گاما رو نصب کن!

{{ number }}
اعلان ها
اعلان جدیدی وجود ندارد!
کاربر جدید

جستجو

پربازدیدها: #{{ tag.title }}

میتونی لایو بذاری!
نمونه سوال محتوای آموزشی آزمون آنلاین پرسش و پاسخ درسنامه آموزشی مدرسه‌یاب معلم‌ها

چندبر فراوانی: نموداری خطی که با وصل‌کردن نقطه‌های میانی ستون‌های بافت‌نگاشت، شکل توزیع را نشان می‌دهد.

بروزرسانی شده در: 0:04 1405/01/31 مشاهده: 216     دسته بندی: کپسول آموزشی

نمودار چندبر فراوانی: خط وصل‌کننده نقاط میانی ستون‌های بافت‌نگاشت

آشنایی با چندبر فراوانی به عنوان ابزاری ساده برای شناخت شکل توزیع داده‌ها در آمار توصیفی
در این مقاله می‌آموزید که چگونه با وصل کردن نقاط میانی ستون‌های بافت‌نگاشت، نمودار خطی به نام چندبر فراوانی (Frequency Polygon) رسم می‌شود. این نمودار شکل توزیع داده‌ها را واضح‌تر نشان می‌دهد و مقایسه چند توزیع را آسان می‌کند. با مثال‌های علمی گام‌به‌گام، جدول و فرمول‌های MathJax، مفهوم چندبر فراوانی را در سطح دبیرستان فرا خواهید گرفت.

از ستون‌های بافت‌نگاشت تا خط چندبر فراوانی

بافت‌نگاشت (Histogram) یکی از پرکاربردترین نمودارها برای نمایش داده‌های پیوسته است. در این نمودار، داده‌ها به دسته‌هایی (طبقه‌ها) تقسیم می‌شوند و روی هر دسته یک ستون عمودی رسم می‌گردد. ارتفاع هر ستون نشان‌دهنده فراوانی مطلق یا تعداد داده‌های آن دسته است. اما گاهی مقایسه شکل توزیع بین دو یا چند مجموعه داده با بافت‌نگاشت دشوار است. در چنین شرایطی از نمودار چندبر فراوانی استفاده می‌کنیم.

برای رسم چندبر فراوانی، ابتدا نقطه میانی هر ستون از بافت‌نگاشت را پیدا می‌کنیم. نقطه میانی، مرکز یک دسته است که از میانگین کران پایین و کران بالای آن دسته به دست می‌آید. سپس این نقاط را با خط‌های مستقیم به یکدیگر وصل می‌کنیم. برای کامل کردن نمودار، معمولاً یک دسته فرضی قبل از اولین دسته و یک دسته فرضی بعد از آخرین دسته با فراوانی صفر اضافه می‌شود تا خط چندبر به محور افقی برسد.

فرمول نقطه میانی یک دسته با کران پایین $L$ و کران بالین $U$ به صورت زیر است:
$ \text{نقطه میانی} = \frac{L + U}{2} $

مثال عملی: فرض کنید نتایج یک آزمون ریاضی از 50 دانش‌آموز در بازه 0 تا 20 نمره جمع‌آوری شده است. اگر دسته‌ها را به عرض 4 واحد در نظر بگیریم، دسته اول از 0 تا 4، دسته دوم از 4 تا 8 و ... خواهد بود. با محاسبه نقاط میانی و فراوانی هر دسته، می‌توان چندبر فراوانی را ترسیم کرد.

مراحل گام‌به‌گام رسم چندبر فراوانی با جدول داده‌ها

برای درک بهتر، داده‌های زیر را در نظر بگیرید که نشان‌دهنده قد 40 دانش‌آموز (بر حسب سانتی‌متر) است. این داده‌ها در 5 دسته طبقه‌بندی شده‌اند.

دسته (سانتی‌متر) نقطه میانی (x) فراوانی (f)
140 - 144 142 5
144 - 148 146 10
148 - 152 150 14
152 - 156 154 8
156 - 160 158 3

مراحل رسم چندبر فراوانی به ترتیب عبارتند از:

  • گام اول: محاسبه نقاط میانی هر دسته (ستون دوم جدول بالا).
  • گام دوم: تعیین مختصات نقاط به صورت (نقطه میانی، فراوانی). برای دسته اول: (142,5)، دسته دوم: (146,10) و ...
  • گام سوم: اضافه کردن یک دسته فرضی قبل از اولین دسته با فراوانی صفر. نقطه میانی آن: 138 (چون عرض هر دسته 4 واحد است، 142 - 4 = 138).
  • گام چهارم: اضافه کردن یک دسته فرضی بعد از آخرین دسته با فراوانی صفر. نقطه میانی آن: 162 ( 158 + 4 = 162 ).
  • گام پنجم: تمام نقاط (شامل نقاط فرضی) را در دستگاه مختصات علامت بزنید و با خط راست به هم وصل کنید.
برای محاسبه نقطه میانی هر دسته از فرمول $ \frac{\text{کران پایین} + \text{کران بالا}}{2} $ استفاده می‌کنیم. مثلاً برای دسته 140-144 داریم: $ \frac{140+144}{2} = \frac{284}{2}=142 $.

مقایسه توزیع‌های مختلف با چندبر فراوانی

یکی از مهم‌ترین کاربردهای چندبر فراوانی، مقایسه دو یا چند توزیع بر روی یک نمودار است. فرض کنید می‌خواهیم نمرات دو کلاس متفاوت را در یک درس مشترک مقایسه کنیم. رسم دو بافت‌نگاشت روی هم باعث تداخل ستون‌ها می‌شود، اما رسم دو چندبر فراوانی با رنگ‌های متفاوت روی یک محور، شکل توزیع (متقارن، چوله به چپ یا چوله به راست) و پراکندگی داده‌ها را به وضوح نشان می‌دهد.

در شکل زیر (که به صورت ذهنی تصور می‌کنید)، خط آبی مربوط به کلاس اول و خط نارنجی مربوط به کلاس دوم است. اگر خط کلاس اول دارای قله‌ای در نمرات بالا باشد، نشان‌دهنده عملکرد بهتر آن کلاس است. همچنین اگر یک خط پهن‌تر باشد، نشان‌دهنده پراکندگی بیشتر نمرات است.

نکته مهم: سطح زیر منحنی چندبر فراوانی (مساحت محصور بین خط و محور افقی) برابر با مجموع فراوانی‌ها (کل داده‌ها) است. این ویژگی به ما امکان می‌دهد تا میانگین تقریبی داده‌ها را با استفاده از نقاط میانی و فراوانی‌ها محاسبه کنیم. فرمول میانگین در داده‌های طبقه‌بندی شده:
$ \bar{x} = \frac{\sum (x_i \times f_i)}{\sum f_i} $ که در آن $x_i$ نقطه میانی و $f_i$ فراوانی دسته $i$-ام است.

کاربرد عملی در تحلیل نتایج آزمون و نظرسنجی

فرض کنید یک مسئول آموزشی می‌خواهد تأثیر یک روش تدریس جدید را بر پیشرفت تحصیلی دانش‌آموزان ارزیابی کند. او نمرات پیش‌آزمون و پس‌آزمون یک گروه 30 نفره را جمع‌آوری کرده است. برای نمایش تغییرات توزیع نمرات، می‌توان دو چندبر فراوانی (یکی برای پیش‌آزمون و یکی برای پس‌آزمون) روی یک نمودار رسم کرد.

اگر خط پس‌آزمون نسبت به خط پیش‌آزمون به سمت راست (نمرات بالاتر) جابه‌جا شده باشد، روش تدریس مؤثر بوده است. همچنین اگر شکل خط پس‌آزمون کشیده‌تر شود، نشان‌دهنده افزایش اختلاف سطح دانش‌آموزان است که ممکن است نیاز به آموزش ترمیمی برای گروه‌های ضعیف‌تر داشته باشد.

در نظرسنجی‌های بزرگ، مانند نظرسنجی رضایت مشتریان از 1 تا 10، چندبر فراوانی می‌تواند به سرعت نشان دهد که نظر اکثر افراد به کدام سمت گرایش دارد. اگر قله نمودار در اعداد 8 تا 10 باشد، رضایت بالاست. در غیر این صورت باید دلایل نارضایتی بررسی شود.

چالش‌های مفهومی

۱) آیا چندبر فراوانی همیشه از نقاط میانی ستون‌ها عبور می‌کند؟ اگر عرض دسته‌ها نابرابر باشد چه می‌شود؟

بله، در تعریف استاندارد، چندبر فراوانی دقیقاً از نقاط میانی ستون‌ها عبور می‌کند. اما اگر عرض دسته‌ها نابرابر باشد، استفاده از چندبر فراوانی معمولی گمراه‌کننده خواهد بود. در چنین مواردی باید از چندبر فراوانی چگالی استفاده کرد که در آن به جای فراوانی مطلق، چگالی فراوانی (فراوانی تقسیم بر عرض دسته) روی محور عمودی قرار می‌گیرد. در سطح دبیرستان معمولاً دسته‌ها را با عرض مساوی انتخاب می‌کنیم تا این مشکل پیش نیاید.

۲) چه تفاوتی بین چندبر فراوانی و منحنی توزیع نرمال وجود دارد؟

چندبر فراوانی از داده‌های واقعی و گسسته (دسته‌بندی شده) ساخته می‌شود و شکل آن خطی شکسته است. اما منحنی توزیع نرمال1 یک منحنی پیوسته و صاف است که از یک تابع ریاضی خاص پیروی می‌کند. اگر تعداد داده‌ها خیلی زیاد و عرض دسته‌ها بسیار کوچک باشد، چندبر فراوانی به تدریج شبیه یک منحنی صاف می‌شود. در آمار، از چندبر فراوانی برای تشخیص نزدیکی توزیع داده‌ها به نرمال استفاده می‌کنند.

۳) چرا در دو انتهای چندبر فراوانی، نقاط با فراوانی صفر اضافه می‌کنیم؟ آیا این کار اجباری است؟

اضافه کردن نقاط با فراوانی صفر در دو انتها (معمولاً یک دسته قبل از اولین و یک دسته بعد از آخرین) اختیاری نیست و برای بسته شدن نمودار روی محور افقی انجام می‌شود. این کار باعث می‌شود سطح زیر چندبر فراوانی با مساحت کل بافت‌نگاشت برابر شود و مقایسه توزیع‌های مختلف با طول دسته‌های متفاوت امکان‌پذیر گردد. بدون این نقاط، نمودار در اولین و آخرین نقطه قطع می‌شد و تصویر کاملی از توزیع ارائه نمی‌داد.

جمع‌بندی: چندبر فراوانی یک روش ساده و کارآمد برای نمایش شکل توزیع داده‌های دسته‌بندی شده است. با وصل کردن نقاط میانی ستون‌های بافت‌نگاشت و افزودن نقاط فرضی با فراوانی صفر در دو طرف، خطی شکسته به دست می‌آید که مقایسه چند توزیع را روی یک نمودار ممکن می‌سازد. این نمودار به ویژه در تحلیل نتایج آزمون‌ها، نظرسنجی‌ها و داده‌های علمی کاربرد گسترده دارد. یادگیری گام‌به‌گام رسم و تفسیر چندبر فراوانی، پایه‌ای محکم برای درک مفاهیم پیشرفته‌تر آمار مانند چولگی، کشیدگی و منحنی‌های توزیع احتمال ایجاد می‌کند.

پاورقی

1 توزیع نرمال (Normal Distribution): توزیعی متقارن و زنگوله‌شکل که در بسیاری از پدیده‌های طبیعی مانند قد، وزن و نمرات آزمون‌های استاندارد دیده می‌شود. با میانگین و انحراف معیار مشخص می‌گردد.

2 بافت‌نگاشت (Histogram): نمودار ستونی برای نمایش داده‌های پیوسته که در آن ستون‌ها به هم چسبیده‌اند و مساحت هر ستون متناسب با فراوانی آن دسته است.

3 چندبر فراوانی (Frequency Polygon): نمودار خطی که با اتصال نقاط میانی دسته‌های یک بافت‌نگاشت (و افزودن نقاط فرضی با فراوانی صفر در دو انتها) به دست می‌آید و شکل توزیع را نشان می‌دهد.