Formula Pantas untuk Menentukan Median
Median ialah ukuran statistik asas yang digunakan secara meluas untuk memahami taburan set data. Tidak seperti min, yang boleh dipinggirkan oleh nilai ekstrem, median memberikan penunjuk kecenderungan memusat yang lebih kukuh terutamanya dalam taburan bukan normal. Artikel ini menawarkan formula ringkas untuk menentukan median dalam pelbagai keadaan, termasuk set data kecil dan besar, dan membincangkan nuansanya.
Memahami Median
Median ialah nilai tengah dalam set data yang telah disusun dalam tertib menaik. Ia secara berkesan membahagikan set data kepada dua bahagian yang sama, dengan 50% titik data terletak di bawahnya dan 50% di atasnya. Contohnya, dalam set data [3, 5, 9], median ialah 5, kerana ia adalah nombor tengah.
Mengapa Median?
1. Tahan terhadap Outlier:
Tidak seperti min, median tidak terjejas oleh nilai ekstrem. Ini menjadikannya ukuran kecenderungan memusat yang lebih andal dalam taburan condong.
2. Aplikasi Dunia Sebenar:
Ia digunakan secara meluas dalam senario dunia sebenar, seperti menentukan pendapatan pertengahan dalam ekonomi, harga perumahan median dan masa hidup median dalam penyelidikan perubatan.
Mengira Median
Kaedah untuk mengira median bergantung kepada sama ada bilangan titik data (N) adalah ganjil atau genap.
1. Bilangan Pemerhatian Ganjil:
Apabila N ganjil, median ialah nombor tengah sebaik sahaja set data disusun.
Formula:
\( \text{Median} = X_{\left(\frac{N+1}{2}\right)} \)
Di sini, \( X_{\left(\frac{N+1}{2}\right)} \) mewakili nilai tengah apabila semua titik data disusun.
Contoh:
Untuk set data [1, 3, 3, 6, 7, 8, 9], N=7 (nombor ganjil). Oleh itu, median ialah \(
2. Bilangan Pemerhatian Genap:
Apabila N genap, median ialah purata bagi dua nombor pusat.
Formula:
\( \text{Median} = \frac{X_{\left(\frac{N}{2}\right)} + X_{\left(\frac{N}{2}+1\right)}}{2} \)
Di sini, \( X_{\left(\frac{N}{2}\right)} \) dan \(
Contoh:
Untuk set data [1, 2, 3, 4, 5, 6, 8, 9], N=8 (nombor genap). Oleh itu, median diberikan oleh:
\[
\text{Median} = \frac{X_4 + X_5}{2} = \frac{4 + 5}{2} = 4.5
\]
Pengiraan Median Pantas dalam Set Data Besar
Dalam set data yang besar, penyusunan data secara manual untuk mencari median adalah tidak praktikal. Berikut adalah beberapa strategi yang boleh membantu:
1. Menggunakan Perisian Statistik:
Program seperti R, Python (dengan pakej seperti NumPy dan Pandas), dan Excel boleh mengira median dengan cekap. Contohnya, dalam Python, kod `np.median(array)` boleh mengembalikan median bagi tatasusunan data dengan cepat.
2. Teknik Pensampelan:
Jika set data sangat besar, seseorang boleh menggunakan kaedah persampelan untuk menganggarkan median. Ambil sampel rawak subset data yang lebih kecil dan kirakan median subset ini.
3. Algoritma Pembahagian:
Kaedah pengiraan yang lebih maju, seperti algoritma Quickselect, mencari elemen terkecil ke-k dalam senarai tidak tertib dengan cekap, justeru menentukan median tanpa menyusun set data sepenuhnya.
Mengira Median untuk Data Berkumpulan
Data berkumpulan merujuk kepada data yang dikelompokkan ke dalam selang. Pengiraan median dalam konteks ini melibatkan penentuan selang yang mengandungi median dan kemudian interpolasi dalam selang ini.
1. Kenal pasti Kelas Median:
Pertama, cari frekuensi kumulatif untuk menentukan kelas median, iaitu selang yang mengandungi median.
2. Gunakan Formula untuk Data Berkumpulan:
\[
\text{Median} = L + \left( \frac{\frac{N}{2} – CF}{f} \right) \times j
\]
– \( L \) ialah sempadan bawah kelas median
– \( N \) ialah jumlah bilangan pemerhatian
– \( CF \) ialah frekuensi kumulatif kelas yang mendahului kelas median
– \( f \) ialah frekuensi kelas median
– \( h \) ialah lebar kelas
Contoh:
Pertimbangkan data terkumpul berikut:
| Selang Kelas | Kekerapan |
|—————-|————–|
| 0-10 | 5 |
| 10-20 | 7 |
| 20-30 | 12 |
| 30-40 | 8 |
| 40-50 | 3 |
Frekuensi kumulatif (CF) sebelum kelas median (20-30) ialah 12 (5+7). Oleh itu:
\[
\text{Median} = 20 + \left( \frac{15 – 12}{12} \right) \times 10 = 20 + \left(\frac{3}{12}\right) \times 10 = 20 + 2.5 = 22.5
\]
Pertimbangan Praktikal
1. Kehalusan Ganjil vs. Genap:
Kadangkala, dengan set data yang mempunyai nilai berulang, memahami kedudukan nilai yang tepat adalah penting untuk mengira median dengan betul.
2. Mengendalikan Nilai yang Hilang:
Tentukan terlebih dahulu cara untuk menangani nilai yang hilang. Mengabaikan atau memasukkannya boleh menjejaskan median yang dikira dengan ketara.
3. Prapemprosesan Data:
Pastikan data dibersihkan dan disusun. Untuk set data yang besar, gunakan algoritma pengisihan yang cekap untuk mempercepat pengiraan median.
Kesimpulan
Menentukan median merupakan kemahiran asas dalam statistik, dan kepentingannya dalam menentang outlier menjadikannya sangat berharga dalam analisis data. Sama ada berurusan dengan set data kecil atau besar, mengetahui pendekatan yang betul—sama ada pengiraan manual, memanfaatkan perisian atau menggunakan algoritma—memastikan kecekapan dan ketepatan. Dengan menguasai formula dan strategi pantas yang digariskan, seseorang boleh menentukan median dengan cekap, memberikan pandangan penting tentang kecenderungan pusat data.
