Квартили групних података
Пендахулуан
Статистика, грана науке која се бави прикупљањем, анализом, тумачењем, презентацијом и организацијом података, има много важних концепата који помажу у доношењу одлука на основу података. Један важан статистички концепт у анализи података су квартили. Квартили помажу у разумевању дистрибуције података и начина на који су подаци груписани. У овом чланку ћемо детаљно размотрити квартиле у контексту груписаних података, како их израчунати и како тумачење резултата може пружити дубљи увид у дистрибуцију података.
Разумевање квартила
Једноставно речено, квартили су вредности које деле податке на четири једнака дела. У контексту дистрибуције података, квартили деле податке на три тачке, формирајући четири интервала. Ове три тачке: Први квартил (Q1), Други квартил (Q2) и Трећи квартил (Q3) су фундаменталне за статистичку анализу. Сваки квартил има другачије значење и функцију у разумевању података.
– Први квартил (Q1): Ово је средња вредност доње половине података, позната и као 25. перцентил.
– Други квартил (Q2): Ово је средња вредност свих података, позната и као медијана или 50. перцентил.
– Трећи квартил (Q3): Ово је средња вредност горње половине података, позната и као 75. перцентил.
Квартили се користе за описивање различитих аспеката дистрибуције и пружање детаљнијих информација о опсегу и конзистентности података.
Квартили у груписаним подацима
У стварном свету, прикупљени подаци обично нису груписани (сирови подаци), већ у групе са одговарајућим фреквенцијама (груписани подаци). Анализирање груписаних података има за циљ да пружи информације о томе како су подаци распоређени у различитим категоријама или класама. Израчунавање квартила за груписане податке укључује неколико различитих корака него за негруписане податке.
Кораци за израчунавање квартила груписаних података
Да бисмо израчунали квартиле у груписаним подацима, потребне су нам неке основне информације из расподеле фреквенција, као што су горња и доња граница класе, фреквенција сваке класе и кумулативна фреквенција. Ево корака за израчунавање квартила за груписане податке:
1. Одредите квартилну класу:
– Први квартил (Q1): Налази се у класама где се кумулативна фреквенција приближава \( \frac{N}{4} \)
– Други квартил (Q2) или медијана: Налази се у класама где се кумулативна фреквенција приближава \( \frac{N}{2} \)
– Трећи квартил (Q3): Налази се у класама где се кумулативна фреквенција приближава \( \frac{3N}{4} \)
2. Користите формулу квартила за груписане податке:
– Формула за први квартил (Q1):
\[
Q1 = L + (N² – Fkf) x c
\]
– Формула за други квартил (Q2):
\[
Q2 = L + (N² – Fkf) x c
\]
– Формула за трећи квартил (Q3):
\[
Q3 = L + (3N4 – Fkf) x c
\]
Где:
– \( L \) је доња граница квартилне класе
– \( N \) је укупна фреквенција
– \( Fk \) је кумулативна фреквенција до квартилне класе
– \( f \) је фреквенција квартилне класе
– \( c \) је ширина класе
Пример израчунавања квартила за груписане податке
Да бисмо лакше разумели, погледајмо следећи пример:
Расподела фреквенција података је следећа:
| Интервал класе | Учесталост (f) |
|——————-|——————|
| 10 – 20 | 5 |
| 20 – 30 | 8 |
| 30 – 40 | 12 |
| 40 – 50 | 7 |
| 50 – 60 | 3 |
Кораци:
1. Одредити N: Укупна 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. Проналажење квартилних класа:
– П1: \( \frac{N}{4} = 8.75 \) је у класи 20 – 30
– П2: \( \frac{N}{2} = 17.5 \) је у класи 30 – 40
– П3: \( \frac{3N}{4} = 26.25 \) је у класи 40 – 50
4. Израчунавање квартила:
– За први квартал:
– \( L = 20 \)
– \( Фк = 5 \)
– \( f = 8 \)
– \( c = 10 \)
\[
Q1 = 20 + (8.75 – 58) пута 10 = 20 + (0.46875) пута 10 = 24.6875
\]
– За први квартал:
– \( L = 30 \)
– \( Фк = 13 \)
– \( f = 12 \)
– \( c = 10 \)
\[
Q2 = 30 + (17.5 – 58) пута 10 = 30 + (0.375) пута 10 = 33.75
\]
– За први квартал:
– \( L = 40 \)
– \( Фк = 25 \)
– \( f = 7 \)
– \( c = 10 \)
\[
Q3 = 40 + (26.25 – 58) пута 10 = 40 + (0.17857) пута 10 = 41.7857
\]
Тумачење резултата
Користећи горе наведене прорачуне, добијамо да:
– К1 = 24.6875
– К2 = 33.75
– К3 = 41.7857
Ови квартили нам дају додатне информације о дистрибуцији података:
– Q1=24.6875: 25% података је испод 24.6875
– Q2=33.75: 50% података је испод 33.75
– Q3=41.7857: 75% података је испод 41.7857
Квартилне информације нам омогућавају да разумемо концентрацију података и њихов опсег варијабилности. Ове информације могу бити веома корисне у доношењу одлука и даљој анализи података, као што су откривање аномалија или процена перформанси система.
Закључак
Квартили у груписаним подацима играју кључну улогу у статистичкој анализи. Уз праве методе, можемо разумети дистрибуцију података детаљније и тачније. Ове информације не само да помажу у тумачењу података, већ и олакшавају доношење информисанијих одлука на основу емпиријских доказа. Закључно, разумевање како израчунати и тумачити квартиле у груписаним подацима је фундаментална вештина коју сваки аналитичар података мора да савлада.
