Kiel Grupigi Datumojn en Klasajn Intervalojn
Grupigi datumojn en klasintervalojn estas decida paŝo en priskriba statistiko. La celo estas simpligi grandajn kvantojn da krudaj datumoj por faciligi ilian legadon, analizon kaj prezentadon en tabeloj de frekvencdistribuo aŭ histogramoj. Kiam datumoj estas tro diversaj kaj disaj, ofte malfacilas distingi ŝablonojn. Klasintervaloj organizas datumojn en specifajn valorgrupojn, permesante al ni pli klare kompreni la datendistribuon, la plej ofte okazantajn valorojn, kaj eĉ la centran tendencon.
Ĉi tiu artikolo diskutas la signifon de klasintervaloj, kiam ili estas bezonataj, kaj ankaŭ praktikajn paŝojn por grupigi datumojn en klasintervalojn kompletajn kun aplikaj ekzemploj.
1. Kompreni Klasajn Intervalojn
Klasintervalo estas intervalo de valoroj uzata por grupigi datumojn en frekvenca distribuo. Ĉiu intervalo tipe havas malsupran kaj supran limojn. Ekzemple, la intervalo 10–19 indikas, ke ĉiuj datumoj kun valoroj inter 10 kaj 19 falas en tiun klason.
En tabelo de frekvencdistribuo, klasintervaloj servas kiel "ujoj" por similaj valoroj. Tio igas la datumojn pli koncizaj ol listigi ĉiujn valorojn individue. Klasintervaloj ankaŭ formas la bazon por krei grafeojn kiel histogramojn kaj frekvencplurlaterojn.
2. Kiam Datumoj Devas Esti Grupigitaj?
Ne ĉiuj datumoj bezonas esti dividitaj en klasajn intervalojn. Grupigo estas ĝenerale necesa kiam:
1. Granda kvanto da datumoj, ekzemple pli ol 30 aŭ 50 observoj.
2. La datumintervalo estas larĝa, do la valoroj estas disigitaj kaj malfacile legeblaj.
3. Ni volas vidi la distribuan ŝablonon, ekzemple por ekscii ĉu la datumoj emas esti normalaj, distorditaj, aŭ havas duoblajn pintojn.
4. La datumoj estos prezentitaj en histogramo, ĉar la histogramo postulas intervalklasojn.
Se la datumoj estas malgrandaj (ekz. 10 valoroj), ofte sufiĉas unu frekvenctabelo sen intervaloj.
3. Paŝoj por Grupigi Datumojn en Klasajn Intervalojn
Jen la plej ofte uzataj paŝoj por formi klasintervalojn.
Paŝo 1: Determinu Minimumajn kaj Maksimumajn Datumojn
Unue, identigu la plej malgrandajn (minimumajn) kaj plej grandajn (maksimumajn) valorojn de la datumoj.
– Minimuma valoro = \( x_{\min} \)
– Maksimuma valoro = \(x_{\max} \)
Ĉi tiu valoro estos uzata por kalkuli la amplekson de la datumoj.
Paŝo 2: Kalkulu la Intervalon
Intervalo estas la diferenco inter la maksimuma kaj minimuma valoroj:
\[
R = x_{\max} – x_{\min}
\]
Intervalo donas ideon pri la larĝo de la datendistribuo.
Paŝo 3: Determinu la nombron de klasoj (k)
La nombro de klasoj povas esti determinita laŭ pluraj manieroj. La plej populara maniero estas uzi la Regulon de Sturges:
\[
k = 1 + 3{,}3 \log_{10}(n)
\]
kie ∫(n) estas la kvanto de datumoj.
La kalkulrezultoj estas kutime rondigitaj al la plej proksima entjero (aŭ supren) por ke la nombro de klasoj ne estu tro malgranda.
Krom Sturges, ekzistas ofta praktiko: elekti klasgrandecon inter 5 kaj 12, depende de viaj bezonoj pri bildigo kaj specimena grandeco. Tamen, Sturges estas sufiĉe bona por pli malgrandaj datumaroj.
Paŝo 4: Kalkulu Klaslarĝon (i)
Klaslarĝo estas la longo de ĉiu klasintervalo. La formulo estas:
\[
mi = \frac{R}{k}
\]
Ĉar klaslarĝoj devas esti facile uzeblaj, ili estas tipe rondigitaj al "orda" nombro (ekz., 5, 10, 2, aŭ 0,5, depende de la kunteksto de la datumoj). Ĉi tiu rondigo estas grava por certigi, ke la intervaloj estas facile legeblaj kaj eviti konfuzon.
Se la rezultoj de rondigo malhelpas la enkalkulon de ĉiuj datumoj, la klaslarĝo povas esti iomete pligrandigita.
Paŝo 5: Difinu Klasajn Limojn
Komencu kun la minimuma valoro kiel la suba limo de la unua klaso. Poste kreu sinsekvajn intervalojn ĝis ili ampleksas la maksimuman valoron.
Ekzemple, se la minimuma valoro estas 32 kaj la klaslarĝo estas 5, tiam la klaso povas esti kreita:
– 32–36
– 37–41
– 42–46
- ktp.
Grave: Certigu, ke ne estas breĉoj aŭ interkovroj inter klasoj. Ĉiuj datenvaloroj devas aparteni al ekzakte unu klaso.
Paŝo 6: (Nedeviga) Krei Klaslimojn
Se la datumoj estas entjeroj (ekz., testrezultoj), klaslimoj ofte estas kreitaj por igi la klason kontinua. Tio estas farata per aldono de 0,5 al la supra limo kaj subtraho de 0,5 de la malsupra limo.
Ekzemple, klaso 32–36, la klasa rando fariĝas:
– 31,5–36,5
Ĉi tio utilas por histogramoj, por ke la stangoj konektiĝu sen breĉoj.
Paŝo 7: Kalkulu la Oftecon de Ĉiu Klaso
Post kiam la klasintervaloj estas determinitaj, kalkulu kiom da datenpunktoj falas en ĉiun intervalon. La rezultoj estas skribitaj en la frekvenckolumno (f).
Por grandaj datumoj, uzu la kalkulmetodon por esti pli rapida kaj redukti erarojn.
Paŝo 8: Konstruu Tablon de Frekvenca Distribuo
La tabelo de minimuma frekvencdistribuo enhavas:
– Klasintervalo
– Frekvenco (f)
Vi povas aldoni aliajn kolumnojn kiel ekzemple:
– Mezpunkto de klaso (xi)
– Akumula frekvenco
– Relativa frekvenco (procento)
4. Ekzemplo de Datumgrupigo
Ekzemple, ekzistas datumoj pri testrezultoj de 40 studentoj kun minimuma poentaro de 42 kaj maksimuma poentaro de 94.
1. Minimumo = 42 , Maksimumo = 94
2. Gamo:
\[
R = 94 – 42 = 52
\]
3. Nombro da klasoj (Sturges):
\[
k = 1 + 3{,}3 \log(40)
\proksimume 1 + 3{,}3(1{,}602)
\proksimume 6{,}29
\]
Rondigita ĝis 6 aŭ 7 klasoj. Ni elektis 7 klasojn por pliaj detaloj.
4. Klaslarĝo:
\[
mi = \frac{52}{7} \proksimume 7{,}43
\]
Rondigita al 8.
5. Formu intervalojn komencantajn de 42 kun larĝo de 8:
– 42–49
– 50–57
– 58–65
– 66–73
– 74–81
– 82–89
– 90–97
La lasta intervalo atingis 97, do la maksimuma valoro de 94 ankoraŭ estis akomodita.
6. Poste, kalkulu la oftecon de ĉiu intervalo surbaze de la datumoj (ekzemple, uzante linion). La fina tabelo montros kiom da studentoj falas ene de certa intervalo de poentaroj, permesante al ni rapide taksi la rendimenton.
5. Konsiloj por Pli Efikigi Klasajn Intervalojn
1. Uzu koherajn klaslarĝojn por faciligi la komparadon de tabeloj.
2. Ne havu tro multajn klasojn, ĉar la tabelo fariĝos longa kaj malfacile legebla.
3. Ne havu tro malmultajn klasojn, ĉar gravaj informoj povas esti "perditaj" kaj la distribuo povas aspekti tro malglata.
4. Adaptu la rondigon de la klaslarĝo por konveni al la kunteksto de la datumoj. Por temperaturoj, 1 aŭ 0,5 povus esti taŭgaj; por testrezultoj, 5 aŭ 10 estas tipe taŭgaj.
5. Duoble kontrolu la klaslimojn por certigi, ke ĉiuj datumoj estas enigitaj sen mankantaj valoroj.
Konkludo
Grupigi datumojn en klasintervalojn estas grava tekniko por simpligi datumojn kaj klare montri distribuon. La paŝoj inkluzivas determini la minimumajn kaj maksimumajn valorojn, kalkuli la intervalon, determini la nombron de klasoj (ofte uzante la Regulon de Sturges), kalkuli la klaslarĝojn, konstrui intervalojn, kaj poste kalkuli la oftecon de ĉiu klaso. Kun la ĝustaj klasintervaloj, kompleksaj krudaj datumoj povas esti transformitaj en facile kompreneblajn informojn, ĉu en tabeloj aŭ grafikaĵoj.
Se vi volas, mi ankaŭ povas krei kompletan ekzemplon kun krudaj datumoj (listo de valoroj) kaj poste kompili tabelon de frekvencdistribuo kun histogramo.
