Halimbawa ng Tanong sa Talakayan para sa Scatter Diagram
Ang scatterplot, na kilala rin bilang scatter diagram, ay isang mahalagang kagamitan sa pagsusuri ng datos at estadistika. Nakakatulong ito sa atin na maunawaan ang ugnayan sa pagitan ng dalawang numerical variable sa pamamagitan ng pag-plot ng mga data point sa isang two-dimensional plane. Tatalakayin ng artikulong ito ang mga halimbawa at talakayan ng mga scatterplot.
Ano ang isang Scatter Plot?
Ang scatterplot ay isang biswal na representasyon ng ugnayan sa pagitan ng dalawang set ng numerical data. Ang bawat punto sa scatterplot ay kumakatawan sa isang pares ng mga halaga para sa dalawang magkaibang baryabol. Halimbawa, kung gusto nating suriin ang ugnayan sa pagitan ng mga oras ng pag-aaral at mga marka sa pagsusulit, ang mga oras ng pag-aaral ay maaaring katawanin ng X-axis, habang ang mga marka sa pagsusulit ay ng Y-axis.
Mga Benepisyo ng Scatter Diagrams
1. Pagtukoy sa mga Pattern: Ang mga scatterplot ay makakatulong sa atin na matukoy ang mga pattern o trend sa datos. Ang mga pattern na ito ay maaaring linear, non-linear, o kahit walang pattern.
2. Pagtukoy ng Korelasyon: Gamit ang isang scatterplot, matutukoy natin kung mayroong ugnayan sa pagitan ng dalawang baryabol. Ang ugnayan ay maaaring positibo, negatibo, o sero (walang ugnayan).
3. Pagtukoy ng Outlier: Pinapadali rin ng mga scatter plot ang pagtuklas ng mga outlier, na mga data point na malayo ang pagitan mula sa iba pang bahagi ng data set.
Mga Halimbawang Tanong at Talakayan
Halimbawang Tanong 1: Paggawa ng Scatter Diagram
Tanong:
Ibinibigay ang sumusunod na datos tungkol sa mga oras ng pag-aaral (X) at mga marka sa pagsusulit (Y) ng limang mag-aaral:
| Mga Mag-aaral | Mga Oras ng Pag-aaral (X) | Iskor sa Pagsusulit (Y) |
|——-|———————|———————–|
| Isang | 2 | 70 |
| B | 3 | 75 |
| C | 1 | 65 |
| D | 4 | 80 |
| E | 5 | 85 |
Gumawa ng scatter diagram gamit ang datos sa itaas.
Talakayan:
Upang makagawa ng scatter diagram, ang mga sumusunod ang mga hakbang na maaaring gawin:
1. Tukuyin ang X at Y axes: Piliin ang baryabol ng oras ng pag-aaral para sa X axis at mga marka sa pagsusulit para sa Y axis.
2. I-plot ang mga data point: I-plot ang bawat pares (X, Y) sa isang graph.
Narito ang isang balangkas ng datos:
| X-axis (Mga Oras ng Pag-aaral) | Y-axis (Iskor ng Pagsusulit) |
|—————————–|————————–|
| 2 | 70 |
| 3 | 75 |
| 1 | 65 |
| 4 | 80 |
| 5 | 85 |
Halimbawang Tanong 2: Pagtukoy sa Uri ng Korelasyon
Tanong:
Batay sa datos na naka-plot sa Halimbawang Tanong 1, tukuyin ang uri ng ugnayan sa pagitan ng mga oras ng pag-aaral at mga marka sa pagsusulit.
Talakayan:
Upang matukoy ang uri ng ugnayan, kailangan nating bigyang-pansin ang padron na nabuo ng mga punto ng datos sa scatter diagram.
Ipinapakita ng dayagram na habang tumataas ang oras ng pag-aaral, tumataas din ang mga marka sa pagsusulit. Ipinapahiwatig nito ang isang positibong ugnayan sa pagitan ng mga oras ng pag-aaral at mga marka sa pagsusulit. Ang ugnayan na ito ay itinuturing na positibo dahil ang parehong baryabol ay gumagalaw sa parehong direksyon.
Halimbawa 3: Pagkalkula ng Pearson Correlation Coefficient
Tanong:
Kalkulahin ang koepisyent ng korelasyon ng Pearson mula sa datos sa Halimbawa ng Problema 1.
Talakayan:
Sinusukat ng Pearson correlation coefficient (r) ang lakas at direksyon ng linear na relasyon sa pagitan ng dalawang baryabol. Ang pormula para sa r ay:
\[ r = \frac{n(\sum XY) – (\sum X)(\sum Y)}{\sqrt{[n\sum X^2 – (\sum
Saan:
– Ang \( n \) ay ang bilang ng mga pares ng datos.
– Ang \( \sum XY \) ay ang kabuuan ng mga produkto ng X at Y.
– Ang \( \sum X \) ay ang kabuuan ng lahat ng halaga ng X.
– Ang \( \sum Y \) ay ang kabuuan ng lahat ng halagang Y.
– Ang \( \sum X^2 \) ay ang kabuuan ng mga parisukat ng lahat ng mga halaga ng X.
– Ang \( \sum Y^2 \) ay ang kabuuan ng mga parisukat ng lahat ng halagang Y.
Una, kalkulahin natin ang mga kinakailangang halaga:
\[ \kabuuang X = 2 + 3 + 1 + 4 + 5 = 15 \]
\[ \kabuuang Y = 70 + 75 + 65 + 80 + 85 = 375 \]
\[ \kabuuan
\[ \kabuuan
\[ \kabuuang Y^2 = 70^2 + 75^2 + 65^2 + 80^2 + 85^2 = 4900 + 5625 + 4225 + 6400 + 7225 = 28375 \]
Pagkatapos, ipalit sa pormula:
\[ r = \frac{5(1175) – (15)(375)}{\sqrt{[5(55) – (15)^2][5(28375) – (375)^2]}} \]
\[ r = \frac{5875 – 5625}{\sqrt{[275 – 225][141875 – 140625]}} \]
\[ r = \frac{250}{\sqrt{50 1250}} \]
\[ r = \frac{250}{\sqrt{62500}} \]
\[ r = \frac{250}{250} \]
\[ r = 1 \]
Kaya, ang Pearson correlation coefficient ng datos sa itaas ay 1, na nagpapahiwatig ng isang perpektong positibong linear na relasyon.
Halimbawang Tanong 4: Pagtukoy sa mga Outlier
Tanong:
Mula sa datos sa Halimbawang Tanong 1, tukuyin kung mayroong anumang outliers sa scatterplot.
Talakayan:
Ang outlier ay isang data point na malayong-malayo sa iba pang bahagi ng data set. Mula sa datos:
| X-axis (Mga Oras ng Pag-aaral) | Y-axis (Iskor ng Pagsusulit) |
|—————————–|————————–|
| 2 | 70 |
| 3 | 75 |
| 1 | 65 |
| 4 | 80 |
| 5 | 85 |
Tila nagtatagpo ang lahat ng mga punto ng datos, at wala sa kanila ang may makabuluhang pagkakaiba sa iba. Samakatuwid, maaari nating mahinuha na ang hanay ng datos na ito ay walang naglalaman ng mga outlier.
Konklusyon
Ang scatterplot ay isang napaka-kapaki-pakinabang na visual tool sa pagsusuri ng datos para sa pagtukoy ng ugnayan sa pagitan ng dalawang numerical variable. Sa pamamagitan ng mga halimbawa sa itaas, mauunawaan natin kung paano lumikha ng scatterplot, matukoy ang uri ng korelasyon, kalkulahin ang Pearson correlation coefficient, at matukoy ang mga outlier. Ang pag-unawa sa mga konseptong ito ay mahalaga para sa pagsusuri ng datos at paggawa ng matalinong mga desisyon batay sa pagsusuring iyon.
Samakatuwid, ang mga scatter plot ay hindi lamang nakakatulong sa mas malalim na pag-unawa sa datos kundi nagbubukas din ng daan para sa karagdagang pagsusuring istatistikal.
