نحوه گروه بندی داده ها در فواصل کلاس
گروه‌بندی داده‌ها در فواصل کلاسی، گامی حیاتی در آمار توصیفی است. هدف، ساده‌سازی حجم زیادی از داده‌های خام است تا خواندن، تجزیه و تحلیل و ارائه آنها در جداول توزیع فراوانی یا هیستوگرام‌ها آسان‌تر شود. وقتی داده‌ها بسیار متنوع و پراکنده هستند، اغلب تشخیص الگوها دشوار است. فواصل کلاسی، داده‌ها را در گروه‌های ارزشی خاص سازماندهی می‌کنند و به ما این امکان را می‌دهند که توزیع داده‌ها، مقادیری که بیشترین تکرار را دارند و حتی گرایش مرکزی را به وضوح بیشتری درک کنیم.
این مقاله به بررسی مفهوم فواصل کلاسی، زمان مورد نیاز برای آنها، و همچنین مراحل عملی برای گروه‌بندی داده‌ها در فواصل کلاسی به همراه مثال‌های کاربردی می‌پردازد.
۱. درک فواصل کلاسی
فاصله کلاسی، طیفی از مقادیر است که برای گروه‌بندی داده‌ها در یک توزیع فراوانی استفاده می‌شود . هر فاصله معمولاً دارای یک حد پایین و یک حد بالا است. برای مثال، فاصله ۱۰ تا ۱۹ نشان می‌دهد که تمام داده‌هایی که مقادیر ۱۰ تا ۱۹ دارند، در آن کلاس قرار می‌گیرند.
در یک جدول توزیع فراوانی ، فواصل کلاسی به عنوان "ظروف" برای مقادیر مشابه عمل می‌کنند. این امر باعث می‌شود داده‌ها مختصرتر از فهرست کردن تمام مقادیر به صورت جداگانه باشند. فواصل کلاسی همچنین اساس ایجاد نمودارهایی مانند هیستوگرام و چندضلعی‌های فراوانی را تشکیل می‌دهند.
۲. چه زمانی داده‌ها نیاز به گروه‌بندی دارند؟
لازم نیست همه داده‌ها به فواصل کلاس تقسیم شوند. گروه‌بندی معمولاً زمانی ضروری است که:
۱. حجم زیاد داده‌ها، برای مثال بیش از ۳۰ یا ۵۰ مشاهده.
۲. محدوده داده‌ها وسیع است، بنابراین مقادیر پخش شده و خواندن آنها دشوار است.
۳. ما می‌خواهیم الگوی توزیع را ببینیم، مثلاً برای اینکه بفهمیم آیا داده‌ها به سمت نرمال بودن، چولگی یا داشتن پیک‌های دوگانه گرایش دارند.
۴. داده‌ها در یک هیستوگرام ارائه خواهند شد، زیرا هیستوگرام به کلاس‌های بازه نیاز دارد.
اگر داده‌ها کوچک باشند (مثلاً 10 مقدار)، اغلب یک جدول فراوانی بدون فواصل کافی است.
۳. مراحل گروه‌بندی داده‌ها در فواصل کلاس
در ادامه، رایج‌ترین مراحل برای تشکیل فواصل کلاسی آمده است.
مرحله ۱: تعیین حداقل و حداکثر داده‌ها
ابتدا کوچکترین (حداقل) و بزرگترین (حداکثر) مقادیر داده‌ها را مشخص کنید.
– حداقل مقدار = \( x_{\min} \)
– حداکثر مقدار = \( x_{\max} \)
این مقدار برای محاسبه دامنه داده‌ها استفاده خواهد شد.
مرحله ۲: محاسبه محدوده
دامنه تغییرات، تفاوت بین حداکثر و حداقل مقادیر است:
\[
R = x_{\max} – x_{\min}
\]
محدوده، ایده‌ای از پهنای توزیع داده‌ها ارائه می‌دهد.
مرحله ۳: تعداد کلاس‌ها (k) را تعیین کنید
تعداد کلاس‌ها را می‌توان به روش‌های مختلفی تعیین کرد. رایج‌ترین روش استفاده از قانون استورگز است:
\[
k = 1 + 3{,}3 \log_{10}(n)
\]
که در آن \(n \) مقدار داده‌ها است.
نتایج محاسبه معمولاً به نزدیکترین عدد صحیح (یا بالاتر) گرد می‌شوند تا تعداد طبقات خیلی کم نباشد.
علاوه بر Sturges، یک روش رایج وجود دارد: بسته به نیازهای نمایش و حجم نمونه، اندازه کلاس را بین ۵ تا ۱۲ انتخاب کنید. با این حال، Sturges برای مجموعه داده‌های کوچکتر کاملاً مناسب است.
مرحله ۴: محاسبه عرض طبقه (i)
عرض کلاس، طول هر بازه کلاس است. فرمول آن به صورت زیر است:
\[
i = \frac{R}{k}
\]
از آنجا که عرض کلاس‌ها باید به راحتی قابل استفاده باشند، معمولاً به یک عدد «دقیق» گرد می‌شوند (مثلاً ۵، ۱۰، ۲ یا ۰.۵، بسته به زمینه داده‌ها). این گرد کردن برای اطمینان از خوانایی آسان فواصل و جلوگیری از سردرگمی مهم است.
اگر نتایج گرد کردن مانع از گنجاندن همه داده‌ها شود، می‌توان عرض کلاس را کمی افزایش داد.
مرحله ۵: تعیین محدودیت‌های کلاس
با حداقل مقدار به عنوان حد پایین اولین کلاس شروع کنید. سپس فواصل متوالی ایجاد کنید تا زمانی که حداکثر مقدار را در بر بگیرند.
برای مثال، اگر حداقل مقدار ۳۲ و عرض کلاس ۵ باشد، می‌توان کلاس را به صورت زیر ایجاد کرد:
– 32–36
– 37–41
– 42–46
- و غیره
مهم: مطمئن شوید که هیچ شکاف یا همپوشانی بین کلاس‌ها وجود ندارد. همه مقادیر داده باید دقیقاً در یک کلاس قرار بگیرند.
مرحله ۶: (اختیاری) ایجاد مرزهای کلاس
اگر داده‌ها اعداد صحیح باشند (مثلاً نمرات آزمون)، اغلب مرزهای کلاس ایجاد می‌شوند تا کلاس پیوسته شود. این کار با اضافه کردن 0,5 به مرز بالایی و کم کردن 0,5 از مرز پایینی انجام می‌شود.
برای مثال، در کلاس ۳۲ تا ۳۶، لبه کلاس به صورت زیر می‌شود:
– 31,5–36,5
این برای هیستوگرام‌ها مفید است به طوری که میله‌ها بدون فاصله به هم متصل می‌شوند.
مرحله ۷: فراوانی هر دسته را محاسبه کنید
پس از تعیین فواصل دسته‌ها، تعداد نقاط داده‌ای که در هر فاصله قرار می‌گیرند را بشمارید. نتایج در ستون فراوانی (f) نوشته می‌شوند.
برای داده‌های بزرگ، از روش شمارش برای سریع‌تر بودن و کاهش خطاها استفاده کنید.
مرحله ۸: ساخت جدول توزیع فراوانی
جدول توزیع فراوانی حداقل شامل موارد زیر است:
– فاصله کلاسی
– فرکانس (f)
شما می‌توانید ستون‌های دیگری مانند موارد زیر اضافه کنید:
– نقطه میانی کلاس (xi)
– فراوانی تجمعی
– فراوانی نسبی (درصد)
۴. مثالی از گروه‌بندی داده‌ها
برای مثال، داده‌های نمره آزمون ۴۰ دانش‌آموز با حداقل نمره ۴۲ و حداکثر ۹۴ وجود دارد.
1. حداقل = 42، حداکثر = 94
2. محدوده:
\[
R = ۹۴ – ۴۲ = ۵۲
\]
۳. تعداد طبقات (استرج):
\[
k = 1 + 3{,}3 \log(40)
تقریباً 1 + 3{,}3(1{,}602)
تقریباً ۶{,}۲۹
\]
به ۶ یا ۷ کلاس گرد شده است. ما برای جزئیات بیشتر ۷ کلاس را انتخاب کردیم.
۴. عرض کلاس:
\[
i = \frac{52}{7} \approx 7{,}43
\]
به عدد ۸ گرد شده است.
۵. فواصل را از ۴۲ با عرض ۸ شروع کنید:
– 42–49
– 50–57
– 58–65
– 66–73
– 74–81
– 82–89
– 90–97
آخرین بازه به ۹۷ رسید، بنابراین حداکثر مقدار ۹۴ همچنان قابل قبول بود.
۶. سپس، فراوانی هر بازه را بر اساس داده‌ها محاسبه کنید (برای مثال، با استفاده از یک خط). جدول نهایی نشان می‌دهد که چه تعداد از دانش‌آموزان در یک محدوده‌ی مشخص از نمرات قرار می‌گیرند و به ما امکان می‌دهد عملکرد را به سرعت ارزیابی کنیم.
۵. نکاتی برای مؤثرتر کردن فواصل کلاسی
۱. از عرض کلاس‌های ثابت استفاده کنید تا مقایسه جداول آسان شود.
۲. تعداد طبقات زیاد نباشد، چون جدول طولانی و خواندن آن دشوار می‌شود.
۳. تعداد کلاس‌ها را خیلی کم نکنید، زیرا اطلاعات مهم ممکن است «گم» شوند و توزیع داده‌ها ممکن است خیلی تقریبی به نظر برسد.
۴. گرد کردن عرض کلاس را متناسب با زمینه داده‌ها تنظیم کنید. برای دماها، ۱ یا ۰.۵ ممکن است مناسب باشد؛ برای نمرات آزمون، معمولاً ۵ یا ۱۰ مناسب است.
۵. مرزهای کلاس را دوباره بررسی کنید تا مطمئن شوید که تمام داده‌ها بدون هیچ مقدار از دست رفته‌ای وارد شده‌اند.
نتیجه گیری
گروه‌بندی داده‌ها در فواصل دسته‌ای، تکنیکی مهم برای ساده‌سازی داده‌ها و نمایش واضح توزیع آنهاست. مراحل این کار شامل تعیین حداقل و حداکثر مقادیر، محاسبه‌ی دامنه، تعیین تعداد دسته‌ها (اغلب با استفاده از قانون استورگز)، محاسبه‌ی عرض دسته‌ها، ساخت فواصل و سپس محاسبه‌ی فراوانی هر دسته است. با فواصل دسته‌ای مناسب، داده‌های خام پیچیده را می‌توان به اطلاعات قابل فهم، چه در جداول و چه در نمودارها، تبدیل کرد.
اگر بخواهید، می‌توانم یک مثال کامل با داده‌های خام (لیست مقادیر) ایجاد کنم و سپس یک جدول توزیع فراوانی به همراه هیستوگرام تهیه کنم.
