Kikokotoo cha Wastani, Mediani, Modi na Masafa

Matumizi ya Kikokotoo cha Wastani, Mediani, Modi, na Masafa

Kikokotoo chetu cha Wastani, Mediani, Modi, na Masafa chenye matumizi mengi hufanya iwe rahisi sana kupata thamani hizi muhimu za takwimu kwa wakati mmoja. Chapa tu au ubandike data yako ghafi kwenye kisanduku cha kuingiza, ukihakikisha kila nambari au thamani imetenganishwa na koma. Kisha, bofya kitufe cha kukokotoa.

Kwa muda mfupi, matokeo yako yatakuwa tayari. Zaidi ya kukokotoa wastani, mediani, modi, na masafa, zana hii ya kina pia hubaini wastani wa kijiometriki (geometric mean), inatambua nambari kubwa na ndogo zaidi, inakokotoa jumla na idadi kamili, na inatoa seti ya data iliyopangwa kikamilifu.

Kupata thamani ya kawaida ili kuwakilisha data yako kwa usahihi hakuna ugumu ukitumia kikokotoo chetu cha wastani, mediani na modi. Zaidi ya hayo, kikokotoo cha masafa kilichojumuishwa hukusaidia kutathmini mtawanyiko na usambaaji wa data yako papo hapo. Hebu tuangalie kwa karibu maana ya kila moja ya vipimo hivi vya takwimu na jinsi vinavyokokotolewa.

Maana ya Wastani (Mean)

Wastani ni wastani wa kihisabati wa seti yako ya data. Katika istilahi za takwimu, wastani hukokotolewa kwa kuchukua jumla ya thamani zote za data na kugawanya kwa idadi kamili ya pointi za data. Wastani wa idadi yote ya watu (population) unawakilishwa na herufi ya Kigiriki μ (Mu), ilhali wastani wa sampuli unawakilishwa na x̄ (X-bar).

Ili kukokotoa wastani wa idadi yote ya watu (population), unaweza kutumia fomula iliyo hapa chini:

$$\mu=\frac{Sum\ of\ the\ data\ set’s\ values}{Total\ number\ of\ data\ values\ in\ the\ population}=\frac{ΣX}{N}$$

Ili kukokotoa wastani wa sampuli, unaweza kutumia fomula iliyo hapa chini:

$$\bar{X}=\frac{Sum\ of\ the\ data\ set’s\ values}{Total\ number\ of\ data\ values\ in\ the\ sample}=\frac{ΣX}{n}$$

Hebu tuonyeshe jinsi ya kutafuta wastani kwa kutumia mfano halisi.

Mfano:

Tuseme urefu (kwa mita) wa wachezaji wako wa mpira wa kikapu wa chuo ni kama ifuatavyo. Je, wastani wa urefu wa timu ni upi?

1.75 m, 1.96 m, 1.95 m, 2.00 m, 2.05 m, 2.05 m, 2.10 m

Suluhisho:

$$The\ mean\ height=\frac{\sum{}{}X}{N}=\frac{1.75\ m+1.96\ m+1.95\ m+2.00\ m+2.05\ m+2.05\ m+2.10\ m}{7}=\frac{13.86\ m}{7}=1.98\ m$$

Kwa sababu wastani hujumuisha kila thamani katika seti ya data, hutumika kama kipimo kinachowakilisha sana mwelekeo wa kati.

Zana yetu hufanya kazi zaidi ya kikokotoo cha kawaida cha wastani wa kihesabu. Unaweza pia kuitumia kukokotoa kwa urahisi wastani wa kijiometriki wa seti yako ya data. Wastani wa kijiometriki hufafanuliwa kama mzizi wa n wa zao la vipengee n katika seti ya data.

$$Geometric\ mean=\sqrt[n]{x₁ × x₂ × x₃ × \cdots × xₙ}$$

Hebu tutafute wastani wa kijiometriki kwa mfano wetu uliopita wa timu ya mpira wa kikapu.

$$Geometric\ mean=\sqrt[7]{1.75×1.96×1.95×2.00×2.05×2.05×2.10}=\sqrt[7]{118.0554}=1.977$$

Kanuni ya msingi katika takwimu ni kwamba wastani wa kijiometriki daima ni chini ya au sawa na wastani wa kihesabu kwa seti yoyote ya nambari zisizo hasi.

Tukitumia hii kwenye mfano wetu:

$$Geometric\ mean < Arithmetic\ mean$$

$$1.977<1.98$$

Maana ya Mediani

Mediani ni sehemu kamili ya katikati ya seti ya data inapopangwa kwa utaratibu wa kupanda au kushuka. Kiutendaji, kikokotoo cha mediani hugawanya seti yako ya data katika nusu mbili sawa.

$$Median=Value\ of\ \left(\frac{N+1}{2}\right)-th\ item$$

Ikiwa seti yako ya data ina idadi isiyogawanyika kwa mbili (odd number) ya thamani, mediani inakuwa ni nambari ya kati ya orodha iliyopangwa. (Kikokotoo chetu cha wastani, mediani, modi, na masafa hupanga data yako kiotomatiki!) Ikiwa seti yako ya data ina idadi inayogawanyika kwa mbili (even number) ya thamani, mediani hukokotolewa kama wastani wa pointi mbili za data zilizo katikati.

Hebu tutafute mediani kwa mfano uliopita wa mpira wa kikapu.

Kwanza, lazima tupange seti ya data katika utaratibu wa kupanda:

1.75 m, 1.95 m, 1.96 m, 2.00 m, 2.05 m, 2.05 m, 2.10 m

Kisha, tunabaini nafasi ya kati:

$$Median=Value\ of\ \left(\frac{N+1}{2}\right)-th\ item=Value\ of\ \left(\frac{7+1}{2}\right)-th\ item=Value\ of\ 4-th\ item$$

Thamani ya kipengee cha 4 katika seti yetu ya data iliyopangwa ni mita 2.00. Kwa hivyo,

Mediani = 2.00 m

Sasa, vuta picha kuwa timu ya mpira wa kikapu inamsajili mchezaji mpya ambaye ana urefu wa mita 1.90. Je, urefu mpya wa mediani wa wachezaji kwenye timu ni upi?

Urefu uliosasishwa ni:

1.75 m, 1.96 m, 1.95 m, 2.00 m, 2.05 m, 2.05 m, 2.10 m, 1.90 m

Kwa mara nyingine tena, tunapanga seti ya data kwanza:

1.75 m, 1.90 m, 1.95 m, 1.96 m, 2.00 m, 2.05 m, 2.05 m, 2.10 m

Kutafuta nafasi ya kati:

$$Median=Value\ of\ \left(\frac{N+1}{2}\right)-th\ item=Value\ of\ \left(\frac{8+1}{2}\right)-th\ item=Value\ of\ {4.5}-th\ item$$

Kwa kuwa kuna idadi ya wachezaji inayogawanyika kwa mbili (8), lazima tukokotoe wastani wa pointi mbili za kati. Katika kesi hii, mediani ni wastani wa kipengee cha 4 na cha 5.

Kwa hivyo,

$$Median=\frac{1.96\ m+2.00\ m}{2}=1.98\ m$$

Mediani ni kipimo thabiti sana cha mwelekeo wa kati, muhimu hasa wakati seti ya data ina thamani zilizozidi (extreme values) au muoteko (outliers). Tofauti na wastani, mioteko iliyozidi haipotoshi mediani kwa sababu inalenga madhubuti kwenye takwimu za katikati. Hata hivyo, ingawa mediani inatoa sehemu nzuri ya marejeleo ya kati, ni muhimu kukumbuka kwamba haijumuishi uzito wa kihisabati wa kila thamani moja katika seti ya data.

Maana ya Modi

Modi inawakilisha thamani inayopatikana mara nyingi zaidi katika seti ya data. Kwa ufupi, modi ni nambari au pointi ya data inayoonekana mara kwa mara.

Hebu tutambue modi katika mfano wetu unaoendelea.

Urefu wa kila mchezaji unaonekana mara moja tu, isipokuwa kwa mita 2.05, ambayo inamilikiwa na wachezaji wawili. Kwa sababu mita 2.05 inatokea mara nyingi kuliko thamani nyingine yoyote, hii ndiyo modi yetu.

Modi = 2.05 m

Kwa sababu seti yetu ya data ya mfano ina modi moja tu, inaainishwa kama unimodali (unimodal). Hata hivyo, seti za data zinaweza kuwa na modi nyingi kwa urahisi. Seti ya data yenye modi mbili inaitwa bimodali (bimodal), na ile yenye modi zaidi ya mbili inachukuliwa kuwa multimodali (multimodal). Kinyume chake, ikiwa kila thamani katika seti ya data inatokea mara moja tu, seti hiyo ya data haina modi kabisa.

Ingawa kutumia kikokotoo cha modi hurahisisha mchakato huo, mara nyingi unaweza kutambua modi bila ukokotoaji mgumu. Hata hivyo, kumbuka kwamba wakati modi inaangazia idadi inayoonekana mara nyingi zaidi, haitoi uwakilishi wa kina wa kihisabati wa seti nzima ya data kama inavyofanywa na wastani.

Maana ya Masafa (Range)

Masafa hufafanuliwa kama tofauti kati ya thamani kubwa zaidi na ndogo zaidi katika seti yako ya data. Ni kipimo cha haraka na rahisi zaidi kukokotoa unapotaka kutathmini usambaaji au mtawanyiko wa data yako.

Masafa = Thamani kubwa zaidi - Thamani ndogo zaidi

Hebu tukokotoe masafa kwa kutumia mfano wetu wa timu ya mpira wa kikapu.

Kwanza, unahitaji kubainisha thamani ya juu zaidi na ya chini zaidi. Ikiwa seti yako ya data haijapangwa, Kikokotoo chetu cha Masafa maalum kitatambua thamani hizi za mwisho kwa ajili yako papo hapo.

Kisha, toa thamani ndogo zaidi kutoka kwa thamani kubwa zaidi:

Thamani kubwa zaidi = 2.10 m

Thamani ndogo zaidi = 1.75 m

Kwa hivyo,

Masafa = 2.10 m - 1.75 m = 0.35 m

Ingawa inafaa sana kwa muhtasari wa haraka wa usambaaji wa data, masafa inaweza kuathiriwa na upendeleo na upotoshaji kutoka kwa mioteko (outliers), kwa kuwa inazingatia tu pande mbili za mwisho za seti ya data na kupuuza thamani zote zilizopo katikati.