نمونه سوالات مربوط به اندازه توزیع

نمونه سوالات و بحث در مورد معیارهای توزیع

معیارهای پراکندگی، مفاهیم آماری هستند که برای توصیف میزان پراکندگی یا تنوع داده‌ها در یک مجموعه داده استفاده می‌شوند. مقیاس پراکندگی، نگاه عمیق‌تری به توزیع داده‌ها ارائه می‌دهد و اطلاعاتی را آشکار می‌کند که نمی‌توان به سادگی از طریق میانه و میانگین به آنها دست یافت. این مقاله به بررسی چندین مثال از مسائل مربوط به معیارهای پراکندگی و بحث در مورد آنها برای روشن شدن این مفهوم خواهد پرداخت. معیارهای پراکندگی مختلفی از جمله دامنه، انحراف معیار، واریانس و دامنه بین چارکی (IQR) وجود دارد.

۱. محدوده

تعریف
دامنه تغییرات، تفاوت بین بالاترین و پایین‌ترین مقادیر در یک مجموعه داده است.

مثال مشکلات
یک تیم فوتبال تعداد گل‌های زده شده در 10 بازی آخر خود را به شرح زیر ثبت می‌کند:
۳، ۵، ۲، ۸، ۷، ۲، ۶، ۹، ۴ و ۱.

پمباهاسان
برای محاسبه‌ی دامنه، باید حداکثر و حداقل مقادیر داده‌ها را پیدا کنیم.

– حداکثر امتیاز: ۹
– حداقل مقدار: ۱

محدوده = حداکثر مقدار – حداقل مقدار = ۹ – ۱ = ۸

بنابراین، محدوده گل‌های زده شده در 10 مسابقه اخیر 8 گل است.

۲. انحراف معیار

تعریف
انحراف معیار معیاری است که نشان می‌دهد هر مقدار در یک مجموعه داده چقدر از میانگین خود فاصله دارد. انحراف معیار، جذر واریانس است.

مثال مشکلات
نمرات امتحان ریاضی یک کلاس به شرح زیر است: ۶۵، ۷۰، ۷۵، ۸۰ و ۸۵.

پمباهاسان
اولین قدم محاسبه میانگین نمرات است.

\[
\text{میانگین} = \frac{65 + 70 + 75 + 80 + 85}{5} = 75
\]

مرحله دوم محاسبه اختلاف بین هر مقدار و میانگین و سپس به توان دو رساندن نتیجه است:
– (65 – 75)² = 100
– (70 – 75)² = 25
– (75 – 75)² = 0
– (80 – 75)² = 25
– (85 – 75)² = 100

مرحله سوم، یافتن واریانس با محاسبه میانگین مربعات اختلاف‌ها است:
\[
\text{واریانس} = \frac{100 + 25 + 0 + 25 + 100}{5} = 50
\]

انحراف معیار، جذر واریانس است:
\[
\text{انحراف معیار} = \sqrt{50} \approx 7.07
\]

بنابراین انحراف معیار نمرات آزمون حدود ۷.۰۷ است.

۳. واریانس

تعریف
واریانس میانگین مربعات اختلاف بین هر مقدار و میانگین آن است؛ واریانس میزان پراکندگی داده‌ها در اطراف میانگین را توصیف می‌کند. واریانس، مربع انحراف معیار است.

مثال مشکلات
فرض کنید مجموعه داده‌های زیر را داریم: ۱۰، ۲۰، ۳۰، ۴۰ و ۵۰.

پمباهاسان
اولین قدم محاسبه میانگین داده‌ها است.
\[
\text{میانگین} = \frac{10 + 20 + 30 + 40 + 50}{5} = 30
\]

مرحله دوم محاسبه اختلاف بین هر مقدار و میانگین و سپس به توان دو رساندن نتیجه است:
– (10 – 30)² = 400
– (20 – 30)² = 100
– (30 – 30)² = 0
– (40 – 30)² = 100
– (50 – 30)² = 400

مرحله سوم، یافتن واریانس با محاسبه میانگین مربعات اختلاف‌ها است:
\[
\text{واریانس} = \frac{400 + 100 + 0 + 100 + 400}{5} = 200
\]

بنابراین، واریانس مجموعه داده‌ها ۲۰۰ است.

۴. دامنه بین چارکی (IQR)

تعریف
دامنه بین چارکی (IQR) تفاوت بین چارک سوم (Q3) و چارک اول (Q1) است. IQR معیاری از پراکندگی از ۵۰٪ میانی داده‌ها در یک مجموعه داده ارائه می‌دهد که می‌تواند اطلاعات بیشتری نسبت به دامنه ارائه دهد.

مثال مشکلات
مجموعه داده زیر دارای مقادیر ۱، ۳، ۴، ۵، ۶، ۷، ۸، ۱۱، ۱۳ و ۱۴ است.

پمباهاسان
ابتدا باید داده‌ها را مرتب کنیم:
1، 3، 4، 5، 6، 7، 8، 11، 13، 14

برای محاسبه Q1 و Q3، باید داده‌ها را به چارک‌ها تقسیم کنیم.

– میانه (Q2) بین ۶ و ۷ قرار دارد: \((6+7)/2 = 6.5\)

برای Q1، میانه مقادیر پایین‌تر را در نظر می‌گیریم:
– ۱۰۰، ۲۵، ۰، ۲۵، ۱۰۰
– میانه این زیرمجموعه ۴ است

برای Q3، میانه مقادیر بالایی را در نظر می‌گیریم:
– ۱۰۰، ۲۵، ۰، ۲۵، ۱۰۰
– میانه این زیرمجموعه ۴ است

دامنه بین چارکی (IQR) = Q3 – Q1 = 11 – 4 = 7

بنابراین، ضریب هوشی (IQR) برای مجموعه داده‌ها ۷ است.

نتیجه گیری

معیارهای پراکندگی جنبه‌های مهمی از آمار هستند که به ما در درک میزان تغییرات در داده‌ها کمک می‌کنند. در این مقاله، ما چندین معیار پراکندگی رایج را مورد بحث و بررسی قرار داده‌ایم و مثال‌ها و بحث‌هایی را برای آنها ارائه داده‌ایم: دامنه، انحراف معیار، واریانس و دامنه بین چارکی. با درک این مفاهیم و نحوه محاسبه آنها، درک بهتری از ویژگی‌های داده‌هایی که تجزیه و تحلیل می‌کنیم، به دست می‌آوریم که به نوبه خود می‌تواند به ما در تصمیم‌گیری‌های آگاهانه‌تر بر اساس آن داده‌ها کمک کند.