כיצד לקבץ נתונים למרווחי מחלקה

כיצד לקבץ נתונים למרווחי מחלקה

קיבוץ נתונים למרווחי מחלקה הוא שלב מכריע בסטטיסטיקה תיאורית. המטרה היא לפשט כמויות גדולות של נתונים גולמיים כדי להקל על הקריאה, הניתוח וההצגה בטבלאות התפלגות שכיחות או היסטוגרמות. כאשר הנתונים מגוונים מדי ומפוזרים, לעתים קרובות קשה להבחין בדפוסים. מרווחי מחלקה מארגנים נתונים לקבוצות ערכים ספציפיות, מה שמאפשר לנו להבין בצורה ברורה יותר את התפלגות הנתונים, את הערכים המופיעים בתדירות הגבוהה ביותר ואפילו את הנטייה המרכזית.

מאמר זה דן במשמעות של מרווחי מחלקה, מתי הם נחוצים, וכן בצעדים מעשיים לקיבוץ נתונים למרווחי מחלקה, כולל דוגמאות יישום.

1. הבנת מרווחי כיתות

מרווח מחלקה הוא טווח ערכים המשמש לקיבוץ נתונים בהתפלגות תדירות. לכל מרווח יש בדרך כלל גבול תחתון ועליון. לדוגמה, המרווח 10–19 מציין שכל הנתונים עם ערכים בין 10 ל-19 נופלים תחת מחלקה זו.

בטבלת התפלגות תדרים, מרווחי מחלקה משמשים כ"מיכלים" לערכים דומים. זה הופך את הנתונים לתמציתיים יותר מאשר רישום כל הערכים בנפרד. מרווחי מחלקה מהווים גם בסיס ליצירת גרפים כגון היסטוגרמות ומצולעי תדרים.

2. מתי יש צורך לקבץ נתונים?

לא כל הנתונים צריכים להיות מחולקים למרווחי מחלקה. קיבוץ נחוץ בדרך כלל כאשר:

1. כמות גדולה של נתונים, לדוגמה יותר מ-30 או 50 תצפיות.
2. טווח הנתונים רחב, כך שהערכים מפוזרים וקשים לקריאה.
3. אנחנו רוצים לראות את דפוס ההתפלגות, למשל כדי לברר האם הנתונים נוטים להיות נורמליים, מוטים, או שיש להם פיקים כפולים.
4. הנתונים יוצגו בהיסטוגרמה, מכיוון שההיסטוגרמה דורשת מחלקות מרווח.

אם הנתונים קטנים (למשל 10 ערכים), לעתים קרובות מספיקה טבלת שכיחות אחת ללא מרווחים.

3. שלבים לקיבוץ נתונים למרווחי מחלקה

להלן השלבים הנפוצים ביותר ליצירת מרווחי כיתות.

שלב 1: קביעת נתונים מינימליים ומקסימליים

ראשית, זהו את הערכים הקטנים ביותר (מינימליים) והגדולים ביותר (מקסימליים) של הנתונים.

– ערך מינימלי = \( x_{\min} \)
– ערך מקסימלי = \( x_{\max} \)

ערך זה ישמש לחישוב טווח הנתונים.

שלב 2: חשב את הטווח

טווח הוא ההפרש בין הערכים המקסימליים והמינימליים:

\[
R = x_{\max} – x_{\min}
\]

טווח נותן מושג על רוחב התפלגות הנתונים.

שלב 3: קביעת מספר הכיתות (k)

ניתן לקבוע את מספר המחלקות בכמה דרכים. הדרך הפופולרית ביותר היא להשתמש בכלל סטרג'ס:

\[
k = 1 + 3{,}3 \log_{10}(n)
\]

כאשר \(n \) היא כמות הנתונים.

תוצאות החישוב מעוגלות בדרך כלל למספר השלם הקרוב ביותר (או כלפי מעלה) כך שמספר השיעורים לא יהיה קטן מדי.

מלבד Sturges, יש נוהג נפוץ: בחרו גודל כיתה בין 5 ל-12, בהתאם לצורכי ההדמיה שלכם ולגודל המדגם. עם זאת, Sturges די טוב לקבוצות נתונים קטנות יותר.

שלב 4: חישוב רוחב הכיתה (i)

רוחב המחלקה הוא אורך כל מרווח מחלקה. הנוסחה היא:

\[
i = \frac{R}{k}
\]

מכיוון שרוחבי מחלקות צריכים להיות קלים לשימוש, הם בדרך כלל מעוגלים למספר "מסודר" (למשל, 5, 10, 2 או 0,5, בהתאם להקשר של הנתונים). עיגול זה חשוב כדי להבטיח שהמרווחים קלים לקריאה ולמנוע בלבול.

אם תוצאות העיגול מונעות התאמה של כל הנתונים, ניתן להגדיל מעט את רוחב המחלקה.

שלב 5: קביעת גבולות הכיתה

התחילו עם הערך המינימלי כגבול התחתון של המחלקה הראשונה. לאחר מכן צרו מרווחים עוקבים עד שהם יקיפו את הערך המקסימלי.

לדוגמה, אם הערך המינימלי הוא 32 ורוחב המחלקה הוא 5, ניתן ליצור את המחלקה:

– 32–36
– 37–41
– 42–46
- וכו'

חשוב: ודאו שאין פערים או חפיפות בין המחלקות. כל ערכי הנתונים חייבים להשתייך למחלקה אחת בדיוק.

שלב 6: (אופציונלי) יצירת גבולות כיתה

אם הנתונים הם מספרים שלמים (למשל, ציוני מבחנים), נוצרים לעתים קרובות גבולות כיתה כדי להפוך את הכיתה לרציפה. זה נעשה על ידי הוספת 0,5 לגבול העליון וחיסור 0,5 מהגבול התחתון.

לדוגמה, במחלקה 32–36, קצה המחלקה הופך ל:
– 31,5–36,5

זה שימושי עבור היסטוגרמות כך שהעמודות יתחברו ללא פערים.

שלב 7: חשב את התדירות של כל שיעור

לאחר קביעת מרווחי המחלקות, ספרו כמה נקודות נתונים נכנסות לכל מרווח. התוצאות רשומות בעמודת התדירות (f).

עבור נתונים גדולים, השתמשו בשיטת הספירה כדי להיות מהירים יותר ולהפחית שגיאות.

שלב 8: בניית טבלת התפלגות תדרים

טבלת התפלגות התדרים המינימלית מכילה:

– מרווח שיעורים
– תדירות (f)

ניתן להוסיף עמודות נוספות כגון:

– נקודת אמצע של המחלקה (xi)
– תדירות מצטברת
– תדירות יחסית (באחוזים)

4. דוגמה לקיבוץ נתונים

לדוגמה, ישנם נתוני ציוני מבחנים של 40 תלמידים עם ציון מינימלי של 42 ומקסימום של 94.

1. מינימום = 42, מקסימום = 94
2. טווח:
\[
R = 94 – 42 = 52
\]
3. מספר כיתות (Sturges):
\[
k = 1 + 3{,}3 \log(40)
בערך 1 + 33(1602)
בערך 6{,}29
\]
מעוגל כלפי מעלה ל-6 או 7 כיתות. בחרנו 7 כיתות לפרטים נוספים.
4. רוחב הכיתה:
\[
i = \frac{52}{7} \approx 7{,}43
\]
מעוגל ל-8.
5. צרו מרווחים החל מ-42 ברוחב 8:
– 42–49
– 50–57
– 58–65
– 66–73
– 74–81
– 82–89
– 90–97

המרווח האחרון הגיע ל-97, כך שהערך המקסימלי של 94 עדיין ניתן היה לביצוע.

6. לאחר מכן, חשבו את התדירות של כל מרווח בהתבסס על הנתונים (לדוגמה, באמצעות קו). הטבלה הסופית תציג כמה תלמידים נופלים בטווח ציונים מסוים, מה שיאפשר לנו להעריך במהירות את הביצועים.

5. טיפים להפיכת שיעורי הפסקה ליעילים יותר

1. השתמשו ברוחבי מחלקות עקביים כדי להקל על השוואה בין טבלאות.
2. אל תעשו יותר מדי מחלקות, כי הטבלה תהפוך ארוכה וקשה לקריאה.
3. אל תעשו מעט מדי שיעורים, כי מידע חשוב עלול "ללכת לאיבוד" והחלוקה עלולה להיראות גסה מדי.
4. התאימו את עיגול רוחב הכיתה כך שיתאים להקשר הנתונים. עבור טמפרטורות, 1 או 0,5 עשויים להתאים; עבור ציוני מבחנים, 5 או 10 בדרך כלל מתאימים.
5. בדקו שוב את גבולות המחלקה כדי לוודא שכל הנתונים הוזנו ללא ערכים חסרים.

מסקנה

קיבוץ נתונים למרווחי מחלקה הוא טכניקה חשובה לפישוט נתונים ולהצגה ברורה של התפלגות. השלבים כוללים קביעת ערכי המינימום והמקסימום, חישוב הטווח, קביעת מספר המחלקות (לעתים קרובות באמצעות כלל סטרג'ס), חישוב רוחב המחלקות, בניית מרווחים ולאחר מכן חישוב התדירות של כל מחלקה. בעזרת מרווחי המחלקה הנכונים, ניתן להמיר נתונים גולמיים מורכבים למידע קל להבנה, בין אם בטבלאות או בגרפים.

אם תרצה, אני יכול גם ליצור דוגמה מלאה עם נתונים גולמיים (רשימת ערכים) ולאחר מכן לקמפל טבלת התפלגות תדירות עם היסטוגרמה.