درس ۱گردآوری دادهها
این درس: صفحههای ۷۲ تا ۸۴ کتاب درسی
یادت هست؟#
دو سؤال کوتاه از سالهای قبل. اول خودت جواب بده، بعد جوابشان را زیرش ببین.
- در یک نظرسنجی ۲۰ نفر شرکت کردهاند و ۸ نفرشان گفتهاند پیاده به مدرسه میآیند. چند درصدشان پیاده میآیند؟
- میانگین سه عدد ۴، ۷ و ۱۰ چند است؟
جواب: ۱) ، یعنی ۴۰ درصد. ۲) . اگر یکی را یادت نبود، درصد در ریاضی ششم و میانگین در ریاضی هشتم را ببین.
از یک سؤال واقعی شروع کنیم#
دبیرستانی ۶۰۰ دانشآموز دارد. مدیر میخواهد ساعت شروع کلاسها را عوض کند و پیش از تصمیم دو چیز را میخواهد بداند: هر دانشآموز چند دقیقه در راه مدرسه است و با چه وسیلهای میآید. چند ردیف از جوابی که جمع میشود این شکلی است:
| دانشآموز | زمان رسیدن به مدرسه (دقیقه) | وسیلهٔ رفتوآمد | پایه |
|---|---|---|---|
| شمارهٔ ۱۴ | ۲۵ | اتوبوس | دهم |
| شمارهٔ ۲۰۷ | ۸ | پیاده | یازدهم |
| شمارهٔ ۴۳۱ | ۴۰ | سرویس مدرسه | دوازدهم |
هر عدد یا کلمهای که در این جدول نوشتهایم یک داده است: واقعیتی دربارهٔ یک چیز که با آن حساب میکنیم، نتیجه میگیریم یا برنامه میریزیم. عدد ۲۵ در ریاضی فقط یک عدد است، ولی دادهٔ ۲۵ میگوید «دانشآموز شمارهٔ ۱۴ بیستوپنج دقیقه در راه است».
چند واژه که این فصل با آنها حرف میزند:
- واحد آماری: هر یک از افراد یا چیزهایی که داده دربارهٔ آن جمع میشود. اینجا هر دانشآموز یک واحد آماری است.
- جامعهٔ آماری: مجموعهٔ همهٔ واحدهای آماری. اینجا هر ۶۰۰ دانشآموز.
- نمونه: زیرمجموعهای از جامعه که با یک روش مشخص انتخاب شده است.
- آمارگیری: گردآوری دادهها با یکی از روشهای ممکن؛ و آمارگیر کسی است که این کار را انجام میدهد.
نمونه، و اینکه چرا باید تصادفی باشد#
پرسیدن از ۶۰۰ نفر وقت زیادی میگیرد. مدیر تصمیم میگیرد از ۵۰ نفر بپرسد.
قبل از ادامه، حدس بزن: اگر این ۵۰ نفر همان کسانی باشند که صبح زودتر از همه به مدرسه رسیدهاند، نمونهٔ خوبی است؟
نه. کسی که زودتر از همه میرسد معمولاً نزدیک مدرسه زندگی میکند، پس زمان رسیدن در این نمونه کمتر از کل مدرسه درمیآید و مدیر را گمراه میکند. راه درست این است که شمارهٔ هر ۶۰۰ دانشآموز را روی کاغذهای همشکل بنویسیم، در یک کیسه بریزیم و ۵۰ کاغذ بیرون بکشیم (یا همین کار را با یک برنامهٔ انتخاب عدد تصادفی انجام دهیم). به نمونهای که در آن همهٔ اعضای جامعه شانس یکسان برای انتخاب شدن داشته باشند «نمونهٔ تصادفی» میگوییم. نمونهٔ تصادفی معرّف جامعه است؛ نمونهای که فقط از دوستانت یا فقط از زودرسها بگیری، نیست.
بررسی همهٔ اعضای جامعه را سرشماری میگویند. سرشماری همیشه شدنی نیست، چهار دلیل:
- هزینهٔ زیاد دارد.
- زمان زیادی میبرد.
- چون دادهها خیلی زیادند، خطای گردآوری بیشتر میشود.
- گاهی بررسی، خودِ واحد را از بین میبرد. کارخانهای که میخواهد بداند باتریهایش چند ساعت کار میکنند، باید باتری را تا آخر خالی کند؛ اگر همهٔ باتریها را آزمایش کند، چیزی برای فروش نمیماند.
روشهای گردآوری دادهها#
| روش | چه کار میکنیم | یک مثال |
|---|---|---|
| مشاهده | بدون پرسیدن از کسی، میشماریم یا اندازه میگیریم | شمردن دوچرخههایی که در یک ساعت از جلوی مدرسه رد میشوند |
| پرسشنامه | سؤالهای از پیش نوشته را به پاسخگو میدهیم تا پر کند | فرم نظرخواهی دربارهٔ غذای بوفهٔ مدرسه |
| مصاحبه | آمارگیر با پاسخگو گفتوگو میکند | گفتوگو با چند مربی باتجربه دربارهٔ دلیل آسیبدیدگی ورزشکاران |
| دادگان | از اطلاعاتی که قبلاً ذخیره شده استفاده میکنیم | نمرههای ثبتشدهٔ یک درس در پنج سال گذشته |
مصاحبه بیشتر وقتی به کار میآید که آمارگیر همهٔ جوابهای ممکن را از قبل نمیداند و باید بشنود. پرسشنامه وقتی خوب است که سؤالها و گزینهها روشناند؛ امروز آن را با فرم اینترنتی یا پیامک هم میفرستند. هر روش محدودیتی دارد: پرسشنامه برای نمونهٔ خیلی بزرگ وقتگیر است، مشاهده وقتی دقت زیاد لازم است کافی نیست، و دادگانِ آماده همیشه در دسترس نیست.
متغیر: کمّی یا کیفی#
هر ویژگیای از افراد یا اشیا که قرار است بررسی شود متغیر است. در جدول بالا سه متغیر داریم: زمان رسیدن، وسیلهٔ رفتوآمد و پایه.
- متغیر کمّی مقدار عددی میگیرد و جمع و تفریق و میانگین گرفتن روی آن معنا دارد: زمان رسیدن، قد، تعداد خواهر و برادر.
- متغیر کیفی برای دستهبندی افراد یا اشیا در گروهها به کار میرود و لزوماً عدد نیست: وسیلهٔ رفتوآمد، گروه خونی، رنگ چشم.
یک عدد بودنِ داده آن را کمّی نمیکند. شمارهٔ پیراهن بازیکن عدد است، ولی میانگینِ شمارههای پیراهن هیچ معنایی ندارد؛ این شماره فقط برای نامگذاری است، پس متغیر کیفی است.
چهار مقیاس اندازهگیری#
متغیرها را از نگاه دیگری هم دستهبندی میکنیم: اینکه با دادهها چه حسابی معنا دارد.
| مقیاس | مرتب کردن معنا دارد؟ | تفاضل معنا دارد؟ | «دو برابر» معنا دارد؟ | مثال |
|---|---|---|---|---|
| اسمی | نه | نه | نه | گروه خونی، کد ملی، شمارهٔ پیراهن |
| ترتیبی | بله | نه | نه | رتبه در مسابقه، میزان رضایت: کم، متوسط، زیاد |
| فاصلهای | بله | بله | نه | دما به درجهٔ سلسیوس، سال تولد |
| نسبتی | بله | بله | بله | وزن، قد، زمان رسیدن، تعداد |
متغیرهای کیفی اسمی یا ترتیبیاند و متغیرهای کمّی فاصلهای یا نسبتی.
مثال ۱. امروز دمای هوا ۳۰ درجهٔ سلسیوس است و دیروز ۱۵ درجه بود. میتوانیم بگوییم امروز ۱۵ درجه گرمتر است، چون تفاضل معنا دارد. ولی نمیتوانیم بگوییم «دو برابر گرمتر»، چون صفر درجهٔ سلسیوس یعنی دمای یخ زدن آب، نه «هیچ گرما». صفرِ این مقیاس قراردادی است، پس دما فاصلهای است. اما کولهپشتی ۸ کیلوگرمی واقعاً دو برابر کولهپشتی ۴ کیلوگرمی سنگین است، چون صفر کیلوگرم یعنی هیچ وزنی؛ وزن نسبتی است.
🧠 ترفند: برای جدا کردن فاصلهای از نسبتی بپرس: «صفرِ این متغیر یعنی هیچ؟» اگر بله، نسبتی است؛ اگر صفر فقط یک نقطهٔ قراردادی است، فاصلهای. دلیل: «دو برابر» فقط وقتی معنا دارد که از هیچ شروع کرده باشیم.
پارامتر و آماره#
میانگین زمان رسیدنِ همهٔ ۶۰۰ دانشآموز یک عدد ثابت است، ولی مدیر آن را نمیداند. به عددی که جنبهای از جامعه را توصیف میکند پارامتر میگوییم. همین میانگین برای ۵۰ نفرِ نمونه را آماره میگوییم: عددی که جنبهای از نمونه را توصیف میکند و از دادههای نمونه به دست میآید. اگر فردا ۵۰ نفر دیگر را به قید قرعه انتخاب کنیم، آماره کمی فرق میکند؛ ولی پارامتر همان است. از آماره برای تخمین پارامتر استفاده میکنیم.
مثال ۲. در نمونهٔ ۵۰ نفری، ۲۰ نفر با سرویس مدرسه میآیند. نسبت یعنی تعداد موردنظر تقسیم بر تعداد کل: . این نسبت یک آماره است. حدوداً چند نفر از کل مدرسه با سرویس میآیند؟
اول تخمین بزن: ۲۰ کمی کمتر از نصفِ ۵۰ است، پس جواب کمی کمتر از نصفِ ۶۰۰، یعنی کمتر از ۳۰۰ است.
نمونه را روی یک نوار پنجقسمتی بکش. هر قسمت ۱۰ نفر است و سرویسیها دو قسمت را پر میکنند:
| ۱۰ | ۱۰ | ۱۰ | ۱۰ | ۱۰ |
|---|---|---|---|---|
| ✔ | ✔ |
پس سرویسیها نمونهاند. همین نوار را برای ۶۰۰ نفر بکش: هر قسمت نفر و دو قسمت نفر. با حدسمان میخواند؟ بله، ۲۴۰ کمی کمتر از ۳۰۰ است.
راه دوم: ، یعنی ۴۰ درصد؛ و ۴۰ درصدِ ۶۰۰ میشود . راه نوار وقتی قسمتها کم و عددها رُند باشند سریعتر است؛ راه درصد برای هر عددی کار میکند. یادت باشد ۲۴۰ یک تخمین است، نه شمارش دقیق.
آمار یعنی چه؟#
حالا میتوانیم بگوییم: آمار مطالعهٔ گردآوری، سازماندهی، تحلیل و تفسیر دادههاست تا از آنها اطلاعات بیرون بکشیم و تصمیم بگیریم. آمار جای فکر کردن را نمیگیرد؛ نتیجه را باید کسی تفسیر کند که موضوع را میفهمد.
حالا از خودت بپرس جواب دادن، بهتر از دوباره خواندن یاد میدهد.
تمرین گامبهگام ۴ مسئله
اول روی کاغذ حل کن. اگر گیر کردی، یک راهنمایی بگیر؛ حل کامل همیشه آخرین قدم است.
یک کارخانهٔ آبمیوه امروز ۲۰۰۰ بطری پر کرده است. برای اندازه گرفتن مقدار قند، ۲۵ بطری را به قید قرعه برمیدارند و باز میکنند. (الف) واحد آماری (ب) جامعهٔ آماری (پ) نمونه (ت) متغیر و نوع آن را بنویس. (ث) چرا همهٔ بطریها را آزمایش نمیکنند؟
برای هر متغیر بگو کمّی است یا کیفی، و مقیاس اندازهگیریاش را بنویس: (الف) رنگ چشم (ب) دمای آب استخر به درجهٔ سلسیوس (پ) تعداد پیامهایی که یک نفر در روز میگیرد (ت) میزان رضایت از یک فیلم: کم، متوسط، زیاد (ث) کد پستی خانه.
باشگاهی ۱۲۰۰ عضو دارد. از یک نمونهٔ تصادفی ۸۰ نفره، ۳۲ نفر گفتهاند کلاسهای عصر را ترجیح میدهند. (الف) نسبت عصریها در نمونه چقدر است و این عدد آماره است یا پارامتر؟ (ب) حدوداً چند نفر از کل اعضا کلاس عصر را ترجیح میدهند؟
برای هر کار، مناسبترین روش گردآوری داده را بگو و یک دلیل بیاور: (الف) نظر ساکنان یک شهرک دربارهٔ طرح تازهٔ پارک (ب) تعداد پرندههایی که در یک روز به یک برکه میآیند (پ) نمرههای ریاضی دانشآموزان یک استان در ده سال گذشته (ت) دلیلهایی که چند مربی باتجربه برای آسیبدیدگی ورزشکاران میگویند.
اشتباههای رایج ۴
اشتباه«کد پستی عدد است، پس متغیر کمّی است.»
عدد بودنِ داده کافی نیست. متغیر کمّی آن است که حساب کردن روی آن معنا داشته باشد. میانگین دو کد پستی هیچ خانهای را نشان نمیدهد.
درستکد پستی کیفی و اسمی است؛ عددهایش فقط برای نامگذاریاند.
اشتباه«امروز ۳۰ درجه است و دیروز ۱۵ درجه بود، پس امروز دو برابر گرمتر است.»
دما به سلسیوس فاصلهای است: صفرش دمای یخ زدن آب است، نه نبودِ گرما. پس نسبت گرفتن معنا ندارد.
درستدرست این است: «امروز ۱۵ درجه گرمتر است.» تفاضل در مقیاس فاصلهای معنا دارد.
اشتباه«از ۵۰ دوست خودم پرسیدم؛ این یک نمونهٔ تصادفی از دانشآموزان مدرسه است.»
در نمونهٔ تصادفی همهٔ اعضای جامعه باید شانس برابر داشته باشند. بقیهٔ دانشآموزان مدرسه هیچ شانسی برای انتخاب شدن نداشتند و دوستانت احتمالاً شبیه خودتاند.
درستشمارهٔ همهٔ دانشآموزان را بنویس و ۵۰ تا را به قید قرعه انتخاب کن.
اشتباه«پارامتر از یک نمونه به نمونهٔ دیگر عوض میشود.»
جای دو واژه عوض شده است. پارامتر به کل جامعه مربوط است و ثابت است؛ آنکه با هر نمونه کمی تغییر میکند آماره است.
درستآماره (مثل میانگین نمونه) از نمونهای به نمونهٔ دیگر تغییر میکند و برای تخمین پارامتر به کار میرود.
فراتر از کتابنظرسنجیای با دو میلیون جواب که اشتباه کردبرای کنجکاوها؛ در امتحان نمیآید.
سال ۱۹۳۶ میلادی، مجلهٔ آمریکایی «لیترری دایجست» پیش از انتخابات ریاستجمهوری حدود ۱۰ میلیون برگهٔ نظرسنجی فرستاد و نزدیک به ۲ میلیون و ۴۰۰ هزار جواب گرفت. نتیجه پیشبینی میکرد نامزد رقیب برنده میشود؛ ولی روزولت با اختلاف بسیار زیاد برد. مشکل در اندازهٔ نمونه نبود، در تصادفی نبودنِ آن بود: نشانیها را بیشتر از فهرست صاحبان تلفن و خودرو برداشته بودند، که در آن سالها مردم مرفهتر بودند؛ و فقط کسانی جواب دادند که حوصلهٔ پر کردن برگه را داشتند. در همان سال، نظرسنجیای با نمونهای بسیار کوچکتر ولی دقیقتر انتخابشده نتیجه را درست پیشبینی کرد.
همین درس امروز در هوش مصنوعی تکرار میشود. مدلی که فقط با عکسهای یک گروه از آدمها آموزش ببیند، روی بقیه بد کار میکند؛ دادههای آموزشی هم یک «نمونه» از دنیا هستند. اگر کنجکاوی که مدلها چطور از داده یاد میگیرند، یادگیری ماشین به زبان ساده را بخوان.
درس ۲معیارهای گرایش به مرکز
این درس: صفحههای ۸۵ تا ۸۸ کتاب درسی
یادت هست؟#
- میانگین سه عدد ۶، ۹ و ۱۲ چند است؟
- عددهای ۷، ۲، ۹ و ۴ را از کوچک به بزرگ مرتب کن.
جواب: ۱) جمع را بر تعداد تقسیم کن: . ۲) ۲، ۴، ۷، ۹. میانگین را در آمار ریاضی هشتم دیدهای؛ امروز دو معیار تازه هم کنارش میگذاریم.
یک عدد که کل دادهها را خلاصه کند#
در یک کارگاه نقاشی تابستانی هفت نفر ثبتنام کردهاند. سن آنها به سال:
| نفر اول | نفر دوم | نفر سوم | نفر چهارم | نفر پنجم | نفر ششم | نفر هفتم |
|---|---|---|---|---|---|---|
| ۱۵ | ۱۳ | ۱۶ | ۱۴ | ۱۷ | ۱۴ | ۱۶ |
مسئول کارگاه میخواهد با یک عدد بگوید «شرکتکنندهها حدوداً چند سالهاند». به چنین عددی معیار گرایش به مرکز میگوییم، چون جایی را نشان میدهد که دادهها دور آن جمع شدهاند. سه معیار داریم: میانگین، میانه و مد.
میانگین#
میانگین (همان معدل) یعنی همهٔ دادهها را جمع کنی و بر تعدادشان تقسیم کنی. اگر داده به شکل ، ، …، داشته باشیم، میانگین آنها را با نشان میدهیم:
مثال ۱. میانگین سن کارگاه چند است؟
اول تخمین بزن: بیشترِ عددها ۱۴ تا ۱۶ هستند، پس میانگین باید حدود ۱۵ باشد.
جمع: . تعداد: ۷. میانگین: . با حدسمان میخواند؟ بله، دقیقاً ۱۵.
قبل از ادامه، حدس بزن: سال بعد که همین هفت نفر یک سال بزرگتر شدهاند، میانگین سنشان چه میشود؟
۱۶. به هر داده ۱ اضافه شده، پس جمع ۷ تا بیشتر شده است: . اگر سنها را به ماه بنویسیم، هر داده ۱۲ برابر میشود و میانگین هم ۱۲ برابر: ماه.
🧠 ترفند: اگر به همهٔ دادهها یک عدد اضافه کنی، میانگین هم به همان اندازه زیاد میشود؛ و اگر همه را در یک عدد ضرب کنی، میانگین هم در همان عدد ضرب میشود. دلیل: جمع دادهها برابرِ آن عدد زیاد میشود (یا در آن ضرب میشود) و تقسیم بر همان را برمیگرداند.
مثال ۲. میانگین چهار عدد ۱۲ است. سه تا از آنها ۱۰، ۱۵ و ۹ هستند. عدد چهارم چند است؟ اگر میانگین ۱۲ و تعداد ۴ است، جمعِ هر چهار عدد است. سه عدد معلوم میشوند، پس عدد چهارم است.
دادهٔ دورافتاده#
روز دوم، یک مادربزرگ ۷۱ ساله هم به کارگاه میآید. حالا هشت نفریم و جمع سنها است. میانگین: .
میانگین ۲۲ سال است، ولی هیچکس در این کارگاه ۲۲ ساله نیست: هفت نفر زیر ۱۸ سالاند و یک نفر ۷۱ ساله. یک دادهٔ خیلی بزرگ، میانگین را به سمت خودش کشیده است. به دادهای که مقدارش با بقیهٔ دادهها خیلی فرق دارد (خیلی بزرگتر یا خیلی کوچکتر) دادهٔ دورافتاده میگوییم.
میانه#
برای وقتهایی مثل این، معیار دیگری داریم. دادهها را از کوچک به بزرگ مرتب کن. میانه مقداری است که تعداد دادههای قبل از آن با تعداد دادههای بعد از آن برابر است، یعنی دادهٔ وسطی.
برای هفت نفرِ اول:
سه داده قبل از ۱۵ و سه داده بعد از آن است؛ میانه ۱۵ است.
اگر تعداد دادهها زوج باشد، دو دادهٔ وسطی داریم و میانه میانگینِ این دو داده است. با مادربزرگ:
میانه است. یعنی با آمدن دادهٔ دورافتاده، میانگین از ۱۵ به ۲۲ پرید، ولی میانه فقط از ۱۵ به ۱۵٫۵ رسید. میانه فقط به جایگاه دادهها نگاه میکند، نه به اندازهٔ دادههای دو سر؛ پس دادهٔ دورافتاده تکانش نمیدهد. اگر ۷۱ را ۹۰ هم بنویسی، میانه همان ۱۵٫۵ میماند.
مد#
مد مقداری از متغیر است که بیشترین فراوانی را دارد، یعنی بیشتر از بقیه تکرار شده است. در سنهای کارگاه، ۱۴ دو بار و ۱۶ دو بار آمدهاند و بقیه یک بار؛ پس این دادهها دو مد دارند: ۱۴ و ۱۶. مد ممکن است یکتا نباشد.
مد تنها معیاری است که برای متغیر کیفی هم کار میکند. از ۲۵ نفر پرسیدهایم ورزش موردعلاقهشان چیست:
| ورزش | فوتبال | والیبال | شنا | بسکتبال |
|---|---|---|---|---|
| فراوانی | ۹ | ۶ | ۴ | ۶ |
مد «فوتبال» است. «میانگین ورزشها» یا «میانهٔ ورزشها» معنا ندارد، چون این دادهها عدد نیستند.
کدام معیار را گزارش کنیم؟#
- دادهها کمّیاند و دادهٔ دورافتاده ندارند: میانگین مرسومترین معیار است.
- دادهٔ دورافتاده داریم: میانه تصویر درستتری میدهد.
- دادهها کیفیاند، یا میخواهیم بدانیم کدام گزینه از همه پرطرفدارتر است: مد.
میانگین موزون#
گاهی بعضی دادهها از بقیه مهمترند. در یک مسابقهٔ آشپزی، داور به هر غذا سه امتیاز از ۲۰ میدهد: ظاهر با ضریب ۱، خلاقیت با ضریب ۲ و مزه با ضریب ۳، چون مزه از همه مهمتر است. غذای تو در ظاهر ۱۲، در خلاقیت ۱۵ و در مزه ۱۸ گرفته است.
مثال ۳. امتیاز نهایی غذا چند میشود؟
اول تخمین بزن: میانگین سادهٔ سه امتیاز است. ولی ۱۸ بیشترین ضریب را دارد، پس جواب باید کمی بیشتر از ۱۵ باشد.
هر امتیاز را در ضریبش ضرب کن، جمع بزن، و بر جمع ضریبها تقسیم کن:
با حدسمان میخواند؟ بله، ۱۶ کمی بیشتر از ۱۵ است. به این میانگین میانگین موزون میگوییم.
راه دوم: ضریب ۲ یعنی آن امتیاز را دو بار بنویس، ضریب ۳ یعنی سه بار. فهرست ششتایی میشود و میانگین سادهاش است. راه اول برای ضریبهای بزرگ سریعتر است؛ راه دوم نشان میدهد چرا باید بر جمع ضریبها تقسیم کرد، نه بر تعداد امتیازها. معدل درسهایی که تعداد واحدشان فرق دارد هم همینطور حساب میشود: تعداد واحد، ضریب آن درس است.
حالا از خودت بپرس جواب دادن، بهتر از دوباره خواندن یاد میدهد.
تمرین گامبهگام ۴ مسئله
اول روی کاغذ حل کن. اگر گیر کردی، یک راهنمایی بگیر؛ حل کامل همیشه آخرین قدم است.
میانگین پنج عدد ۱۴ است. چهار تا از آنها ۱۲، ۱۷، ۱۰ و ۱۵ هستند. عدد پنجم چند است؟
یک نفر ده روز پشت سر هم ثبت کرده چند دقیقه پیادهروی کرده است: ۳۰، ۲۵، ۴۰، ۳۵، ۳۰، ۱۲۰، ۲۸، ۳۲، ۳۰، ۳۰. (الف) میانگین، میانه و مد را حساب کن. (ب) کدام یک «یک روز معمولی» را بهتر نشان میدهد؟ چرا؟
در یک درس سه آزمون با ضریبهای ۱، ۱ و ۲ گرفته میشود. (الف) اگر نمرهها ۱۴، ۱۶ و ۱۹ باشند، میانگین موزون چند است؟ (ب) دانشآموز دیگری در دو آزمون اول ۱۴ و ۱۶ گرفته است. در آزمون سوم چند باید بگیرد تا میانگین موزونش دقیقاً ۱۸ شود؟ این شدنی است؟ (نمره از ۲۰ است.)
میانگین دادههای ۳، ۵، ۷ و ۹ برابر ۶ است. بدون جمع زدن دوباره، میانگین این دو دسته را بگو: (الف) ۱۳، ۱۵، ۱۷، ۱۹ (ب) ۳۰، ۵۰، ۷۰، ۹۰.
اشتباههای رایج ۴
اشتباهمیانهٔ ۹، ۳، ۱۲، ۵، ۷ را خواستهاند: «عدد وسطِ فهرست ۱۲ است، پس میانه ۱۲.»
میانه دادهٔ وسطیِ دادههای مرتبشده است. وسطِ فهرستِ نامرتب هیچ معنایی ندارد.
درستمرتب کن: ۳، ۵، ۷، ۹، ۱۲. میانه ۷ است.
اشتباهمیانهٔ ۲، ۴، ۶، ۸، ۱۰، ۱۲: «دادهٔ وسط ۶ است.»
شش داده یعنی دو دادهٔ وسطی داریم: سومی و چهارمی. نمیشود یکی را دلخواه برداشت.
درستمیانه است.
اشتباهامتیازها ۱۲ (ضریب ۱)، ۱۵ (ضریب ۲) و ۱۸ (ضریب ۳): .
در میانگین موزون مخرج جمع ضریبها است، نه تعداد امتیازها. جواب ۳۲ از بیشترین امتیاز هم بیشتر است و همین نشان میدهد چیزی اشتباه است.
درست.
اشتباه«در این شرکت میانگین زمان رسیدن ۲۳ دقیقه است، پس بیشتر کارمندان حدود ۲۳ دقیقه در راهاند.» (در حالی که یک نفر ۹۵ دقیقه در راه بوده است.)
یک دادهٔ دورافتاده میانگین را به سمت خودش میکشد؛ میانگین لزوماً «مقدار معمول» نیست.
درستوقتی دادهٔ دورافتاده داریم، میانه را گزارش کن؛ اینجا میانه ۱۵ دقیقه است.
فراتر از کتابمیانه در چشم رباتبرای کنجکاوها؛ در امتحان نمیآید.
حسگر فاصلهسنج یک ربات هر چند صدم ثانیه یک عدد میدهد: ۴۲، ۴۱، ۴۳، ۴۰۰، ۴۲ سانتیمتر. آن ۴۰۰ واقعی نیست؛ صدا از یک گوشه برگشته و حسگر اشتباه خوانده است. اگر ربات میانگین پنج خواندن آخر را بگیرد، فاصله را حدود ۱۱۴ سانتیمتر میبیند و با خیال راحت به دیوار میخورد. اگر میانه را بگیرد، عدد ۴۲ را میبیند و درست میایستد.
به این روش «فیلتر میانه» میگویند و در رباتیک و پردازش تصویر زیاد به کار میرود: برای پاک کردن نقطههای سفید و سیاهِ پراکنده روی یک عکس، هر نقطه را با میانهٔ نقطههای اطرافش عوض میکنند. همان خاصیتی که در این درس دیدی، یعنی بیاعتنایی میانه به دادهٔ دورافتاده، اینجا ربات را از تصادف نجات میدهد. دربارهٔ خودِ این حسگر در حسگر فاصلهٔ فراصوتی بیشتر بخوان.
درس ۳معیارهای پراکندگی
این درس: صفحههای ۸۹ تا ۹۸ کتاب درسی
یادت هست؟#
- دامنهٔ تغییرات دادههای ۱۲، ۷، ۲۰ و ۱۵ چند است؟
- و چند هستند؟
جواب: ۱) دامنهٔ تغییرات یعنی بیشترین داده منهای کمترین داده: . ۲) چون ؛ و . دامنهٔ تغییرات را در آمار ریاضی هشتم و جذر را در توان و جذر هشتم دیدهای.
میانگین یکی، رفتار دوتا#
دو ایستگاه اتوبوس داری. پنج روز ثبت کردهای چند دقیقه منتظر ماندی:
- ایستگاه الف: ۵، ۷، ۸، ۹، ۱۱
- ایستگاه ب: ۲، ۶، ۸، ۱۰، ۱۴
میانگین هر دو دقیقه است. ولی اگر کلاسی داشته باشی که نباید دیر برسی، کدام را انتخاب میکنی؟ دادهها را روی محور بگذار. هر ● یک روز است:
| ۰ تا ۳ | ۴ تا ۶ | ۷ تا ۹ | ۱۰ تا ۱۲ | ۱۳ تا ۱۵ | |
|---|---|---|---|---|---|
| ایستگاه الف | ● | ●●● | ● | ||
| ایستگاه ب | ● | ● | ● | ● | ● |
دادههای الف دور ۸ جمع شدهاند و دادههای ب پخشاند. میانگین این فرق را نمیبیند. به عددی که پخش بودن دادهها را اندازه میگیرد معیار پراکندگی میگوییم.
دامنهٔ تغییرات#
سادهترین معیار: الف و ب . دامنهٔ تغییرات (یا بهاختصار دامنه) فقط به دو داده نگاه میکند، بزرگترین و کوچکترین. اگر یک روز اتوبوس الف ۴۰ دقیقه دیر کند، دامنهاش ۳۵ میشود، هرچند بقیهٔ روزها همانطور منظماند. پس معیاری لازم داریم که همهٔ دادهها را ببیند.
انحراف معیار#
ایده این است: ببین هر داده چقدر از میانگین فاصله دارد و از این فاصلهها یک «فاصلهٔ معمول» بساز. به اختلاف هر داده با میانگین، یعنی ، انحراف از میانگین میگوییم.
قبل از ادامه، حدس بزن: اگر انحرافهای ایستگاه الف را جمع بزنی، چه میشود؟
صفر. انحرافها ، ، ، ، هستند و منفیها مثبتها را خنثی میکنند. این همیشه درست است، چون میانگین دقیقاً نقطهٔ تعادل دادههاست. پس جمع ساده به درد نمیخورد. برای اینکه منفیها از بین نروند، هر انحراف را به توان ۲ میرسانیم.
گامها:
- میانگین را حساب کن.
- انحراف هر داده از میانگین را بنویس.
- هر انحراف را به توان ۲ برسان.
- میانگینِ این توانهای دوم را بگیر. به این عدد واریانس میگوییم.
- از واریانس جذر بگیر. این عدد انحراف معیار است و آن را با (سیگما) نشان میدهیم.
اگر داده به شکل ، ، …، داشته باشیم:
پس واریانس همان است. جذر را برای این میگیریم که واحد دوباره «دقیقه» شود، نه «دقیقه به توان ۲».
مثال ۱. انحراف معیار ایستگاه الف ():
جمع ستون آخر است. واریانس و انحراف معیار دقیقه.
مثال ۲. انحراف معیار ایستگاه ب ().
اول تخمین بزن: فاصلههای ب از ۸ عددهای ۶، ۲، ۰، ۲، ۶ هستند؛ «فاصلهٔ معمول» باید جایی بین ۲ و ۶ باشد.
جمع ، واریانس و دقیقه. با حدسمان میخواند؟ بله، ۴ بین ۲ و ۶ است.
راه دوم: انحرافهای ب (، ، ، ، ) دقیقاً دو برابرِ انحرافهای الفاند. پس توانهای دوم چهار برابر، واریانس چهار برابر () و انحراف معیار دو برابر () میشود. وقتی چنین رابطهای را ببینی، این راه بیجدول و سریعتر است.
نتیجه: ایستگاه الف با قابلپیشبینیتر است. اگر همهٔ دادهها با هم برابر باشند، همهٔ انحرافها صفرند و انحراف معیار صفر است: هیچ پراکندگیای نیست.
🧠 ترفند: اگر به همهٔ دادهها یک عدد اضافه کنی، انحراف معیار عوض نمیشود. دلیل: میانگین هم همانقدر جابهجا میشود، پس فاصلهٔ هر داده تا میانگین همان میماند.
انحراف معیار در خم بهنجار#
وقتی دادهها زیادند و نمودارشان شکل یک زنگ متقارن دارد (مثل قد یا وزن تعداد زیادی آدم)، به آن خم بهنجار (منحنی نرمال) میگوییم. در این حالت انحراف معیار به ما میگوید دادهها کجا هستند. عددها تقریبیاند:
| تا | تا | تا | تا | تا | تا |
|---|---|---|---|---|---|
| ۲٪ | ۱۴٪ | ۳۴٪ | ۳۴٪ | ۱۴٪ | ۲٪ |
- تقریباً ۶۸ درصد دادهها در فاصلهٔ یک انحراف معیار از میانگیناند ().
- تقریباً ۹۶ درصد در فاصلهٔ دو انحراف معیار ().
- تقریباً ۹۹٫۹ درصد در فاصلهٔ سه انحراف معیار.
دو خانهٔ کناری جدول گرد شدهاند: هر کدام کمی کمتر از ۲٪ است و حدود ۰٫۱٪ دادهها بیرون از سه انحراف معیار میمانند.
مثال ۳. وزن نانهای یک نانوایی صنعتی میانگین ۵۰۰ گرم و انحراف معیار ۱۰ گرم دارد. حدود ۶۸ درصد نانها بین و گرماند، و حدود ۹۶ درصد بین و گرم. برای همین روی بسته مینویسند «۵۰۰ ± ۲۰ گرم»: آن ۲۰، دو برابر انحراف معیار است.
چارکها و دامنهٔ میانچارکی#
انحراف معیار هم مثل میانگین از دادهٔ دورافتاده آسیب میبیند. تعداد صفحههایی که نُه دانشآموز در یک هفته کتاب خواندهاند، مرتبشده:
یکی ۹۰ صفحه خوانده است. با این داده میانگین حدود ۲۶٫۲ و انحراف معیار حدود ۲۳٫۱ است؛ اگر بهجای ۹۰ عدد ۳۰ بود، میانگین حدود ۱۹٫۶ و انحراف معیار حدود ۶٫۲ میشد. یک داده همهچیز را عوض کرد.
همان کاری را میکنیم که با میانه کردیم. میانه دادهها را نصف میکند؛ چارکها آنها را چهار قسمت میکنند:
- چارک دوم همان میانه است: اینجا دادهٔ پنجم، .
- چارک اول میانهٔ دادههای قبل از میانه است. وقتی تعداد دادهها فرد است، خودِ میانه را در هیچ نیمه حساب نمیکنیم. نیمهٔ پایین است، پس .
- چارک سوم میانهٔ دادههای بعد از میانه است: ، پس .
دامنهٔ میانچارکی فاصلهٔ چارک سوم تا چارک اول است و آن را با نشان میدهیم:
نیمِ وسطیِ دادهها در این فاصلهاند: ۲۵ درصد دادهها قبل از ، ۵۰ درصد بین و ، و ۲۵ درصد بعد از . اگر ۹۰ را ۳۰ کنی، و میانه و هیچکدام تکان نمیخورند.
کدام را با کدام گزارش کنیم؟#
- دادهٔ دورافتاده نداریم: میانگین همراه با انحراف معیار.
- دادهٔ دورافتاده داریم: میانه همراه با دامنهٔ میانچارکی. میانه و دامنهٔ میانچارکی را خواننده بدون هیچ حسابی میفهمد.
میانگین، میانه، انحراف معیار و دامنهٔ میانچارکی همه آمارههاییاند که دادهها را توصیف میکنند؛ به این بخش از آمار آمار توصیفی میگویند.
حالا از خودت بپرس جواب دادن، بهتر از دوباره خواندن یاد میدهد.
تمرین گامبهگام ۴ مسئله
اول روی کاغذ حل کن. اگر گیر کردی، یک راهنمایی بگیر؛ حل کامل همیشه آخرین قدم است.
انحراف معیار دادههای ۴، ۶، ۷، ۸، ۱۰ را حساب کن.
امتیاز دو بازیکن در پنج مسابقه: بازیکن «پ»: ۱۲، ۱۴، ۱۵، ۱۶، ۱۸ و بازیکن «ت»: ۶، ۱۰، ۱۵، ۲۰، ۲۴. (الف) میانگین هر دو را حساب کن. (ب) دامنهٔ تغییرات و انحراف معیار هر دو را حساب کن (برای جذر از ماشینحساب کمک بگیر). (پ) مربی برای یک بازی حساس که نباید ریسک کند، کدام را انتخاب کند؟
عمر باتری گوشیهای یک کارخانه از خم بهنجار پیروی میکند، با میانگین ۲۰ ساعت و انحراف معیار ۲ ساعت. (الف) حدود ۶۸ درصد گوشیها عمر باتریشان بین کدام دو عدد است؟ (ب) حدود چند درصد گوشیها بین ۱۶ و ۲۴ ساعت کار میکنند؟ (پ) از ۵۰۰ گوشی، حدود چند گوشی بین ۱۶ و ۲۴ ساعت کار میکنند؟
زمان (دقیقه) که یازده نفر برای حل یک معما صرف کردهاند، مرتبشده: ۳، ۵، ۶، ۶، ۷، ۸، ۹، ۱۰، ۱۱، ۱۲، ۴۸. (الف) میانه، چارک اول، چارک سوم و دامنهٔ میانچارکی را پیدا کن. (ب) دامنهٔ تغییرات چند است؟ (پ) برای خلاصه کردن این دادهها کدام جفت مناسبتر است: میانگین و انحراف معیار، یا میانه و دامنهٔ میانچارکی؟
اشتباههای رایج ۴
اشتباهبرای ۵، ۷، ۸، ۹، ۱۱: «انحرافها است؛ جمعشان صفر، پس انحراف معیار صفر است.»
جمع انحرافها از میانگین همیشه صفر است؛ برای همین باید اول هر انحراف را به توان ۲ رساند.
درستتوانهای دوم با جمع ؛ واریانس و .
اشتباه«واریانس ۱۶ است، پس انحراف معیار هم ۱۶ است.»
انحراف معیار جذرِ واریانس است. بدون جذر، واحد هم به توان ۲ میماند (دقیقه به توان ۲).
درست.
اشتباهبرای ۱۰، ۱۲، ۱۵، ۱۸، ۲۰، ۲۱، ۲۴، ۲۶، ۹۰: «نیمهٔ پایین ۱۰، ۱۲، ۱۵، ۱۸، ۲۰ است، پس .»
وقتی تعداد دادهها فرد است، میانه (اینجا ۲۰) جزو هیچ نیمهای نیست؛ چارک اول میانهٔ دادههای قبل از میانه است.
درستنیمهٔ پایین ۱۰، ۱۲، ۱۵، ۱۸ و .
اشتباه«در هر دو دسته دامنهٔ تغییرات ۲۰ است، پس پراکندگیشان یکی است.»
دامنه فقط به بزرگترین و کوچکترین داده نگاه میکند. دو دسته میتوانند دو سرِ یکسان داشته باشند و وسطشان کاملاً فرق کند.
درستانحراف معیار یا دامنهٔ میانچارکی را هم حساب کن تا رفتار همهٔ دادهها دیده شود.
فراتر از کتاب۶۸، ۹۶ و ۹۹٫۹ از کجا میآیند؟برای کنجکاوها؛ در امتحان نمیآید.
عددهای خم بهنجار در کتاب گرد شدهاند. دقیقترشان این است: حدود ۶۸٫۳ درصد دادهها در فاصلهٔ یک انحراف معیار، ۹۵٫۴ درصد در فاصلهٔ دو و ۹۹٫۷ درصد در فاصلهٔ سه انحراف معیار از میانگیناند. برای همین در بعضی کتابها «۹۵ درصد» هم میبینی؛ هر دو گرد کردنِ یک عددند.
انحراف معیار در هوش مصنوعی هم کار هر روزه است. پیش از اینکه دادهها را به یک مدل بدهند، از هر داده میانگین را کم میکنند و حاصل را بر انحراف معیار تقسیم میکنند. این کار قد به سانتیمتر و وزن به کیلوگرم را به یک زبان مشترک میبرد: «چند انحراف معیار از میانگین دور است». بدون آن، عددی که فقط بزرگتر نوشته شده بر بقیه غلبه میکند. محاسبهٔ قدمبهقدم انحراف معیار را با مثالی دیگر در انحراف معیار چیست؟ ببین.
آزمون فصل ۳
۱۴ سؤال از همهٔ درسها، ۲۵ دقیقه.
اگر میخواهی ریاضی را از پایه و با «چرا»ی هر قاعده ادامه بدهی
خودآموز ریاضی از چهار عمل تا هوش مصنوعی
هیچ ایدهٔ پیشرفتهای در ریاضی از هوا نیامده؛ هر کدام ریشهای در چیزی ساده دارد که همین حالا بلدی. از «عدد یعنی چه» شروع میکنیم و به همان ریاضیای میرسیم که هوش مصنوعی با آن آموزش میبیند — بدون حفظکردنِ بیدلیل و بدون فرضِ اینکه قبلاً چیزی بلد بودهای.
- ۸ ترم
- ۷۳ فصل
- همهٔ فصلها رایگان
پرسشهای رایج
فرق پارامتر و آماره چیست؟
هر دو عددی هستند که دادهها را توصیف میکنند. پارامتر دربارهٔ کل جامعه است و ثابت میماند، ولی معمولاً آن را نمیدانیم چون سرشماری سخت است. آماره همان عدد برای نمونه است؛ از دادههای نمونه حساب میشود و با عوض شدن نمونه کمی تغییر میکند. از آماره برای تخمین پارامتر استفاده میکنیم.
کی باید میانه را بهجای میانگین گزارش کنم؟
وقتی دادهٔ دورافتاده داری. یک دادهٔ خیلی بزرگ یا خیلی کوچک میانگین را به سمت خودش میکشد، ولی میانه فقط به جایگاه دادهها نگاه میکند و تکان نمیخورد. همینطور، همراه میانه دامنهٔ میانچارکی را گزارش کن، نه انحراف معیار را.
چرا در انحراف معیار انحرافها را به توان ۲ میرسانیم؟
چون جمع انحرافها از میانگین همیشه صفر میشود: منفیها مثبتها را خنثی میکنند. توان ۲ همهٔ انحرافها را مثبت میکند. آخر کار جذر میگیریم تا واحد دوباره همان واحد دادهها شود.
قاعدهٔ خم بهنجار ۹۶ درصد است یا ۹۵ درصد؟
هر دو گرد کردنِ عدد دقیق ۹۵٫۴ درصد هستند. کتاب درسی ۹۶ درصد را آورده است؛ در امتحان همان عددهای کتاب را بنویس: حدود ۶۸، ۹۶ و ۹۹٫۹ درصد برای یک، دو و سه انحراف معیار.
عدد بودن یک داده یعنی متغیر کمّی است؟
نه. شمارهٔ پیراهن، کد ملی یا کد پستی عددند ولی فقط برای نامگذاریاند و میانگینشان معنایی ندارد؛ اینها کیفی و اسمیاند. متغیر وقتی کمّی است که جمع و تفریق و میانگین گرفتن روی آن معنا داشته باشد.
برای عمیقتر یاد گرفتن
- یادگیری ماشین چیست؟ وقتی بهجای نوشتنِ قاعده، مثال نشان میدهیم
- میانگین، میانه و مُد: سه جورِ «وسط» که یکی نیستند
- انحراف معیار چیست؟ فرمول، مثال قدمبهقدم و معنی واقعیاش
- کمینه و بیشینه در آمار یعنی چه؟ + دامنهٔ تغییرات
فصلهای دیگر ریاضی و آمار دهم انسانی: فصل ۱، معادلهٔ درجهٔ دوم، فصل ۲، تابع، فصل ۴، نمایش دادهها

