Kako grupirati podatke u intervale klasa
Grupiranje podataka u intervale klasa ključan je korak u deskriptivnoj statistici. Cilj je pojednostaviti velike količine sirovih podataka kako bi ih bilo lakše čitati, analizirati i prikazivati u tablicama distribucije frekvencija ili histogramima. Kada su podaci previše raznoliki i raspršeni, često je teško uočiti obrasce. Intervali klasa organiziraju podatke u specifične skupine vrijednosti, što nam omogućuje jasnije razumijevanje distribucije podataka, najčešće pojavljujućih vrijednosti, pa čak i središnje tendencije.
Ovaj članak raspravlja o značenju intervala klasa, kada su potrebni, kao i o praktičnim koracima za grupiranje podataka u intervale klasa s primjerima primjene.
1. Razumijevanje intervala klasa
Interval klase je raspon vrijednosti koji se koristi za grupiranje podataka u frekvencijskoj distribuciji. Svaki interval obično ima donju i gornju granicu. Na primjer, interval 10–19 označava da svi podaci s vrijednostima između 10 i 19 spadaju u tu klasu.
U tablici distribucije frekvencija, intervali klasa služe kao "spremnici" za slične vrijednosti. To čini podatke sažetijima od navođenja svih vrijednosti pojedinačno. Intervali klasa također čine osnovu za stvaranje grafova poput histograma i poligona frekvencija.
2. Kada je potrebno grupirati podatke?
Nije potrebno sve podatke podijeliti u intervale klasa. Grupiranje je općenito potrebno kada:
1. Velika količina podataka, na primjer više od 30 ili 50 opažanja.
2. Raspon podataka je širok, pa su vrijednosti raspršene i teško ih je pročitati.
3. Želimo vidjeti obrazac distribucije, na primjer kako bismo saznali imaju li podaci tendenciju biti normalni, asimetrični ili imaju li dvostruke vrhove.
4. Podaci će biti prikazani u histogramu, jer histogram zahtijeva intervalne klase.
Ako su podaci mali (npr. 10 vrijednosti), često je dovoljna jedna tablica frekvencija bez intervala.
3. Koraci za grupiranje podataka u intervale klasa
Slijede najčešće korišteni koraci za formiranje intervala u razredu.
Korak 1: Određivanje minimalnih i maksimalnih podataka
Prvo, odredite najmanju (minimalnu) i najveću (maksimalnu) vrijednost podataka.
– Minimalna vrijednost = \( x_{\min} \)
– Maksimalna vrijednost = \( x_{\max} \)
Ova vrijednost će se koristiti za izračun raspona podataka.
Korak 2: Izračunajte raspon
Raspon je razlika između maksimalne i minimalne vrijednosti:
\[
R = x_{max} – x_{min}
\]
Raspon daje ideju o širini distribucije podataka.
Korak 3: Određivanje broja klasa (k)
Broj klasa može se odrediti na nekoliko načina. Najpopularniji način je korištenje Sturgesovog pravila:
\[
k = 1 + 3{,}3 \log_{10}(n)
\]
gdje je \(n \) količina podataka.
Rezultati izračuna obično se zaokružuju na najbliži cijeli broj (ili prema gore) kako broj klasa ne bi bio premalen.
Osim Sturgesa, postoji uobičajena praksa: odaberite veličinu razreda između 5 i 12, ovisno o vašim potrebama vizualizacije i veličini uzorka. Međutim, Sturges je prilično dobar za manje skupove podataka.
Korak 4: Izračunajte širinu klase (i)
Širina klase je duljina svakog intervala klase. Formula je:
\[
i = \frac{R}{k}
\]
Budući da širine klasa moraju biti jednostavne za korištenje, obično se zaokružuju na „uredan“ broj (npr. 5, 10, 2 ili 0,5, ovisno o kontekstu podataka). Ovo zaokruživanje je važno kako bi se osiguralo lako čitanje intervala i izbjegla zabuna.
Ako rezultati zaokruživanja sprječavaju smještaj svih podataka, širina klase može se malo povećati.
Korak 5: Odredite ograničenja klase
Započnite s minimalnom vrijednošću kao donjom granicom prve klase. Zatim stvarajte uzastopne intervale dok ne obuhvate maksimalnu vrijednost.
Na primjer, ako je minimalna vrijednost 32, a širina klase 5, tada se klasa može kreirati:
– 32–36
– 37–41
– 42–46
- itd.
Važno: Pazite da nema praznina ili preklapanja između klasa. Sve vrijednosti podataka moraju spadati u točno jednu klasu.
Korak 6: (Neobavezno) Stvaranje granica razreda
Ako su podaci cijeli brojevi (npr. rezultati testova), granice klasa se često stvaraju kako bi klasa bila neprekidna. To se postiže dodavanjem 0,5 gornjoj granici i oduzimanjem 0,5 od donje granice.
Na primjer, za razred 32–36, rub razreda postaje:
– 31,5–36,5
Ovo je korisno za histograme kako bi se stupci povezivali bez praznina.
Korak 7: Izračunajte učestalost svakog razreda
Nakon što su određeni intervali klasa, prebrojite koliko podatkovnih točaka spada u svaki interval. Rezultati se zapisuju u stupac frekvencije (f).
Za velike količine podataka koristite metodu zbrajanja kako biste bili brži i smanjili pogreške.
Korak 8: Izrada tablice raspodjele frekvencija
Tablica minimalne distribucije frekvencija sadrži:
– Interval u razredu
– Frekvencija (f)
Možete dodati i druge stupce kao što su:
– Sredina razreda (xi)
– Kumulativna učestalost
– Relativna učestalost (postotak)
4. Primjer grupiranja podataka
Na primjer, postoje podaci o rezultatima testova 40 učenika s minimalnim rezultatom od 42 i maksimalnim rezultatom od 94.
1. Minimalno = 42, Maksimalno = 94
2. Raspon:
\[
R = 94 – 42 = 52
\]
3. Broj klasa (Sturges):
\[
k = 1 + 3{,}3 \log(40)
\približno 1 + 3{,}3(1{,}602)
\približno 6{,}29
\]
Zaokruženo na 6 ili 7 klasa. Odabrali smo 7 klasa za više detalja.
4. Širina razreda:
\[
i = \frac{52}{7} \approx 7{,}43
\]
Zaokruženo na 8.
5. Oblikujte intervale počevši od 42 širine 8:
– 42–49
– 50–57
– 58–65
– 66–73
– 74–81
– 82–89
– 90–97
Posljednji interval dosegao je 97, tako da je maksimalna vrijednost od 94 i dalje bila zadovoljena.
6. Zatim izračunajte učestalost svakog intervala na temelju podataka (na primjer, pomoću crte). Konačna tablica će pokazati koliko učenika spada u određeni raspon rezultata, što nam omogućuje brzu procjenu uspješnosti.
5. Savjeti za učinkovitije pauze u nastavi
1. Koristite dosljedne širine klasa kako bi tablice bilo lakše uspoređivati.
2. Nemojte imati previše klasa, jer će tablica postati duga i teško čitljiva.
3. Nemojte imati premalo klasa, jer se važne informacije mogu „izgubiti“ i raspodjela može izgledati pregrubo.
4. Prilagodite zaokruživanje širine klase kako bi odgovaralo kontekstu podataka. Za temperature, 1 ili 0,5 bi moglo biti prikladno; za rezultate testova, 5 ili 10 je obično prikladno.
5. Dvaput provjerite granice klasa kako biste bili sigurni da su svi podaci uneseni bez ikakvih nedostajućih vrijednosti.
Zaključak
Grupiranje podataka u intervale klasa važna je tehnika za pojednostavljenje podataka i jasan prikaz distribucije. Koraci uključuju određivanje minimalnih i maksimalnih vrijednosti, izračunavanje raspona, određivanje broja klasa (često korištenjem Sturgesovog pravila), izračunavanje širina klasa, konstruiranje intervala, a zatim izračunavanje učestalosti svake klase. S pravim intervalima klasa, složeni sirovi podaci mogu se transformirati u lako razumljive informacije, bilo u tablicama ili grafovima.
Ako želite, mogu stvoriti i potpuni primjer sa sirovim podacima (popis vrijednosti), a zatim sastaviti tablicu distribucije frekvencija s histogramom.
