მოდა და მედიანა

მოდა და მედიანა: ახსნა და გამოყენება სტატისტიკაში

სტატისტიკა მათემატიკის დარგია, რომელიც მონაცემთა შეგროვებას, ანალიზს, ინტერპრეტაციას, წარმოდგენასა და ორგანიზებას ეხება. სტატისტიკაში, მონაცემთა ანალიზისა და გაგებისთვის გამოიყენება დისპერსიის სხვადასხვა საზომი და მონაცემთა ცენტრალური განმსაზღვრელი ფაქტორები. ორი ყველაზე ძირითადი და მნიშვნელოვანი არის მოდა და მედიანა. ეს სტატია აგიხსნით, თუ რა არის მოდა და მედიანა, როგორ გამოვთვალოთ ისინი და როგორი მნიშვნელობა აქვთ მონაცემთა ანალიზში.

რა არის რეჟიმი?

მოდა არის მნიშვნელობა, რომელიც ყველაზე ხშირად გვხვდება მონაცემთა ნაკრებში. უფრო ტექნიკურად, მოდა არის მნიშვნელობა ან კატეგორია, რომელსაც აქვს ყველაზე მაღალი სიხშირე მონაცემთა განაწილებაში. მოდები შეიძლება გამოყენებულ იქნას კატეგორიული, რიგითი, ინტერვალური და თანაფარდობითი მონაცემებისთვის. საშუალოსა და მედიანისგან განსხვავებით, მოდა ყოველთვის არ არის უნიკალური. ზოგიერთ შემთხვევაში, მონაცემებს შეიძლება ჰქონდეს ერთზე მეტი რეჟიმი (ბიმოდალური ან მულტიმოდალური) ან საერთოდ არ ჰქონდეს რეჟიმი, თუ ყველა მნიშვნელობა თანაბარი სიხშირით გვხვდება.

როგორ გამოვთვალოთ რეჟიმი

რეჟიმის გამოთვლა ძალიან მარტივია. თქვენ უბრალოდ უნდა დაადგინოთ მნიშვნელობა, რომელიც ყველაზე ხშირად ჩნდება მონაცემებში. აქ მოცემულია მარტივი მაგალითი:

დავუშვათ, რომ გვაქვს შემდეგი მონაცემთა ნაკრები: 3, 7, 5, 9, 7, 6, 7, 2.

ამ მონაცემთა ნაკრებში მნიშვნელობა 7 სამჯერ ჩნდება, რაც სხვა ნებისმიერ მნიშვნელობაზე მეტადაა. შესაბამისად, ამ მონაცემთა ნაკრების მოდაა 7.

უფრო რთული ან კატეგორიული მონაცემების შემთხვევაში, შეიძლება დაგჭირდეთ თითოეული მნიშვნელობის სიხშირეების ორგანიზება, რათა უფრო ადვილად ამოიცნოთ ისინი.

კატეგორიული მონაცემების მაგალითი:
ჩატარდა გამოკითხვა, რათა გაერკვია ყველაზე სასურველი ფერები ავტომობილებისთვის: წითელი, ლურჯი, შავი, თეთრი, შავი, ლურჯი, ლურჯი.

ამ მაგალითში:
- წითელი ფერი 1-ჯერ გამოჩნდება
- ლურჯი ფერი 3-ჯერ გამოჩნდება
- შავი ფერი 2-ჯერ გამოჩნდება
– თეთრი ფერი 1-ჯერ ჩნდება

ამ მონაცემების რეჟიმი ლურჯია, რადგან ეს ყველაზე ხშირად ნახსენები ფერია (3-ჯერ).

როდესაც რეჟიმი უნიკალური არ არის ან არ არსებობს

ზოგიერთ შემთხვევაში, მონაცემებს შეიძლება ჰქონდეს ერთზე მეტი რეჟიმი ან საერთოდ არ ჰქონდეს რეჟიმი. მაგალითი:

ბიმოდალური თუ მულტიმოდალური:
მონაცემთა ნაკრები: 4, 4, 5, 5, 6, 6, 7
ამ მაგალითში, მნიშვნელობები 4, 5 და 6 ორჯერ ჩნდება. შესაბამისად, ეს მონაცემთა ნაკრები მულტიმოდალურია 4, 5 და 6 რეჟიმებით.

რეჟიმის გარეშე:
მონაცემთა ნაკრები: 1, 2, 3, 4, 5
თითოეული მნიშვნელობა მხოლოდ ერთხელ ჩნდება, ამიტომ ამ მონაცემთა ნაკრებში რეჟიმი არ არის.

რა არის მედიანა?

მედიანა დახარისხებულ მონაცემთა ნაკრებში საშუალო მნიშვნელობაა. ის მონაცემთა ნაკრებს ორ თანაბარ ნაწილად ყოფს, სადაც მნიშვნელობების ნახევარი მედიანაზე ნაკლებია, ხოლო მეორე ნახევარი მედიანაზე მეტი. მედიანა ხშირად გამოიყენება, რადგან მასზე გავლენას არ ახდენს ექსტრემალური მნიშვნელობები ან გამონაკლისები, როგორიცაა საშუალო, და ამგვარად, მონაცემთა განაწილების ცენტრის უკეთეს მითითებას იძლევა, როდესაც მონაცემებს დიდი გადახრები აქვს.

როგორ გამოვთვალოთ მედიანა

მედიანის გამოთვლის ნაბიჯები შემდეგია:

1. დაალაგეთ მონაცემები ზრდადი თანმიმდევრობით.
2. თუ მონაცემების რაოდენობა (N) კენტია, მედიანა არის შუა პოზიციაში არსებული მნიშვნელობა.
3. თუ მონაცემების რაოდენობა (N) ლუწია, მედიანა შუაში არსებული ორი მნიშვნელობის საშუალოა.

მაგალითი:

კენტი რიცხვის მქონე მონაცემთა ნაკრები:
მონაცემთა ნაკრები: 3, 7, 5, 9, 6
დალაგება: 3, 5, 6, 7, 9
მედიანა: 6 (მნიშვნელობა შუაში)

ლუწი რიცხვის მქონე მონაცემთა ნაკრები:
მონაცემთა ნაკრები: 3, 7, 5, 9, 6, 8
დალაგება: 3, 5, 6, 7, 8, 9
მედიანა: (6 + 7) / 2 = 6.5

მედიანა კატეგორიულ მონაცემებში

მიუხედავად იმისა, რომ მედიანა უფრო ხშირად გამოიყენება უწყვეტი ან რიგითი მონაცემებისთვის, მისი გამოყენება ასევე შესაძლებელია მკაფიო თანმიმდევრობის მქონე კატეგორიული მონაცემებისთვის.

კატეგორიული (ორდინალური) მონაცემების მაგალითები:
ფილმის რეიტინგი: კარგი, ძალიან კარგი, დამაკმაყოფილებელი, ძალიან კარგი, კარგი
დალაგება რანგის მიხედვით: დამაკმაყოფილებელი, კარგი, კარგი, ძალიან კარგი, შესანიშნავი
მედიანა: კარგი (მესამე საშუალო მნიშვნელობა)

მედიანის ძლიერი და სუსტი მხარეები

მედიანას ერთ-ერთი მთავარი უპირატესობა მისი მგრძნობელობაა გამონაკლისების მიმართ. მაგალითად, დავუშვათ, რომ გვაქვს შემოსავლის მონაცემთა ნაკრები და მასში შედის აღმასრულებელი დირექტორი უკიდურესად მაღალი შემოსავლით. მედიანა მაინც უზრუნველყოფს ცენტრალური შემოსავლის უფრო რეალისტურ სურათს, ვიდრე საშუალო, რომელიც დამახინჯებული იქნებოდა ექსტრემალური მნიშვნელობებით. თუმცა, მედიანას უარყოფითი მხარე ის არის, რომ მცირე მონაცემთა ნაკრებებში, დაკარგული ან არაზუსტი მონაცემები შეიძლება მნიშვნელოვნად აისახოს შედეგებზე.

მოდა vs მედიანა vs საშუალო

როგორც მოდა, ასევე მედიანა და საშუალო ცენტრალური ტენდენციის საზომებია, რომლებიც მნიშვნელოვან ინფორმაციას გვაწვდიან მონაცემთა განაწილების მახასიათებლების შესახებ.

– საშუალო: ყველა მონაცემის არითმეტიკული საშუალო. მგრძნობიარეა გამონაკლისების მიმართ.
– მედიანა: დახარისხებული მონაცემების საშუალო მნიშვნელობა. არ არის მგრძნობიარე გამონაკლისების მიმართ.
– რეჟიმი: მნიშვნელობა, რომელიც ყველაზე ხშირად ჩნდება. სასარგებლოა კატეგორიული მონაცემებისთვის.

თითოეულ მათგანს აქვს საკუთარი გამოყენება და ნაკლოვანებები და ზოგჯერ ისინი ერთად გამოიყენება უფრო სრულყოფილი სურათის მისაღებად.

სწორი ზომის არჩევა

ცენტრალური ტენდენციის შესაბამისი საზომის არჩევა დამოკიდებულია მონაცემთა ტიპსა და ანალიზის მიზანზე.

– თუ მონაცემებს აქვს გამონაკლისები ან არ არის ნორმალურად განაწილებული, მედიანა შეიძლება უფრო შესაფერისი იყოს.
– თუ ყველაზე გავრცელებული მნიშვნელობით ან დომინანტური კატეგორიით ხართ დაინტერესებული, რეჟიმი უფრო სასარგებლო იქნება.
– თუ მონაცემები ნორმალურად არის განაწილებული გამონაკლისების გარეშე, საშუალო მნიშვნელობას შეუძლია კარგი წარმოდგენა შექმნას.

მაგალითად, უძრავი ქონების ბაზრის ანალიზში, მედიანა ხშირად გამოიყენება სახლების ფასების აღსაწერად ფასების უკიდურესი ვარიაციების გამო. საზოგადოებრივი აზრის გამოკითხვებში, რეჟიმი შეიძლება გამოყენებულ იქნას ყველაზე პოპულარული არჩევანის დასადგენად.

დასკვნა

მოდა და მედიანა სტატისტიკაში ცენტრალური ტენდენციის ორი ძალიან სასარგებლო საზომია. მიუხედავად იმისა, რომ ისინი განსხვავებულ ინფორმაციას გვაწვდიან, მათ შეუძლიათ მონაცემთა ნაკრების ძირითადი მახასიათებლების გამარტივება და შეჯამება, რაც ხელს უწყობს ამ მონაცემებზე დაყრდნობით გადაწყვეტილების მიღებას. მათი არსებობა, საშუალო მნიშვნელობებთან ერთად, საშუალებას აძლევს მკვლევარებსა და ანალიტიკოსებს, მიიღონ მათ მიერ შესწავლილი მონაცემების უფრო სრული სურათი.