Paano Ipangkat ang Datos sa mga Interval ng Klase
Ang pagpapangkat ng datos sa mga class interval ay isang mahalagang hakbang sa descriptive statistics. Ang layunin ay gawing simple ang malalaking halaga ng hilaw na datos upang mas madaling basahin, suriin, at ipakita sa mga frequency distribution table o histogram. Kapag ang datos ay masyadong magkakaiba at nakakalat, kadalasang mahirap matukoy ang mga pattern. Inaayos ng mga class interval ang datos sa mga partikular na grupo ng halaga, na nagbibigay-daan sa atin na mas malinaw na maunawaan ang distribusyon ng datos, ang mga pinakamadalas na lumilitaw na halaga, at maging ang central tendency.
Tinatalakay ng artikulong ito ang kahulugan ng mga class interval, kung kailan ito kinakailangan, pati na rin ang mga praktikal na hakbang para sa pagpapangkat ng datos sa mga class interval kumpleto sa mga halimbawa ng aplikasyon.
1. Pag-unawa sa mga Pagitan ng Klase
Ang class interval ay isang hanay ng mga halagang ginagamit upang pangkatin ang datos sa isang distribusyon ng dalas. Ang bawat interval ay karaniwang may mas mababa at mas mataas na limitasyon. Halimbawa, ang interval 10–19 ay nagpapahiwatig na ang lahat ng datos na may mga halaga sa pagitan ng 10 at 19 ay nabibilang sa klaseng iyon.
Sa isang talahanayan ng distribusyon ng dalas, ang mga agwat ng klase ay nagsisilbing "mga lalagyan" para sa magkakatulad na halaga. Ginagawa nitong mas maigsi ang datos kaysa sa paglilista ng lahat ng mga halaga nang paisa-isa. Ang mga agwat ng klase ay bumubuo rin ng batayan para sa paglikha ng mga graph tulad ng mga histogram at mga polygon ng dalas.
2. Kailan Kailangang Ipangkat-pangkat ang mga Datos?
Hindi lahat ng datos ay kailangang hatiin sa mga pagitan ng klase. Karaniwang kinakailangan ang pagpapangkat kapag:
1. Malaking dami ng datos, halimbawa mahigit sa 30 o 50 na obserbasyon.
2. Malawak ang saklaw ng datos, kaya ang mga halaga ay nakakalat at mahirap basahin.
3. Gusto nating makita ang padron ng distribusyon, halimbawa upang malaman kung ang datos ay may tendensiyang maging normal, skewed, o may double peaks.
4. Ang datos ay ipapakita sa isang histogram, dahil ang histogram ay nangangailangan ng mga klase ng interval.
Kung maliit ang datos (hal. 10 halaga), kadalasan ay sapat na ang isang talahanayan ng dalas nang walang mga pagitan.
3. Mga Hakbang para sa Pagpapangkat ng Datos sa mga Interval ng Klase
Ang mga sumusunod ay ang mga pinakakaraniwang hakbang na ginagamit upang bumuo ng mga pagitan ng klase.
Hakbang 1: Tukuyin ang Minimum at Maximum na Datos
Una, tukuyin ang pinakamaliit (minimum) at pinakamalaki (maximum) na mga halaga ng datos.
– Pinakamababang halaga = \( x_{\min} \)
– Pinakamataas na halaga = \( x_{\max} \)
Gagamitin ang halagang ito upang kalkulahin ang saklaw ng datos.
Hakbang 2: Kalkulahin ang Saklaw
Ang saklaw ay ang pagkakaiba sa pagitan ng pinakamataas at pinakamababang halaga:
\[
R = x_{\max} – x_{\min}
\]
Ang saklaw ay nagbibigay ng ideya ng lapad ng distribusyon ng datos.
Hakbang 3: Tukuyin ang Bilang ng mga Klase (k)
Ang bilang ng mga klase ay maaaring matukoy sa iba't ibang paraan. Ang pinakasikat na paraan ay ang paggamit ng Panuntunan ni Sturges:
\[
k = 1 + 3{,}3 \log_{10}(n)
\]
kung saan ang \(n \) ay ang dami ng datos.
Ang mga resulta ng kalkulasyon ay karaniwang nira-round off sa pinakamalapit na buong numero (o pataas) upang ang bilang ng mga klase ay hindi masyadong maliit.
Bukod sa Sturges, may karaniwang kasanayan: pumili ng laki ng klase sa pagitan ng 5 at 12, depende sa iyong mga pangangailangan sa display at laki ng sample. Gayunpaman, ang Sturges ay medyo mainam para sa mas maliliit na set ng data.
Hakbang 4: Kalkulahin ang Lapad ng Klase (i)
Ang lapad ng klase ay ang haba ng bawat pagitan ng klase. Ang pormula ay:
\[
i = \frac{R}{k}
\]
Dahil kailangang madaling gamitin ang mga lapad ng klase, karaniwang nira-round off ang mga ito sa isang "maayos" na numero (hal., 5, 10, 2, o 0,5, depende sa konteksto ng datos). Mahalaga ang pag-round off na ito upang matiyak na madaling basahin ang mga interval at maiwasan ang kalituhan.
Kung ang mga resulta ng pag-round up ay pumipigil sa pag-akomoda ng lahat ng datos, maaaring bahagyang dagdagan ang lapad ng klase.
Hakbang 5: Tukuyin ang mga Limitasyon sa Klase
Magsimula sa pinakamababang halaga bilang ang pinakamababang limitasyon ng unang klase. Pagkatapos ay lumikha ng magkakasunod na mga pagitan hanggang sa masakop nila ang pinakamataas na halaga.
Halimbawa, kung ang minimum na halaga ay 32 at ang lapad ng klase ay 5, maaaring malikha ang klase:
– 32–36
– 37–41
– 42–46
- atbp.
Mahalaga: Siguraduhing walang mga puwang o pagsasanib sa pagitan ng mga klase. Ang lahat ng mga halaga ng datos ay dapat mahulog sa eksaktong iisang klase.
Hakbang 6: (Opsyonal) Gumawa ng mga Hangganan ng Klase
Kung ang datos ay mga integer (hal., mga marka sa pagsusulit), ang mga hangganan ng klase ay kadalasang nililikha upang gawing tuloy-tuloy ang klase. Ginagawa ito sa pamamagitan ng pagdaragdag ng 0,5 sa itaas na hangganan at pagbabawas ng 0,5 mula sa ibabang hangganan.
Halimbawa, sa klase 32–36, ang class edge ay magiging:
– 31,5–36,5
Ito ay kapaki-pakinabang para sa mga histogram upang ang mga bar ay magkadugtong nang walang mga puwang.
Hakbang 7: Kalkulahin ang Dalas ng Bawat Klase
Kapag natukoy na ang mga class interval, bilangin kung ilang data point ang nabibilang sa bawat interval. Ang mga resulta ay nakasulat sa frequency column (f).
Para sa malalaking datos, gamitin ang paraan ng pagbilang (tally method) upang mas mabilis at mabawasan ang mga error.
Hakbang 8: Gumawa ng Talahanayan ng Distribusyon ng Dalas
Ang talahanayan ng distribusyon ng minimum na dalas ay naglalaman ng:
– Pagitan ng klase
– Dalas (f)
Maaari kang magdagdag ng iba pang mga column tulad ng:
– Gitnang punto ng klase (xi)
– Pinagsama-samang dalas
– Relatibong dalas (porsyento)
4. Halimbawa ng Pagpapangkat ng Datos
Halimbawa, mayroong datos ng marka sa pagsusulit mula sa 40 mag-aaral na may minimum na marka na 42 at maximum na 94.
1. Minimum = 42 , Maximum = 94
2. Saklaw:
\[
R = 94 – 42 = 52
\]
3. Bilang ng mga klase (Sturges):
\[
k = 1 + 3{,}3 \log(40)
\tinatayang 1 + 3{,}3(1{,}602)
humigit-kumulang 6{,}29
\]
Ni-round up sa 6 o 7 klase. Pumili kami ng 7 klase para sa mas detalyadong impormasyon.
4. Lapad ng klase:
\[
i = \frac{52}{7} \approx 7{,}43
\]
Binuo hanggang 8.
5. Bumuo ng mga pagitan simula sa 42 na may lapad na 8:
– 42–49
– 50–57
– 58–65
– 66–73
– 74–81
– 82–89
– 90–97
Umabot sa 97 ang huling pagitan, kaya natanggap pa rin ang pinakamataas na halaga na 94.
6. Susunod, kalkulahin ang dalas ng bawat pagitan batay sa datos (halimbawa, gamit ang isang linya). Ipapakita ng pangwakas na talahanayan kung gaano karaming mga mag-aaral ang nasa loob ng isang tiyak na hanay ng mga marka, na magbibigay-daan sa atin upang mabilis na masuri ang pagganap.
5. Mga Tip para Gawing Mas Epektibo ang mga Interval ng Klase
1. Gumamit ng pare-parehong lapad ng klase upang madaling ihambing ang mga talahanayan.
2. Huwag masyadong maraming klase, dahil ang talahanayan ay magiging mahaba at mahirap basahin.
3. Huwag magkaroon ng masyadong kaunti na mga klase, dahil ang mahahalagang impormasyon ay maaaring "mawala" at ang distribusyon ay maaaring magmukhang masyadong magaspang.
4. Ayusin ang pag-round off ng lapad ng klase upang umangkop sa konteksto ng datos. Para sa mga temperatura, maaaring angkop ang 1 o 0,5; para sa mga marka sa pagsusulit, karaniwang angkop ang 5 o 10.
5. Suriing mabuti ang mga hangganan ng klase upang matiyak na naipasok ang lahat ng datos nang walang anumang nawawalang halaga.
Konklusyon
Ang pagpapangkat ng datos sa mga agwat ng klase ay isang mahalagang pamamaraan para sa pagpapasimple ng datos at malinaw na pagpapakita ng distribusyon. Kabilang sa mga hakbang ang pagtukoy sa minimum at maximum na mga halaga, pagkalkula ng saklaw, pagtukoy sa bilang ng mga klase (kadalasang ginagamit ang Panuntunan ni Sturges), pagkalkula ng lapad ng klase, pagbuo ng mga agwat, at pagkatapos ay pagkalkula ng dalas ng bawat klase. Gamit ang tamang mga agwat ng klase, ang kumplikadong hilaw na datos ay maaaring mabago sa madaling maunawaang impormasyon, maging sa mga talahanayan o mga graph.
Kung gusto mo, puwede rin akong gumawa ng kumpletong halimbawa gamit ang raw data (listahan ng mga value) at pagkatapos ay bumuo ng frequency distribution table na may histogram.
