Појединачни квартили података: Детаљно разумевање поделе података у статистици
Један од основних концепата у статистици је подела података на квартиле. Квартили се користе за детаљније разумевање дистрибуције података него само посматрање медијане или средње вредности. У овом чланку ћемо размотрити квартиле једног скупа података, како их израчунати и њихову примену у различитим контекстима анализе података.
Шта је квартил?
Квартили су специфичне вредности које деле сортиране податке на четири једнака дела. Једноставно речено, квартили су групе сортираних података, при чему сваки квартил покрива приближно 25% података.
Квартили се састоје од три главна маркера:
1. Први квартил (Q1): дели доњих 25% података од остатка.
2. Други квартил (Q2) или медијана: дели податке на два једнака дела, 50% података је испод ове вредности, а 50% је изнад ове вредности.
3. Трећи квартил (Q3): дели највиших 25% података од остатка.
Сваки квартил служи као репрезентација одређеног дела скупа података и има разне примене, од описа података до анализе аутсајдера.
Како израчунати квартиле
Да бисте израчунали квартиле, први корак је сортирање података у растућем редоследу. Погледајмо детаљне кораке за израчунавање квартила на једном скупу података:
Сортирање података
Претпоставимо да имамо следећи скуп података:
7, 15, 36, 39, 40, 41, 42, 43, 47, 49
Први корак је да се уверите да су подаци сортирани:
7, 15, 36, 39, 40, 41, 42, 43, 47, 49
Одређивање квартилне позиције
Затим, одређујемо позиције квартила. За скуп података величине \( N \):
– Позиција Q1 = \( \frac{(N+1)}{4} \)
– Позиција Q2 = \( \frac{(N+1)}{2} \)
– Позиција Q3 = \( \frac{3(N+1)}{4} \)
За наш скуп података (N=10):
– Позиција Q1 = \( \frac{(10+1)}{4} = 2.75 \)
– Позиција Q2 = \( \frac{(10+1)}{2} = 5.5 \)
– Позиција Q3 = \( \frac{3(10+1)}{4} = 8.25 \)
Интерполирање квартила
Ако је квартилна позиција децимални број, онда интерполирамо између две суседне вредности података.
– К1 (позиција 2.75):
Комбинујте вредности података на другој позицији `15` и трећој позицији `36`.
Q1 = 15 + 0.75 (36 – 15) = 15 + 0.75 21 = 15 + 15.75 = 30.75
– К2 (Медијана на позицији 5.5):
Комбинујте вредности података на другој позицији `40` и трећој позицији `41`.
К2 = 40 + 0.5 (41 – 40) = 40 + 0.5 1 = 40.5
– К3 (позиција 8.25):
Комбинујте вредности података на другој позицији `43` и трећој позицији `47`.
Q3 = 43 + 0.25 (47 – 43) = 43 + 0.25 4 = 43 + 1 = 44
Дакле, квартили нашег скупа података су:
– К1 = 30.75
– К2 = 40.5
– К3 = 44
Квартилна примена
Статистички опис
Квартили се користе као део статистичких описа како би се пружио општи преглед дистрибуције података. Познавање квартила нам омогућава да боље разумемо конзистентност, симетрију и расподелу података.
Анализа одступања
Квартили су такође веома корисни у идентификовању аутлајера. Аутлајери су вредности података које су далеко од већине скупа података. За откривање аутлајера обично се користи метода „Интерквартилног распона (IQR)“.
IQR се израчунава као разлика између Q3 и Q1:
\[ \text{IQR} = Q3 – Q1 \]
Вредности података се сматрају аутсајдерима ако су испод (Q1-1.5 пута IQR) или изнад (Q3+1.5 пута IQR).
У горњем скупу података:
– IQR = 44 – 30.75 = 13.25
– Доња граница за аутсајдере = Q1 – 1.5 IQR = 30.75 – 1.5 13.25 = 30.75 – 19.875 = 10.875
– Горња граница за аутсајдере = Q3 + 1.5 IQR = 44 + 1.5 13.25 = 44 + 19.875 = 63.875
Дакле, вредности података испод 10.875 или изнад 63.875 сматрају се изузецима. Пошто наш скуп података спада у тај опсег, нема изузетака.
Сложено руковање подацима
Поред тога што се користе у једноставним подацима, квартили се могу применити и на сложеније скупове података. У финансијској анализи, на пример, квартили могу помоћи у идентификацији учинка одређене акције на тржишту. У образовању, квартили се могу користити за идентификацију академског успеха ученика на одређеном тесту.
Бок Плот
Један алат за визуелизацију који користи квартиле је Box Plot или Tukey Box Plot. Box Plot пружа графички приказ пет важних резимеа у подацима: минималне вредности, првог квартила (Q1), медијане (Q2), трећег квартила (Q3) и максималне вредности. Једноставан начин за откривање аномалија је коришћење Box Plot-а, где се аномалије обично приказују као тачке изван „бркова“ (осенчених линија између минимума, Q1, Q3 и максимума).
Закључак
Израчунавање и разумевање квартила у једном скупу података пружа дубљи увид у структуру података, њихову дистрибуцију и присуство или одсуство аутлајера. У широком спектру примена, од једноставних статистичких описа до сложенијих анализа као што су откривање аутлајера и употреба бокс дијаграма, квартили играју кључну улогу у анализи и интерпретацији података. Помоћу овог алата, анализа података постаје систематичнија и информативнија, отварајући пут дубљим увидима и значајнијим открићима у различитим областима проучавања. Квартили не само да олакшавају статистичке описе већ пружају и значајне увиде неопходне за доношење одлука заснованих на подацима.
Добро разумевање квартила и како се они примењују у анализи података је вредна вештина која се може усвојити у различитим практичним контекстима, од истраживања до пословања, чинећи нас паметнијима у анализи и тумачењу података.
