Εισαγωγή
Η κατανόηση της κατανομής των δεδομένων αποτελεί ένα από τα πρώτα και σημαντικότερα στάδια κάθε στατιστικής ανάλυσης. Πριν εφαρμοστούν έλεγχοι υποθέσεων, μοντέλα παλινδρόμησης ή άλλες σύνθετες τεχνικές, ο ερευνητής πρέπει να γνωρίζει πώς κατανέμονται οι παρατηρήσεις του, πού εντοπίζεται το κέντρο τους, πόσο διασκορπισμένες είναι και αν παρουσιάζουν ασυμμετρία ή ακραίες τιμές.
Η περιγραφή μιας κατανομής δεν βασίζεται σε έναν μόνο αριθμό. Απαιτεί συνδυασμό πινάκων συχνοτήτων, γραφικών παραστάσεων και αριθμητικών μέτρων, όπως η μέση τιμή, η διάμεσος, η επικρατούσα τιμή, η διακύμανση και η τυπική απόκλιση.
Κατανομή Συχνοτήτων
Η κατανομή συχνοτήτων (frequency distribution) οργανώνει τις παρατηρήσεις μιας μεταβλητής σύμφωνα με τις τιμές ή τις κατηγορίες στις οποίες εμφανίζονται.
Η απόλυτη συχνότητα εκφράζει πόσες φορές εμφανίζεται μια συγκεκριμένη τιμή, ενώ η σχετική συχνότητα εκφράζει το ποσοστό ή την αναλογία των παρατηρήσεων που αντιστοιχεί σε αυτή.
Εάν μια τιμή εμφανίζεται nin_i φορές σε συνολικό δείγμα Ν παρατηρήσεων, η σχετική συχνότητα είναι:
fᵢ = nᵢ / N
Το άθροισμα των σχετικών συχνοτήτων ισούται με 1 ή, όταν εκφράζονται ως ποσοστά, με 100%.
Το αρχικό υλικό παρουσιάζει ακριβώς αυτή τη μετάβαση από τις απόλυτες στις κανονικοποιημένες ή σχετικές συχνότητες.
Ομαδοποίηση Δεδομένων
Όταν μια μεταβλητή έχει πολλές διαφορετικές τιμές, είναι συχνά χρήσιμο να ομαδοποιείται σε διαστήματα τάξεων.
Για παράδειγμα, οι ηλικίες ενός μεγάλου δείγματος μπορούν να παρουσιαστούν σε ομάδες 20–29, 30–39, 40–49 ετών κ.ο.κ.
Η επιλογή του αριθμού και του πλάτους των διαστημάτων χρειάζεται προσοχή. Πολύ μεγάλα διαστήματα αποκρύπτουν σημαντικές λεπτομέρειες, ενώ υπερβολικά μικρά διαστήματα μπορεί να δημιουργήσουν μια κατακερματισμένη εικόνα.
Στο αρχικό αρχείο αναπτύσσεται εκτενώς η λογική δημιουργίας διαστημάτων τάξεων και η χρήση τους στην κατασκευή κατανομών συχνοτήτων.
Ιστόγραμμα
Το ιστόγραμμα αποτελεί μία από τις σημαντικότερες γραφικές αναπαραστάσεις μιας ποσοτικής μεταβλητής.
Στον οριζόντιο άξονα παρουσιάζονται οι τιμές ή τα διαστήματα της μεταβλητής και στον κατακόρυφο η συχνότητα, η σχετική συχνότητα ή η πυκνότητα.
Σε αντίθεση με ένα απλό ραβδόγραμμα κατηγορικών δεδομένων, στο ιστόγραμμα οι στήλες αντιπροσωπεύουν συνεχόμενα αριθμητικά διαστήματα.
Η μορφή του ιστογράμματος μπορεί να αποκαλύψει:
τη θέση του κέντρου της κατανομής,
τη διασπορά,
πιθανή ασυμμετρία,
πολλαπλές κορυφές,
κενά,
και ακραίες παρατηρήσεις.
Οι σελίδες του αρχικού υλικού παρουσιάζουν χαρακτηριστικά παραδείγματα ιστογραμμάτων και καμπυλών συχνοτήτων με διαφορετικές μορφές κατανομής.
Μέση Τιμή
Η αριθμητική μέση τιμή είναι το γνωστότερο μέτρο κεντρικής τάσης.
Για παρατηρήσεις x1,x2,…,xnx_1, x_2, …, x_n:
x̄ = Σxᵢ / n
Η μέση τιμή χρησιμοποιεί όλες τις διαθέσιμες παρατηρήσεις και είναι ιδιαίτερα χρήσιμη όταν η κατανομή είναι σχετικά συμμετρική.
Ωστόσο, επηρεάζεται από ακραίες τιμές. Για παράδειγμα, σε δεδομένα εισοδήματος, ένας πολύ μικρός αριθμός εξαιρετικά υψηλών εισοδημάτων μπορεί να αυξήσει σημαντικά τον μέσο όρο.
Διάμεσος
Η διάμεσος (median) είναι η τιμή που χωρίζει τις ταξινομημένες παρατηρήσεις σε δύο ίσα μέρη: περίπου 50% των παρατηρήσεων βρίσκονται κάτω από αυτή και 50% πάνω από αυτή.
Το βασικό πλεονέκτημά της είναι ότι επηρεάζεται πολύ λιγότερο από ακραίες τιμές.
Για τον λόγο αυτό χρησιμοποιείται συχνά σε ασύμμετρες κατανομές, όπως εισοδήματα, χρόνοι νοσηλείας ή χρόνοι αναμονής.
Επικρατούσα Τιμή
Η επικρατούσα τιμή (mode) είναι η τιμή ή κατηγορία με τη μεγαλύτερη συχνότητα.
Μια κατανομή μπορεί να έχει μία επικρατούσα τιμή, περισσότερες από μία ή ακόμη και να μην εμφανίζει σαφή επικρατούσα τιμή.
Σε συμμετρικές και μονοκόρυφες κατανομές, μέση τιμή, διάμεσος και επικρατούσα τιμή βρίσκονται συνήθως κοντά μεταξύ τους. Το αρχικό υλικό παρουσιάζει γραφικά τη σχέση αυτών των τριών μέτρων.
Διακύμανση και Τυπική Απόκλιση
Η κεντρική τάση από μόνη της δεν αρκεί για την περιγραφή των δεδομένων. Δύο δείγματα μπορεί να έχουν ίδιο μέσο όρο αλλά εντελώς διαφορετική διασπορά.
Η διακύμανση αποτυπώνει τον βαθμό στον οποίο οι τιμές αποκλίνουν από τον μέσο όρο.
Για ένα δείγμα χρησιμοποιείται συνήθως:
s² = Σ(xᵢ − x̄)² / (n − 1)
Η τυπική απόκλιση είναι:
s = √s²
και εκφράζεται στις ίδιες μονάδες με την αρχική μεταβλητή, γεγονός που την καθιστά ευκολότερα ερμηνεύσιμη.
Μικρή τυπική απόκλιση υποδηλώνει συγκέντρωση των παρατηρήσεων γύρω από τον μέσο όρο, ενώ μεγάλη τυπική απόκλιση μεγαλύτερη διασπορά.
Ασυμμετρία
Η ασυμμετρία (skewness) περιγράφει τον βαθμό στον οποίο μια κατανομή αποκλίνει από τη συμμετρία.
Σε μια θετικά ασύμμετρη κατανομή η μεγαλύτερη ουρά βρίσκεται προς τις υψηλές τιμές.
Σε μια αρνητικά ασύμμετρη κατανομή η μεγαλύτερη ουρά εκτείνεται προς τις χαμηλές τιμές.
Σε μια συμμετρική κατανομή η ασυμμετρία είναι περίπου μηδενική.
Το αρχικό αρχείο παρουσιάζει γραφικά θετική, αρνητική και συμμετρική κατανομή, επισημαίνοντας ότι η μορφή της κατανομής επηρεάζει τη σχέση μεταξύ των μέτρων κεντρικής τάσης.
Κύρτωση
Η κύρτωση (kurtosis) περιγράφει χαρακτηριστικά της μορφής της κατανομής που συνδέονται κυρίως με το βάρος των ουρών της σε σύγκριση με την κανονική κατανομή.
Υψηλή κύρτωση συνδέεται συνήθως με βαρύτερες ουρές και μεγαλύτερη πιθανότητα ακραίων παρατηρήσεων, ενώ χαμηλότερη κύρτωση με ελαφρύτερες ουρές.
Η κύρτωση δεν πρέπει να ερμηνεύεται απλώς ως το πόσο «ψηλή» ή «επίπεδη» είναι η κορυφή μιας κατανομής· η σύγχρονη ερμηνεία δίνει ιδιαίτερη έμφαση στη συμπεριφορά των ουρών.
Κανονική Κατανομή
Η κανονική κατανομή αποτελεί βασικό θεωρητικό μοντέλο στη Στατιστική.
Είναι συμμετρική, μονοκόρυφη και χαρακτηρίζεται πλήρως από δύο παραμέτρους:
τον μέσο όρο μ
και την τυπική απόκλιση σ.
Η σημασία της δεν προκύπτει επειδή όλα τα πραγματικά δεδομένα είναι κανονικά. Πολλές πραγματικές μεταβλητές παρουσιάζουν σημαντική ασυμμετρία.
Η κανονική κατανομή είναι σημαντική κυρίως επειδή αποτελεί τη βάση πολλών στατιστικών μεθόδων και επειδή οι δειγματοληπτικές κατανομές αρκετών στατιστικών μέτρων προσεγγίζουν υπό κατάλληλες συνθήκες την κανονική μορφή.
Δειγματοληπτική Κατανομή και Τυπικό Σφάλμα
Όταν λαμβάνονται πολλά τυχαία δείγματα ίδιου μεγέθους από έναν πληθυσμό, οι μέσοι όροι τους σχηματίζουν τη δειγματοληπτική κατανομή του μέσου.
Το τυπικό σφάλμα του μέσου εκφράζει τη μεταβλητότητα αυτών των πιθανών δειγματικών μέσων και, όταν η πληθυσμιακή τυπική απόκλιση είναι σ, δίνεται από:
SE(x̄) = σ / √n
Όσο αυξάνεται το μέγεθος του δείγματος, τόσο μειώνεται το τυπικό σφάλμα και τόσο ακριβέστερη γίνεται η εκτίμηση του πληθυσμιακού μέσου.
Το αρχικό υλικό παρουσιάζει αυτή τη σχέση και συνδέει το τυπικό σφάλμα με την ακρίβεια της δειγματικής εκτίμησης.
Τυπική Απόκλιση και Τυπικό Σφάλμα
Οι δύο έννοιες δεν πρέπει να συγχέονται.
Η τυπική απόκλιση περιγράφει τη μεταβλητότητα των ατομικών παρατηρήσεων μέσα στο δείγμα.
Το τυπικό σφάλμα περιγράφει την αβεβαιότητα μιας στατιστικής εκτίμησης, όπως του μέσου όρου.
Επομένως, απαντούν σε διαφορετικά ερωτήματα και πρέπει να αναφέρονται με σαφήνεια στην παρουσίαση μιας έρευνας.
Συμπεράσματα
Η μελέτη της κατανομής των δεδομένων προηγείται της εφαρμογής σύνθετων στατιστικών τεχνικών. Οι πίνακες συχνοτήτων και τα ιστογράμματα επιτρέπουν την αρχική διερεύνηση, ενώ ο μέσος όρος, η διάμεσος και η επικρατούσα τιμή περιγράφουν το κέντρο της κατανομής.
Η διακύμανση και η τυπική απόκλιση περιγράφουν τη διασπορά, ενώ η ασυμμετρία και η κύρτωση προσφέρουν πληροφορίες για τη μορφή της κατανομής.
Στη σύγχρονη ανάλυση δεδομένων, τα αριθμητικά μέτρα δεν πρέπει να εξετάζονται απομονωμένα. Ο συνδυασμός γραφικής διερεύνησης και περιγραφικών στατιστικών παρέχει την πληρέστερη εικόνα των δεδομένων και συμβάλλει στην ορθή επιλογή των επόμενων στατιστικών αναλύσεων.
Βιβλιογραφία
Casella, G., & Berger, R. L. (2002). Statistical inference (2nd ed.). Duxbury.
Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE Publications.
Freedman, D., Pisani, R., & Purves, R. (2007). Statistics (4th ed.). W. W. Norton.
Rice, J. A. (2007). Mathematical statistics and data analysis (3rd ed.). Thomson Brooks/Cole.
Wasserman, L. (2004). All of statistics: A concise course in statistical inference. Springer.
Wilcox, R. R. (2017). Introduction to robust estimation and hypothesis testing (4th ed.). Academic Press.