Activitățile de afaceri, guvernamentale și academice necesită aproape întotdeauna colectarea și analiza datelor. Una dintre modalitățile de reprezentare a datelor numerice este prin grafice, histograme și diagrame. Aceste tehnici de vizualizare permit oamenilor să obțină o perspectivă mai bună asupra problemelor și să elaboreze soluții. Lacunele, grupurile și valorile aberante sunt caracteristici ale seturilor de date care influențează analiza matematică și sunt ușor vizibile pe reprezentări vizuale.
Găuri în date
Lacunele se referă la zonele lipsă dintr-un set de date. De exemplu, dacă un experiment științific colectează date de temperatură în intervalul de 50 de grade Fahrenheit până la 100 de grade Fahrenheit, dar nimic între 70 și 80 de grade, care ar reprezenta un decalaj în date a stabilit. Un grafic liniar al acestui set de date ar avea semnele „x” pentru temperaturi cuprinse între 50 și 70 și din nou între 80 și 100, dar nu ar fi nimic între 70 și 80. Cercetătorii pot săpa mai adânc și să exploreze de ce anumite puncte de date nu apar într-un eșantion colectat.
Grupuri izolate
Clusterele sunt grupuri izolate de puncte de date. Graficele de linie, care sunt una dintre modalitățile de reprezentare a seturilor de date, sunt linii cu semnele „x” plasate deasupra unor numere specifice pentru a descrie frecvența lor de apariție în setul de date. Un cluster este descris ca o colecție a acestor semne „x” într-un interval mic sau subset de date. De exemplu, dacă scorurile examenului pentru o clasă de 10 studenți sunt 74, 75, 80, 72, 74, 75, 76, 86, 88 și 73, cele mai multe note „x” pe un grafic liniar ar fi în 72- la -76 interval de scor. Aceasta ar reprezenta un cluster de date. Rețineți că frecvența pentru 74 și 75 este de două, dar pentru toate celelalte scoruri este una.
La Extreme
Valorile aberante sunt valori extreme - puncte de date care se află semnificativ în afara altor valori dintr-un set de date. O valoare anterioară trebuie să fie semnificativ mai mică sau mai mare decât majoritatea numerelor dintr-un set de date. Definiția „extremului” depinde de circumstanțe și de consensul analiștilor implicați în cercetare. Valorile aberante ar putea fi puncte de date proaste, cunoscute și sub numele de zgomot, sau pot conține informații valoroase despre fenomenul investigat și metodologia de colectare a datelor în sine. De exemplu, dacă scorurile de clasă sunt în mare parte cuprinse între 70 și 80, dar câteva scoruri sunt în anii 50 scăzute, acestea ar putea reprezenta valori anormale.
Punând totul împreună
Lacunele, valorile aberante și grupurile din seturile de date pot avea impact asupra rezultatelor analizei matematice. Lacunele și clusterele pot reprezenta erori în metodologia de colectare a datelor. De exemplu, dacă un sondaj telefonic sondează numai anumite coduri de zonă, cum ar fi complexe de locuințe cu venituri mici sau suburbane de ultimă generație zone rezidențiale, și nu o secțiune transversală largă a populației, sunt șanse să existe lacune și grupuri în date. Valorile aberante pot distorsiona valoarea medie sau medie a unui set de date. De exemplu, valoarea medie sau medie a unui set de date format din patru numere - 50, 55, 65 și 90 - este de 65. Cu toate acestea, fără cele 90 anterioare, media este de aproximativ 57.