Eksempelspørgsmål, der diskuterer kvartiler af grupperede data
Pendahuluan
Kvartiler i statistik er et mål for central tendens, der opdeler data i fire lige store dele. Kvartiler består af den første kvartil (Q1), den anden kvartil (Q2) og den tredje kvartil (Q3). I mange tilfælde kan de data, der analyseres, grupperes. Denne artikel vil diskutere eksempler og en diskussion af kvartiler for grupperede data.
Forståelse af kvartiler i gruppedata
Kvartiler er værdier, der opdeler organiseret data i fire lige store dele. Den første kvartil (Q1) er kendt som den 25. percentil, den anden kvartil (Q2) er også kendt som medianen eller 50. percentilen, og den tredje kvartil (Q3) er kendt som den 75. percentil.
For grupperede data er beregning af kvartiler lidt mere kompliceret end for enkeltstående data. Grupperede data præsenteres normalt i en frekvensfordelingstabel, så vi skal bruge en specifik formel til at finde kvartilerne.
Kvartilformel for grupperede data
For at finde kvartilerne i grupperede data bruger vi følgende formel:
– Første kvartil (Q1):
\[
Q1 = L_{Q1} + (\frac{\frac{N}{4} – F_{Q1}}{f_{Q1}}) \times c
\]
– Anden kvartil (Q2):
\[
Q2 = L_{Q2} + (\frac{\frac{N}{2} – F_{Q2}}{f_{Q2}}) \times c
\]
– Tredje kvartil (Q3):
\[
Q3 = L_{Q3} + (\frac{\frac{3N}{4} – F_{Q3}}{f_{Q3}}) \times c
\]
Din mand:
– \( L_{Q1}, L_{Q2}, L_{Q3} \) = nedre grænse for klasserne Q1, Q2, Q3
– \(N \) = antal data
– \( F_{Q1}, F_{Q2}, F_{Q3} \) = kumulativ frekvens før klasse Q1, Q2, Q3
– \( f_{Q1}, f_{Q2}, f_{Q3} \) = klassefrekvenser Q1, Q2, Q3
– \(c \) = klasselængde
Eksempel på problemer
Følgende er et eksempel på et gruppedataproblem, der vil blive brugt til at beregne kvartiler:
| Værdi | Frekvens |
|————|———–|
| 10 – 19 | 5 |
| 20 – 29 | 8 |
| 30 – 39 | 12 |
| 40 – 49 | 15 |
| 50 – 59 | 6 |
| 60 – 69 | 4 |
Trin 1: Bestem den kumulative frekvens
Først og fremmest skal vi bestemme den kumulative frekvens for hver klasse:
| Værdi | Frekvens | Kumulativ frekvens |
|————|————–|————————|
| 10 – 19 | 5 | 5 |
| 20 – 29 | 8 | 13 |
| 30 – 39 | 12 | 25 |
| 40 – 49 | 15 | 40 |
| 50 – 59 | 6 | 46 |
| 60 – 69 | 4 | 50 |
Antal data (N) = 50
Trin 2: Bestemmelse af den første kvartil (Q1)
– \( \frac{N}{4} = \frac{50}{4} = 12.5 \)
Vi leder efter den klasse, hvor den kumulative frekvens først overstiger 12.5, nemlig klasse 20-29.
– L (nedre grænse for klasse Q1) = 20
– F (kumulativ frekvens før klasse Q1) = 5
– f (frekvens af klasse Q1) = 8
– c (klasselængde) = 10
Brug af formel Q1:
\[
Q1 = 20 + (12.5 – 5/8) × 10 = 20 + (7.5/8) × 10 = 20 + 9.375 = 29.375
\]
Trin 3: Bestemmelse af den anden kvartil (Q2)
– \( \frac{N}{2} = \frac{50}{2} = 25 \)
Vi leder efter den klasse, hvor den kumulative frekvens først overstiger 25, nemlig klasse 30-39.
– L = 30
– F = 13
– f = 12
– c = 10
Brug af formel Q2:
\[
Q2 = 30 + (25 – 13/12) × 10 = 30 + (12/12) × 10 = 30 + 10 = 40
\]
Trin 4: Bestem den tredje kvartil (Q3)
– (3N = 3 x 50 = 37.5)
Vi leder efter den klasse, hvor den kumulative frekvens først overstiger 37.5, nemlig klasse 40-49.
– L = 40
– F = 25
– f = 15
– c = 10
Brug af formel Q3:
\[
Q3 = 40 + (37.5 – 25/15) × 10 = 40 + (12.5/15) × 10 = 40 + 8.333 = ca. 48.333
\]
Konklusion
Fra ovenstående beregninger får vi kvartilværdierne for gruppedataene som følger:
– Første kvartil (Q1) = 29.375
– Anden kvartil (Q2) = 40
– Tredje kvartil (Q3) = 48.333
Disse værdier giver os mulighed for at forstå, hvordan dataene er fordelt inden for gruppen. For eksempel falder 25 % af dataene under 29.375 (Q1), 50 % af dataene falder under 40 (medianen eller Q2), og 75 % af dataene falder under 48.333 (Q3).
Kvartilberegninger er nyttige i en række forskellige situationer for at få en dybere forståelse af datafordeling. Forståelse af denne metode giver os mulighed for at analysere grupperede data mere præcist og effektivt.
