Rühmaandmete kvartiilid
Pendahuluan
Statistika, teadusharu, mis tegeleb andmete kogumise, analüüsi, tõlgendamise, esitamise ja korraldamisega, sisaldab palju olulisi kontseptsioone, mis aitavad andmepõhisel otsuste langetamisel. Üks oluline statistiline mõiste andmeanalüüsis on kvartiilid. Kvartiilid aitavad mõista andmete jaotust ja seda, kuidas andmeid rühmitatakse. Selles artiklis käsitleme kvartiile üksikasjalikult rühmitatud andmete kontekstis, kuidas neid arvutada ja kuidas tulemuste tõlgendamine annab sügavama ülevaate andmete jaotusest.
Kvartiilide mõistmine
Lihtsamalt öeldes on kvartiilid väärtused, mis jagavad andmed neljaks võrdseks osaks. Andmete jaotuse kontekstis jagavad kvartiilid andmed kolmeks punktiks, moodustades neli intervalli. Need kolm punkti: esimene kvartiil (Q1), teine kvartiil (Q2) ja kolmas kvartiil (Q3) on statistilise analüüsi jaoks olulised. Igal kvartiilil on andmete mõistmisel erinev tähendus ja funktsioon.
– Esimene kvartiil (Q1): see on andmete alumise poole keskmine väärtus, tuntud ka kui 25. protsentiil.
– Teine kvartiil (Q2): see on kõigi andmete keskmine väärtus, tuntud ka kui mediaan või 50. protsentiil.
– Kolmas kvartiil (Q3): see on andmete ülemise poole keskmine väärtus, tuntud ka kui 75. protsentiil.
Kvartiile kasutatakse jaotuse erinevate aspektide kirjeldamiseks ja andmete ulatuse ja järjepidevuse kohta üksikasjalikuma teabe saamiseks.
Kvartiilid rühmitatud andmetes
Tegelikkuses ei ole kogutud andmed tavaliselt rühmitatud (toorandmed), vaid pigem rühmitatud vastavalt nende esinemissagedusele (rühmitatud andmed). Rühmitatud andmete analüüsimise eesmärk on anda teavet selle kohta, kuidas andmed on jaotunud erinevate kategooriate või klasside vahel. Rühmitatud andmete kvartiilide arvutamine hõlmab mitut erinevat sammu võrreldes rühmitamata andmetega.
Rühmitatud andmete kvartiilide arvutamise sammud
Grupeeritud andmete kvartiilide arvutamiseks vajame sagedusjaotuse kohta põhiteavet, näiteks klassi ülemist ja alumist piiri, iga klassi sagedust ja kumulatiivset sagedust. Grupeeritud andmete kvartiilide arvutamise sammud on järgmised:
1. Määrake kvartiilklass:
– Esimene kvartiil (Q1): Esineb klassides, kus kumulatiivne sagedus läheneb väärtusele \( \frac{N}{4} \)
– Teine kvartiil (Q2) ehk mediaan: esineb klassides, kus kumulatiivne sagedus läheneb \( \frac{N}{2} \)
– Kolmas kvartiil (Q3): Esineb klassides, kus kumulatiivne sagedus läheneb suurusele \( \frac{3N}{4} \)
2. Kasutage rühmitatud andmete jaoks kvartiilvalemit:
– Esimese kvartiili (Q1) valem:
\[
Q1 = L + ∫(∫(N4 – Fkf) × c)
\]
– Teise kvartiili (Q2) valem:
\[
Q2 = L + ∫(∫(N2 – Fkf) × c)
\]
– Kolmanda kvartiili (Q3) valem:
\[
Q3 = L + ∫(∫(3N4 – Fkf) × c)
\]
Kus:
– \(L \) on kvartiilklassi alumine piir
– \(N \) on kogusagedus
– \(Fk \) on kumulatiivne sagedus kuni kvartiilklassini
– \(f \) on kvartiilklassi sagedus
– \(c \) on klassi laius
Näide kvartiilarvutusest rühmitatud andmete jaoks
Lihtsamaks mõistmiseks vaatame järgmist näidet:
Andmete sagedusjaotus on järgmine:
| Klasside intervall | Sagedus (f) |
|——————-|——————|
| 10–20 | 5 |
| 20–30 | 8 |
| 30–40 | 12 |
| 40–50 | 7 |
| 50–60 | 3 |
Sammud:
1. Määrake N : kogusagedus \(N = 5 + 8 + 12 + 7 + 3 = 35 \)
2. Kumulatiivne sagedus (Fk):
| Intervalli klass | Sagedus (f) | Kumulatiivne sagedus (Fk) |
|——————-|——————|—————————–|
| 10–20 | 5 | 5 |
| 20–30 | 8 | 13 |
| 30–40 | 12 | 25 |
| 40–50 | 7 | 32 |
| 50–60 | 3 | 35 |
3. Kvartiilklasside leidmine:
– Q1: \( \frac{N}{4} = 8.75 \) kuulub klassi 20–30
– Q2: \( \frac{N}{2} = 17.5 \) kuulub klassi 30–40
– Q3: \( \frac{3N}{4} = 26.25 \) kuulub klassi 40–50
4. Kvartiilide arvutamine:
– 1. kvartali kohta:
– \(L = 20 \)
– \(Fk = 5 \)
– (f = 8)
– \(c = 10 \)
\[
Q1 = 20 + ∫(∫(8.75 – 5}{8) × 10 = 20 + (0.46875) × 10 = 24.6875
\]
– 2. kvartali kohta:
– \(L = 30 \)
– \(Fk = 13 \)
– (f = 12)
– \(c = 10 \)
\[
Q2 = 30 + ∫(∫(17.5 – 13}{12) × 10 = 30 + (0.375) × 10 = 33.75
\]
– 3. kvartali kohta:
– \(L = 40 \)
– \(Fk = 25 \)
– (f = 7)
– \(c = 10 \)
\[
Q3 = 40 + ∫(∫(26.25 – 25}{7) × 10 = 40 + (0.17857) × 10 = 41.7857
\]
Tulemuste tõlgendamine
Kasutades ülaltoodud arvutusi, saame järgmise tulemuse:
– Q1 = 24.6875
– Q2 = 33.75
– Q3 = 41.7857
Need kvartiilid annavad meile lisateavet andmete jaotuse kohta:
– Q1=24.6875: 25% andmetest on alla 24.6875
– Q2=33.75: 50% andmetest on alla 33.75
– Q3=41.7857: 75% andmetest on alla 41.7857
Kvartiilne informatsioon võimaldab meil mõista andmete kontsentratsiooni ja selle varieeruvuse ulatust. See teave võib olla väga kasulik otsuste tegemisel ja edasisel andmeanalüüsil, näiteks kõrvalekallete tuvastamisel või süsteemi jõudluse hindamisel.
Järeldus
Rühmitatud andmete kvartiilidel on statistilises analüüsis oluline roll. Õigete meetodite abil saame andmete jaotusest detailsemalt ja täpsemalt aru. See teave mitte ainult ei aita andmeid tõlgendada, vaid hõlbustab ka empiirilistel tõenditel põhinevat teadlikumat otsuste langetamist. Kokkuvõtteks võib öelda, et rühmitatud andmete kvartiilide arvutamise ja tõlgendamise mõistmine on iga andmeanalüütiku põhioskus.
