Mælingar á útbreiðslu: Að skilja breytileika í gögnum
Í tölfræði og gagnagreiningu er skilningur á dreifingu og breytileika gagna lykilatriði til að draga nákvæmar og viðeigandi ályktanir. Eitt lykilhugtak sem notað er til að lýsa breytileika í gögnum er „mælikvarði á dreifingu“. Í þessari grein verður fjallað um ýmsar mælikvarða á dreifingu, hvers vegna þær eru mikilvægar, hvernig á að reikna þær út og túlkun þeirra í samhengi gagnagreiningar.
Hvað er mælikvarði á útbreiðslu?
Dreifingarmælingar eru mælikvarðar sem notaðir eru til að lýsa því hversu mikið gögn í safni eru dreifð eða dreift frá miðgildi. Þetta miðgildi er venjulega mælt með mælingum á miðlægri tilhneigingu eins og meðaltali eða miðgildi. Dreifingarmælingar veita innsýn í umfang, breytileika og samræmi gagnanna.
Af hverju skiptir stærð dreifingar máli?
1. Að skilja breytileika:
Breytileiki er óaðskiljanlegur hluti af öllum gögnum. Með því að skilja hversu mikið gögn eru breytileg getum við skilið undirliggjandi gangverk þessara gagna.
2. Greinið útlæga þætti:
Gagnadreifing getur hjálpað til við að bera kennsl á útlæg gildi (öfgakennd gildi sem eru langt frá restinni af gögnunum), sem geta verið mikilvæg fyrir frekari greiningu eða geta verið villugögn.
3. Samanburður gagnasafna:
Mælingar á dreifingu gera kleift að bera saman tvö eða fleiri gagnasöfn. Til dæmis geta tvö gagnasöfn haft sama meðaltal en mismunandi dreifni eða dreifingu.
4. Ályktunartölfræði:
Margar ályktunartölfræðiaðferðir krefjast góðs skilnings á dreifingu gagnanna til að draga gildar og marktækar ályktanir.
Tegundir dreifingarstærða
Það eru nokkrar mælikvarðar á dreifingu sem eru almennt notaðar í tölfræðilegri gagnagreiningu:
1. Svið
Dreifing er einfaldasta mælikvarðinn á útbreiðslu og er reiknaður sem mismunurinn á hámarks- og lágmarksgildum í gagnasafni.
\[ \text{Svið} = \text{Hámarksgildi} – \text{Lágmarksgildi} \]
Þótt auðvelt sé að reikna út sviðið tekur það aðeins tillit til tveggja gagnapunkta og endurspeglar ekki dreifingu gagna milli lágmarks- og hámarksgilda.
2. Fjórðungsbil (IQR)
Mælikvarða dreifingar (IQR) er traustari mælikvarði á dreifingu en sviðsbil því hún hefur ekki áhrif á útlæga þætti. Hún reiknar miðgildi sviðs gagnanna með því að draga 25. hundraðshlutann (Q1) frá 75. hundraðshlutann (Q3).
\[ \text{IQR} = Q3 – Q1 \]
Með því að einblína á meðaltalið gefur millistigsgreining betri mynd af dreifingu undirliggjandi gagnanna.
3. Dreifni
Dreifni mælir hversu langt hvert gildi í gagnasafni er frá meðaltali. Hún er reiknuð með því að leggja saman ferninga mismunar hvers gildis frá meðaltali og deila síðan með fjölda gagnastaka (fyrir þýði) eða fjölda staka mínus einn (fyrir úrtak).
Fyrir íbúafjölda (\(\sigma^2\)):
\[ \sigma^2 = \frac{\summa(X_i – \mu)^2}{N} \]
Fyrir sýni (\(s^2\)):
[ s^2 = \frac{\summa(X_i – \overline{X})^2}{n-1} \]
Dreifni gefur hugmynd um samræmi gagnanna; þar sem dreifni notar ferningaeiningar getur verið erfitt að túlka hana beint.
4. Staðalfrávik
Staðalfrávikið er kvaðratrót dreifnisins og er í sömu einingum og upprunalegu gögnin, sem gerir það auðveldara að túlka það.
Fyrir íbúafjölda (\(\sigma\)):
\[ \sigma = \sqrt{\sigma^2} = \sqrt{\frac{\summa (X_i – \mu)^2}{N}} \]
Fyrir sýni (\(s\)):
[ s = s² = √(frac)summa (Xi – overline{X)²}{n-1)]
Staðalfrávik er ein algengasta mælikvarði á dreifingu vegna þess að hún er auðveld í túlkun og er oft notuð í ýmsum tölfræðilegum greiningum.
5. Breytileikastuðull (CV)
CV er mælikvarði á hlutfallslega dreifingu, tjáð sem hlutfall staðalfráviks og meðaltals og oft tjáð sem prósenta.
[CV = \frac{s}{\overline{X} \times 100\%]
Ferilskrá (CV) er mjög gagnleg til að bera saman breytileika milli gagnasafna með mismunandi meðaltölum.
Hvernig á að reikna og túlka
Dæmi um útreikning
Við skulum útskýra þetta með eftirfarandi gagnadæmi:
\[ \{15, 20, 25, 35, 45, 55, 65, 75, 85, 95\} \]
1. Svið:
\[ \text{Svið} = 95 – 15 = 80 \]
2. Fjórðungsbil (IQR):
Eftir að hafa flokkað gögnin getum við fundið fjórðungana Q1 og Q3. Í þessu tilfelli er Q1 25 og Q3 75.
\[ \text{Mjög mikils hlutfalls} = 75 – 25 = 50 \]
3. Dreifni og staðalfrávik:
Meðaltal gagnanna (\(\overline{X}\)) er 51.5. Síðan reiknum við dreifni og staðalfrávik.
[ \text{Dreifni (s^2)} = \frac{1}{n-1} \summa (X_i – \overline{X})^2 = 816.11 \]
\[ \text{Staðalfrávik (s)} = \sqrt{816.11} = 28.57 \]
4. Breytileikastuðull (CV):
[CV = 28.57/51.5 x 100%, u.þ.b. 55.48%]
Héðan getum við túlkað að staðalfrávikið sé 28.57, en ferilskráin sýnir að staðalfrávikið er um 55.48% af meðaltali upprunalegu gagnanna.
Niðurstaða
Mælingar á dreifingu eru nauðsynlegir þættir í tölfræðilegri gagnagreiningu því þær veita innsýn í breytileika og útbreiðslu gagna í kringum miðgildi. Algengar mælingar á dreifingu eru meðal annars svið, fjórðungsbil, dreifni, staðalfrávik og breytileikastuðull. Hver þessara mælinga hefur sína eigin notkun og getur veitt verðmæta innsýn eftir samhengi gagnanna og tilgangi greiningarinnar. Með því að skilja og nota mælingar á dreifingu á viðeigandi hátt getum við tekið upplýstari og nákvæmari ákvarðanir á ýmsum rannsóknarsviðum og í gagnavísindum.
