Esimerkki kysymyksistä, joissa keskustellaan ryhmätietojen prosenttipisteistä
Persentiilit ovat tilastotieteessä sijainnin mitta, jota käytetään ymmärtämään datan jakautumista. Tässä artikkelissa käsittelemme yksityiskohtaisesti, miten ryhmitellyn datan persentiilit määritetään. Selvennämme tätä käsitettä useita esimerkkiongelmia ja niiden selityksiä. Aloitetaan persentiilien perusymmärryksestä ja siirrytään sitten esimerkkeihin ja niiden selityksiin.
Persentiilien ymmärtäminen
Persentiili on arvo, joka jakaa datan 100 yhtä suureen osaan. Toisin sanoen n:s persentiili on arvo, jonka alapuolelle n % jakauman datasta jää. Esimerkiksi jos datalla on 25. persentiili (P25), se tarkoittaa, että 25 % datasta jää kyseisen arvon alapuolelle.
Ryhmitellyissä tiedoissa käytämme usein frekvenssijakaumataulukoita tiedon järjestämiseen ja asiaankuuluvien persentiilien määrittämiseen. Nämä taulukot esittävät tiedot tietyissä luokkaväleissä, mikä auttaa meitä ymmärtämään tiedon jakaumaa kattavammin.
Ryhmätietojen prosenttipistekaava
Yleinen kaava n:nnen persentiilin (Pn) määrittämiseksi ryhmätiedoissa on seuraava:
\[
P_n = L + ∫(\frac{nN – ∫f_{\text{ennen}}}{f_{k}}) × c
\]
Di mana:
– \(P_n\) on n:s persentiili.
– \(L\) on persentiililuokkavälin alareuna.
– \(n\) on haluttu persentiili (esim. P25:lle n = 25).
– \(N\) on kumulatiivisten frekvenssien kokonaismäärä.
– \(\sum f_{\text{ennen}}\) on kumulatiivinen frekvenssi ennen persentiililuokkaväliä.
– \(f_{k}\) on persentiililuokkavälin frekvenssi.
– \(c\) on luokkavälin pituus.
Ongelmaesimerkki
Ymmärtääksemme paremmin, tarkastellaan seuraavaa esimerkkikysymystä ja keskustellaan siitä yksityiskohtaisesti.
Esimerkkikysymys 1
Kyselyssä saatiin tietoja 100:n lukiolaisen pituudesta (cm) seuraavasti:
| Luokka Väli | Tiheys |
|——————-|———–|
| 150–154 | 5 |
| 155–159 | 8 |
| 160–164 | 12 |
| 165–169 | 20 |
| 170–174 | 30 |
| 175–179 | 15 |
| 180–184 | 10 |
Laske datan 40. persentiili (P40).
Ratkaisun vaiheet
1. Määritä kunkin luokan kumulatiivinen taajuus:
| Luokkaväli | Tiheys | Kumulatiivinen tiheys |
|——————-|—————–|—————————|
| 150–154 | 5 | 5 |
| 155–159 | 8 | 13 |
| 160–164 | 12 | 25 |
| 165–169 | 20 | 45 |
| 170–174 | 30 | 75 |
| 175–179 | 15 | 90 |
| 180–184 | 10 | 100 |
2. Määritä persentiililuokkaväli (P40):
Koska etsimme P40:tä, tarvitsemme 40 % 100 oppilaasta eli 40 oppilasta. Tarkasteltaessa kumulatiivista frekvenssitaulukkoa huomaamme, että 40 oppilasta sijaitsee luokka-alueella 165–169 cm, koska 45 on ensimmäinen kumulatiivinen frekvenssi, joka ylittää arvon 40.
3. Etsi tarvittavat arvot kaavasta:
– \(P = 164.5\)
– \(nN = 40\)
– \(\sum f_{\text{ennen}} = 25\)
– \(f_k = 20\)
– \(c = 5\)
4. Syötä arvot kaavaan:
\[
P_{40} = 164.5 + ∫(∫40 – 25}{20}) × 5
\]
\[
P_{40} = 164.5 + ∫(15}{20}) × 5
\]
\[
P_{40} = 164.5 + 0.75 kertaa 5
\]
\[
P_{40} = 164.5 + 3.75
\]
\[
P_{40} = 168.25
\]
Joten datan 40. persentiili (P40) on 168.25 cm.
Esimerkkikysymys 2
Oletetaan, että 200 opiskelijan ryhmältä on saatavilla matematiikan testitulostiedot:
| Luokka Väli | Tiheys |
|——————-|———–|
| 40–44 | 10 |
| 45–49 | 18 |
| 50–54 | 32 |
| 55–59 | 45 |
| 60–64 | 50 |
| 65–69 | 25 |
| 70–74 | 12 |
| 75–79 | 8 |
Laske datan 75. persentiili (P75).
Ratkaisun vaiheet
1. Määritä kunkin luokan kumulatiivinen taajuus:
| Luokkaväli | Tiheys | Kumulatiivinen tiheys |
|——————-|—————–|—————————|
| 40–44 | 10 | 10 |
| 45–49 | 18 | 28 |
| 50–54 | 32 | 60 |
| 55–59 | 45 | 105 |
| 60–64 | 50 | 155 |
| 65–69 | 25 | 180 |
| 70–74 | 12 | 192 |
| 75–79 | 8 | 200 |
2. Määritä persentiililuokkaväli (P75):
Koska etsimme P75:tä, tarvitsemme 75 % 200 oppilaasta eli 150 oppilasta. Tarkasteltaessa kumulatiivista frekvenssiä havaitsemme, että 150 oppilasta sijoittuu luokka-alueelle 60–64.
3. Etsi tarvittavat arvot:
– \(P = 59.5\)
– \(nN = 150\)
– \(\sum f_{\text{ennen}} = 105\)
– \(f_k = 50\)
– \(c = 5\)
4. Syötä arvot kaavaan:
\[
P_{75} = 59.5 + ∫(∫150 – 105}{50}) × 5
\]
\[
P_{75} = 59.5 + ∫(45}{50}) × 5
\]
\[
P_{75} = 59.5 + 0.9 kertaa 5
\]
\[
P_{75} = 59.5 + 4.5
\]
\[
P_{75} = 64
\]
Joten datan 75. persentiili (P75) on 64.
Johtopäätös
Tässä artikkelissa olemme käsitelleet ryhmiteltyjen tietojen persentiilien määrittämistä kaavojen ja useiden esimerkkiongelmien avulla. Persentiilit ovat hyödyllinen työkalu tilastotieteessä tietojen jakauman ymmärtämiseksi ja data-arvojen suhteellisen sijainnin määrittämiseksi. Ymmärtämällä, miten ryhmiteltyjen tietojen persentiilit lasketaan, voimme analysoida tietoja kattavammin. Toivomme, että nämä esimerkkiongelmat ja keskustelu ovat auttaneet sinua ymmärtämään paremmin ryhmiteltyjen tietojen persentiilien käsitteen.
