Primjeri pitanja o analizi podataka i raspravi o prilikama
Analiza podataka i vjerojatnost dva su područja koja se često susreću u raznim disciplinama, posebno statistici, matematici, ekonomiji i istraživanju tržišta. U ovom ćemo članku istražiti nekoliko primjera problema i rasprava vezanih uz analizu podataka i vjerojatnost kako bismo produbili naše razumijevanje ovih temeljnih koncepata.
1. Analiza podataka: Uvod i primjeri pitanja
Analiza podataka je proces pregledavanja, odabira, transformiranja i modeliranja podataka s ciljem otkrivanja korisnih informacija, izvođenja zaključaka i podrške donošenju odluka. Tipični koraci uključuju prikupljanje podataka, čišćenje podataka, istraživanje podataka (deskriptivna statistika) i daljnju analizu.
Primjer pitanja 1: Određivanje prosjeka i standardne devijacije
S obzirom na sljedeće podatke o rezultatima testova iz matematike 10 učenika: 78, 82, 85, 88, 90, 75, 91, 74, 89, 86.
Izračunajte srednju vrijednost i standardnu devijaciju podataka.
Rasprava:
– Srednja vrijednost je zbroj svih podataka podijeljen s brojem opažanja.
\[
\text{Prosjek} = \frac{78 + 82 + 85 + 88 + 90 + 75 + 91 + 74 + 89 + 86}{10} = \frac{838}{10} = 83.8
\]
– Za izračun standardne devijacije prvo moramo izračunati varijancu. Varijanca je prosjek kvadrata razlika između svakog skupa podataka i srednje vrijednosti.
\[
\text{Varijanca} = \frac{(78-83.8)^2 + (82-83.8)^2 + (85-83.8)^2 + \cdots + (86-83.8)^2}{10}
\]
Tada se varijanca izračunava na sljedeći način:
\[
\text{Varijanca} = \frac{33.64 + 3.24 + 1.44 + 17.64 + 38.44 + 75.04 + 50.41 + 94.44 + 26.01 + 4.84}{10} = \frac{345.14}{10} = 34.514
\]
– Standardna devijacija je kvadratni korijen varijance.
\[
Standardna devijacija = 34.514 ≈ 5.88
\]
Primjer pitanja 2: Grafikon podataka
Podaci o broju stanovnika grada za posljednjih 5 godina su sljedeći (u tisućama): 2016.: 120, 2017.: 125, 2018.: 130, 2019.: 135, 2020.: 140.
Napravite linijski grafikon za prikaz podataka.
Rasprava:
Za izradu linijskog grafikona možemo slijediti ove korake:
1. Odredite osi X i Y. Os X označava godine, a os Y broj stanovnika.
2. Nacrtajte točke na temelju zadanih podataka:
– (2016., 120)
– (2017., 125)
– (2018., 130)
– (2019., 135)
– (2020., 140)
3. Spojite točke linijama.
Rezultirajući grafikon prikazat će trend povećanja gradskog stanovništva od 2016. do 2020. godine.
2. Vjerojatnost: Osnove i primjeri problema
Vjerojatnost ili izgledi su mjera vjerojatnosti da će se neki događaj dogoditi. Vjerojatnost događaja A obično se izražava kao \( P(A) \) i izračunava se kao:
\[
P(A) = \frac{\text{Broj željenih događaja}}{\text{Ukupan broj mogućih događaja}}
\]
Primjer pitanja 3: Jednostavna vjerojatnost
Iz standardnog špila igraćih karata, koja je vjerojatnost izvlačenja asa?
Rasprava:
– U jednom setu igraćih karata nalaze se 52 karte.
– Postoje 4 as karte (srce, karo, tref i pik).
– Vjerojatnost izvlačenja asa je:
\[
P(\text{As}) = \frac{4}{52} = \frac{1}{13} \približno 0.0769 \text{ ili } 7.69\%
\]
Primjer pitanja 4: Uzastopna ispitivanja
Istovremeno se bacaju dvije kocke. Izračunajte vjerojatnost da je zbroj bacanja dviju kocki 7.
Rasprava:
– Ukupno postoji 6 × 6 = 36 mogućih ishoda s dvije kocke.
– Kombinacije koje daju ukupno 7 su: (1,6), (2,5), (3,4), (4,3), (5,2), (6,1). Dakle, ima 6 pojavljivanja.
– Vjerojatnost da je zbroj bacanja dviju kockica 7 je:
\[
P(\text{Ukupno 7}) = \frac{6}{36} = \frac{1}{6} \približno 0.1667 \text{ ili } 16.67\%
\]
Primjer pitanja 5: Bayesovo pravilo
S obzirom na to da 1 od 1000 ljudi ima bolest X, test za otkrivanje bolesti X ima stopu točnosti od 99% (bez obzira je li pozitivan ili negativan). Ako je test pozitivan, koja je vjerojatnost da osoba zapravo ima bolest X? Pretpostavimo da je test 95% osjetljiv i 98% specifičan.
Rasprava:
Na primjer:
– P(P) je vjerojatnost da će osoba biti pozitivna na testu,
– P(D) je vjerojatnost da osoba ima bolest,
– P(P|D) je vjerojatnost pozitivnog testa ako osoba ima bolest,
– P(D|P) je vjerojatnost obolijevanja ako je test pozitivan kod osobe.
Prema Bayesovom teoremu:
\[
P(D|P) = \frac{P(P|D) \cdot P(D)}{P(P)}
\]
Prvo izračunajte P(P):
\[
P(P) = P(P|D) \cdot P(D) + P(P|D^c) \cdot P(D^c)
\]
\[
P(P) = 0.95 \cdot \frac{1}{1000} + 0.02 \cdot \frac{999}{1000} \približno 0.0211
\]
Sada,
\[
P(D|P) = \frac{0.95 \cdot \frac{1}{1000}}{0.0211} ≈ 0.045 \text{ ili 4.5%}
\]
Dakle, ako je osoba pozitivna na testu, vjerojatnost da on ili ona zapravo ima bolest X je oko 4.5%.
Zaključak
Analiza podataka i analiza vjerojatnosti ključni su alati u raznim područjima kao što su istraživanje, ekonomija i zdravstvo. Razumijevanjem načina njihova funkcioniranja možemo donositi bolja predviđanja, bolje odluke i upravljati rizicima. Kroz ove primjere i rasprave stječemo bolje razumijevanje kako se podaci mogu analizirati i kako se mogu izračunati vjerojatnosti različitih događaja. Nadamo se da je ovaj članak bio koristan u produbljivanju našeg razumijevanja analize podataka i analize vjerojatnosti.
