تکنیک‌های رسم هیستوگرام روی داده‌های گروه‌بندی‌شده
هیستوگرام ابزاری است که اغلب در آمار برای نمایش داده‌ها استفاده می‌شود، به ویژه هنگام برخورد با داده‌های گروه‌بندی شده. برخلاف نمودار میله‌ای معمولی که دسته‌های گسسته را نمایش می‌دهد، هیستوگرام توزیع فراوانی داده‌های عددی گروه‌بندی شده در فواصل کلاس را نشان می‌دهد. از طریق هیستوگرام، می‌توانیم الگوهای توزیع داده‌ها، روندها (مثلاً انحراف به راست یا چپ) و حتی تخمینی از شکل توزیع (عادی، مورب، دووجهی و غیره) را مشاهده کنیم. این مقاله تکنیک‌هایی را برای ایجاد سیستماتیک هیستوگرام‌ها برای داده‌های گروه‌بندی شده، از ساخت جدول توزیع فراوانی گرفته تا رسم یک هیستوگرام صحیح، مورد بحث قرار می‌دهد.
۱. درک داده‌های گروه‌بندی‌شده و هیستوگرام‌ها
داده‌های گروه‌بندی‌شده، داده‌های عددی هستند که در چندین بازه کلاسی خلاصه شده‌اند . برای مثال، نمرات آزمون دانش‌آموزان دیگر به صورت جداگانه نمایش داده نمی‌شوند، بلکه در محدوده‌های ۴۰-۴۹، ۵۰-۵۹، ۶۰-۶۹ و غیره گروه‌بندی می‌شوند. هر بازه دارای یک فراوانی است که تعداد نقاط داده در آن بازه است.
هیستوگرام نموداری است که از میله‌های نزدیک به هم و بدون فاصله (یا فاصله‌های بسیار کوچک) تشکیل شده است، زیرا نشان‌دهنده‌ی طیف پیوسته‌ای از مقادیر است. عرض میله نشان‌دهنده‌ی طول بازه کلاس است، در حالی که ارتفاع میله نشان‌دهنده‌ی فراوانی یا چگالی فراوانی است (بسته به اینکه عرض کلاس‌ها یکسان یا متفاوت باشد).
۲. تهیه جدول توزیع فراوانی
اولین قدم در ایجاد یک هیستوگرام، ساخت جدول توزیع فراوانی است. این فرآیند معمولاً شامل موارد زیر است:
1. تعیین ارزش حداقل و حداکثر داده‌ها
۲. محدوده = حداکثر − حداقل را محاسبه کنید.
۳. تعداد کلاس‌ها (k) را تعیین کنید.
۴. طول دسته (p) = برد / k را تعیین کنید (در صورت نیاز گرد می‌شود).
۵. فواصل کلاسی را مرتب کنید و فراوانی را در هر فاصله محاسبه کنید.
چندین دستورالعمل برای تعیین تعداد طبقات وجود دارد. یکی از محبوب‌ترین آنها فرمول استورگز است:
k = 1 + 3,3 log10(n)
که در آن n تعداد نقاط داده است. نتیجه k به نزدیکترین عدد صحیح گرد می‌شود.
مثال ساده: اگر n = 40 باشد، آنگاه k ≈ 1 + 3,3 log10(40) ≈ 1 + 3,3(1,602) ≈ 6,29 بنابراین 6 یا 7 کلاس می‌توانند انتخاب شوند.
۳. تعیین مرزهای طبقاتی و لبه‌های طبقاتی
یک اشتباه رایج هنگام ایجاد هیستوگرام‌ها، اشتباه گرفتن مرزهای کلاس با لبه‌های کلاس است.
– محدوده‌های کلاس اعدادی هستند که در فواصل نوشته می‌شوند، مثلاً ۵۰ تا ۵۹.
مرزهای طبقاتی، مرزهای پیوسته‌ای هستند که طبقات را از هم جدا می‌کنند، به طوری که هیچ «شکاف»ی بین طبقات وجود نداشته باشد.
اگر داده‌ها عدد صحیح باشند، معمولاً لبه کلاس با جمع و تفریق 0,5 تعیین می‌شود.
مثال:
– بازه ۶۰ تا ۶۹ دارای لبه‌های کلاس ۵۹.۵ تا ۶۹.۵ است.
– بازه ۶۰ تا ۶۹ دارای لبه‌های کلاس ۵۹.۵ تا ۶۹.۵ است.
بنابراین، لبه‌های کلاس در ۵۹.۵ به هم می‌رسند، به طوری که هیستوگرام یکپارچه و واقعاً پیوسته به نظر می‌رسد.
با این حال، اگر داده‌ها یک اندازه‌گیری پیوسته باشند (برای مثال، قد بر حسب سانتی‌متر و می‌تواند اعشاری باشد)، تعیین مرزهای کلاس به دقت اندازه‌گیری بستگی دارد. اصل این است که مرزهای کلاسی ایجاد شوند که همپوشانی نداشته باشند و هیچ شکافی باقی نگذارند.
۴. مقیاس را روی محورهای X و Y تعیین کنید
هیستوگرام دو محور اصلی دارد:
محور X (افقی): فواصل کلاس‌ها را نمایش می‌دهد (معمولاً از لبه‌های کلاس برای اطمینان از پیوستگی استفاده می‌کند).
– محور Y (عمودی): فرکانس را نمایش می‌دهد.
اگر همه فواصل کلاس‌ها عرض یکسانی داشته باشند، ارتفاع میله به سادگی با استفاده از فرکانس اندازه‌گیری می‌شود. با این حال، اگر عرض فواصل کلاس‌ها متفاوت باشد، ارتفاع میله باید با استفاده از چگالی فرکانس اندازه‌گیری شود:
چگالی فرکانس = فرکانس / عرض کلاس
استفاده از چگالی مهم است به طوری که مساحت میله متناسب با فراوانی واقعی باشد. در غیر این صورت، کلاس‌های پهن‌تر صرفاً به دلیل عرضشان، «بزرگتر» به نظر می‌رسند، نه به دلیل حجم بیشتر داده‌ها.
۵. رسم نمودار میله‌ای
پس از تعیین مقیاس و فواصل، مرحله بعدی رسم نمودار میله‌ای است.
روش صحیح رسم هیستوگرام:
۱. لبه‌های طبقات را به ترتیب روی محور X علامت‌گذاری کنید.
۲. در هر بازه، یک میله مستطیلی رسم کنید که عرض آن با آن بازه مطابقت داشته باشد.
۳. ارتفاع میله با فرکانس (یا چگالی فرکانس اگر عرض طبقات یکسان نباشد) مطابقت دارد.
۴. مطمئن شوید که ساقه‌ها نزدیک به هم (بدون فاصله) هستند.
۵. برای هیستوگرام یک عنوان تعیین کنید، محورهای X و Y را نامگذاری کنید و در صورت لزوم واحدها را نیز مشخص کنید.
برای مثال، اگر فواصل کلاس‌ها ۴۰-۴۹، ۵۰-۵۹، ۶۰-۶۹ باشد و فراوانی‌های مربوط به آنها ۵، ۱۲، ۱۸ باشد، آنگاه میله کلاس ۶۰-۶۹ بالاتر از سایر کلاس‌ها خواهد بود زیرا فراوانی آن بیشترین است.
۶. خواندن و تفسیر هیستوگرام‌ها
هیستوگرام فقط یک تصویر نیست، بلکه یک ابزار تحلیلی است. از روی یک هیستوگرام می‌توانیم موارد زیر را ببینیم:
– کلاس حالت: کلاسی با بالاترین میله (بالاترین فرکانس).
– شکل توزیع: متقارن، دارای انحراف به راست (انحراف مثبت)، دارای انحراف به چپ (انحراف منفی)، یا دارای دو قله (دوقله‌ای).
- توزیع داده‌ها: اینکه آیا داده‌ها در یک بازه زمانی خاص متمرکز هستند یا به طور گسترده توزیع شده‌اند.
– نشانه‌ی پرت: اگر دسته‌ای در انتها وجود داشته باشد که فراوانی کمی داشته باشد و از گروه اصلی جدا شده باشد.
یک تفسیر خوب معمولاً با یک نتیجه‌گیری مختصر همراه است. برای مثال: «بیشتر داده‌ها در محدوده ۶۰ تا ۷۹ قرار می‌گیرند که نشان می‌دهد نمرات شرکت‌کنندگان معمولاً در رده متوسط قرار دارد.»
۴. اشتباهات رایج
در اینجا چند اشتباه وجود دارد که باید از آنها اجتناب کنید:
۱. بین میله‌ها فاصله بگذارید تا شبیه نمودار میله‌ای شود.
۲. استفاده از مرزهای کلاس، نه لبه‌های کلاس، بنابراین شکاف‌هایی در محدوده داده‌ها وجود دارد.
۳. تنظیم نکردن ارتفاع میله وقتی عرض کلاس متفاوت است، به طوری که مقایسه فرکانسی دچار سوگیری می‌شود.
۴. مقیاس‌های محورها ناهماهنگ هستند یا روی محور فرکانس از صفر شروع نمی‌شوند (می‌توانند از نظر بصری گمراه‌کننده باشند).
۵. فواصل کلاسی متوالی یا همپوشانی ندارند، برای مثال ۵۰-۶۰ و ۶۰-۷۰ بدون توضیح لبه‌های کلاس.
۸. نکات کاربردی برای افزایش اطلاعات مفید از هیستوگرام‌ها
برای اینکه هیستوگرام راحت‌تر قابل فهم باشد:
– از تعداد معقولی کلاس استفاده کنید (معمولاً ۵ تا ۱۲ کلاس، بسته به حجم داده‌ها).
– از فواصل خیلی باریک (کلاس‌های خیلی زیاد) خودداری کنید زیرا هیستوگرام «نویزدار» می‌شود.
– از فواصل خیلی وسیع (تعداد طبقات خیلی کم) اجتناب کنید زیرا ممکن است الگوی توزیع از بین برود.
– منابع داده‌ها، حجم نمونه (n) و سایر اطلاعات را در صورت لزوم در گزارش ذکر کنید.
اگر از نرم‌افزارهایی مانند اکسل، گوگل شیت یا برنامه‌های آماری استفاده می‌کنید، همیشه مفهوم لبه کلاس و عرض کلاس را درک کنید تا نتایج هیستوگرام اشتباه نباشند.
بستن
تکنیک ایجاد هیستوگرام برای داده‌های گروه‌بندی‌شده اساساً نیازمند دقت در ساخت فواصل کلاس، تعیین مرزهای کلاس و تعیین ارتفاع مناسب میله است. اگر فواصل کلاس یکنواخت باشند، به سادگی از فراوانی به عنوان ارتفاع میله استفاده کنید. اگر فواصل یکنواخت نباشند، از چگالی فراوانی برای حفظ تجسم منصفانه و دقیق استفاده کنید. با یک هیستوگرام به درستی ساخته‌شده، می‌توانیم به سرعت یک نمای کلی از الگوی توزیع داده‌ها به دست آوریم و تفسیرهای دقیق‌تری در تجزیه و تحلیل آماری انجام دهیم.
اگر بخواهید، می‌توانم داده‌های نمونه را اضافه کنم و مراحل محاسبه را تا پایان هیستوگرام (به صورت دستی یا با اکسل/شیت) تکمیل کنم.
