Pojedinačni kvartili podataka: Dubinsko razumijevanje podjele podataka u statistici
Jedan od temeljnih koncepata u statistici je podjela podataka na kvartile. Kvartili se koriste za detaljnije razumijevanje distribucije podataka nego samo gledanje na medijan ili prosjek. U ovom ćemo članku raspravljati o kvartilima jednog skupa podataka, kako ih izračunati i njihovoj primjeni u različitim kontekstima analize podataka.
Što je kvartil?
Kvartili su specifične vrijednosti koje dijele sortirane podatke na četiri jednaka dijela. Jednostavno rečeno, kvartili su grupiranja sortiranih podataka, pri čemu svaki kvartil pokriva približno 25% podataka.
Kvartili se sastoje od tri glavna markera:
1. Prvi kvartil (Q1): dijeli donjih 25% podataka od ostalih.
2. Drugi kvartil (Q2) ili medijan: dijeli podatke na dva jednaka dijela, 50% podataka je ispod ove vrijednosti, a 50% je iznad ove vrijednosti.
3. Treći kvartil (Q3): dijeli najviših 25% podataka od ostalih.
Svaki kvartil služi kao prikaz određenog dijela skupa podataka i ima razne primjene, od opisa podataka do analize outliera.
Kako izračunati kvartile
Za izračun kvartila, prvi korak je sortiranje podataka uzlaznim redoslijedom. Pogledajmo detaljne korake za izračunavanje kvartila na jednom skupu podataka:
Sortiranje podataka
Pretpostavimo da imamo sljedeći skup podataka:
7, 15, 36, 39, 40, 41, 42, 43, 47, 49
Prvi korak je provjeriti jesu li podaci sortirani:
7, 15, 36, 39, 40, 41, 42, 43, 47, 49
Određivanje položaja kvartila
Zatim određujemo položaje kvartila. Za skup podataka veličine \( N \):
– Položaj Q1 = \( \frac{(N+1)}{4} \)
– Položaj Q2 = \( \frac{(N+1)}{2} \)
– Položaj Q3 = \( \frac{3(N+1)}{4} \)
Za naš skup podataka (N=10):
– Pozicija Q1 = \( \frac{(10+1)}{4} = 2.75 \)
– Pozicija Q2 = \( \frac{(10+1)}{2} = 5.5 \)
– Položaj Q3 = \( \frac{3(10+1)}{4} = 8.25 \)
Interpoliranje kvartila
Ako je kvartilna pozicija decimalni broj, tada interpoliramo između dvije susjedne vrijednosti podataka.
– Q1 (pozicija 2.75):
Kombinirajte vrijednosti podataka na 2. poziciji `15` i 3. poziciji `36`.
Q1 = 15 + 0.75 (36 – 15) = 15 + 0.75 21 = 15 + 15.75 = 30.75
– Q2 (medijan na poziciji 5.5):
Kombinirajte vrijednosti podataka na 5. poziciji `40` i 6. poziciji `41`.
Q2 = 40 + 0.5 (41 – 40) = 40 + 0.5 1 = 40.5
– Q3 (pozicija 8.25):
Kombinirajte vrijednosti podataka na 8. poziciji `43` i 9. poziciji `47`.
Q3 = 43 + 0.25 (47 – 43) = 43 + 0.25 4 = 43 + 1 = 44
Dakle, kvartili našeg skupa podataka su:
– Q1 = 30.75
– Q2 = 40.5
– Q3 = 44
Primjena kvartila
Statistički opis
Kvartili se koriste kao dio statističkih opisa kako bi se pružio opći pregled distribucije podataka. Poznavanje kvartila omogućuje nam bolje razumijevanje konzistentnosti, simetrije i rasprostranjenosti podataka.
Analiza outliera
Kvartili su također vrlo korisni u identificiranju outliera. Outlieri su vrijednosti podataka koje su daleko od većine skupa podataka. Za otkrivanje outliera obično se koristi metoda "interkvartilnog raspona (IQR)".
IQR se izračunava kao razlika između Q3 i Q1:
\[ \text{IQR} = Q3 – Q1 \]
Vrijednosti podataka smatraju se outlierima ako su ispod (Q1-1.5 puta IQR) ili iznad (Q3+1.5 puta IQR).
U gornjem skupu podataka:
– IQR = 44 – 30.75 = 13.25
– Donja granica za outliere = Q1 – 1.5 IQR = 30.75 – 1.5 13.25 = 30.75 – 19.875 = 10.875
– Gornja granica za outliere = Q3 + 1.5 IQR = 44 + 1.5 13.25 = 44 + 19.875 = 63.875
Dakle, vrijednosti podataka ispod 10.875 ili iznad 63.875 smatraju se outlierima. Budući da naš skup podataka spada u taj raspon, nema outliera.
Obrada složenih podataka
Osim što se koriste u jednostavnim podacima, kvartili se mogu primijeniti i na složenije skupove podataka. U financijskoj analizi, na primjer, kvartili mogu pomoći u određivanju uspješnosti određene dionice na tržištu. U obrazovanju se kvartili mogu koristiti za određivanje akademskog uspjeha učenika u određenom testu.
Box Plot
Jedan alat za vizualizaciju koji koristi kvartile je Box Plot ili Tukey Box Plot. Box Plot pruža grafički prikaz pet važnih sažetaka u podacima: minimalne vrijednosti, prvog kvartila (Q1), medijana (Q2), trećeg kvartila (Q3) i maksimalne vrijednosti. Jednostavan način za otkrivanje outliera je korištenje Box Plota, gdje se outlieri obično prikazuju kao točke izvan "brkova" (osjenčane linije između minimuma, Q1, Q3 i maksimuma).
Zaključak
Izračunavanje i razumijevanje kvartila u jednom skupu podataka pruža dublji uvid u strukturu podataka, njihovu distribuciju i prisutnost ili odsutnost outliera. U širokom rasponu primjena, od jednostavnih statističkih opisa do složenijih analiza poput otkrivanja outliera i korištenja box plotova, kvartili igraju ključnu ulogu u analizi i interpretaciji podataka. Pomoću ovog alata analiza podataka postaje sustavnija i informativnija, otvarajući put dubljim uvidima i značajnijim otkrićima u raznim područjima istraživanja. Kvartili ne samo da olakšavaju statističke opise, već i pružaju značajne uvide bitne za donošenje odluka temeljenih na podacima.
Dobro razumijevanje kvartila i njihove primjene u analizi podataka vrijedna je vještina koja se može primijeniti u raznim praktičnim kontekstima, od istraživanja do poslovanja, čineći nas pametnijima u analizi i tumačenju podataka.
