Ekzemplaj Demandoj Diskutante Kvartilojn de Grupigitaj Datumoj
Pendahuluan
Kvartiloj en statistiko estas mezuro de centra tendenco kiu dividas datumojn en kvar egalajn partojn. Kvartiloj konsistas el la unua kvartilo (Q1), la dua kvartilo (Q2), kaj la tria kvartilo (Q3). En multaj kazoj, la analizitaj datumoj povas esti grupigitaj. Ĉi tiu artikolo diskutos ekzemplojn kaj diskuton pri kvartiloj por grupigitaj datumoj.
Kompreni Kvartilojn en Grupaj Datumoj
Kvartiloj estas valoroj kiuj dividas organizitajn datumojn en kvar egalajn partojn. La unua kvartilo (Q1) estas konata kiel la 25-a percentilo, la dua kvartilo (Q2) estas ankaŭ konata kiel la mediano aŭ 50-a percentilo, kaj la tria kvartilo (Q3) estas konata kiel la 75-a percentilo.
Por grupigitaj datumoj, kalkuli kvartilojn estas iom pli komplika ol por unuopaj datumoj. Grupigitaj datumoj kutime estas prezentitaj en tabelo de frekvencdistribuo, do ni devas uzi specifan formulon por trovi la kvartilojn.
Kvartila Formulo por Grupigitaj Datumoj
Por trovi la kvartilojn en grupigitaj datumoj, ni uzas la jenan formulon:
– Unua kvartilo (Q1):
\[
Q1 = L_{Q1} + (\frac{\frac{N}{4} – F_{Q1}}{f_{Q1}}) × c
\]
– Dua kvartilo (Q2):
\[
Q2 = L_{Q2} + (\frac{\frac{N}{2} – F_{Q2}}{f_{Q2}}) × c
\]
– Tria kvartilo (Q3):
\[
Q3 = L_{Q3} + (\frac{\frac{3N}{4} – F_{Q3}}{f_{Q3}}) × c
\]
Kie:
– \(L_{Q1}, L_{Q2}, L_{Q3} \) = malsupra limo de klaso Q1, Q2, Q3
– \(N \) = nombro de datumoj
– \(F_{Q1}, F_{Q2}, F_{Q3} \) = akumula frekvenco antaŭ klaso Q1, Q2, Q3
– \( f_{Q1}, f_{Q2}, f_{Q3} \) = klasaj frekvencoj Q1, Q2, Q3
– \(c \) = klaslongo
Ekzemplo de problemoj
Jen ekzemplo de grupa datuma problemo, kiu estos uzata por kalkuli kvartilojn:
| Valoro | Ofteco |
|————|———–|
| 10 – 19 | 5 |
| 20 – 29 | 8 |
| 30 – 39 | 12 |
| 40 – 49 | 15 |
| 50 – 59 | 6 |
| 60 – 69 | 4 |
Paŝo 1: Determinu la Akumulan Frekvencon
Unue, ni bezonas determini la akumulan frekvencon por ĉiu klaso:
| Valoro | Ofteco | Akumula Ofteco |
|————|—————–|—————————|
| 10 – 19 | 5 | 5 |
| 20 – 29 | 8 | 13 |
| 30 – 39 | 12 | 25 |
| 40 – 49 | 15 | 40 |
| 50 – 59 | 6 | 46 |
| 60 – 69 | 4 | 50 |
Nombro de datumoj (N) = 50
Paŝo 2: Determini la Unuan Kvartilon (Q1)
– \( \frac{N}{4} = \frac{50}{4} = 12.5 \)
Ni serĉas la klason, kie la akumula frekvenco unue superas 12.5, nome klason 20-29.
– L (malsupra limo de klaso Q1) = 20
– F (akumula frekvenco antaŭ klaso Q1) = 5
– f (frekvenco de klaso Q1) = 8
– c (klaslongo) = 10
Uzante formulon Q1:
\[
Q1 = 20 + (\frac{12.5 – 5}{8} \right) \times 10 = 20 + (\frac{7.5}{8} \right) \times 10 = 20 + 9.375 = 29.375
\]
Paŝo 3: Determini la Duan Kvartilon (Q2)
– \( \frac{N}{2} = \frac{50}{2} = 25 \)
Ni serĉas la klason, kie la akumula frekvenco unue superas 25, nome klason 30-39.
– L = 30
– F = 13
– f = 12
– c = 10
Uzante formulon Q2:
\[
Q2 = 30 + (\frac{25 – 13}{12} \right) \times 10 = 30 + (\frac{12}{12} \right) \times 10 = 30 + 10 = 40
\]
Paŝo 4: Determinu la Trian Kvartilon (Q3)
– ( \frac{3N}{4} = \frac{3 × 50}{4} = 37.5)
Ni serĉas la klason, kie la akumula frekvenco unue superas 37.5, nome klason 40-49.
– L = 40
– F = 25
– f = 15
– c = 10
Uzante formulon Q3:
\[
Q3 = 40 + (\frac{37.5 – 25}{15} \right) \times 10 = 40 + (\frac{12.5}{15} \right) \times 10 = 40 + 8.333 \approx 48.333
\]
Konkludo
El la supraj kalkuloj, ni ricevas la kvartilajn valorojn por la grupaj datumoj jene:
– Unua kvartilo (Q1) = 29.375
– Dua kvartilo (Q2) = 40
– Tria kvartilo (Q3) = 48.333
Ĉi tiuj valoroj permesas al ni kompreni kiel la datumoj estas distribuitaj ene de la grupo. Ekzemple, 25% de la datumoj falas sub 29 375 (Q1), 50% de la datumoj falas sub 40 (la mediano aŭ Q2), kaj 75% de la datumoj falas sub 48 333 (Q3).
Kvartilaj kalkuloj estas utilaj en diversaj situacioj por akiri pli profundan komprenon pri datumdistribuo. Kompreni ĉi tiun metodon permesas al ni analizi grupigitajn datumojn pli precize kaj efike.
