Datatilan määrittäminen
Perustilastoissa moodi on yksi keskeisen trendin mittari keskiarvon ja mediaanin ohella. Moodin avulla mitataan usein keskeistä trendiä, koska se on helppo ymmärtää ja nopea laskea, varsinkin kun halutaan löytää useimmin esiintyvä arvo joukosta dataa. Arkielämässä moodin käsitettä voidaan soveltaa useimmin ostetun vaatekoon, useimmin käytetyn ajoneuvotyypin, korkeimman testipistemäärän ja jopa suosituimman tuotteen määrittämiseen. Tässä artikkelissa käsitellään yksityiskohtaisesti, miten moodi määritetään erityyppisille data-alueille: yksittäisille data-alueille, ryhmitellyille data-alueille ja erityisolosuhteille, kuten bimodaalisille ja multimodaalisille data-alueille.
Ymmärrystila
Moodi on data-arvo, jolla on korkein esiintymistiheys, eli se esiintyy useammin kuin muut arvot. Moodi sopii sekä kvantitatiiviselle (numeeriselle) että kvalitatiiviselle (kategoriselle) datalle, kuten suosikkiväreille tai useimmin valituille ruokatyypeille.
Yksinkertainen esimerkki:
Tiedot: 2, 3, 3, 4, 5
Useimmin esiintyvä arvo on 3 (esiintyy kahdesti), joten tila = 3.
Kaikella datalla ei kuitenkaan ole moodia. Joissakin datassa kaikki arvot esiintyvät yhtä usein, joten moodia ei ole. Lisäksi joillakin datalla on useampi kuin yksi moodi.
Tilatyypit
Ennen laskentavaiheisiin siirtymistä on tärkeää ymmärtää moodien muunnelmat:
1. Unimodaalinen: vain yksi arvo esiintyy useimmin (yksimuotoinen).
2. Bimodaalinen: on kaksi arvoa, jotka molemmat esiintyvät useimmin.
3. Multimodaalinen: useimmin esiintyviä arvoja on enemmän kuin kaksi.
4. Ei ole tilaa: kaikki arvot näkyvät samalla taajuudella.
Näiden tyyppisten moodien ymmärtäminen auttaa meitä tulkitsemaan tietoja tarkemmin.
Yksittäisen datan tilan määrittäminen
Yksittäinen data on sellaisenaan kirjoitettua dataa, jota ei ole ryhmitelty väleihin. Yksittäisen datan tilan löytämisen vaiheet ovat hyvin yksinkertaiset:
Vaiheet:
1. Järjestä tiedot (valinnainen) pienimmästä suurimpaan, jotta niitä on helpompi tarkastella.
2. Laske kunkin arvon esiintymistiheys.
3. Määritä moodiksi se arvo, jolla on suurin taajuus.
Contoh:
Testitulosten tiedot: 70, 80, 75, 80, 90, 80, 85, 75
Taajuus:
– 70: 1 kertaa
– 75: 2 kertaa
– 80: 3 kertaa
– 85: 1 kertaa
– 90: 1 kertaa
Koska 80 esiintyy useimmin (3 kertaa), moodi = 80.
Bimodaalinen esimerkki:
Tiedot: 1, 2, 2, 3, 3, 4
Taajuudet 2 ja 3 ovat molemmat korkeimmat (2 kertaa), joten moodi = 2 ja 3 (bimodaalinen).
Esimerkki ilman tilaa:
Tiedot: 5, 6, 7, 8
Kaikki arvot esiintyvät kerran. Siksi datalla ei ole moodia.
Ryhmiteltyjen tietojen tilan määrittäminen
Käytännössä suuret tietomäärät yleensä tiivistetään ryhmitellyksi dataksi frekvenssijakaumataulukon muodossa, eli data on ryhmitelty luokkaväleihin (esim. 60–69, 70–79 ja niin edelleen). Ryhmitellyssä datassa moodia ei voida suoraan määrittää tietystä luvusta, vaan se määritetään moodiluokan kautta ja voidaan arvioida kaavan avulla.
1. Määritä moodiluokka
Moodiluokka on luokkaväli, jolla on suurin taajuus.
Esimerkkitaulukko:
| Arvoväli | Tiheys |
|—|—:|
| 40–49 | 3 |
| 50–59 | 6 |
| 60–69 | 10 |
| 70–79 | 8 |
| 80–89 | 5 |
Korkein taajuus on 10 välillä 60–69, joten moodiluokka = 60–69.
2. Moodin laskeminen ryhmitellyn datan kaavalla
Usein käytetty kaava ryhmiteltyjen tietojen tilalle:
\[
Mo = L + ∫(d_1}{d_1 + d_2) kertaa p
\]
Tiedot:
– Mo = tila (arvioitu tilan arvo)
– L = moodiluokan alareuna
– p = luokan pituus (välin leveys)
– d₁ = moodiluokan taajuus − edellisen luokan taajuus
– d₂ = moodiluokan taajuus − seuraavan luokan taajuus
Laskelmaesimerkki:
Edellisestä taulukosta:
– Moodiluokka: 60–69, taajuus = 10
– Edellinen luokka: 50–59, esiintymistiheys = 6
– Seuraava luokka: 70–79, frekvenssi = 8
Määrittele komponentit:
– L = moodiluokan alaraja = 59,5 (koska alaraja on 60, alaraja = 59,5)
– p = 10
– d₁ = 10 − 6 = 4
– d₂ = 10 − 8 = 2
Syötä kaavaan:
\[
Mo = 59,5 + ∫(∫(4+2)) kertaa 10
\]
\[
Mo = 59,5 + ∫(4}) × 10
\]
\[
Mo = 59,5 + 6,67 = 66,17
\]
Ryhmitellyn datan moodi on siis ≈ 66,17. Tämä on arvio moodiarvosta välillä 60–69.
Yleisiä virheitä tilan löytämisessä
Vaikka tila näyttää yksinkertaiselta, siihen liittyy useita yleisiä virheitä:
1. Oletetaan, että moodi on aina olemassa
Datassa ei kuitenkaan välttämättä ole useimmin esiintyviä arvoja.
2. Taajuuden laskeminen väärin
Yksittäisissä tiedoissa taajuuden virheellinen laskeminen luo väärän moodin.
3. Moodiluokan virheellinen määrittäminen
Ryhmitellyissä tiedoissa moodiluokan on oltava se, jolla on suurin frekvenssi.
4. Luokan alareuna ja pituus on määritetty väärin
Ryhmitellyn datatilan kaavassa alaraja (L) ei ole tavanomainen alaraja, vaan pikemminkin luokan alaraja (esim. 59,5 luokille 60–69).
Milloin tila on sopivampi käyttää?
Tila on erittäin hyödyllinen, kun:
– Tiedot luokkien muodossa (esim. merkki, väri, tuotteen tyyppi).
– Haluamme tietää suosituimmat vaihtoehdot.
– Datassa on ääriarvoja, jotka voivat vääristää keskiarvoa.
– Datajakauma on epäsymmetrinen ja mediaani/keskiarvo on vähemmän edustava.
Esimerkiksi jos kymmenellä ihmisellä on erittäin korkeat tulot, keskiarvo saattaa "työntyä" ylöspäin. Tällaisissa tapauksissa malli voi antaa yleisimmän kuvan tuloista.
Sulkeminen
Datan moodin määrittäminen on tilastollinen perustaito, josta on hyötyä sekä yksinkertaisessa analyysissä että päätöksenteossa. Yksittäisten datajoukkojen tapauksessa moodi löydetään katsomalla useimmin esiintyvää arvoa. Ryhmiteltyjen datajoukkojen tapauksessa moodi määritetään frekvenssin mukaan, ja se voidaan laskea kaavalla tarkemman arvion saamiseksi. Ymmärtämällä vaiheet voit käsitellä dataa nopeammin ja päätellä tärkeitä tietoja datajoukosta.
Halutessasi voin myös tehdä esimerkkiharjoituskysymyksiä keskusteluineen (yksittäiset ja ryhmitellyt tiedot), jotta ymmärrät paremmin, miten moodi määritetään.
