Pavyzdiniai klausimai, aptariantys sugrupuotų duomenų kvartiles
Pendahuluanas
Statistikoje kvartiliai yra centrinės tendencijos matas, padalijantis duomenis į keturias lygias dalis. Kvartiliai susideda iš pirmojo kvartilio (Q1), antrojo kvartilio (Q2) ir trečiojo kvartilio (Q3). Daugeliu atvejų analizuojami duomenys gali būti sugrupuoti. Šiame straipsnyje bus aptarti pavyzdžiai ir kvartilių aptarimas sugrupuotiems duomenims.
Kvartilių supratimas grupės duomenyse
Kvartiliai yra vertės, kurios suskirsto organizuotus duomenis į keturias lygias dalis. Pirmasis kvartilis (Q1) vadinamas 25-uoju procentiliu, antrasis kvartilis (Q2) taip pat žinomas kaip mediana arba 50-asis procentilis, o trečiasis kvartilis (Q3) – 75-uoju procentiliu.
Sugrupuotų duomenų kvartilių skaičiavimas yra šiek tiek sudėtingesnis nei pavienių duomenų. Sugrupuoti duomenys paprastai pateikiami dažnio pasiskirstymo lentelėje, todėl kvartiliams rasti turime naudoti specialią formulę.
Kvartilinė formulė sugrupuotiems duomenims
Norėdami rasti kvartiles sugrupuotuose duomenyse, naudojame šią formulę:
– Pirmasis kvartilis (Q1):
\[
Q1 = L_{Q1} + ∫(\frac{\frac{N}{4} – F_{Q1}}{f_{Q1}}) × c
\]
– Antrasis kvartilis (Q2):
\[
Q2 = L_{Q2} + ∫(\frac{\frac{N}{2} – F_{Q2}}{f_{Q2}}) × c
\]
– Trečiasis kvartilis (Q3):
\[
Q3 = L_{Q3} + ∫(\frac{\frac{3N}{4} – F_{Q3}}{f_{Q3}}) × c
\]
Kur:
– \(L_{Q1}, L_{Q2}, L_{Q3} \) = Q1, Q2, Q3 klasių apatinė riba
– \(N \) = duomenų skaičius
– \(F_{Q1}, F_{Q2}, F_{Q3} \) = kaupiamasis dažnis prieš klases Q1, Q2, Q3
– \(f_{Q1}, f_{Q2}, f_{Q3} \) = klasių dažniai Q1, Q2, Q3
– \(c \) = klasės ilgis
Problemų pavyzdys
Toliau pateiktas grupinio duomenų uždavinio, kuris bus naudojamas kvartilėms apskaičiuoti, pavyzdys:
| Vertė | Dažnis |
|———|———–|
| 10–19 | 5 |
| 20–29 | 8 |
| 30–39 | 12 |
| 40–49 | 15 |
| 50–59 | 6 |
| 60–69 | 4 |
1 veiksmas: nustatykite kaupiamąjį dažnį
Pirmiausia turime nustatyti kiekvienos klasės kaupiamąjį dažnį:
| Vertė | Dažnis | Kaupiamasis dažnis |
|————|—————–|—————————|
| 10–19 | 5 | 5 |
| 20–29 | 8 | 13 |
| 30–39 | 12 | 25 |
| 40–49 | 15 | 40 |
| 50–59 | 6 | 46 |
| 60–69 | 4 | 50 |
Duomenų skaičius (N) = 50
2 veiksmas: pirmojo kvartilio (Q1) nustatymas
– \( \frac{N}{4} = \frac{50}{4} = 12.5 \)
Ieškome klasės, kurioje bendras dažnis pirmiausia viršija 12.5, t. y. 20–29 klasės.
– L (apatinė Q1 klasės riba) = 20
– F (kaupiamasis dažnis prieš Q1 klasę) = 5
– f (Q1 klasės dažnis) = 8
– c (klasės ilgis) = 10
Naudojant Q1 formulę:
\[
Q1 = 20 + ∫(∫12.5 – 5,8) × 10 = 20 + ∫(∫7.5) × 10 = 20 + 9.375 = 29.375
\]
3 veiksmas: antrojo kvartilio (Q2) nustatymas
– \( \frac{N}{2} = \frac{50}{2} = 25 \)
Ieškome klasės, kurioje bendras dažnis pirmiausia viršija 25, t. y. 30–39 klasės.
– L = 30
– F = 13
– f = 12
– c = 10
Naudojant Q2 formulę:
\[
Q2 = 30 + ∫(∫25 – 5,8) × 10 = 30 + ∫(∫12) × 10 = 30 + 10 = 40
\]
4 veiksmas: nustatykite trečiąjį kvartilį (Q3)
– (3N4 = 3 kartus 504 = 37.5)
Ieškome klasės, kurioje bendras dažnis pirmiausia viršija 37.5, t. y. 40–49 klasės.
– L = 40
– F = 25
– f = 15
– c = 10
Naudojant Q3 formulę:
\[
Q3 = 40 + ∫(∫37.5 – 25,15) × 10 = 40 + ∫(∫12.5) × 10 = 40 + 8.333 = apytiksliai 48.333
\]
Išvada
Remiantis aukščiau pateiktais skaičiavimais, grupės duomenų kvartilio vertes gauname taip:
– Pirmasis kvartilis (Q1) = 29.375
– Antrasis kvartilis (Q2) = 40
– Trečiasis kvartilis (Q3) = 48.333
Šios vertės leidžia suprasti, kaip duomenys pasiskirsto grupėje. Pavyzdžiui, 25 % duomenų yra mažesni nei 29 375 (1 ketv.), 50 % duomenų yra mažesni nei 40 (mediana arba 2 ketv.), o 75 % duomenų yra mažesni nei 48 333 (3 ketv.).
Kvartiliniai skaičiavimai yra naudingi įvairiose situacijose, norint geriau suprasti duomenų pasiskirstymą. Šio metodo supratimas leidžia mums tiksliau ir efektyviau analizuoti sugrupuotus duomenis.
