რისთვისაა კლასის ნიშანი?

კლასის ნიშანი ასევე ცნობილია, როგორც შუა წერტილი. ეს არის მნიშვნელობა, რომელიც არის კლასის ცენტრში და წარმოადგენს ყველა მნიშვნელობას, რომლებიც გარკვეულ კატეგორიაშია. ფუნდამენტურად, ის გამოიყენება სხვადასხვა პარამეტრის გაანგარიშება, როგორიცაა საშუალო არითმეტიკა ან სტანდარტული გადახრა.

კლასის ნიშნის მნიშვნელობა, ასევე ძალზე სასარგებლოა მონაცემების სერიის ვარიანტის პოვნა, რომელიც უკვე არის დაჯგუფებულია კლასების მიხედვით და ამავე დროს საშუალებას გვაძლევს გავიგოთ მანძილი, რაც ამ გარკვეულ მონაცემებს აქვთ ცენტრი

რისთვისაა კლასის ნიშანი?

როგორც ზემოთ აღვნიშნეთ, კლასის ნიშანი მას აქვს დიდი ფუნქციონირება, რომ მიაღწიოს არითმეტიკულ საშუალო მნიშვნელობას და მონაცემთა გარკვეული ჯგუფის ვარიაციას, რაც თავის მხრივ უკვე დაჯგუფებულია სხვადასხვა კლასებად.

არითმეტიკული საშუალო შეიძლება განისაზღვროს, როგორც ნიმუშის ზოლიდან მიღებული ყველა იმ დაკვირვების ჯამი. თუ ფიზიკური თვალსაზრისით განიხილება, ის შეიძლება განისაზღვროს, როგორც მონაცემთა ჯგუფის დარღვეული წერტილი.

მონაცემთა ნიშანი ემსახურება მონაცემთა ნაკრების სრულად იდენტიფიცირებას, მაგრამ ეს შეიძლება იყოს ძალიან სარისკო, შესაბამისად, მხედველობაში უნდა იქნას მიღებული განსხვავება ზღვრულ წერტილსა და რეალურ მონაცემებს შორის. ეს მნიშვნელობები ცნობილია როგორც საშუალო არითმეტიკული წარმოება და, თავის მხრივ, ცდილობენ დაადგინონ, თუ როგორ შეიძლება განსხვავდებოდეს მონაცემების საშუალო არითმეტიკული.

ყველაზე გავრცელებული გზა, რომლითაც შესაძლებელია ეს მნიშვნელობა, არის დისპერსია. ეს ვარიაცია არის საშუალო არითმეტიკული გადახრის კვადრატების საშუალო. კლასში ნაპოვნი მონაცემების ჯგუფის როგორც ვარიაციის, ასევე საშუალო არითმეტიკის გამოსათვლელად, გამოყენებული უნდა იქნეს მითითებული ფორმულები.

გამოთვალეთ კლასის ნიშანი

როგორც უკვე ვთქვით ადრე მკლასის კიდობანი ცნობილია როგორც თითოეული ინტერვალის შუა წერტილი. ეს არის მნიშვნელობა, რომელიც წარმოადგენს მთელ ინტერვალს გარკვეული პარამეტრების გამოთვლების შესასრულებლად, როგორიცაა სტანდარტული გადახრა.

მისი გამოსათვლელად უნდა შესრულდეს შემდეგი ნაბიჯები:

• გამოითვლება კლასის ნიშანი (Xi), რაც თითოეული ინტერვალის საშუალო მაჩვენებელია ან საშუალო მნიშვნელობა. ეს ემსახურება გაცილებით გამარტივებას სხვადასხვა პოზიციისა და დისპერსიული გაზომვების გაანგარიშებით.
• ინტერვალების რაოდენობის არჩევისას შეიძლება განისაზღვროს თითოეული კლასის ამპლიტუდა ან ინტერვალი (C).
• ეს ამპლიტუდა უნდა იყოს ტოლი მონაცემთა დიაპაზონისა, რომელიც იყოფა ინტერვალების რაოდენობაზე.
• პირველ ინტერვალში უნდა შეიცავდეს მონაცემთა ყველაზე დაბალი მნიშვნელობას და პირიქით, ბოლო ინტერვალს უნდა ჰქონდეს მონაცემთა ყველაზე მაღალი მნიშვნელობა.
• თქვენ უნდა განსაზღვროთ ინტერვალების ან კლასის (K) რაოდენობა, რომლებიც გამოიყენება მონაცემთა დაჯგუფების შესასრულებლად.
• ყველაზე შესაფერისია 5-დან 20-მდე ინტერვალი ან კლასი (K).
• ამის მიუხედავად, თუ არ არსებობს გარკვეული ინტერვალების რაოდენობა, რომელიც უნდა იქნას გამოყენებული, შეიძლება გამოყენებულ იქნას წესი, რომელსაც უწოდებენ Sturges Rule. მასთან ერთად შესაძლებელია ინტერვალების რაოდენობის საკმაოდ ზუსტი მიახლოება, რაც საჭიროა მათი დაჯგუფებისთვის.
• Sturges– ის ეს წესი საშუალებას იძლევა გაანგარიშდეს კლასის რაოდენობა, თუ ცნობილი იქნება მოსახლეობის ან ნიმუშის ზომა.

როგორია დაჯგუფებული მონაცემების კლასის ნიშანი?

ინტერვალის მიხედვით დაჯგუფებული მონაცემთა ცხრილში მოცემულია რეალური მნიშვნელობები ცვლადი. ცენტრალიზაციის ზომების გამოსათვლელად გასათვალისწინებელია, რომ მნიშვნელობები ერთნაირად ნაწილდება ინტერვალებში.

ეს შეიძლება ასევე მოხდეს, თუ მსგავსი მონაცემები ჯგუფდება ინტერვალებით. როდესაც ეს გაკეთდება, თქვენ რისკავთ თქვენი ნამდვილი მნიშვნელობების დავიწყებისა და მხოლოდ თქვენი დაახლოების გათვალისწინებით, რომელთა გათვალისწინება ხდება ერთიანი ინტერვალის განაწილებით.

ამ ყველაფერმა შეიძლება გამოიწვიოს ცენტრალიზებული გაზომვების ვარიაციები, მონაცემების მიღებისთანავე ცნობილია, რომ არ არის დაჯგუფებული ან ჯგუფდება ინტერვალებით, რაც ნიშნავს, რომ ეს არ იქნება შესანიშნავი ზომა

თუ ნიმუში შეიცავს 30 ან მეტ მონაცემს, რეკომენდებულია მონაცემების დაჯგუფება კლასობრივი კლასიფიკაციით, მაშინ უნდა განისაზღვროს ნიმუშის მახასიათებლები და შემდეგ მოსახლეობის მახასიათებლები აღებული.

სანამ განვსაზღვრავთ, თუ როგორ უნდა განვსაზღვროთ ინტერესის მახასიათებლები, როდესაც ნიმუშის მონაცემები დაჯგუფებულია ჯგუფებად, ძალიან მნიშვნელოვანია იმის ცოდნა, თუ როგორ უნდა გამოიყოს მონაცემები.

მონაცემების დასაჯგუფებლად უნდა დაიცვას შემდეგი ნაბიჯები:

განსაზღვრეთ მონაცემთა დიაპაზონი ან გზა

დიაპაზონი = უფრო მაღალი მნიშვნელობა - ქვედა მნიშვნელობა

დააყენეთ კლასების რაოდენობა (K)

კლასების რაოდენობის დასადგენად, სადაც მონაცემები დაჯგუფდება, აუცილებელია ისეთი ბაზის არსებობა, როგორიც ჩანს შემდეგ ცხრილში.

მონაცემთა ნიმუშის ზომა ან რაოდენობა	კლასების რაოდენობა
50-ზე ნაკლები	5-დან 7-მდე
50-დან 99-მდე	6-დან 10-მდე
100-დან 250-მდე	7-დან 12-მდე
250-ზე მეტი	10-დან 20-მდე