اندازه‌گیری گرایش مرکزی
اندازه‌گیری گرایش مرکزی یکی از اساسی‌ترین و مهم‌ترین مفاهیم در آمار است. هدف آن ساده است: خلاصه کردن مجموعه‌ای از داده‌ها در یک مقدار واحد که «نمایانگر» مرکز داده‌ها باشد. به عبارت دیگر، گرایش مرکزی به ما کمک می‌کند تا به سؤالاتی مانند: «مقدار معمول چیست؟»، «این داده‌ها معمولاً حول چه عددی قرار می‌گیرند؟» یا «میانگین تقریبی چیست؟» پاسخ دهیم. این مفهوم به طور گسترده در تحقیقات، ارزیابی آموزشی، تحلیل کسب و کار، مراقبت‌های بهداشتی و حتی تصمیم‌گیری‌های روزمره مورد استفاده قرار می‌گیرد.
به طور کلی، سه معیار گرایش مرکزی که بیشتر مورد استفاده قرار می‌گیرند عبارتند از: میانگین (میانگین)، میانه (مقدار میانی) و مد (مقداری که بیشترین فراوانی را دارد). هر کدام روش محاسبه، مزایا و محدودیت‌های خاص خود را دارند. درک زمان استفاده از هر معیار به تحلیل شما کمک می‌کند تا دقیق‌تر و کمتر گمراه‌کننده باشد.
۱. میانگین (میانگین)
میانگین محبوب‌ترین معیار گرایش مرکزی است. این معیار با جمع کردن تمام مقادیر داده‌ها و سپس تقسیم آن بر تعداد نقاط داده به دست می‌آید. از نظر ریاضی، برای یک نقطه داده:
\[
\bar{x} = \frac{\sum x}{n}
\]
شرح:
– \(\bar{x}\) = میانگین
- \(\sum x\) = مجموع تمام مقادیر داده‌ها
– \(n\) = مقدار داده
مثال: فرض کنید نمرات امتحانی پنج دانشجو ۷۰، ۸۰، ۸۵، ۹۰، ۷۵ است. میانگین:
\[
\bar{x} = \frac{70+80+85+90+75}{5} = \frac{400}{5} = 80
\]
بنابراین، میانگین امتیاز ۸۰ است.
میانگین اضافی
۱. از تمام داده‌ها برای ارائه یک نمای کلی استفاده کنید.
۲. محاسبه و درک آسان.
۳. به طور گسترده در تجزیه و تحلیل پیشرفته مانند واریانس استفاده می‌شود، انحراف معیار، رگرسیون و غیره.
محدودیت‌های میانگین
میانگین به مقادیر شدید (داده‌های پرت) بسیار حساس است. برای مثال، اگر یک نقطه داده بسیار بزرگ یا بسیار کوچک باشد، میانگین می‌تواند به طور قابل توجهی از مقدار "معمول" تغییر کند. به عنوان مثال، داده‌های درآمد سه نفر را در نظر بگیرید: ۳ میلیون، ۳.۵ میلیون و ۵۰ میلیون. میانگین بالا است، حتی اگر اکثر افراد حدود ۳ تا ۳.۵ میلیون درآمد داشته باشند.
بنابراین، میانگین زمانی برای استفاده مناسب است که داده‌ها نسبتاً متقارن باشند و داده‌های پرت قوی نداشته باشند.
۲. میانه (مقدار متوسط)
میانه، مقدار وسطی است که پس از مرتب‌سازی داده‌ها از کوچک به بزرگ به دست می‌آید. اگر تعداد داده‌ها فرد باشد، میانه مقدار وسطی است. اگر تعداد داده‌ها زوج باشد، میانه میانگین دو مقدار وسطی است.
مثال (فرد): داده‌ها: ۲، ۳، ۵، ۷، ۹. میانه = ۵.
مثال (زوج): داده‌ها: ۲، ۳، ۵، ۷. میانه = (۳ + ۵) / ۲ = ۴.
مزایای متوسط
۱. خیلی تحت تأثیر داده‌های پرت قرار نمی‌گیرد، بنابراین برای داده‌هایی که در انتها «چشمگیر» هستند، پایدارتر است.
۲. مناسب برای داده‌هایی با توزیع چولگی، برای مثال داده‌های درآمد، قیمت خانه یا مدت اقامت در بیمارستان.
محدودیت‌های میانه
میانه مستقیماً از تمام اطلاعات مربوط به مقادیر داده‌ها استفاده نمی‌کند. این معیار فقط به ترتیب و موقعیت داده‌ها متکی است، نه به بزرگی تفاوت بین داده‌ها. این امر باعث می‌شود که اگر لازم باشد تمام مقادیر را به طور کامل در نظر بگیریم، مثلاً برای ...، میانه اطلاعات کمتری ارائه دهد. محاسبات آماری ادامه‌ی قطعی.
۳. حالت (مقداری که بیشترین تکرار را دارد)
مُد (مد) مقداری است که بیشترین تکرار را در یک مجموعه داده دارد. این برای شناسایی «محبوب‌ترین» یا پرتکرارترین مقادیر بسیار مفید است.
مثال: داده‌ها: ۱، ۲، ۲، ۳، ۴. حالت = ۲.
در برخی موارد، یک داده می‌تواند دارای موارد زیر باشد:
– تک مدی (unimodal): فقط یک مقدار بیشتر ظاهر می‌شود.
– دو مد (bimodal): دو مقدار با بالاترین فرکانس یکسان وجود دارد.
– حالت‌های چندگانه (چندوجهی): بیش از دو مقداری که بیشترین تکرار را دارند.
– حالت بدون: اگر همه مقادیر با فرکانس یکسان ظاهر شوند.
مزایای حالت
۱. قابل استفاده در داده‌های دسته‌بندی‌شده (مثلاً رنگ مورد علاقه، نوع محصول پرفروش)، در حالی که میانگین و میانه همیشه برای یک دسته بندی مرتبط نیستند.
۲. پیدا کردنش آسان است، مخصوصاً در توزیع فراوانی.
۳. اطلاعات کاربردی در مورد «بیشترین انتخاب‌ها» یا «رایج‌ترین اتفاقات» ارائه دهید.
محدودیت‌های حالت
این حالت ممکن است منحصر به فرد نباشد یا حتی وجود نداشته باشد. علاوه بر این، توزیع کلی داده‌ها را در نظر نمی‌گیرد. دو مجموعه داده مختلف می‌توانند حالت یکسانی داشته باشند، اما ویژگی‌های توزیع آنها بسیار متفاوت باشد.
۴. گرایش به مرکز در داده‌های گروه‌بندی‌شده
در عمل، داده‌ها اغلب به شکل جدول توزیع فراوانی (داده‌های گروه‌بندی‌شده) ارائه می‌شوند. محاسبه‌ی گرایش مرکزی امکان‌پذیر است، اما به مراحل اضافی نیاز دارد.
میانگین داده‌های گروه‌بندی شده با ضرب نقطه میانی کلاس (مقدار میانه بازه) در فراوانی آن و سپس تقسیم آن بر کل فراوانی محاسبه می‌شود.
- میانه داده‌های گروه‌بندی شده نیاز به تعیین کلاس میانه دارد، یعنی کلاسی که شامل موقعیت میانی داده‌ها است.
– مد داده‌های گروه‌بندی‌شده بر اساس کلاسی با بیشترین فراوانی (کلاس مد) تعیین می‌شود، سپس می‌توان تخمین را با استفاده از فرمول مد گروه‌بندی‌شده محاسبه کرد.
رویکرد داده‌های گروه‌بندی‌شده زمانی مفید است که داده‌ها آنقدر بزرگ باشند که بتوان آنها را به فواصل ساده کرد.
۵. انتخاب معیار درست گرایش به مرکز
هیچ «بهترین» معیار گرایش مرکزی برای همه موقعیت‌ها وجود ندارد. انتخاب به هدف و ماهیت داده‌ها بستگی دارد.
۱. اگر داده‌ها عددی هستند و داده‌های پرت زیادی وجود ندارد و توزیع نسبتاً متقارن است، از میانگین استفاده کنید.
۲. اگر داده‌ها دارای داده‌های پرت قوی هستند یا توزیع آنها دارای چولگی است، مثلاً داده‌های ثروت، درآمد یا قیمت، از میانه استفاده کنید.
۳. اگر می‌خواهید مقداری را که بیشتر ظاهر می‌شود بدانید یا اینکه داده‌ها دسته‌بندی شده‌اند، از حالت (mode) استفاده کنید.
برای مثال، در گزارش «میانگین حقوق»، میانگین می‌تواند یک نمای کلی ارائه دهد، اما میانه اغلب بیشتر نمایانگر شرایط اکثریت کارگران در نظر گرفته می‌شود زیرا کمتر تحت تأثیر چند فرد با درآمد بسیار بالا قرار می‌گیرد.
6. کیسیمولان
شاخص‌های گرایش مرکزی ابزارهای مهمی برای خلاصه‌سازی و درک داده‌ها هستند. میانگین با استفاده از تمام مقادیر داده‌ها، میانگینی را ارائه می‌دهد، اما به داده‌های پرت حساس است. میانه یک مقدار میانی ارائه می‌دهد که در برابر مقادیر شدید مقاوم‌تر است و آن را برای داده‌های نامتقارن مناسب می‌کند. مد نشان‌دهنده بیشترین مقدار رخ داده است و به ویژه برای داده‌های دسته‌بندی شده یا برای شناسایی روندهای کلی مفید است.
در تحلیل آماری خوب ، این سه معیار اغلب با هم استفاده می‌شوند. با مقایسه میانگین، میانه و مد، می‌توانیم تصویر کامل‌تری از ویژگی‌های داده‌ها به دست آوریم - اینکه آیا متقارن هستند، آیا داده‌های پرت وجود دارند و کدام مقادیر بیشتر رخ می‌دهند. این درک در نهایت به ما کمک می‌کند تا تصمیمات آگاهانه‌تر و مبتنی بر داده بگیریم.
اگر بخواهید، می‌توانم نمونه سوالات کامل ( داده‌های تکی و گروهی )، تمرین‌ها و بحث‌های گام به گام را اضافه کنم تا مقاله کاربردی‌تر شود.
