám tyto příklady úloh a diskuse pomohly lépe pochopit koncept percentilů ve seskupených datech.
