Խմբային տվյալների քվարտիլներ

Խմբային տվյալների քվարտիլներ

Պենդահուլուան

Վիճակագրությունը, որը գիտության ճյուղ է, որը զբաղվում է տվյալների հավաքագրմամբ, վերլուծությամբ, մեկնաբանմամբ, ներկայացմամբ և կազմակերպմամբ, ունի բազմաթիվ կարևոր հասկացություններ, որոնք օգնում են տվյալների վրա հիմնված որոշումների կայացմանը: Տվյալների վերլուծության մեջ կարևոր վիճակագրական հասկացություններից մեկը քվարտիլներն են: Քվարտիլները օգնում են հասկանալ տվյալների բաշխումը և տվյալների խմբավորման եղանակը: Այս հոդվածում մենք մանրամասն կքննարկենք քվարտիլները խմբավորված տվյալների համատեքստում, թե ինչպես դրանք հաշվարկել, և թե ինչպես արդյունքների մեկնաբանումը կարող է ավելի խորը պատկերացում տալ տվյալների բաշխման վերաբերյալ:

Քվարտիլների հասկացումը

Պարզ ասած՝ քվարտիլները արժեքներ են, որոնք տվյալները բաժանում են չորս հավասար մասերի: Տվյալների բաշխման համատեքստում քվարտիլները տվյալները բաժանում են երեք կետերի՝ կազմելով չորս միջակայք: Այս երեք կետերը՝ առաջին քվարտիլը (Q1), երկրորդ քվարտիլը (Q2) և երրորդ քվարտիլը (Q3), հիմնարար նշանակություն ունեն վիճակագրական վերլուծության համար: Յուրաքանչյուր քվարտիլ ունի տարբեր նշանակություն և գործառույթ՝ տվյալները հասկանալու համար:

– Առաջին քվարտիլ (Q1): Սա տվյալների ստորին կեսի միջին արժեքն է, որը հայտնի է նաև որպես 25-րդ պերսենտիլ:
– Երկրորդ քվարտիլ (Q2): Սա բոլոր տվյալների միջին արժեքն է, որը հայտնի է նաև որպես միջնարժեք կամ 50-րդ տոկոսային արժեք։
– Երրորդ քվարտիլ (Q3): Սա տվյալների վերին կեսի միջին արժեքն է, որը հայտնի է նաև որպես 75-րդ պերսենտիլ:

Քվարտիլները օգտագործվում են բաշխման տարբեր ասպեկտները նկարագրելու և տվյալների տիրույթի և հետևողականության վերաբերյալ ավելի մանրամասն տեղեկատվություն տրամադրելու համար։

Քվարտիլներ խմբավորված տվյալներում

Իրական աշխարհում հավաքված տվյալները սովորաբար խմբավորված չեն (հում տվյալներ), այլ խմբերով՝ իրենց համապատասխան հաճախականություններով (խմբավորված տվյալներ): Խմբավորված տվյալների վերլուծության նպատակն է տեղեկատվություն տրամադրել այն մասին, թե ինչպես են տվյալները բաշխվում տարբեր կատեգորիաների կամ դասերի միջև: Խմբավորված տվյալների համար քվարտիլների հաշվարկը ներառում է մի քանի տարբեր քայլեր, քան չխմբավորված տվյալների համար:

Խմբավորված տվյալների քվարտիլների հաշվարկման քայլեր

Խմբավորված տվյալներում քվարտիլները հաշվարկելու համար մեզ անհրաժեշտ է հաճախականության բաշխումից ստացված որոշ հիմնական տեղեկություններ, ինչպիսիք են վերին և ստորին դասերի սահմանները, յուրաքանչյուր դասի հաճախականությունը և կուտակային հաճախականությունը: Ահա խմբավորված տվյալների համար քվարտիլները հաշվարկելու քայլերը.

1. Որոշեք քվարտիլային դասը.
– Առաջին քվարտիլ (Q1): Գտնվում է այն դասերում, որտեղ կուտակային հաճախականությունը մոտենում է \( \frac{N}{4} \)-ին։
– Երկրորդ քվարտիլ (Q2) կամ միջնագիծ. Գտնվում է այն դասերում, որտեղ կուտակային հաճախականությունը մոտենում է \( \frac{N}{2} \)-ին։
– Երրորդ քվարտիլ (Q3): Գտնվում է այն դասերում, որտեղ կուտակային հաճախականությունը մոտենում է \( \frac{3N}{4} \)-ին։

2. Օգտագործեք քվարտիլային բանաձևը խմբավորված տվյալների համար.
– Առաջին քվարտիլի (Q1) բանաձևը.
\[
Q1 = L + \left( \frac{\frac{N}{4} – Fk}{f} \right) \times c
\]
– Երկրորդ քվարտիլի (Q2) բանաձևը.
\[
Q2 = L + \left( \frac{\frac{N}{2} – Fk}{f} \right) \times c
\]
– Երրորդ քվարտիլի (Q3) բանաձևը.
\[
Q3 = L + \left( \frac{\frac{3N}{4} – Fk}{f} \right) \times c
\]

Որտեղ՝
– \( L \)-ն քվարտիլային դասի ստորին սահմանն է
– \( N \)-ն ընդհանուր հաճախականությունն է
– \(Fk \)-ն մինչև քվարտիլային դասի կուտակային հաճախականությունն է։
– \( f \)-ն քվարթիլային դասի հաճախականությունն է
– \(c \)-ն դասի լայնությունն է

Խմբավորված տվյալների համար քվարտիլային հաշվարկի օրինակ

Ավելի հեշտ հասկանալու համար դիտարկենք հետևյալ օրինակը.

Տվյալների հաճախականության բաշխումը հետևյալն է.

| Դասի ինտերվալ | Հաճախականություն (f) |
|——————-|——————|
| 10 – 20 | 5 |
| 20 – 30 | 8 |
| 30 – 40 | 12 |
| 40 – 50 | 7 |
| 50 – 60 | 3 |

Քայլեր:

1. Որոշեք N-ը՝ ընդհանուր հաճախականությունը \(N = 5 + 8 + 12 + 7 + 3 = 35 \)
2. Կուտակային հաճախականություն (Fk):

| Ինտերվալային դաս | Հաճախականություն (f) | Կուտակային հաճախականություն (Fk) |
|——————-|———————|—————————–|
| 10 – 20 | 5 | 5 |
| 20 – 30 | 8 | 13 |
| 30 – 40 | 12 | 25 |
| 40 – 50 | 7 | 32 |
| 50 – 60 | 3 | 35 |

3. Քվարտիլային դասերի գտնումը.
– Հ1: \( \frac{N}{4} = 8.75 \)-ը գտնվում է 20 – 30 դասում։
– Հ2: \( \frac{N}{2} = 17.5 \)-ը գտնվում է 30 – 40 դասում։
– Հարց 3: \( \frac{3N}{4} = 26.25 \)-ը գտնվում է 40 – 50 դասում։

4. Քվարտիլների հաշվարկ.

– Առաջին եռամսյակի համար՝
– \( Լ = 20 \)
– \(Fk = 5 \)
– \( f = 8 \)
– \( c = 10 \)
\[
Q1 = 20 + \left( \frac{8.75 – 5}{8} \right) \times 10 = 20 + (0.46875) \times 10 = 24.6875
\]

– Առաջին եռամսյակի համար՝
– \( Լ = 30 \)
– \(Fk = 13 \)
– \( f = 12 \)
– \( c = 10 \)
\[
Q2 = 30 + \left( \frac{17.5 – 13}{12} \right) \times 10 = 30 + (0.375) \times 10 = 33.75
\]

– Առաջին եռամսյակի համար՝
– \( Լ = 40 \)
– \(Fk = 25 \)
– \( f = 7 \)
– \( c = 10 \)
\[
Q3 = 40 + \left( \frac{26.25 – 25}{7} \right) \times 10 = 40 + (0.17857) \times 10 = 41.7857
\]

Արդյունքների մեկնաբանություն

Վերոնշյալ հաշվարկները օգտագործելով՝ ստանում ենք, որ՝
– Q1 = 24.6875
– Q2 = 33.75
– Q3 = 41.7857

Այս քվարտիլները մեզ լրացուցիչ տեղեկություններ են տալիս տվյալների բաշխման վերաբերյալ՝
– Q1=24.6875: Տվյալների 25%-ը 24.6875-ից ցածր է
– Q2=33.75: Տվյալների 50%-ը 33.75-ից ցածր է
– Q3=41.7857: Տվյալների 75%-ը 41.7857-ից ցածր է

Քվարտիլային տեղեկատվությունը թույլ է տալիս մեզ հասկանալ տվյալների կոնցենտրացիան և դրա փոփոխականության միջակայքը: Այս տեղեկատվությունը կարող է շատ օգտակար լինել որոշումների կայացման և տվյալների հետագա վերլուծության մեջ, ինչպիսիք են՝ արտառոց արժեքների հայտնաբերումը կամ համակարգի կատարողականի գնահատումը:

Եզրակացություն

Խմբավորված տվյալների քվարտիլները կարևոր դեր են խաղում վիճակագրական վերլուծության մեջ: Ճիշտ մեթոդների միջոցով մենք կարող ենք ավելի մանրամասն և ճշգրտորեն հասկանալ տվյալների բաշխումը: Այս տեղեկատվությունը ոչ միայն նպաստում է տվյալների մեկնաբանմանը, այլև նպաստում է ավելի տեղեկացված որոշումների կայացմանը՝ հիմնված փորձարարական ապացույցների վրա: Եզրափակելով՝ խմբավորված տվյալների քվարտիլները հաշվարկելու և մեկնաբանելու եղանակը հասկանալը հիմնարար հմտություն է, որը պետք է տիրապետի յուրաքանչյուր տվյալների վերլուծաբան: