Анализа података коришћењем фреквентних полигона у статистици
У статистици, презентација података је кључни корак пре извођења закључака. Подаци који се у почетку састоје од сирових бројева често су тешки за разумевање ако нису правилно организовани и визуелизовани. Један ефикасан начин за представљање дистрибуције података јесте путем фреквентних полигона. Фреквентни полигони нам помажу да видимо обрасце дистрибуције података, доминантне тенденције вредности и облик дистрибуције (нпр. симетричан, искривљен или са више од једног врха). Овај чланак разматра концепт фреквентних полигона, како их креирати, како их тумачити и њихову употребу у статистичкој анализи података.
Разумевање фреквентних полигона
Фреквентни полигон је линијски графикон који приказује фреквентну дистрибуцију груписаних података. Овај графикон се формира повезивањем тачака које представљају фреквенције у средњим тачкама класа. За разлику од хистограма, који се састоји од трака, фреквентни полигон је линија, што посматрачима олакшава упоређивање образаца дистрибуције више група података унутар једног графикона.
Фреквентни полигони се често користе када желимо да глатко прикажемо промене или трендове у фреквенцији. На пример, приликом анализе резултата тестова, висине, тежине или података о производњи, фреквентни полигони могу показати да ли су подаци углавном концентрисани у одређеном опсегу или су равномерно распоређени.
Када се користе фреквентни полигони?
Фреквентни полигони се првенствено користе када подаци:
1. У облику квантитативних података (нпр. вредност, тежина, висина, време).
2. Били су или треба да буду груписани у интервале наставе.
3. Потребно је упоредити две или више расподела на једном графикону, јер је линије лакше слагати него хистограмске траке.
Фреквентни полигони су такође веома корисни у фази истраживачке анализе података, наиме када истраживачи желе да разумеју опште карактеристике података пре него што спроведу даљу анализу као што су статистички тестови, регресија или прогнозирање.
Важне компоненте у фреквентном полигону
Да би се креирао фреквентни полигон, потребно је разумети неколико основних компоненти:
– Интервал класе: опсег вредности који дели податке у неколико група.
– Учесталост: број података унетих у сваки интервал класе.
– Средња тачка класе: средња вредност интервала израчуната помоћу формуле:
\[
\text{Средња тачка} = \frac{\text{доња граница} + \text{горња граница}}{2}
\]
– X и Y осе: X оса садржи средишњу тачку класе, док Y оса приказује фреквенцију.
Са овом компонентом можемо цртати тачке (средња тачка, фреквенција) и затим их повезати у линију.
Кораци за креирање фреквентног полигона
Следећи су општи кораци за креирање фреквентног полигона из сирових података:
1. Уређивање података и одређивање многих класа
Први корак је припрема сирових података. Након тога, одредите број класа (k). Један популаран приступ је Стерџесова формула:
\[
k = 1 + 3{,}3 log(n)
\]
где је \(n\) број података.
2. Одредите опсег и ширину класе
Израчунај опсег података:
\[
Р = к_{\тект{мак}} – к_{\тект{мин}}
\]
Тада се ширина класе може израчунати:
\[
p = \frac{R}{k}
\]
Ширина класа је обично заокружена ради лакшег коришћења.
3. Направите табелу расподеле фреквенција
Распоредите интервале класа, а затим пребројте колико тачака података спада у сваки интервал. Резултат је табела расподеле фреквенција.
4. Израчунајте средишњу тачку сваке класе
За сваки интервал, израчунајте средњу тачку. Ова средња тачка ће бити коришћена на X-оси.
5. Креирање графика
– Поставите средишњу тачку класе на X осу.
– Поставите фреквенцију на Y осу.
– Нацртајте парове тачака (средња тачка, фреквенција).
– Спојите тачке правом линијом.
Да би се полигон правилно „затворио“, обично се додаје по једна тачка на почетку и крају са нултом фреквенцијом, на средини класе пре прве класе и после последње класе.
Једноставан пример тумачења
На пример, полигон фреквенција показује свој највиши врх на средини од 70, са највећом фреквенцијом. Ово указује да је најчешће јављајућа вредност око 70, што сугерише да је већина ученика постигнутих резултата око те вредности. Ако полигон тежи да нагло падне удесно (велике вредности) и протеже се улево (мале вредности), дистрибуција података може бити искривљена улево; обрнуто, ако се протеже удесно, дистрибуција је искривљена удесно.
Поред облика, нагиб линије такође указује на промене у учесталости између класа. Нагли пораст указује на значајно повећање броја тачака података у следећој класи. Нагли пад указује на супротно.
Фреквентни полигон наспрам хистограма
Иако оба описују расподелу фреквенција, постоје важне разлике:
1. Визуелни облик
– Хистограм: суседни тракице.
– Фреквентни полигон: линије које спајају тачке.
2. Лакоћа поређења
– Хистограме је тешко сложити за многе групе.
– Фреквентне полигоне је лакше упоредити на једном графикону.
3. Читљивост шаблона
– Полигони јасније приказују општи облик криве расподеле.
– Хистограм помаже да се детаљно види структура класе.
У пракси, фреквентни полигони се често конструишу на основу хистограма: средње тачке сваке траке хистограма су повезане линијом.
Предности фреквентних полигона у анализи података
Фреквентни полигони нису само слике, већ аналитички алати. Неке од њихових предности:
1. Препознајте центар података (централна тенденција)
Врх полигона означава класу мода, односно интервал са највећом фреквенцијом.
2. Погледајте дистрибуцију (варијабилност)
Широки полигони указују на разноврсније податке; уски полигони указују на концентрисаније податке.
3. Процените образац дистрибуције
Дистрибуције могу бити симетричне, асиметричне или бимодалне (два врха). Ово је важно за одређивање даљих метода анализе.
4. Поређење група
На пример, упоређивање вредности класе А и класе Б, или резултата производње машине 1 и машине 2. Два полигона се могу нацртати заједно да би се видела разлика у расподели.
5. Откривање необичних података
Ако постоје мали врхови који су далеко од главног врха, могу постојати различите групе података, грешке уноса или одступања.
Уобичајене грешке и савети за сервирање
Неке уобичајене грешке при креирању фреквентних полигона укључују:
– Користите границе класа на X-оси, а не средње тачке класа.
– Ширина класа је недоследна, што доводи до погрешних тумачења.
– Не додаје тачке нулте фреквенције на крајевима, тако да полигон изгледа као да „виси“.
– Непропорционална скала осе.
Добри савети за сервирање:
– Користите доследне интервале између часова.
– Наведите јасан наслов, ознаке оса и размеру.
– Ако упоређујете две групе, користите различите боје/линије и додајте легенду.
– Уверите се да број часова није ни премали ни превише како би расподела остала читљива.
Пенутуп
Фреквентни полигони су веома користан облик статистичке визуелизације за разумевање дистрибуције груписаних података. Коришћењем средњих тачака класа и фреквенција, фреквентни полигони представљају јасну слику образаца података, лако се упоређују између група и помажу истраживачима да идентификују карактеристике дистрибуције пре него што спроведу даљу анализу. У статистичкој пракси, способност читања и конструисања фреквентних полигона је суштинска основна вештина, посебно за квантитативну анализу података. Уз правилну структуру класа и пажљиво тумачење, фреквентни полигони могу бити једноставан, али моћан алат за подршку доношењу одлука на основу података.
