Квартили на групни податоци
Пендахулуан
Статистиката, гранка на науката што се занимава со собирање, анализа, толкување, презентирање и организирање на податоци, има многу важни концепти што помагаат во донесувањето одлуки базирани на податоци. Еден важен статистички концепт во анализата на податоци се квартили. Квартилите помагаат да се разбере дистрибуцијата на податоците и како се групираат податоците. Во оваа статија, детално ќе ги разгледаме квартили во контекст на групирани податоци, како да се пресметаат и како толкувањето на резултатите може да обезбеди подлабок увид во дистрибуцијата на податоците.
Разбирање на квартили
Едноставно кажано, квартили се вредности што ги делат податоците на четири еднакви делови. Во контекст на дистрибуција на податоци, квартили ги делат податоците на три точки, формирајќи четири интервали. Овие три точки: првиот квартил (Q1), вториот квартил (Q2) и третиот квартил (Q3) се фундаментални за статистичката анализа. Секој квартил има различно значење и функција во разбирањето на податоците.
– Прв квартил (Q1): Ова е средната вредност на долната половина од податоците, позната и како 25-ти перцентил.
– Втор квартил (Q2): Ова е средната вредност на сите податоци, позната и како медијана или 50-ти перцентил.
– Трет квартил (Q3): Ова е средната вредност на горната половина од податоците, позната и како 75-ти перцентил.
Квартилите се користат за да се опишат различни аспекти на дистрибуцијата и да се обезбедат подетални информации за опсегот и конзистентноста на податоците.
Квартили во групирани податоци
Во реалниот свет, собраните податоци обично не се групирани (сурови податоци), туку во групи со нивните соодветни фреквенции (групирани податоци). Анализирањето на групираните податоци има за цел да обезбеди информации за тоа како податоците се дистрибуирани низ различни категории или класи. Пресметувањето на квартили за групирани податоци вклучува неколку различни чекори отколку за негрупирани податоци.
Чекори за пресметување на квартили на групирани податоци
За да пресметаме квартили во групирани податоци, потребни ни се некои основни информации од распределбата на фреквенциите, како што се горните и долните граници на класите, фреквенцијата на секоја класа и кумулативната фреквенција. Еве ги чекорите за пресметување на квартили за групирани податоци:
1. Определете ја квартилната класа:
– Прв квартил (Q1): Се наоѓа во класи каде што кумулативната фреквенција се приближува до \( \frac{N}{4} \)
– Втор квартил (Q2) или медијана: Се наоѓа во класи каде што кумулативната фреквенција се приближува до \( \frac{N}{2} \)
– Трет квартил (Q3): Се наоѓа во класи каде што кумулативната фреквенција се приближува до \( \frac{3N}{4} \)
2. Користете ја формулата за квартил за групирани податоци:
– Формула за првиот квартил (Q1):
\[
Q1 = L + \left( \frac{\frac{N}{4} – Fk}{f} \right) \times c
\]
– Формула за вториот квартил (Q2):
\[
Q2 = L + \left( \frac{\frac{N}{2} – Fk}{f} \right) \times c
\]
– Формула за третиот квартил (Q3):
\[
Q3 = L + (√√√√ 3N√4) – Fk√f) пати c
\]
Каде:
– \( L \) е долната граница на квартилната класа
– \( N \) е вкупната фреквенција
– \(Fk \) е кумулативната фреквенција до квартилната класа
– \( f \) е фреквенцијата на квартилната класа
– \(c \) е ширината на класата
Пример за пресметка на квартил за групирани податоци
За полесно разбирање, да го разгледаме следниов пример:
Распределбата на фреквенцијата на податоците е како што следува:
| Интервал на класа | Фреквенција (f) |
|——————-|——————|
| 10 – 20 | 5 |
| 20 – 30 | 8 |
| 30 – 40 | 12 |
| 40 – 50 | 7 |
| 50 – 60 | 3 |
Лангка-лангка:
1. Определете N: Вкупна фреквенција \( N = 5 + 8 + 12 + 7 + 3 = 35 \)
2. Кумулативна фреквенција (Fk):
| Интервална класа | Фреквенција (f) | Кумулативна фреквенција (Fk) |
|——————-|———————|—————————–|
| 10 – 20 | 5 | 5 |
| 20 – 30 | 8 | 13 |
| 30 – 40 | 12 | 25 |
| 40 – 50 | 7 | 32 |
| 50 – 60 | 3 | 35 |
3. Наоѓање на квартилни класи:
– Q1: \( \frac{N}{4} = 8.75 \) е во класа 20 – 30
– Q2: \( \frac{N}{2} = 17.5 \) е во класа 30 – 40
– П3: \( \frac{3N}{4} = 26.25 \) е во класа 40 – 50
4. Пресметување на квартили:
– За првиот квартал:
– \( L = 20 \)
– \( Fk = 5 \)
– \( f = 8 \)
– \( c = 10 \)
\[
Q1 = 20 + \left( \frac{8.75 – 5}{8} \right) \times 10 = 20 + (0.46875) \times 10 = 24.6875
\]
– За првиот квартал:
– \( L = 30 \)
– \( Fk = 13 \)
– \( f = 12 \)
– \( c = 10 \)
\[
Q2 = 30 + \left( \frac{17.5 – 13}{12} \right) \times 10 = 30 + (0.375) \times 10 = 33.75
\]
– За првиот квартал:
– \( L = 40 \)
– \( Fk = 25 \)
– \( f = 7 \)
– \( c = 10 \)
\[
Q3 = 40 + \left( \frac{26.25 – 25}{7} \right) \times 10 = 40 + (0.17857) \times 10 = 41.7857
\]
Интерпретација на резултатите
Користејќи ги горенаведените пресметки, добиваме дека:
– Q1 = 24.6875
– Q2 = 33.75
– Q3 = 41.7857
Овие квартили ни даваат дополнителни информации за распределбата на податоците:
– Q1=24.6875: 25% од податоците се под 24.6875
– Q2=33.75: 50% од податоците се под 33.75
– Q3=41.7857: 75% од податоците се под 41.7857
Квартилните информации ни овозможуваат да ја разбереме концентрацијата на податоците и нивниот опсег на варијабилност. Овие информации можат да бидат многу корисни при донесување одлуки и понатамошна анализа на податоци, како што се откривање на отстапувања или проценка на перформансите на системот.
Заклучок
Квартилите во групираните податоци играат клучна улога во статистичката анализа. Со вистинските методи, можеме да ја разбереме дистрибуцијата на податоците подетално и попрецизно. Овие информации не само што помагаат во толкувањето на податоците, туку и овозможуваат поинформирано донесување одлуки врз основа на емпириски докази. Како заклучок, разбирањето како да се пресметуваат и толкуваат квартили во групираните податоци е фундаментална вештина што секој аналитичар на податоци мора да ја совлада.
