Beispielfragen zur Diskussion von Quartilen gruppierter Daten
Einführung
Quartile sind in der Statistik ein Maß der zentralen Tendenz, das Daten in vier gleich große Abschnitte unterteilt. Sie bestehen aus dem ersten Quartil (Q1), dem zweiten Quartil (Q2) und dem dritten Quartil (Q3). Häufig lassen sich die analysierten Daten gruppieren. Dieser Artikel behandelt Beispiele und die Bedeutung von Quartilen für gruppierte Daten.
Quartile in Gruppendaten verstehen
Quartile sind Werte, die geordnete Daten in vier gleich große Teile unterteilen. Das erste Quartil (Q1) wird als 25. Perzentil bezeichnet, das zweite Quartil (Q2) auch als Median oder 50. Perzentil und das dritte Quartil (Q3) als 75. Perzentil.
Bei gruppierten Daten ist die Berechnung von Quartilen etwas komplizierter als bei Einzeldaten. Gruppierte Daten werden üblicherweise in einer Häufigkeitsverteilungstabelle dargestellt, daher muss eine spezielle Formel zur Ermittlung der Quartile verwendet werden.
Quartilsformel für gruppierte Daten
Um die Quartile in gruppierten Daten zu finden, verwenden wir die folgende Formel:
– Erstes Quartil (Q1):
\[
Q1 = L_{Q1} + \left( \frac{\frac{N}{4} – F_{Q1}}{f_{Q1}} \right) \times c
\]
– Zweites Quartil (Q2):
\[
Q2 = L_{Q2} + \left( \frac{\frac{N}{2} – F_{Q2}}{f_{Q2}} \right) \times c
\]
– Drittes Quartil (Q3):
\[
Q3 = L_{Q3} + \left( \frac{\frac{3N}{4} – F_{Q3}}{f_{Q3}} \right) \times c
\]
Von Mana:
– \( L_{Q1}, L_{Q2}, L_{Q3} \) = untere Schranke der Klasse Q1, Q2, Q3
– \( N \) = Anzahl der Daten
– \( F_{Q1}, F_{Q2}, F_{Q3} \) = kumulative Häufigkeit vor der Klassenstufe Q1, Q2, Q3
– \( f_{Q1}, f_{Q2}, f_{Q3} \) = Klassenhäufigkeiten Q1, Q2, Q3
– \( c \) = Klassenlänge
Problembeispiel
Nachfolgend ein Beispiel für ein Gruppendatenproblem, das zur Berechnung von Quartilen verwendet wird:
| Wert | Häufigkeit |
|————|———–|
| 10 – 19 | 5 |
| 20 – 29 | 8 |
| 30 – 39 | 12 |
| 40 – 49 | 15 |
| 50 – 59 | 6 |
| 60 – 69 | 4 |
Schritt 1: Ermitteln Sie die kumulative Häufigkeit
Zunächst müssen wir die kumulative Häufigkeit für jede Klasse ermitteln:
| Wert | Häufigkeit | Kumulierte Häufigkeit |
|————|————–|————————|
| 10 – 19 | 5 | 5 |
| 20 – 29 | 8 | 13 |
| 30 – 39 | 12 | 25 |
| 40 – 49 | 15 | 40 |
| 50 – 59 | 6 | 46 |
| 60 – 69 | 4 | 50 |
Anzahl der Daten (N) = 50
Schritt 2: Bestimmung des ersten Quartils (Q1)
– \( \frac{N}{4} = \frac{50}{4} = 12.5 \)
Wir suchen die Klasse, in der die kumulative Häufigkeit erstmals 12.5 überschreitet, nämlich die Klasse 20 – 29.
– L (untere Grenze der Klasse Q1) = 20
– F (kumulierte Häufigkeit vor dem ersten Quartal) = 5
– f (Häufigkeit der Klasse Q1) = 8
– c (Klassenlänge) = 10
Anwendung der Formel Q1:
\[
Q1 = 20 + \left( \frac{12.5 – 5}{8} \right) \times 10 = 20 + \left( \frac{7.5}{8} \right) \times 10 = 20 + 9.375 = 29.375
\]
Schritt 3: Bestimmung des zweiten Quartils (Q2)
– \( \frac{N}{2} = \frac{50}{2} = 25 \)
Wir suchen die Klasse, in der die kumulative Häufigkeit erstmals 25 überschreitet, nämlich die Klasse 30 – 39.
– L = 30
– F = 13
– f = 12
– c = 10
Anwendung der Formel Q2:
\[
Q2 = 30 + \left( \frac{25 – 13}{12} \right) \times 10 = 30 + \left( \frac{12}{12} \right) \times 10 = 30 + 10 = 40
\]
Schritt 4: Ermitteln Sie das dritte Quartil (Q3)
– \( \frac{3N}{4} = \frac{3 \times 50}{4} = 37.5 \)
Wir suchen die Klasse, in der die kumulative Häufigkeit erstmals 37.5 überschreitet, nämlich die Klasse 40 – 49.
– L = 40
– F = 25
– f = 15
– c = 10
Anwendung der Formel Q3:
\[
Q3 = 40 + \left( \frac{37.5 – 25}{15} \right) \times 10 = 40 + \left( \frac{12.5}{15} \right) \times 10 = 40 + 8.333 \approx 48.333
\]
Abschluss
Aus den obigen Berechnungen ergeben sich die folgenden Quartilwerte für die Gruppendaten:
– Erstes Quartil (Q1) = 29.375
– Zweites Quartil (Q2) = 40
– Drittes Quartil (Q3) = 48.333
Anhand dieser Werte lässt sich erkennen, wie die Daten innerhalb der Gruppe verteilt sind. Beispielsweise liegen 25 % der Daten unter 29.375 (Q1), 50 % der Daten unter 40 (Median oder Q2) und 75 % der Daten unter 48.333 (Q3).
Quartilsberechnungen sind in verschiedenen Situationen hilfreich, um ein tieferes Verständnis der Datenverteilung zu gewinnen. Das Verständnis dieser Methode ermöglicht es uns, gruppierte Daten genauer und effektiver zu analysieren.
