Näidisküsimused ja jaotusmõõtmete arutelu
Dispersioonimõõdud on statistilised mõisted, mida kasutatakse andmekogumis olevate andmete hajutatuse või varieeruvuse kirjeldamiseks. Dispersiooni skaala annab põhjalikuma ülevaate andmete jaotusest, paljastades teavet, mida ei saa näha ainult mediaanist ja keskmisest. See artikkel käsitleb mitmeid dispersioonimõõduga seotud näidisprobleeme ja nende arutelu selle kontseptsiooni selgitamiseks. Dispersioonimõõdikuid on mitmesuguseid, sealhulgas vahemik, standardhälve, dispersioon ja kvartiilidevaheline vahemik (IQR).
1. Vahemik
Definitsioon
Vahemik on andmekogumi kõrgeima ja madalaima väärtuse vahe.
Probleemide näide
Jalgpallimeeskond registreerib oma viimase 10 mängu jooksul löödud väravate arvu järgmiselt:
3, 5, 2, 8, 7, 2, 6, 9, 4 ja 1.
Arutelu
Vahemiku arvutamiseks peame leidma andmete maksimaalsed ja minimaalsed väärtused.
– Maksimaalne punktisumma: 9
– Minimaalne väärtus: 1
Vahemik = Maksimaalne väärtus – Minimaalne väärtus = 9 – 1 = 8
Seega on viimase 10 mängu väravate vahemik 8 väravat.
2. Standardhälve
Definitsioon
Standardhälve on mõõt, mis näitab, kui kaugel iga andmestiku väärtus oma keskmisest on. Standardhälve on dispersiooni ruutjuur.
Probleemide näide
Siin on ühe klassi matemaatikatesti tulemused: 65, 70, 75, 80 ja 85.
Arutelu
Esimene samm on keskmise skoori arvutamine.
\[
\text{Keskmine} = \frac{65 + 70 + 75 + 80 + 85}{5} = 75
\]
Teine samm on arvutada iga väärtuse ja keskmise vahe ning seejärel tulemus ruudustada:
– (65 – 75)² = 100
– (70 – 75)² = 25
– (75 – 75)² = 0
– (80 – 75)² = 25
– (85 – 75)² = 100
Kolmas samm on dispersiooni leidmine, arvutades erinevuste ruutude keskmise:
\[
\text{Dispersioon} = \frac{100 + 25 + 0 + 25 + 100}{5} = 50
\]
Standardhälve on dispersiooni ruutjuur:
\[
\text{Standardhälve} = \sqrt{50} \um 7.07
\]
Seega on testi tulemuste standardhälve umbes 7.07.
3. Variatsioon
Definitsioon
Dispersioon on iga väärtuse ja selle keskmise ruutude erinevuste keskmine; see kirjeldab, kui hajutatud andmed keskmise ümber on. Dispersioon on standardhälbe ruut.
Probleemide näide
Oletame, et meil on järgmine andmestik: 10, 20, 30, 40 ja 50.
Arutelu
Esimene samm on andmete keskmise arvutamine.
\[
\text{Keskmine} = \frac{10 + 20 + 30 + 40 + 50}{5} = 30
\]
Teine samm on arvutada iga väärtuse ja keskmise vahe ning seejärel tulemus ruudustada:
– (10 – 30)² = 400
– (20 – 30)² = 100
– (30 – 30)² = 0
– (40 – 30)² = 100
– (50 – 30)² = 400
Kolmas samm on dispersiooni leidmine, arvutades erinevuste ruutude keskmise:
\[
\text{Dispersioon} = \frac{400 + 100 + 0 + 100 + 400}{5} = 200
\]
Seega on andmestiku dispersioon 200.
4. Kvartiilidevaheline vahemik (IQR)
Definitsioon
Kvartiilidevaheline vahemik (IQR) on kolmanda kvartiili (Q3) ja esimese kvartiili (Q1) vahe. IQR annab mõõdiku andmestiku keskmise 50% andmete hajuvusest, mis võib olla informatiivsem kui vahemik.
Probleemide näide
Järgmisel andmestikul on väärtused: 1, 3, 4, 5, 6, 7, 8, 11, 13 ja 14.
Arutelu
Esiteks peame andmed sorteerima:
1, 3, 4, 5, 6, 7, 8, 11, 13, 14
Q1 ja Q3 arvutamiseks peame andmed jagama kvartiilideks.
– Mediaan (Q2) jääb 6 ja 7 vahele: \((6+7)/2 = 6.5\)
Q1 jaoks võtame alumiste väärtuste mediaani:
– 1, 3, 4, 5, 6
– Selle alamhulga mediaan on 4
Q3 jaoks võtame ülemiste väärtuste mediaani:
– 7, 8, 11, 13, 14
– Selle alamhulga mediaan on 11
Kvartiilidevaheline vahemik (IQR) = Q3 – Q1 = 11 – 4 = 7
Seega on andmestiku IQR 7.
Järeldus
Dispersioonimõõdud on statistika olulised aspektid, mis aitavad meil mõista andmete varieeruvuse astet. Selles artiklis oleme käsitlenud ja esitanud näiteid ning arutelusid mitmete levinud dispersioonimõõtude kohta: vahemik, standardhälve, dispersioon ja kvartiilidevaheline vahemik. Nende mõistete ja arvutamise mõistmise abil saame paremini aru analüüsitavate andmete omadustest, mis omakorda aitab meil nende andmete põhjal teha teadlikumaid otsuseid.
