دامنهٔ میان‌چارکی (IQR): اختلاف چارک سوم و چارک اول که میزان پراکندگی بخش میانی داده‌ها را نشان می‌دهد.

دامنهٔ میان‌چارکی (IQR): معیاری مقاوم برای سنجش پراکندگی داده‌ها

چارک‌ها: نقطه‌های کلیدی برای تقسیم داده‌ها

برای درک دامنه میان‌چارکی، ابتدا باید با مفهوم چارک آشنا شویم. چارک‌ها نقاطی هستند که یک مجموعه داده مرتب‌شده را به چهار قسمت مساوی تقسیم می‌کنند. هر قسمت شامل 25% از داده‌هاست. سه چارک اصلی وجود دارد:

• چارک اول (Q1) میانه نیمهٔ پایینی داده‌هاست. یعنی 25% از داده‌ها از این مقدار کوچک‌تر هستند.
• چارک دوم (Q2) همان میانه (Median) کل داده‌هاست و نشان می‌دهد 50% داده‌ها از آن کمترند.
• چارک سوم (Q3) میانه نیمهٔ بالایی داده‌هاست. یعنی 75% داده‌ها از این مقدار کوچک‌تر و 25% باقی‌مانده بزرگ‌تر از آن هستند.

برای مثال، فرض کنید نمرات 11 دانش‌آموز در یک آزمون به صورت زیر باشد: 10, 12, 14, 15, 15, 17, 18, 19, 20, 21, 35. اگر این داده‌ها را مرتب کنیم، میانه (Q2) نمره 17 خواهد بود. نیمهٔ پایینی 10, 12, 14, 15, 15 است که میانه‌اش (Q1) برابر 14 می‌شود. نیمهٔ بالایی 18, 19, 20, 21, 35 است که میانه‌اش (Q3) برابر 20 خواهد بود.

دامنه میان‌چارکی (IQR): قلب محدودهٔ میانی داده‌ها

دامنه میان‌چارکی¹ که به اختصار IQR نامیده می‌شود، تفاوت بین چارک سوم و چارک اول است. این تفاوت، گستره‌ای را نشان می‌دهد که 50% میانی داده‌ها در آن قرار گرفته‌اند. در مثال نمرات دانش‌آموزان، داریم: $IQR = Q_3 - Q_1 = 20 - 14 = 6$. این عدد به ما می‌گوید که 50% میانی دانش‌آموزان، نمراتی بین 14 و 20 داشته‌اند و فاصلهٔ این نمرات 6 نمره است. توجه کنید که نمره 35 به عنوان یک دادهٔ پرت، تأثیری در محاسبه IQR ندارد و این ویژگی، IQR را به یک معیار مقاوم² تبدیل می‌کند.

کاربرد عملی: تشخیص حقوق‌های عادی از روی IQR

تصور کنید در یک شرکت نرم‌افزاری، حقوق ماهانه 9 کارمند به تومان به این شرح است: 12, 13, 14, 15, 15, 16, 17, 18, 50 (میلیون تومان). مدیرعامل با حقوق 50 میلیون تومان یک دادهٔ پرت آشکار است. دامنه (Range) ساده که برابر $50 - 12 = 38$ میلیون تومان است، تصویری بسیار گمراه‌کننده از پراکندگی حقوق‌ها ارائه می‌دهد. اما با محاسبه IQR، تصویر واقعی‌تری به دست می‌آید. داده‌ها را مرتب می‌کنیم. میانه (Q2) 15 میلیون تومان است. نیمهٔ پایینی 12, 13, 14, 15 که میانه‌اش (Q1) برابر $(13+14)/2 = 13.5$ است. نیمهٔ بالایی 16, 17, 18, 50 که میانه‌اش (Q3) برابر $(17+18)/2 = 17.5$ است. بنابراین: $IQR = Q_3 - Q_1 = 17.5 - 13.5 = 4$ میلیون تومان. این عدد نشان می‌دهد که 50% میانی کارمندان (کارمندان عادی) حقوقی بین 13.5 و 17.5 میلیون تومان دریافت می‌کنند و اختلاف حقوق آنها تنها 4 میلیون تومان است. این تحلیل به مدیر منابع انسانی کمک می‌کند تا ساختار حقوق را بهتر درک کند.

نمودار جعبه‌ای (Box Plot): نمایش تصویری IQR

یکی از بهترین راه‌ها برای نمایش دامنه میان‌چارکی، استفاده از نمودار جعبه‌ای³ است. این نمودار خلاصه‌ای قدرتمند از توزیع داده‌ها ارائه می‌دهد. یک نمودار جعبه‌ای شامل بخش‌های زیر است:

• یک جعبه که از Q1 شروع و تا Q3 ادامه دارد. طول این جعبه دقیقاً برابر IQR است.
• یک خط در داخل جعبه که نشان‌دهندهٔ میانه (Q2) است.
• دو خط (سبیل) که از جعبه خارج می‌شوند و به ترتیب به کوچک‌ترین داده (حداکثر $Q_1 - 1.5 \times IQR$) و بزرگ‌ترین داده (حداقل $Q_3 + 1.5 \times IQR$) که دورافتاده نیستند، می‌رسند.
• نقاطی که خارج از این محدوده قرار می‌گیرند، به عنوان داده‌های پرت⁴ علامت‌گذاری می‌شوند.

برای داده‌های حقوق شرکت، جعبه‌ای از 13.5 تا 17.5 رسم می‌شود و نقطه 50 به عنوان یک نقطهٔ پرت در فاصلهٔ دور نمایش داده می‌شود.

چالش‌های مفهومی

پاورقی

¹ دامنه میان‌چارکی (Interquartile Range - IQR): معیاری از پراکندگی آماری که برابر با تفاوت بین چارک سوم (صدک 75) و چارک اول (صدک 25) است.
² معیار مقاوم (Robust Statistic): معیاری که تحت تأثیر داده‌های پرت یا نقاط دورافتاده به شدت تغییر نمی‌کند و تصویری پایدار از ویژگی‌های اصلی جامعه ارائه می‌دهد.
³ نمودار جعبه‌ای (Box Plot): روشی استاندارد برای نمایش گرافیکی گروه‌هایی از داده‌ها از طریق چارک‌های آنها که به شناسایی چولگی و داده‌های پرت کمک می‌کند.
⁴ داده پرت (Outlier): مشاهده‌ای که از دیگر مشاهدات فاصله زیادی دارد و می‌تواند نشان‌دهنده تنوع در اندازه‌گیری یا خطای آزمایشگاهی باشد.