Cum se grupează datele în intervale de clasă
Gruparea datelor în intervale de clasă este un pas crucial în statistica descriptivă. Scopul este de a simplifica cantități mari de date brute pentru a le facilita citirea, analiza și prezentarea în tabele de distribuție a frecvențelor sau histograme. Atunci când datele sunt prea diverse și dispersate, este adesea dificil să se discernă tipare. Intervalele de clasă organizează datele în grupuri de valori specifice, permițându-ne să înțelegem mai clar distribuția datelor, valorile care apar cel mai frecvent și chiar tendința centrală.
Acest articol discută semnificația intervalelor de clasă, când sunt necesare, precum și pași practici pentru gruparea datelor în intervale de clasă, completați cu exemple de aplicații.
1. Înțelegerea intervalelor de clasă
Un interval de clasă este un interval de valori utilizat pentru a grupa datele într-o distribuție de frecvență . Fiecare interval are de obicei o limită inferioară și una superioară. De exemplu, intervalul 10–19 indică faptul că toate datele cu valorile de la 10 la 19 sunt incluse în acea clasă.
Într -un tabel de distribuție a frecvențelor , intervalele de clasă servesc drept „containere” pentru valori similare. Acest lucru face ca datele să fie mai concise decât listarea tuturor valorilor individual. Intervalele de clasă formează, de asemenea, baza pentru crearea de grafice precum histograme și poligoane de frecvență.
2. Când trebuie grupate datele?
Nu este necesar ca toate datele să fie împărțite în intervale de clasă. Gruparea este, în general, necesară atunci când:
1. Cantitate mare de date, de exemplu mai mult de 30 sau 50 de observații.
2. Intervalul de date este larg, astfel încât valorile sunt dispersate și dificil de citit.
3. Vrem să vedem modelul de distribuție, de exemplu pentru a afla dacă datele tind să fie normale, asimetrice sau au vârfuri duble.
4. Datele vor fi prezentate sub formă de histogramă, deoarece histograma necesită clase de interval.
Dacă datele sunt mici (de exemplu, 10 valori), adesea este suficient un singur tabel de frecvențe, fără intervale.
3. Pași pentru gruparea datelor în intervale de clasă
Următorii sunt cei mai frecvenți pași utilizați pentru a forma intervale de clasă.
Pasul 1: Determinarea datelor minime și maxime
Mai întâi, identificați cele mai mici (minime) și cele mai mari (maxime) valori ale datelor.
– Valoare minimă = \(x_{\min} \)
– Valoare maximă = (x_{\max})
Această valoare va fi utilizată pentru a calcula intervalul datelor.
Pasul 2: Calculați intervalul
Intervalul este diferența dintre valorile maxime și minime:
\[
R = x_{max} – x_{min}
\]
Intervalul oferă o idee despre lățimea distribuției datelor.
Pasul 3: Determinați numărul de clase (k)
Numărul de clase poate fi determinat în mai multe moduri. Cea mai populară metodă este utilizarea regulii lui Sturges:
\[
k = 1 + 3,3 \log_{10}(n)
\]
unde \(n\) este cantitatea de date.
Rezultatele calculului sunt de obicei rotunjite la cel mai apropiat număr întreg (sau în sus), astfel încât numărul de clase să nu fie prea mic.
Pe lângă Sturges, există o practică comună: alegeți o dimensiune a clasei între 5 și 12, în funcție de nevoile de afișare și de dimensiunea eșantionului. Cu toate acestea, Sturges este destul de bun pentru seturi de date mai mici.
Pasul 4: Calculați lățimea clasei (i)
Lățimea clasei este lungimea fiecărui interval de clasă. Formula este:
\[
i = \frac{R}{k}
\]
Deoarece lățimile claselor trebuie să fie ușor de utilizat, acestea sunt de obicei rotunjite la un număr „precis” (de exemplu, 5, 10, 2 sau 0,5, în funcție de contextul datelor). Această rotunjire este importantă pentru a asigura că intervalele sunt ușor de citit și pentru a evita confuzia.
Dacă rezultatele rotunjirii împiedică includerea tuturor datelor, lățimea clasei poate fi ușor mărită.
Pasul 5: Determinarea limitelor de clasă
Începeți cu valoarea minimă ca limită inferioară a primei clase. Apoi creați intervale succesive până când acestea cuprind valoarea maximă.
De exemplu, dacă valoarea minimă este 32 și lățimea clasei este 5, atunci clasa poate fi creată:
– 32–36
– 37–41
– 42–46
- etc.
Important: Asigurați-vă că nu există goluri sau suprapuneri între clase. Toate valorile datelor trebuie să se încadreze exact în aceeași clasă.
Pasul 6: (Opțional) Creați limite de clasă
Dacă datele sunt numere întregi (de exemplu, scorurile la teste), limitele de clasă sunt adesea create pentru a face clasa continuă. Acest lucru se face prin adăugarea a 0,5 la limita superioară și scăderea a 0,5 din limita inferioară.
De exemplu, pentru clasa 32–36, marginea clasei devine:
– 31,5–36,5
Acest lucru este util pentru histograme, astfel încât barele să se conecteze fără goluri.
Pasul 7: Calculați frecvența fiecărei clase
După ce intervalele de clasă sunt determinate, numărați câte puncte de date se încadrează în fiecare interval. Rezultatele sunt scrise în coloana de frecvență (f).
Pentru date mari, utilizați metoda de numărare pentru a fi mai rapid și a reduce erorile.
Pasul 8: Construiți un tabel de distribuție a frecvențelor
Tabelul de distribuție a frecvențelor minime conține:
– Interval de clasă
– Frecvență (f)
Puteți adăuga și alte coloane, cum ar fi:
– Punctul de mijloc al clasei (xi)
– Frecvența cumulativă
– Frecvență relativă (procent)
4. Exemplu de grupare a datelor
De exemplu, există date privind scorurile la teste de la 40 de elevi cu un scor minim de 42 și un scor maxim de 94.
1. Minim = 42 , Maxim = 94
2. Interval:
\[
R = 94 – 42 = 52
\]
3. Numărul de clase (Sturges):
\[
k = 1 + 3{,}3 \log(40)
\approx 1 + 3{,}3(1{,}602)
\aprox. 6{,}29
\]
Rotunjit la 6 sau 7 clase. Am ales 7 clase pentru mai multe detalii.
4. Lățimea clasei:
\[
i = \frac{52}{7} \approx 7{,}43
\]
Rotunjit la 8.
5. Formați intervale începând de la 42 cu o lățime de 8:
– 42–49
– 50–57
– 58–65
– 66–73
– 74–81
– 82–89
– 90–97
Ultimul interval a atins 97, așa că valoarea maximă de 94 a fost încă acceptată.
6. Apoi, calculați frecvența fiecărui interval pe baza datelor (de exemplu, folosind o linie). Tabelul final va arăta câți elevi se încadrează într-un anumit interval de scoruri, permițându-ne să evaluăm rapid performanța.
5. Sfaturi pentru a face intervalele de clasă mai eficiente
1. Folosiți lățimi de clasă consecvente pentru a facilita compararea tabelelor.
2. Nu aveți prea multe clase, deoarece tabelul va deveni lung și dificil de citit.
3. Nu aveți prea puține clase, deoarece informații importante se pot „pierde” și distribuția poate părea prea neregulamentară.
4. Ajustați rotunjirea lățimii clasei pentru a se potrivi contextului datelor. Pentru temperaturi, 1 sau 0,5 ar putea fi potrivit; pentru scorurile testelor, 5 sau 10 este de obicei potrivit.
5. Verificați încă o dată limitele clasei pentru a vă asigura că toate datele sunt introduse fără valori lipsă.
Concluzie
Gruparea datelor în intervale de clase este o tehnică importantă pentru simplificarea datelor și afișarea clară a distribuției. Pașii includ determinarea valorilor minime și maxime, calcularea intervalului, determinarea numărului de clase (adesea folosind regula lui Sturges), calcularea lățimii claselor, construirea intervalelor și apoi calcularea frecvenței fiecărei clase. Cu intervalele de clase corecte, datele brute complexe pot fi transformate în informații ușor de înțeles, fie în tabele, fie în grafice.
Dacă doriți, pot crea și un exemplu complet cu date brute (listă de valori) și apoi pot compila un tabel de distribuție a frecvențelor cu o histogramă.
