Primjer pitanja za raspravu o dijagramu raspršenja
Dijagram raspršenja, također poznat kao dijagram raspršenja, ključan je alat u analizi podataka i statistici. Pomaže nam razumjeti odnos između dvije numeričke varijable prikazivanjem podatkovnih točaka u dvodimenzionalnoj ravnini. Ovaj članak će obuhvatiti primjere i raspravu o dijagramima raspršenja.
Što je dijagram raspršenja?
Dijagram raspršenja je vizualni prikaz odnosa između dva skupa numeričkih podataka. Svaka točka na dijagramu raspršenja predstavlja par vrijednosti za dvije različite varijable. Na primjer, ako želimo analizirati odnos između sati učenja i rezultata ispita, sati učenja mogu biti predstavljeni X-osi, dok rezultati ispita Y-osi.
Prednosti dijagrama raspršenja
1. Prepoznavanje uzoraka: Dijagrami raspršenja mogu nam pomoći u prepoznavanju uzoraka ili trendova u podacima. Ti uzorci mogu biti linearni, nelinearni ili čak uopće ne imati uzorak.
2. Određivanje korelacije: Pomoću dijagrama raspršenja možemo utvrditi postoji li korelacija između dvije varijable. Korelacija može biti pozitivna, negativna ili nula (nema korelacije).
3. Detekcija outliera: Dijagrami raspršenja također olakšavaju uočavanje outliera, odnosno podatkovnih točaka koje su daleko od ostatka skupa podataka.
Primjeri pitanja i rasprava
Primjer pitanja 1: Izrada dijagrama raspršenja
Pitanje:
S obzirom na sljedeće podatke o satima učenja (X) i rezultatima ispita (Y) pet studenata:
| Studenti | Sati učenja (X) | Rezultat ispita (Y) |
|——-|——————|——————–|
| A | 2 | 70 |
| B | 3 | 75 |
| C | 1 | 65 |
| D | 4 | 80 |
| E | 5 | 85 |
Napravite dijagram raspršenja koristeći gornje podatke.
Rasprava:
Za izradu dijagrama raspršenja, koraci koje možete poduzeti su sljedeći:
1. Odredite osi X i Y: Odaberite varijablu sati učenja za os X i rezultate ispita za os Y.
2. Grafički prikaz podatkovnih točaka: Grafički prikaz svakog para (X, Y).
Evo je grafikon podataka:
| X-os (Sati učenja) | Y-os (Ocjena ispita) |
|—————————–|—————————–|
| 2 | 70 |
| 3 | 75 |
| 1 | 65 |
| 4 | 80 |
| 5 | 85 |
Primjer pitanja 2: Određivanje vrste korelacije
Pitanje:
Na temelju podataka prikazanih u primjeru 1, odredite vrstu korelacije između sati učenja i rezultata ispita.
Rasprava:
Kako bismo odredili vrstu korelacije, moramo obratiti pozornost na uzorak koji tvore podatkovne točke na dijagramu raspršenja.
Dijagram pokazuje da se s povećanjem broja sati učenja povećavaju i rezultati testova. To ukazuje na pozitivnu korelaciju između sati učenja i rezultata testova. Ova se korelacija smatra pozitivnom jer se obje varijable kreću u istom smjeru.
Primjer 3: Izračun Pearsonovog koeficijenta korelacije
Pitanje:
Izračunajte Pearsonov koeficijent korelacije iz podataka u primjeru problema 1.
Rasprava:
Pearsonov koeficijent korelacije (r) mjeri jačinu i smjer linearne veze između dvije varijable. Formula za r je:
\[ r = \frac{n(\suma XY) – (\suma X)(\suma Y)}{\sqrt{[n\suma X^2 – (\suma
Gdje:
– \(n \) je broj parova podataka.
– \( \suma XY \) je zbroj produkata X i Y.
– \( \suma X \) je zbroj svih vrijednosti X.
– \( \sum Y \) je zbroj svih vrijednosti Y.
– \( \suma X^2 \) je zbroj kvadrata svih vrijednosti X.
– \( \sum Y^2 \) je zbroj kvadrata svih vrijednosti Y.
Prvo, izračunajmo potrebne vrijednosti:
\[ \suma X = 2 + 3 + 1 + 4 + 5 = 15 \]
\[ \suma Y = 70 + 75 + 65 + 80 + 85 = 375 \]
\[ \suma
\[ \suma
\[ \suma Y^2 = 70^2 + 75^2 + 65^2 + 80^2 + 85^2 = 4900 + 5625 + 4225 + 6400 + 7225 = 28375 \]
Zatim, zamijenite u formulu:
\[r = \frac{5(1175) – (15)(375)}{\sqrt{[5(55) – (15)^2][5(28375) – (375)^2]}} \]
\[r = \frac{5875 – 5625}{\sqrt{[275 – 225][141875 – 140625]}} \]
\[r = \frac{250}{\sqrt{50 1250}} \]
\[r = \frac{250}{\sqrt{62500}} \]
\[r = \frac{250}{250} \]
\[r = 1 \]
Dakle, Pearsonov koeficijent korelacije gore navedenih podataka je 1, što ukazuje na savršenu pozitivnu linearnu vezu.
Primjer pitanja 4: Otkrivanje ekstremnih vrijednosti
Pitanje:
Na temelju podataka u Primjeru pitanja 1 odredite postoje li izvanredne vrijednosti u dijagramu raspršenja.
Rasprava:
Izvanredna vrijednost je podatkovna točka koja je daleko od ostatka skupa podataka. Iz podataka:
| X-os (Sati učenja) | Y-os (Ocjena ispita) |
|—————————–|—————————–|
| 2 | 70 |
| 3 | 75 |
| 1 | 65 |
| 4 | 80 |
| 5 | 85 |
Čini se da sve podatkovne točke konvergiraju i nijedna se značajno ne razlikuje od ostalih. Stoga možemo zaključiti da ovaj skup podataka ne sadrži outliere.
Zaključak
Dijagram raspršenja je vrlo koristan vizualni alat u analizi podataka za određivanje odnosa između dvije numeričke varijable. Kroz gornje primjere možemo razumjeti kako stvoriti dijagram raspršenja, odrediti vrstu korelacije, izračunati Pearsonov koeficijent korelacije i otkriti outliere. Razumijevanje ovih koncepata ključno je za analizu podataka i donošenje informiranih odluka na temelju te analize.
Dakle, dijagrami raspršenja ne samo da pomažu u dubljem razumijevanju podataka, već i otvaraju put za daljnju statističku analizu.
