Teknik untuk Mencari Median Data
Median ialah ukuran kecenderungan memusat yang membahagikan set data kepada dua bahagian yang sama. Tidak seperti min, yang boleh dipinggirkan oleh outlier, median memberikan petunjuk kukuh tentang nilai memusat. Mencari median adalah penting dalam pelbagai aplikasi saintifik, kejuruteraan, sains sosial dan perniagaan. Artikel ini akan mengkaji beberapa teknik untuk mencari median data, merangkumi set data univariat dan multivariat serta kaedah mudah hingga lebih kompleks.
Memahami Median
Sebelum meneroka teknik-teknik ini, adalah penting untuk menentukan median. Median ialah nilai yang memisahkan separuh bahagian atas daripada separuh bahagian bawah set data. Dalam senarai yang disusun, jika bilangan pemerhatian (\(n\)) adalah ganjil, median ialah elemen tengah. Jika \(n\) adalah genap, median ialah purata bagi dua elemen tengah.
Contohnya, pertimbangkan set data \([3, 5, 7, 9]\). Dengan 4 elemen, median ialah \(\frac{5+7}{2} = 6\). Untuk set data bernombor ganjil seperti \([3, 5, 7]\), median ialah 5.
Teknik Asas untuk Mencari Median
1. Kaedah Susun dan Pilih
Kaedah paling mudah untuk mencari median adalah dengan menyusun data dan kemudian memilih nilai tengah.
– Langkah 1: Isih set data dalam tertib menaik.
– Langkah 2: Jika \(n\) ganjil, median ialah elemen pada kedudukan \(\frac{n+1}{2}\).
– Langkah 3: Jika \(n\) adalah genap, median ialah purata elemen pada kedudukan \(\frac{n}{2}\) dan \(\frac{n}{2}+1\).
Kaedah ini berfungsi dengan baik untuk set data bersaiz kecil hingga sederhana dan mudah dilaksanakan. Walau bagaimanapun, langkah pengisihan boleh menjadi mahal dari segi pengiraan untuk set data yang sangat besar, dengan kerumitan masa \(O(n \log n)\).
2. Algoritma QuickSelect
Untuk set data yang besar, algoritma QuickSelect menawarkan pendekatan yang lebih cekap. Ia berfungsi berdasarkan prinsip yang sama seperti algoritma QuickSort tetapi hanya tertumpu pada mencari elemen terkecil ke-k, dengan \(k\) ialah kedudukan median.
– Langkah 1: Pilih elemen pangsi daripada set data.
– Langkah 2: Bahagikan set data kepada elemen kurang daripada, sama dengan dan lebih besar daripada pangsi.
– Langkah 3: Tentukan bahagian mana median berada dan gunakan proses tersebut secara berulang hanya pada bahagian tersebut.
Kerumitan masa QuickSelect secara purata ialah \(O(n)\), menjadikannya sesuai untuk set data yang lebih besar.
Median dalam Taburan Frekuensi
Apabila berurusan dengan taburan frekuensi, median boleh dianggarkan dan bukannya dikira dengan tepat.
– Kaedah Selang Kelas: Kaedah ini melibatkan pengenalpastian kelas median—kelas di mana frekuensi kumulatif melebihi separuh daripada jumlah frekuensi buat kali pertama.
Formula untuk menganggarkan median dalam taburan frekuensi berkumpulan ialah:
\[ \text{Median} = L + \left( \frac{\frac{N}{2} – CF}{f} \right) \times w \]
di mana \( L \) ialah sempadan bawah kelas median, \( N \) ialah jumlah frekuensi, \( CF \) ialah frekuensi kumulatif kelas sebelum kelas median, \( f \) ialah frekuensi kelas median, dan \( w \) ialah lebar kelas.
Median dalam Data Multivariat
Set data multivariat, yang mana setiap titik data terdiri daripada berbilang pembolehubah, membentangkan senario yang lebih kompleks untuk mencari median.
– Kaedah Median Marginal: Kira median secara individu untuk setiap pembolehubah dan gunakan nilai-nilai ini untuk membentuk vektor median. Walaupun mudah, kaedah ini tidak mempertimbangkan hubungan antara pembolehubah.
– Median Geometri: Ini ialah titik yang meminimumkan jumlah jarak Euclidean kepada semua titik data dalam set data multivariat. Ia boleh didapati menggunakan kaedah lelaran seperti algoritma Weiszfeld, yang menumpu kepada median geometri melalui lelaran.
Median dalam Set Data Besar
Mencari median dalam set data yang besar boleh dioptimumkan menggunakan pelbagai teknik.
– Algoritma Penstriman: Dalam senario di mana set data terlalu besar untuk dimuatkan ke dalam memori atau sedang dibaca sebagai strim:
– Gabungan Timbunan Min dan Timbunan Maks: Dengan mengekalkan dua timbunan, satu untuk separuh bahagian bawah dan satu untuk separuh bahagian atas data, median boleh diambil dengan cekap. Kerumitan masa untuk penyisipan ialah \(O(\log n)\), dan mencari median ialah \(O(1)\).
– Pensampelan Takungan: Teknik ini berguna untuk penstriman data. Ia melibatkan pengekalan sampel set data dan pengemaskiniannya apabila lebih banyak elemen diperhatikan.
Kaedah Statistik Teguh
Dalam set data yang tercemar dengan outlier, kaedah statistik yang mantap boleh memberikan anggaran median yang lebih andal.
– Min Terpilih: Kaedah ini melibatkan penggantian nilai ekstrem dengan nilai bukan ekstrem terdekat sebelum mengira median. Ia menggabungkan keteguhan median dengan sedikit kecekapan daripada pengiraan min.
– Median Dipangkas: Peratusan tertentu bagi titik data tertinggi dan terendah dibuang sebelum mengira median, sekali gus mengurangkan pengaruh outlier.
Kesimpulan
Teknik untuk mencari median data sangat berbeza dari segi kerumitan dan aplikasi, daripada kaedah isihan dan pilih yang mudah kepada algoritma canggih seperti QuickSelect dan algoritma penstriman untuk set data yang besar. Memahami kaedah ini dan memilih kaedah yang sesuai berdasarkan ciri set data dan sumber pengiraan adalah penting untuk pengiraan median yang tepat dan cekap. Sama ada berurusan dengan set data kecil atau besar, taburan frekuensi atau data multivariat, teknik yang betul boleh membuat perbezaan yang ketara dalam menangkap kecenderungan memusat data dengan tepat.
