Exempelfrågor som diskuterar kvartiler av grupperade data
Pendahuluan
Kvartiler inom statistik är ett mått på central tendens som delar upp data i fyra lika delar. Kvartiler består av den första kvartilen (Q1), den andra kvartilen (Q2) och den tredje kvartilen (Q3). I många fall kan data som analyseras grupperas. Den här artikeln kommer att diskutera exempel och en diskussion om kvartiler för grupperade data.
Förstå kvartiler i gruppdata
Kvartiler är värden som delar upp organiserad data i fyra lika delar. Den första kvartilen (Q1) kallas 25:e percentilen, den andra kvartilen (Q2) kallas även medianen eller 50:e percentilen, och den tredje kvartilen (Q3) kallas 75:e percentilen.
För grupperade data är det lite mer komplicerat att beräkna kvartiler än för enskilda data. Grupperade data presenteras vanligtvis i en frekvensfördelningstabell, så vi måste använda en specifik formel för att hitta kvartilerna.
Kvartilformel för grupperade data
För att hitta kvartilerna i grupperade data använder vi följande formel:
– Första kvartilen (Q1):
\[
Q1 = L_{Q1} + (\frac{\frac{N}{4} – F_{Q1}}{f_{Q1}}) \times c
\]
– Andra kvartilen (Q2):
\[
Q2 = L_{Q2} + (\frac{\frac{N}{2} – F_{Q2}}{f_{Q2}}) \times c
\]
– Tredje kvartilen (Q3):
\[
Q3 = L_{Q3} + (\frac{\frac{3N}{4} – F_{Q3}}{f_{Q3}}) \times c
\]
Din mana:
– \( L_{Q1}, L_{Q2}, L_{Q3} \) = nedre gräns för klass Q1, Q2, Q3
– \(N \) = antal data
– \( F_{Q1}, F_{Q2}, F_{Q3} \) = kumulativ frekvens före klass Q1, Q2, Q3
– \( f_{Q1}, f_{Q2}, f_{Q3} \) = klassfrekvenser Q1, Q2, Q3
– \(c \) = klasslängd
Problem exempel
Följande är ett exempel på ett gruppdataproblem som kommer att användas för att beräkna kvartiler:
| Värde | Frekvens |
|————|———–|
| 10–19 | 5 |
| 20–29 | 8 |
| 30–39 | 12 |
| 40–49 | 15 |
| 50–59 | 6 |
| 60–69 | 4 |
Steg 1: Bestäm den kumulativa frekvensen
Först och främst måste vi bestämma den kumulativa frekvensen för varje klass:
| Värde | Frekvens | Kumulativ frekvens |
|————|————–|————————|
| 10 – 19 | 5 | 5 |
| 20–29 | 8 | 13 |
| 30 – 39 | 12 | 25 |
| 40 – 49 | 15 | 40 |
| 50–59 | 6 | 46 |
| 60–69 | 4 | 50 |
Antal data (N) = 50
Steg 2: Bestämning av den första kvartilen (Q1)
– \( \frac{N}{4} = \frac{50}{4} = 12.5 \)
Vi letar efter den klass där den kumulativa frekvensen först överstiger 12.5, nämligen klass 20–29.
– L (nedre gräns för klass Q1) = 20
– F (kumulativ frekvens före klass Q1) = 5
– f (frekvens för klass Q1) = 8
– c (klasslängd) = 10
Med formel Q1:
\[
Q1 = 20 + (12.5 – 5/8) × 10 = 20 + (7.5/8) × 10 = 20 + 9.375 = 29.375
\]
Steg 3: Bestämning av den andra kvartilen (Q2)
– \( \frac{N}{2} = \frac{50}{2} = 25 \)
Vi letar efter den klass där den kumulativa frekvensen först överstiger 25, nämligen klass 30–39.
– L = 30
– F = 13
– f = 12
– c = 10
Med formel Q2:
\[
Q2 = 30 + (25 – 13/12) × 10 = 30 + (12/12) × 10 = 30 + 10 = 40
\]
Steg 4: Bestäm den tredje kvartilen (Q3)
– (\frac{3N}{4} = \frac{3 \× 50}{4} = 37.5 \)
Vi letar efter den klass där den kumulativa frekvensen först överstiger 37.5, nämligen klass 40–49.
– L = 40
– F = 25
– f = 15
– c = 10
Med formel Q3:
\[
Q3 = 40 + (37.5–25) × 15) = 40 + (12.5) × 15) = 40 + 8.333 = ca 48.333
\]
slutsats
Från ovanstående beräkningar erhåller vi kvartilvärdena för gruppdata enligt följande:
– Första kvartilen (Q1) = 29.375
– Andra kvartilen (Q2) = 40
– Tredje kvartilen (Q3) = 48.333
Dessa värden låter oss förstå hur informationen är fördelad inom gruppen. Till exempel faller 25 % av informationen under 29 375 (Q1), 50 % av informationen faller under 40 (medianen eller Q2) och 75 % av informationen faller under 48 333 (Q3).
Kvartilberäkningar är användbara i en mängd olika situationer för att få en djupare förståelse av datafördelning. Att förstå den här metoden gör att vi kan analysera grupperade data mer exakt och effektivt.
