چارک داده واحد

چارک‌های داده‌های تکی: درک عمیقی از تقسیم داده‌ها در آمار

یکی از مفاهیم اساسی در آمار، تقسیم داده‌ها به چارک‌ها است. چارک‌ها برای درک دقیق‌تر توزیع داده‌ها نسبت به صرفاً نگاه کردن به میانه یا میانگین استفاده می‌شوند. در این مقاله، چارک‌های یک مجموعه داده واحد، نحوه محاسبه آنها و کاربردهای آنها در زمینه‌های مختلف تحلیل داده‌ها را مورد بحث قرار خواهیم داد.

کوارتیل چیست؟

چارک‌ها مقادیر مشخصی هستند که داده‌های مرتب‌شده را به چهار قسمت مساوی تقسیم می‌کنند. به عبارت ساده، چارک‌ها گروه‌بندی‌هایی از داده‌های مرتب‌شده هستند که هر چارک تقریباً 25٪ از داده‌ها را پوشش می‌دهد.

چارک‌ها از سه نشانگر اصلی تشکیل شده‌اند:
۱. چارک اول (Q1): ۲۵٪ کمترین داده‌ها را از بقیه تقسیم می‌کند.
۲. چارک دوم (Q2) یا میانه: داده‌ها را به دو قسمت مساوی تقسیم می‌کند که ۵۰٪ داده‌ها زیر این مقدار و ۵۰٪ بالای این مقدار قرار دارند.
۳. چارک سوم (Q3): ۲۵٪ از داده‌ها را که بالاترین مقدار را دارند از بقیه تقسیم می‌کند.

هر چارک به عنوان نماینده‌ای از بخش خاصی از مجموعه داده‌ها عمل می‌کند و کاربردهای متنوعی دارد، از توصیف داده‌ها گرفته تا تحلیل داده‌های پرت.

نحوه محاسبه چارک‌ها

برای محاسبه چارک‌ها، اولین قدم مرتب‌سازی داده‌ها به ترتیب صعودی است. بیایید مراحل دقیق محاسبه چارک‌ها را در یک مجموعه داده واحد بررسی کنیم:

مرتب‌سازی داده‌ها

فرض کنید مجموعه داده زیر را داریم:
۷، ۱۵، ۳۶، ۳۹، ۴۰، ۴۱، ۴۲، ۴۳، ۴۷، ۴۹

اولین قدم این است که مطمئن شوید داده‌ها مرتب شده‌اند:
۷، ۱۵، ۳۶، ۳۹، ۴۰، ۴۱، ۴۲، ۴۳، ۴۷، ۴۹

تعیین موقعیت چارک

در مرحله بعد، موقعیت‌های چارک را تعیین می‌کنیم. برای مجموعه داده‌ای با اندازه \(N \):

– موقعیت Q1 = \( \frac{(N+1)}{4} \)
– موقعیت Q2 = \( \frac{(N+1)}{2} \)
– موقعیت Q3 = \( \frac{3(N+1)}{4} \)

برای مجموعه داده ما (N=10):
– موقعیت Q1 = \( \frac{(10+1)}{4} = 2.75 \)
– موقعیت Q2 = \( \frac{(10+1)}{2} = 5.5 \)
– موقعیت Q3 = \( \frac{3(10+1)}{4} = 8.25 \)

درونیابی چارک‌ها

اگر موقعیت چارک یک عدد اعشاری باشد، بین دو مقدار داده مجاور درونیابی انجام می‌دهیم.

– Q1 (موقعیت ۲.۷۵):
مقادیر داده را در موقعیت دوم `۱۵` و موقعیت سوم `۳۶` ترکیب کنید.
Q1 = 15 + 0.75 (36 – 15) = 15 + 0.75 21 = 15 + 15.75 = 30.75

– Q2 (میانگین در موقعیت ۵.۵):
مقادیر داده را در موقعیت دوم `۱۵` و موقعیت سوم `۳۶` ترکیب کنید.
Q2 = 40 + 0.5 (41 - 40) = 40 + 0.5 1 = 40.5

– Q3 (موقعیت ۲.۷۵):
مقادیر داده را در موقعیت دوم `۱۵` و موقعیت سوم `۳۶` ترکیب کنید.
Q3 = 43 + 0.25 (47 – 43) = 43 + 0.25 4 = 43 + 1 = 44

بنابراین، چارک‌های مجموعه داده‌های ما عبارتند از:
– Q1 = 30.75
– Q2 = 40.5
– Q3 = 44

کاربرد چارک

شرح آماری

چارک‌ها به عنوان بخشی از توصیفات آماری برای ارائه یک نمای کلی از توزیع داده‌ها استفاده می‌شوند. دانستن چارک‌ها به ما این امکان را می‌دهد که سازگاری، تقارن و پراکندگی داده‌ها را بهتر درک کنیم.

تحلیل داده‌های پرت

چارک‌ها همچنین در شناسایی داده‌های پرت بسیار مفید هستند. داده‌های پرت، مقادیری از داده‌ها هستند که از اکثریت مجموعه داده‌ها فاصله زیادی دارند. برای تشخیص داده‌های پرت، معمولاً از روش «دامنه بین چارکی (IQR)» استفاده می‌شود.

IQR به عنوان تفاوت بین Q3 و Q1 محاسبه می‌شود:
\[ \text{IQR} = Q3 – Q1 \]

مقادیر داده‌ها در صورتی پرت در نظر گرفته می‌شوند که کمتر از (Q1-1.5 ضربدر IQR) یا بالاتر از (Q3+1.5 ضربدر IQR) باشند.

در مجموعه داده بالا:
– ضریب هوشی = ۴۴ – ۳۰.۷۵ = ۱۳.۲۵
– حد پایین برای داده‌های پرت = Q1 – 1.5 IQR = 30.75 – 1.5 13.25 = 30.75 – 19.875 = 10.875
– حد بالا برای داده‌های پرت = Q3 + 1.5 IQR = 44 + 1.5 13.25 = 44 + 19.875 = 63.875

بنابراین، مقادیر داده‌های کمتر از ۱۰۸۷۵ یا بیشتر از ۶۳۸۷۵، داده‌های پرت در نظر گرفته می‌شوند. از آنجایی که مجموعه داده‌های ما در این محدوده قرار می‌گیرد، هیچ داده پرتی وجود ندارد.

مدیریت داده‌های پیچیده

چارک‌ها علاوه بر اینکه در داده‌های ساده استفاده می‌شوند، می‌توانند در مجموعه داده‌های پیچیده‌تر نیز به کار روند. به عنوان مثال، در تحلیل مالی، چارک‌ها می‌توانند به شناسایی عملکرد یک سهام خاص در بازار کمک کنند. در آموزش، چارک‌ها می‌توانند برای شناسایی عملکرد تحصیلی دانش‌آموزان در یک آزمون خاص استفاده شوند.

طرح جعبه

یکی از ابزارهای مصورسازی که از چارک‌ها استفاده می‌کند، نمودار جعبه‌ای یا نمودار جعبه‌ای توکی است. نمودار جعبه‌ای، نمایش گرافیکی از پنج خلاصه مهم در داده‌ها را ارائه می‌دهد: حداقل مقدار، چارک اول (Q1)، میانه (Q2)، چارک سوم (Q3) و حداکثر مقدار. یک راه آسان برای تشخیص داده‌های پرت، استفاده از نمودار جعبه‌ای است که در آن داده‌های پرت معمولاً به صورت نقاطی خارج از «خطوط سایه‌دار» (خطوط سایه‌دار بین حداقل، Q1، Q3 و حداکثر) نشان داده می‌شوند.

نتیجه گیری

محاسبه و درک چارک‌ها در یک مجموعه داده واحد، بینش عمیق‌تری در مورد ساختار داده‌ها، توزیع آن و وجود یا عدم وجود داده‌های پرت ارائه می‌دهد. در طیف گسترده‌ای از کاربردها، از توصیفات آماری ساده گرفته تا تحلیل‌های پیچیده‌تر مانند تشخیص داده‌های پرت و استفاده از نمودارهای جعبه‌ای، چارک‌ها نقش مهمی در تجزیه و تحلیل و تفسیر داده‌ها ایفا می‌کنند. با استفاده از این ابزار، تجزیه و تحلیل داده‌ها سیستماتیک‌تر و آموزنده‌تر می‌شود و راه را برای بینش‌های عمیق‌تر و اکتشافات معنادارتر در زمینه‌های مختلف مطالعاتی هموار می‌کند. چارک‌ها نه تنها توصیفات آماری را تسهیل می‌کنند، بلکه بینش‌های مهمی را که برای تصمیم‌گیری مبتنی بر داده ضروری است، ارائه می‌دهند.

درک قوی از چارک‌ها و نحوه‌ی کاربرد آنها در تحلیل داده‌ها، مهارت ارزشمندی است که می‌تواند در زمینه‌های عملی متنوعی، از تحقیق گرفته تا کسب‌وکار، به کار گرفته شود و ما را در تحلیل و تفسیر داده‌ها باهوش‌تر کند.