Teorija, formulas, atrisināts piemērs un pārbaudes jautājumi latviešu valodā. Bezmaksas CE matemātikas sagatavošanās.
Populācija ir visi objekti, par kuriem pētījums grib izdarīt secinājumu. Izlase ir tā populācijas daļa, ko tiešām aptaujā vai izmēra. Pazīme ir tas, ko katram objektam nosaka (augums, viedoklis), bet dati ir pazīmes vērtības.
Secinājumu drīkst attiecināt uz visu populāciju tikai tad, ja izlase ir reprezentatīva — izvēlēta nejauši no visas populācijas.
Dati ir kvantitatīvi (skaitļi, ar kuriem ir jēga rēķināt: diskrēti — skaita, nepārtraukti — mēra) vai kategoriāli (grupa: acu krāsa, novads). Datu veids nosaka, kuru diagrammu zīmēt un ko drīkst rēķināt.
Uzdevums: izmērīts $25$ skolēnu augums (cm), dati sakārtoti augošā secībā: 157, 159, 160, 161, 162, 163, 164, 165, 165, 166, 166, 167, 168, 168, 169, 170, 170, 171, 172, 173, 174, 175, 176, 178, 182. Sagrupē tos intervālos un sastādi biežuma tabulu.
1. solis. Intervāli. Amplitūda $182 - 157 = 25$ cm. Ērti ņemt $6$ vienāda platuma intervālus pa $5$ cm, sākot ar $155$. Intervāls $[165; 170)$ satur $165$, bet ne $170$ — tā katra vērtība nonāk tieši vienā intervālā.
2. solis. Saskaita un aprēķina relatīvos biežumus ($n = 25$):
| Augums, cm | Absolūtais biežums | Relatīvais biežums |
|---|---|---|
| $[155; 160)$ | $2$ | $8\%$ |
| $[160; 165)$ | $5$ | $20\%$ |
| $[165; 170)$ | $8$ | $32\%$ |
| $[170; 175)$ | $6$ | $24\%$ |
| $[175; 180)$ | $3$ | $12\%$ |
| $[180; 185)$ | $1$ | $4\%$ |
| Kopā | $25$ | $100\%$ |
Stabiņu diagramma — kategoriāliem vai diskrētiem datiem. Katrs stabiņš ir viena kategorija vai vērtība; starp stabiņiem ir atstarpes. Kategorijām secība var būt jebkura, skaitliskām vērtībām — augoša (sk. lapu „Statistikas pamati: vidējais, mediāna, moda").
Histogramma — nepārtrauktiem datiem, sagrupētiem intervālos. Horizontālā ass ir skaitļu ass, tāpēc stabiņi saskaras: intervāli seko viens otram bez spraugām. Stabiņa platums ir intervāla platums, augstums — biežums. Iepriekšējā piemēra histogramma:
Kā lasīt:
Vidējie lielumi (vidējais, mediāna, moda) neparāda, cik ļoti dati izkliedēti. Viens no izkliedes mēriem ir vidējā absolūtā novirze — vidējais attālums no datu vērtībām līdz to vidējam aritmētiskajam:
$\dfrac{1}{n}\sum_{i=1}^{n} |x_i - \bar{x}|$
Vārdos: katrai vērtībai aprēķina attālumu līdz vidējam $|x_i - \bar{x}|$ (bez zīmes), šos attālumus saskaita un summu dala ar datu skaitu $n$. Simbols $\sum$ nozīmē „saskaitīt visus": $\sum_{i=1}^{n} |x_i - \bar{x}|$ ir $|x_1 - \bar{x}|$ + $|x_2 - \bar{x}|$ + … + $|x_n - \bar{x}|$.
Piemērs. Dati: $4, 7, 8, 10, 11$.
1. solis. Vidējais: $\bar{x} = \dfrac{4 + 7 + 8 + 10 + 11}{5} = \dfrac{40}{5} = 8$.
2. solis. Novirzes: $-4, -1, 0, 2, 3$. To summa ir $0$ — tā ir vienmēr, tāpēc bez moduļa izkliedi izmērīt nevar.
3. solis. Moduļi: $4, 1, 0, 2, 3$; summa $10$.
4. solis. $\dfrac{10}{5} = 2$. Vērtības no vidējā atrodas vidēji $2$ vienību attālumā.
⚠️ „Tas ir skaitlis, tātad kvantitatīvi dati." Pasta indekss un krekla numurs ir kategoriāli dati.
⚠️ „Liela izlase — tātad reprezentatīva." Svarīgs ir veids, kā izlasi izvēlas. $2{,}4$ miljoni neobjektīvi izvēlētu atbilžu dod sliktāku rezultātu nekā $1000$ nejauši izvēlētu cilvēku.
⚠️ Histogramma ar atstarpēm. Nepārtrauktu datu intervāli iet viens aiz otra — stabiņi saskaras. Atstarpes ir stabiņu diagrammai.
⚠️ Robežvērtība nepareizajā intervālā. $170$ pieder intervālam $[170; 175)$, nevis $[165; 170)$.
⚠️ Vidējā absolūtā novirze bez moduļa. Novirzes no vidējā saskaitot, vienmēr sanāk $0$.
⚠️ Saistība nav cēloņsakarība. Izkliedes diagramma parāda, ka lielumi mainās kopā, bet ne to, kas ko izraisa.
Izlase — populācijas daļa, kuru tiešām aptaujā, izmēra vai pārbauda. Izlasi ņem, ja visu populāciju izpētīt ir par dārgu, par ilgu vai pat neiespējami — piemēram, ja pārbaude produktu sabojā (cik stundu deg spuldze, kā automašīna izturas avārijas testā).
Pazīme ir tas, ko katram objektam nosaka (augums, viedoklis, degšanas ilgums); dati ir pazīmes vērtības.
Piemērs. Direktore grib uzzināt, cik stundu dienā skolas vidusskolēni pavada pie ekrāniem, un aptaujā $60$ nejauši izvēlētus vidusskolēnus. Populācija — visi šīs skolas vidusskolēni; izlase — $60$ aptaujātie; pazīme — pie ekrāna pavadītais laiks.
Populāciju nosaka jautājums, nevis kopas lielums. Visas automašīnas, kas otrdien bija novietotas lidostas stāvvietā, ir populācija jautājumam „Cik ilgi otrdien šajā stāvvietā stāvēja automašīnas?", bet tikai izlase jautājumam „Cik ilgi automašīnas šajā stāvvietā stāv parasti?".
Izlase ir reprezentatīva, ja tā atlasīta tā, lai tās pazīmes iespējami precīzi atspoguļotu populācijas pazīmes. Tikai no reprezentatīvas izlases secinājumus drīkst attiecināt uz visu populāciju.
To panāk ar nejaušu izvēli no VISAS populācijas: katram objektam ir vienāda iespēja nokļūt izlasē (izloze no visu iedzīvotāju vai skolēnu saraksta, katrs desmitais no saraksta u. tml.).
Tipiskas neobjektīvas izlases:
Liela izlase neizlabo neobjektīvu atlasi. $1936$. gadā ASV žurnāls izsūtīja $10$ miljoniem cilvēku anketas par prezidenta vēlēšanām, adreses ņemot no tālruņu grāmatām un automašīnu reģistriem. Atbildēja aptuveni $2{,}4$ miljoni, un prognoze izrādījās krasi aplama: tolaik tālruņi un automašīnas bija galvenokārt turīgākiem cilvēkiem, kuri balsoja citādi nekā pārējie.
Kvantitatīvi dati ir skaitļi, ar kuriem ir jēga rēķināt:
Kategoriāli (kvalitatīvi) dati norāda grupu jeb kategoriju: acu krāsa, asins grupa, novads, apmierinātības līmenis „zems, vidējs, augsts".
Ne viss, kas pierakstīts ar cipariem, ir kvantitatīvs. Tālruņa numurs, pasta indekss vai basketbolista krekla numurs ir kategoriāli dati — to „vidējais" nenozīmē neko.
Datu veids nosaka, ko drīkst rēķināt. Kategoriāliem datiem — biežumus un modu (ja kategorijām ir dabiska secība, arī mediānu). Kvantitatīviem — arī vidējo aritmētisko, mediānu, amplitūdu, kvartiles un izkliedes mērus.
3. solis. Ko zaudējam. Pēc grupēšanas atsevišķas vērtības vairs nav redzamas. Vidējo var tikai novērtēt, katra intervāla vērtības aizstājot ar tā viduspunktu: $157{,}5 \cdot 2$ + $162{,}5 \cdot 5$ + $167{,}5 \cdot 8$ + $172{,}5 \cdot 6$ + $177{,}5 \cdot 3$ + $182{,}5 \cdot 1$ $= 4217{,}5$, un $\dfrac{4217{,}5}{25} = 168{,}7$ cm. Precīzais vidējais no sākotnējiem datiem ir $168{,}04$ cm — tuvu, bet ne tieši.
Biežums pa divām dimensijām. Ja katram objektam pieraksta divas pazīmes, biežumu var nolasīt divvirzienu tabulā: rindās vienas pazīmes vērtības, kolonnās — otras. Piemēram, $60$ skolēnu aptaujā par to, kā viņi nokļūst skolā:
| Kājām | Autobusā | Kopā | |
|---|---|---|---|
| 7.–9. kl. | $18$ | $12$ | $30$ |
| 10.–12. kl. | $9$ | $21$ | $30$ |
| Kopā | $27$ | $33$ | $60$ |
No tabulas nolasa gan katras pazīmes biežumu atsevišķi (malās: kājām nāk $27$ no $60$), gan abas kopā: jaunākajās klasēs kājām nāk $\dfrac{18}{30} = 60\%$, vecākajās — tikai $\dfrac{9}{30} = 30\%$.
Kastu diagramma parāda piecus skaitļus: mazāko vērtību, apakšējo kvartili $Q_1$, mediānu, augšējo kvartili $Q_3$ un lielāko vērtību. Kastē ir datu vidējā puse, un katrā no četrām daļām (ūsa, kastes puse, kastes puse, ūsa) ir aptuveni ceturtā daļa datu. Tā ir ērta divu kopu salīdzināšanai. Kā aprēķināt kvartiles — lapā „Kvartiles un kastu diagramma".
Divu klašu testa rezultāti: klases A mediāna ($23$) ir nedaudz augstāka nekā klases B ($22$), bet klases B rezultāti ir daudz vienveidīgāki — kastes platums $Q_3 - Q_1$ ir $24 - 20 = 4$ punkti pret $27 - 18 = 9$ punktiem klasē A. Aptuveni trīs ceturtdaļas klases B skolēnu ieguva vismaz $20$ punktu.
Izkliedes diagramma — divām kvantitatīvām pazīmēm: katrs punkts ir viens objekts, tā koordinātas ir abu pazīmju vērtības.
Punkti pa labi kāpj uz augšu: jo vairāk laika skolēns mācās, jo parasti augstāks rezultāts (pozitīva saistība). Ja punkti krīt — saistība negatīva; ja veido nesakārtotu mākoni — lineāras saistības nav. Saistības ciešumu mēra ar Pīrsona koeficientu — lapā „Korelācija un lineārā regresija".
Ko izkliedes diagramma NEVAR parādīt: cēloni. Vasarā var redzēt, ka dienās, kad pārdod vairāk saldējuma, pārdod arī vairāk saulesbriļļu. Tomēr saldējums nav saulesbriļļu cēlonis — abus izraisa trešais lielums, saulainas un karstas dienas. Saistība vien vēl nav cēloņsakarība.
Ja dati doti biežuma tabulā, katru moduli ņem tik reižu, cik ir vērtības biežums: $\dfrac{1}{n}\sum n_i\,|x_i - \bar{x}|$.
Ar ko vidējā absolūtā novirze nepietiek. Kopām $\{4; 4; -4; -4\}$ un $\{7; 1; -2; -6\}$ abām vidējais ir $0$ un vidējā absolūtā novirze ir $4$, lai gan otrās kopas vērtības ir acīmredzami vairāk izkliedētas. Standartnovirze tās atšķir ($4$ un $\approx 4{,}74$), jo lielas novirzes kāpinātas kvadrātā sver vairāk — sk. lapu „Dispersija un standartnovirze".
Diagramma var būt ar pareiziem skaitļiem un tomēr maldināt. Trīs biežākie paņēmieni:
⚠️ Vertikālā ass nesākas no nulles. Janvārī pārdoti $102$, februārī $108$ velosipēdi. Ja ass sākas pie $100$, stabiņi ir $2$ un $8$ vienības augsti — februāris izskatās četras reizes lielāks:
Patiesībā $\dfrac{108 - 102}{102} \approx 0{,}06$ — pārdoto velosipēdu ir tikai par aptuveni $6\%$ vairāk. Tā pati diagramma ar asi no nulles:
⚠️ Intervāli ir dažāda platuma. Ja histogrammā viens intervāls ir divreiz platāks, bet stabiņa augstums rāda visu tā biežumu, šis stabiņš izskatās daudz nozīmīgāks, nekā ir.
⚠️ Kāds intervāls ir izlaists. Piemēram, pēc $20$–$30$ uzreiz seko $40$–$50$, bet stabiņi uzzīmēti blakus — iztrūkums nav pamanāms.
⚠️ Arī paši dati var nebūt ticami. Ja mēra dažādu gliemežvāku garumu, bet mērījumi lielākoties beidzas ar cipariem $0$ un $5$, tie visticamāk ir noapaļoti „uz aci", nevis izmērīti. Līdzīgi aizdomīgi ir, ja aptaujā daudzi norāda tieši „apaļus" skaitļus (vecumu $40$, algu $1000$) vai ja kāda vērtība ir neiespējama (augums $17$ m). Pirms statistiskās analīzes dati jāizvērtē: neprecizitātes var novest pie aplamiem secinājumiem.
Pirms secinājuma vienmēr izlasi asu nosaukumus, no kura skaitļa sākas vertikālā ass un vai intervāli uz horizontālās ass iet vienmērīgi.
👩🏫 Esat matemātikas skolotājs? Izveidojiet klasi divās minūtēs — skolēni pievienojas ar 6 zīmju kodu, bez e-pastiem un bez kontiem. Redzēsiet, kur klase klibina, un varēsiet uzdot mājasdarbus. Bez maksas: matempro.lv/skolotajiem →