Contoh Soalan dan Perbincangan tentang Langkah Pengagihan
Ukuran serakan ialah konsep statistik yang digunakan untuk menggambarkan sejauh mana serakan atau variasi data dalam set data. Skala serakan memberikan pandangan yang lebih mendalam tentang taburan data, mendedahkan maklumat yang tidak dapat dilihat hanya daripada median dan min. Artikel ini akan membincangkan beberapa contoh masalah yang berkaitan dengan ukuran serakan dan perbincangannya untuk menjelaskan konsep ini. Terdapat pelbagai ukuran serakan, termasuk julat, sisihan piawai, varians dan julat antara kuartil (IQR).
1. Julat
Definisi
Julat ialah perbezaan antara nilai tertinggi dan terendah dalam set data.
Contoh masalah
Sebuah pasukan bola sepak merekodkan bilangan gol yang mereka jaringkan dalam 10 perlawanan terakhir mereka seperti berikut:
3, 5, 2, 8, 7, 2, 6, 9, 4, dan 1.
Perbincangan
Untuk mengira julat, kita perlu mencari nilai maksimum dan minimum data.
– Skor maksimum: 9
– Nilai minimum: 1
Julat = Nilai maksimum – Nilai minimum = 9 – 1 = 8
Jadi, julat gol yang dijaringkan dalam 10 perlawanan terakhir ialah 8 gol.
2. Sisihan Piawai
Definisi
Sisihan piawai ialah ukuran sejauh mana setiap nilai dalam set data berada daripada minnya. Sisihan piawai ialah punca kuasa dua bagi varians.
Contoh masalah
Berikut adalah skor ujian matematik bagi sebuah kelas: 65, 70, 75, 80, dan 85.
Perbincangan
Langkah pertama ialah mengira purata skor.
\[
\text{Purata} = \frac{65 + 70 + 75 + 80 + 85}{5} = 75
\]
Langkah kedua ialah mengira perbezaan antara setiap nilai dan purata, kemudian kuasa duakan hasilnya:
– (65 – 75)² = 100
– (70 – 75)² = 25
– (75 – 75)² = 0
– (80 – 75)² = 25
– (85 – 75)² = 100
Langkah ketiga ialah mencari varians dengan mengira purata kuasa dua perbezaan:
\[
\text{Varians} = \frac{100 + 25 + 0 + 25 + 100}{5} = 50
\]
Sisihan piawai ialah punca kuasa dua bagi varians:
\[
\text{Sisihan piawai} = \sqrt{50} \approx 7.07
\]
Jadi sisihan piawai skor ujian adalah lebih kurang 7.07.
3. Varians
Definisi
Varians ialah purata perbezaan kuasa dua antara setiap nilai dan minnya; ia menerangkan bagaimana penyebaran data di sekitar min. Varians ialah kuasa dua sisihan piawai.
Contoh masalah
Katakan kita mempunyai set data berikut: 10, 20, 30, 40, dan 50.
Perbincangan
Langkah pertama ialah mengira purata data.
\[
\text{Purata} = \frac{10 + 20 + 30 + 40 + 50}{5} = 30
\]
Langkah kedua ialah mengira perbezaan antara setiap nilai dan purata, kemudian kuasa duakan hasilnya:
– (10 – 30)² = 400
– (20 – 30)² = 100
– (30 – 30)² = 0
– (40 – 30)² = 100
– (50 – 30)² = 400
Langkah ketiga ialah mencari varians dengan mengira purata kuasa dua perbezaan:
\[
\text{Varians} = \frac{400 + 100 + 0 + 100 + 400}{5} = 200
\]
Jadi, varians set data ialah 200.
4. Julat Antara Kuartil (IQR)
Definisi
Julat antara kuartil (IQR) ialah perbezaan antara kuartil ketiga (S3) dan kuartil pertama (S1). IQR memberikan ukuran sebaran daripada 50% pertengahan data dalam set data, yang boleh menjadi lebih bermaklumat daripada julat.
Contoh masalah
Set data berikut mempunyai nilai: 1, 3, 4, 5, 6, 7, 8, 11, 13, dan 14.
Perbincangan
Pertama sekali, kita perlu menyusun data:
1, 3, 4, 5, 6, 7, 8, 11, 13, 14
Untuk mengira S1 dan S3, kita perlu membahagikan data kepada kuartil.
– Median (Q2) terletak di antara 6 dan 7: \((6+7)/2 = 6.5\)
Untuk S1, kita ambil median bagi nilai yang lebih rendah:
– 1, 3, 4, 5, 6
– Median bagi subset ini ialah 4
Untuk S3, kita ambil median bagi nilai atas:
– 7, 8, 11, 13, 14
– Median bagi subset ini ialah 11
Julat Antara Kuartil (IQR) = Q3 – Q1 = 11 – 4 = 7
Jadi, IQR untuk set data ialah 7.
Kesimpulannya
Ukuran serakan merupakan aspek penting dalam statistik yang membantu kita memahami tahap variasi dalam data. Dalam artikel ini, kami telah membincangkan dan menyediakan contoh serta perbincangan untuk beberapa ukuran serakan yang biasa digunakan: julat, sisihan piawai, varians dan julat antara kuartil. Dengan memahami konsep-konsep ini dan cara mengiranya, kita memperoleh pemahaman yang lebih baik tentang ciri-ciri data yang kita analisis, yang seterusnya dapat membantu kita membuat keputusan yang lebih tepat berdasarkan data tersebut.
