ตัวอย่างคำถามและการอภิปรายเกี่ยวกับสถิติ
สถิติเป็นสาขาหนึ่งของคณิตศาสตร์ที่เกี่ยวข้องกับการรวบรวม วิเคราะห์ ตีความ และนำเสนอข้อมูล เครื่องมือทางสถิติถูกนำไปใช้ในหลากหลายสาขา เช่น เศรษฐศาสตร์ วิศวกรรมศาสตร์ สุขภาพ และสังคมศาสตร์ เพื่อทำความเข้าใจปรากฏการณ์ที่สังเกตได้ ในบทความนี้ เราจะกล่าวถึงตัวอย่างปัญหาทางสถิติหลายข้อและคำอธิบาย เพื่อช่วยให้คุณเข้าใจแนวคิดนี้ได้ดียิ่งขึ้น
1. คุณสมบัติของข้อมูลและประเภทการกระจายข้อมูล
ตัวอย่างคำถามข้อที่ 1:
นักวิจัยได้รวบรวมข้อมูลจากผู้ตอบแบบสอบถาม 30 คน เพื่อหาอายุเฉลี่ยของประชากรในหมู่บ้าน โดยได้บันทึกอายุไว้ดังนี้:
25, 30, 22, 28, 34, 29, 31, 24, 26, 27, 29, 30, 31, 33, 35, 24, 26, 28, 29, 27, 30, 32, 26, 25, 28, 31, 29, 30, 24, 32
ถาม:
1. คำนวณค่าเฉลี่ยของข้อมูล
2. หาค่ามัธยฐานของข้อมูล
การอภิปราย:
1. การคำนวณค่าเฉลี่ย:
ค่าเฉลี่ยคือผลรวมของค่าทั้งหมดหารด้วยจำนวนข้อมูล
ค่าเฉลี่ย = (25 + 30 + 22 + 28 + 34 + 29 + 31 + 24 + 26 + 27 + 29 + 30 + 31 + 33 + 35 + 24 + 26 + 28 + 29 + 27 + 30 + 32 + 26 + 25 + 28 + 31 + 29 + 30 + 24 + 32) / 30
ค่าเฉลี่ย = 840 / 30 = 28
ดังนั้น อายุเฉลี่ยของประชากรในหมู่บ้านจึงอยู่ที่ 28 ปี
2. การหาค่ามัธยฐาน:
ขั้นตอนแรกในการคำนวณค่ามัธยฐานคือการเรียงลำดับข้อมูลจากน้อยไปมาก
ข้อมูลที่เรียงลำดับแล้ว: 22, 24, 24, 24, 25, 25, 26, 26, 26, 27, 27, 28, 28, 28, 29, 29, 29, 29, 30, 30, 30, 31, 31, 31, 32, 32, 33, 34, 35
เนื่องจากจำนวนข้อมูลมี 30 (เป็นเลขคู่) ค่ามัธยฐานจึงเป็นค่าเฉลี่ยของค่าสองค่าตรงกลาง
ค่าเฉลี่ยของวันที่ 15 และ 16 คือ 29 และ 29 ตามลำดับ
ค่ามัธยฐาน = (29 + 29) / 2 = 29
ดังนั้น ค่ามัธยฐานของข้อมูลคือ 29 ปี
2. ค่าเบี่ยงเบนมาตรฐานและความแปรปรวน
ตัวอย่างคำถามข้อที่ 2:
ต่อไปนี้เป็นข้อมูลเกี่ยวกับจำนวนผู้เข้าชมร้านค้าในแต่ละวันตลอดหนึ่งสัปดาห์: 120, 135, 150, 165, 180, 195, 210
ถาม:
1. คำนวณค่าความแปรปรวนของข้อมูล
2. คำนวณค่าเบี่ยงเบนมาตรฐานของข้อมูล
การอภิปราย:
1. การคำนวณค่าเฉลี่ย:
ค่าเฉลี่ย = (120 + 135 + 150 + 165 + 180 + 195 + 210) / 7 = 1155 / 7 = 165
ดังนั้น จำนวนผู้เข้าชมโดยเฉลี่ยต่อวันคือ 165 คน
2. การคำนวณค่าความแปรปรวน:
ค่าความแปรปรวน \(\sigma^2\) คือค่าเฉลี่ยของกำลังสองของผลต่างระหว่างข้อมูลแต่ละชุดกับค่าเฉลี่ย
ความแปรปรวน = \(\sum_{i=1}^{n} (x_i – \mu)^2 / n\)
โดยที่ \(x_i\) คือข้อมูลแต่ละตัว, \(\mu\) คือค่าเฉลี่ย และ n คือจำนวนข้อมูล
\((120-165)^2 = 2025\)
\((135-165)^2 = 900\)
\((150-165)^2 = 225\)
\((165-165)^2 = 0\)
\((180-165)^2 = 225\)
\((195-165)^2 = 900\)
\((210-165)^2 = 2025\)
ยอดรวมทั้งหมด = 2025 + 900 + 225 + 0 + 225 + 900 + 2025 = 6300
ความแปรปรวน = 6300 / 7 = 900
2. การคำนวณค่าเบี่ยงเบนมาตรฐาน:
ค่าเบี่ยงเบนมาตรฐานคือรากที่สองของค่าความแปรปรวน
ส่วนเบี่ยงเบนมาตรฐาน = \(\sqrt{900}\) = 30
ดังนั้น ค่าความแปรปรวนของข้อมูลผู้เข้าชมรายวันคือ 900 และค่าเบี่ยงเบนมาตรฐานคือ 30
3. การแจกแจงความถี่และฮิสโตแกรม
ตัวอย่างคำถามข้อที่ 3:
สร้างตารางการแจกแจงความถี่และฮิสโตแกรมจากข้อมูลต่อไปนี้ ซึ่งแสดงคะแนนสอบของนักเรียน 20 คน:
45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 60, 65, 70, 75, 80, 85, 50, 55, 60, 65
ถาม:
1. จัดทำตารางการแจกแจงความถี่โดยแบ่งเป็น 5 ช่วงชั้น
2. สร้างฮิสโตแกรมจากตารางการแจกแจงความถี่
การอภิปราย:
1. การจัดทำตารางการแจกแจงความถี่:
ช่วงชั้นที่ใช้คือ 5
| ช่วงชั้น | ความถี่ |
|——————-|———–|
| 45 – 49 | 1 |
| 50 – 54 | 2 |
| 55 – 59 | 2 |
| 60 – 64 | 4 |
| 65 – 69 | 3 |
| 70 – 74 | 2 |
| 75 – 79 | 2 |
| 80 – 84 | 2 |
| 85 – 89 | 2 |
| 90 – 94 | 1 |
2. การสร้างฮิสโตแกรม:
ฮิสโตแกรมเป็นแผนภาพแสดงตารางการแจกแจงความถี่ โดยแต่ละช่วงชั้นจะแสดงด้วยแท่งกราฟ และความสูงของแท่งกราฟแสดงถึงความถี่ของช่วงชั้นนั้น
ในการสร้างกราฟ คุณสามารถใช้ซอฟต์แวร์อย่าง Excel หรือเครื่องมือแสดงภาพข้อมูลอื่นๆ ต่อไปนี้เป็นตัวอย่างง่ายๆ ของฮิสโตแกรม:
““
ช่วงชั้น: แกน x (45-49, 50-54, …, 90-94)
ความถี่: แกน y
| 4
| 3 x
| 2 xxxxx
| 1 xxxxxxxx
|————————————–
45-49 50-54 55-59 60-64 65-69 70-74 75-79 80-84 85-89 90-94
““
หมายเหตุ: การแสดงผลด้วยอักขระ ASCII นั้นไม่ถูกต้องสมบูรณ์ ควรใช้โปรแกรมกราฟิกเพื่อการแสดงผลที่ถูกต้องกว่า
บทสรุป
จากตัวอย่างคำถามและการอภิปรายเหล่านี้ เราได้เรียนรู้วิธีการคำนวณค่าเฉลี่ย มัธยฐาน ความแปรปรวน และส่วนเบี่ยงเบนมาตรฐาน รวมถึงวิธีการสร้างตารางการแจกแจงความถี่และฮิสโตแกรมจากข้อมูล ความเข้าใจนี้มีความสำคัญอย่างยิ่งต่อการวิเคราะห์ข้อมูลอย่างมีประสิทธิภาพและการตัดสินใจบนพื้นฐานของข้อมูลทางสถิติที่ถูกต้อง
สถิติเป็นเครื่องมือที่มีประสิทธิภาพในการวิจัยและการประยุกต์ใช้ในทางปฏิบัติ ยิ่งเราเข้าใจแนวคิดพื้นฐานและการประยุกต์ใช้มากเท่าไร เราก็จะยิ่งสามารถแก้ไขปัญหาที่ซับซ้อนและตัดสินใจได้อย่างชาญฉลาดมากขึ้นเท่านั้น
