Diskusinio klausimo apie talpinimo dydį pavyzdys
Išdėstymo matai yra svarbi tema įvairiose disciplinose, ypač statistikoje, ekonomikoje ir vadyboje. Išdėstymo matai apima įvairius rodiklius, naudojamus kiekybiškai įvertinti duomenų santykinę padėtį tam tikrame pasiskirstyme, pavyzdžiui, kvartiles, deciles, procentiles ir pan. Supratimas, kaip matuoti ir analizuoti išdėstymo matus, yra labai svarbus atliekant įvairią duomenų analizę, priimant sprendimus ir atliekant tyrimus.
Šiame straipsnyje aptarsime keletą pavyzdžių, susijusių su išdėstymo matavimais, ir kaip jas išspręsti. Šių problemų tikslas – išsiaiškinti išdėstymo matavimų sąvoką ir taikymą įvairiuose kontekstuose.
1 pavyzdžio klausimas: Kvartilių skaičiavimas
Klausimas:
Duoti šie duomenys: 5, 7, 8, 12, 13, 14, 18, 21, 23, 30. Apskaičiuokite Q1 (pirmąjį kvartilį), Q2 (medianą/antrąjį kvartilį) ir Q3 (trečiąjį kvartilį).
Sprendimas:
Pirmasis kvartilių skaičiavimo žingsnis yra duomenų surūšiavimas nuo mažiausio iki didžiausio. Šioje uždavinyje duomenys jau yra surūšiuoti.
– n (duomenų skaičius) = 10
Skaičiuojant Q1:
Q1 yra reikšmė, užimanti \(\frac{n + 1}{4}\) poziciją.
\[
Q1 = ∫₀ + 1(4) = ∫₀ (11) = 2.75
\]
Kadangi rezultatai nėra apvalūs, naudojame interpoliaciją tarp antro ir trečio duomenų.
2-i duomenys = 7
3-i duomenys = 8
\[
Q1 = 7 + 0.75 × (8 – 7) = 7 + 0.75 = 7.75
\]
Q2 (medianos) apskaičiavimas:
Q2 yra reikšmė, užimanti vidurinę poziciją. Kadangi n yra lyginis skaičius, Q2 yra 5 ir 6 pozicijų reikšmių vidurkis.
\[
Q2 = ∫₀ + 14(2) = ∫₀ (27) = 13.5
\]
Skaičiuojant Q3:
Q3 yra reikšmė, užimanti \(\frac{3(n + 1)}{4}\) poziciją.
\[
Q3 = ∫(3 × (10 + 1)^4) = ∫(33)^4 = 8.25
\]
Naudojame interpoliaciją tarp 8-ojo ir 9-ojo duomenų.
8-i duomenys = 21
9-i duomenys = 23
\[
Q3 = 21 + 0.25 × (23 – 21) = 21 + 0.5 = 21.5
\]
Taigi, Q1 = 7.75, Q2 = 13.5 ir Q3 = 21.5.
2 klausimo pavyzdys: procentilių naudojimas
Klausimas:
Duotas toks duomenų rinkinys: 15, 18, 20, 24, 30, 32, 35, 40, 42, 45. Nustatykite 70-ojo procentilio reikšmę.
Sprendimas:
Pirmas žingsnis – užtikrinti, kad duomenys būtų surūšiuoti nuo mažiausio iki didžiausio, o aukščiau esantys duomenys būtų surūšiuoti.
Duomenų skaičius, n = 10
70-asis procentilis reiškia, kad ieškome vertės, kuri užima 70 % visų duomenų.
\[
P_{70} = ∫₀ (70%), 100 × (n + 1) = 0.70 × 11 = 7.7
\]
Kadangi rezultatas nėra sveikasis skaičius, naudojame interpoliaciją tarp 7-ojo ir 8-ojo duomenų.
7-i duomenys = 35
8-i duomenys = 40
\[
P_{70} = 35 + 0.7 × (40 – 35) = 35 + 3.5 = 38.5
\]
Taigi, duomenų rinkinio 70-oji procentilio vertė yra 38.5.
3 pavyzdžio klausimas: Decilių skaičiavimas
Klausimas:
Pateikiami šie testo rezultatų duomenys: 55, 63, 67, 72, 75, 78, 80, 82, 86, 90. Apskaičiuokite 4-ąjį decilį (D4).
Sprendimas:
Pirmas žingsnis – užtikrinti, kad duomenys būtų surūšiuoti nuo mažiausio iki didžiausio. Aukščiau pateikti duomenys jau yra surūšiuoti.
Duomenų skaičius, n = 10
4-asis decilis reiškia, kad ieškome vertės, kuri užima 40% visų duomenų pozicijos.
\[
D_4 = ∫\frac{4 × (n + 1)}{10} = ∫\frac{4 × 11}{10} = 4.4
\]
Kadangi rezultatas nėra sveikasis skaičius, naudojame interpoliaciją tarp 4-ojo ir 5-ojo duomenų.
4-i duomenys = 72
5-i duomenys = 75
\[
D_4 = 72 + 0.4 × (75 – 72) = 72 + 1.2 = 73.2
\]
Taigi, ketvirtasis duomenų rinkinio decilis yra 73.2.
4 klausimo pavyzdys: Taikymas pajamų paskirstyme
Klausimas:
Ekonominio tyrimo metu buvo surinkti mėnesinių pajamų duomenys apie šiuos žmones: 2000, 2200, 2400, 2500, 2700, 3000, 3200, 3500, 3700, 4000, 4200, 4500, 4700, 5000, 5500. Nustatykite duomenų rinkinio medianą ir kvartiles.
Sprendimas:
Pirmiausia užtikriname, kad duomenys būtų surūšiuoti nuo mažiausio iki didžiausio, o aukščiau esantys duomenys būtų surūšiuoti.
Duomenų skaičius, n = 15
Medianos (Q2) apskaičiavimas:
Mediana yra duomenys, esantys vidurinėje padėtyje.
\[
\text{Medianos pozicija} = \frac{n + 1}{2} = \frac{15 + 1}{2} = 8
\]
8-i duomenys = 3500
Taigi, mediana (Q2) yra 3500.
Skaičiuojant Q1:
Q1 yra reikšmė, užimanti \(\frac{n + 1}{4}\) poziciją.
\[
Q1 = ∫₀ + 1(4) = ∫₀ (16) = 4
\]
4-i duomenys = 2500
Taigi, trečiasis ketvirtis yra 2500.
Skaičiuojant Q3:
Q3 yra reikšmė, užimanti \(\frac{3(n + 1)}{4}\) poziciją.
\[
Q3 = ∫(3 × (15 + 1)^4) = ∫(3 × 16)^4 = 12
\]
12-i duomenys = 4500
Taigi, trečiasis ketvirtis yra 4500.
Taigi, mediana (Q2) yra 3500, Q1 yra 2500, o Q3 yra 4500.
Išvada
Pasiskirstymo matai yra itin naudingi duomenų analizės įrankiai, padedantys suprasti ir interpretuoti duomenų pasiskirstymą. Naudodami tokius matus kaip kvartiliai, deciliai ir procentiliai, galime susidaryti aiškesnį vaizdą apie analizuojamų duomenų pasiskirstymą ir tendencijas. Šiame straipsnyje pateikiami keli problemų ir sprendimų pavyzdžiai, tikintis padėti skaitytojams suprasti, kaip apskaičiuoti ir taikyti pasiskirstymo matus įvairiose situacijose.
