Mga Halimbawang Tanong at Talakayan ng mga Single Data Quartiles
Ang mga quartile sa estadistika ay isang kagamitang ginagamit upang hatiin ang isang set ng datos sa apat na bahagi, o mga quartile, na bawat isa ay naglalaman ng parehong dami ng datos. Ang mga quartile ay kadalasang ginagamit upang maunawaan ang distribusyon ng datos at ihambing ang mga halaga sa loob ng isang mas malaking dataset. Sa artikulong ito, tatalakayin natin kung paano kalkulahin ang mga quartile para sa isang set ng datos gamit ang ilang halimbawa. Titingnan natin kung paano kinakalkula at binibigyang-kahulugan ang unang quartile (Q1), pangalawang quartile (Q2, kilala rin bilang median), at ikatlong quartile (Q3).
Kahulugan ng Quartile
Bago magpatuloy sa mga halimbawang problema, mahalagang maunawaan ang mga kahulugan ng tatlong quartile sa isang set ng datos:
1. Unang Kwartilyo (Q1): Ang mga posisyon ng datos sa ibaba ng Q1 ay sumasaklaw sa 25% ng datos mula sa kabuuang hanay ng datos.
2. Ikalawang Quartile (Q2 o Median): Ang mga posisyon ng datos sa ibaba ng Q2 ay sumasaklaw sa 50% ng datos mula sa kabuuang hanay ng datos.
3. Ikatlong Kwartilyo (Q3): Ang mga posisyon ng datos sa ibaba ng Q3 ay sumasaklaw sa 75% ng datos mula sa kabuuang hanay ng datos.
Mga Hakbang sa Pagkalkula ng mga Quartile
Upang makalkula ang mga quartile, ang mga sumusunod na hakbang ay kinabibilangan ng:
1. Pagbukud-bukurin ang Datos: Siguraduhing ang datos ay nakaayos mula sa pinakamaliit hanggang sa pinakamalaking halaga.
2. Pagtukoy sa Posisyon ng Quartile: Gamitin ang pormula upang matukoy ang posisyon ng quartile.
– Posisyon ng Q1 = (N+1) / 4
– Posisyon ng Q2 = (N+1) / 2
– Posisyon ng Q3 = 3(N+1) / 4
Kung saan ang N ay ang kabuuang bilang ng datos.
3. Pagkuha ng mga Halaga ng Quartile: Batay sa mga nakalkulang posisyon, kunin o i-interpolate ang mga halaga ng quartile.
Mga Halimbawang Tanong at Talakayan
Halimbawang Tanong 1
Ipagpalagay na mayroong mga sumusunod na iisang datos: 5, 7, 8, 12, 13, 14, 18, 21, 23, 29.
Hakbang 1: Pag-uuri ng Datos
Ang datos ay nakaayos ayon sa: 5, 7, 8, 12, 13, 14, 18, 21, 23, 29
Hakbang 2: Tukuyin ang lokasyon ng mga quartile
Ang bilang ng datos (N) ay 10.
– Posisyon Q1 = (10+1) / 4 = 11 / 4 = 2.75
– Posisyon Q2 = (10+1) / 2 = 11 / 2 = 5.5
– Posisyon Q3 = 3(10+1) / 4 = 33 / 4 = 8.25
Hakbang 3: Pagkuha ng mga Halaga ng Quartile
– Q1: Ang posisyon 2.75 ay nagpapahiwatig na ang Q1 ay matatagpuan sa pagitan ng ika-2 at ika-3 datos sa pagkakasunod-sunod. Ang ika-2 datos ay 7 at ang ika-3 datos ay 8. Samakatuwid, ang Q1 = 7 + 0.75(8-7) = 7.75.
– Q2 (Median): Ang posisyon 5.5 ay nagpapahiwatig na ang Q2 ay matatagpuan sa pagitan ng ika-5 at ika-6 na datos. Ang ika-5 datos ay 13 at ang ika-6 na datos ay 14. Kaya, Q2 = 13 + 0.5(14-13) = 13.5.
– Q3: Ang posisyon 8.25 ay nagpapahiwatig na ang Q3 ay matatagpuan sa pagitan ng ika-8 at ika-9 na datos. Ang ika-8 datos ay 21 at ang ika-9 na datos ay 23. Kaya, Q3 = 21 + 0.25(23-21) = 21.5.
Halimbawang Tanong 2
Ang mga sumusunod na datos ay ibinigay: 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22.
Hakbang 1: Pag-uuri ng Datos
Ang datos ay nakaayos: 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22
Hakbang 2: Tukuyin ang lokasyon ng mga quartile
Ang bilang ng datos (N) ay 11.
– Posisyon Q1 = (11+1) / 4 = 12 / 4 = 3
– Posisyon Q2 = (11+1) / 2 = 12 / 2 = 6
– Posisyon Q3 = 3(11+1) / 4 = 36 / 4 = 9
Hakbang 3: Pagkuha ng mga Halaga ng Quartile
– Q1: Ang posisyon 3 ay nangangahulugang ang Q1 ang ika-3 na datos. Kaya ang Q1 = 6.
– Q2 (Median): Ang posisyon 6 ay nangangahulugang ang Q2 ang ika-6 na datos. Kaya ang Q2 = 12.
– Q3: Ang posisyon 9 ay nangangahulugang ang Q3 ang ika-9 na datos. Kaya ang Q3 = 18.
Pagbibigay-kahulugan sa mga Quartile
Kapag nakuha na ang mga halaga ng Q1, Q2, at Q3, maaari na natin itong gamitin upang suriin ang datos. Halimbawa:
1. Interquartile Range (IQR): Ito ang pagkakaiba sa pagitan ng Q3 at Q1. IQR = Q3 – Q1. Ginagamit ang IQR upang matukoy ang distribusyon ng datos at matukoy ang mga outlier.
2. Mga Outlier: Ang datos na malayo sa ibang datos ay maaaring matukoy gamit ang mga lower at upper limit.
– Mas mababang limitasyon = Q1 – 1.5 IQR
– Mataas na limitasyon = Q3 + 1.5 IQR
Ang datos na nasa labas ng mga hangganang ito ay itinuturing na isang outlier.
Paglalapat ng IQR sa Halimbawang Tanong 1
– IQR = Q3 – Q1 = 21.5 – 7.75 = 13.75
– Mababang limitasyon = 7.75 – 1.5(13.75) = 7.75 – 20.625 = -12.875
– Mataas na limitasyon = 21.5 + 1.5(13.75) = 21.5 + 20.625 = 42.125
Ang datos na -12.875 hanggang 42.125 ay isang normal na distribusyon na walang mga outlier sa halimbawang tanong 1.
Paglalapat ng IQR sa Halimbawang Tanong 2
– IQR = Q3 – Q1 = 18 – 6 = 12
– Mababang limitasyon = 6 – 1.5(12) = 6 – 18 = -12
– Mataas na limitasyon = 18 + 1.5(12) = 18 + 18 = 36
Ang datos na -12 hanggang 36 ay isang normal na distribusyon na walang mga outlier sa halimbawang tanong 2.
Konklusyon
Ang pag-unawa at pagkalkula ng mga quartile ay nakakatulong sa pagtukoy ng distribusyon ng datos at pagsusuri ng iba't ibang aspeto ng distribusyon ng datos. Sa artikulong ito, susuriin natin ang mga hakbang na kasama sa pagkalkula ng mga quartile para sa isang hanay ng datos sa pamamagitan ng ilang halimbawa ng mga problema at ang kanilang talakayan. Kabilang sa mga hakbang na ito ang pag-uuri ng datos, pagtukoy sa lokasyon ng mga quartile, at pagkalkula ng naaangkop na mga halaga ng quartile. Kapag nailapat nang tama, ang mga quartile ay nagiging isang mahalagang kagamitang analitikal sa estadistika para sa pagkakaroon ng mas malalim na pag-unawa sa isang dataset.
