Prace dyplomowe · Statystyka

Statystyka opisowa – zadania z rozwiązaniami krok po kroku (szeregi, kwartyle, skośność)

Dziewięć zadań ze statystyki opisowej jak na kolokwium z ekonomii, zarządzania i pedagogiki: szereg rozdzielczy, średnia ważona, mediana i kwartyle ze wzoru interpolacyjnego, wariancja, współczynnik zmienności, skośność i reguła 1.5 IQR. Każde z danymi, rozwiązaniem krok po kroku i typowym błędem.

Strona główna / Blog / Statystyka opisowa – zadania
W skrócie: Dziewięć zadań obejmuje typowy materiał kolokwium ze statystyki opisowej: szeregi rozdzielcze punktowe i przedziałowe, średnią ważoną, medianę, kwartyle i dominantę ze wzoru interpolacyjnego, wariancję i odchylenie standardowe z szeregu, współczynnik zmienności, skośność oraz wykrywanie wartości odstających regułą 1.5 IQR. Każde rozwiązanie ma wzór, podstawienie, wynik pośredni, interpretację i typowy błąd. Wszystkie liczby sprawdzono w R, a dane możesz pobrać w pliku CSV.

Statystyka opisowa – zadania z rozwiązaniami: jak korzystać ze zbioru

Pierwsze kolokwium ze statystyki na ekonomii, zarządzaniu czy pedagogice prawie zawsze dotyczy statystyki opisowej. Trzeba ułożyć szereg rozdzielczy, policzyć z niego średnią, medianę i kwartyle, ocenić rozproszenie i asymetrię, a na koniec wskazać wartość odstającą. Poniżej znajdziesz statystykę opisową w zadaniach z rozwiązaniami: dziewięć zadań z danymi do policzenia na kalkulatorze, z historyjkami o gospodarstwach domowych, wynagrodzeniach, sprzedaży, obsłudze klientów i nieobecnościach uczniów.

Każde zadanie ma ten sam układ: treść z danymi, rozwiązanie krok po kroku (wzór, podstawienie, wynik pośredni, wynik końcowy), krótką interpretację i jeden typowy błąd. Najpierw spróbuj rozwiązać zadanie sam(a). Wszystkie liczby sprawdziliśmy w R (kod na końcu wpisu). Jeśli w rachunku ręcznym ostatnia cyfra wyjdzie inna, to zwykle skutek wcześniejszego zaokrąglenia.

Wzory dla szeregów rozdzielczych są standardowe i znajdziesz je w podręcznikach statystyki dla ekonomistów i menedżerów (np. Aczel i Sounderpandian, 2018) oraz dla pedagogów (King i Minium, 2009). Ten wpis to zbiór ćwiczeń, a nie wykład.

Spis zadań: numer, historyjka i to, co liczysz
ZadanieHistoryjkaCo liczysz
1liczba osób w 40 gospodarstwach domowychszereg rozdzielczy punktowy, częstości, częstości skumulowane
2te same gospodarstwaśrednia, mediana i dominanta z szeregu punktowego
3średnia ocen ze studiów i średnia cena w sklepieśrednia ważona
4wynagrodzenia 80 pracowników firmyszereg przedziałowy: średnia, mediana, kwartyle i dominanta (wzór interpolacyjny)
5te same wynagrodzeniawariancja, SD, współczynnik zmienności, współczynniki asymetrii
6czas obsługi 10 klientów w okienkukwartyle z danych surowych według różnych definicji
7dzienna sprzedaż w dwóch oddziałachwspółczynnik zmienności – porównanie grup
8czas realizacji 15 zamówieńrozstęp, IQR, reguła 1.5 IQR, wykres pudełkowy
9nieobecności 12 uczniów w semestrzeskośność momentowa i współczynnik Pearsona

Dane do wszystkich zadań możesz pobrać w jednym pliku: statystyka-opisowa-zadania-dane.csv (format długi: zadanie, numer, grupa, zmienna, wartość, liczebność). Dla szeregów rozdzielczych kolumna „liczebność” zawiera wagi, a dla danych surowych ma wartość 1. Rachunki z danych surowych sprawdzisz też w kalkulatorze statystyk opisowych.

Zadanie 1. Szereg rozdzielczy punktowy i częstości skumulowane

Treść zadania

W ankiecie 40 gospodarstw domowych podało liczbę osób, które w nich mieszkają: 3, 2, 4, 1, 3, 3, 2, 5, 4, 3, 2, 1, 3, 4, 6, 2, 3, 3, 4, 2, 1, 3, 5, 4, 2, 3, 3, 4, 2, 1, 3, 4, 5, 2, 3, 6, 4, 2, 5, 1. Zbuduj szereg rozdzielczy punktowy z liczebnościami, częstościami (%) i częstościami skumulowanymi. Jaki odsetek gospodarstw liczy co najwyżej 3 osoby? Ile gospodarstw ma więcej niż 4 osoby?

Rozwiązanie krok po kroku

Krok 1. Liczebności. Wypisz wszystkie warianty cechy (od 1 do 6 osób) i policz, ile razy każdy występuje. Kontrola: suma liczebności musi wynosić N = 40.

Krok 2. Częstości. Częstość to liczebność podzielona przez N, np. dla 3 osób 12 / 40 = 0.30, czyli 30%.

Krok 3. Skumulowane. Dodawaj liczebności od góry: 5, 5 + 9 = 14, 14 + 12 = 26 itd. Ostatnia wartość musi być równa N, a ostatnia częstość skumulowana – 100%.

Szereg rozdzielczy punktowy liczby osób w gospodarstwie domowym
Liczba osób xLiczebność nCzęstość (%)n skumulowane% skumulowany
1512.5512.5
2922.51435.0
31230.02665.0
4820.03485.0
5410.03895.0
625.040100.0
Razem40100.0

Krok 4. Odczyt. „Co najmniej / co najwyżej” odczytujesz z kolumny skumulowanej. Co najwyżej 3 osoby: 65.00% gospodarstw (26 z 40). Więcej niż 4 osoby: 4 + 2 = 6 gospodarstw, czyli 15.00% (inaczej 100% − 85%).

Interpretacja

Najliczniejsze są gospodarstwa trzyosobowe (30%), a dwie trzecie gospodarstw ma najwyżej trzech członków. Duże gospodarstwa (5–6 osób) to 15% próby. Przy cesze ciągłej (np. dochód) grupujesz dane w przedziały jak w zadaniu 4.

Typowy błąd

Pomylenie „więcej niż 4” z „co najmniej 4”: to drugie obejmuje też gospodarstwa czteroosobowe i daje 14 gospodarstw (35.00%), a nie 6.

Zadanie 2. Średnia, mediana i dominanta z szeregu punktowego

Treść zadania

Na podstawie szeregu z zadania 1 oblicz średnią liczbę osób w gospodarstwie, medianę i dominantę.

Rozwiązanie krok po kroku

Krok 1. Średnia. W szeregu każda wartość występuje n razy, więc zamiast dodawać 40 liczb mnożysz warianty przez liczebności: 1 × 5 = 5, 2 × 9 = 18, 3 × 12 = 36, 4 × 8 = 32, 5 × 4 = 20, 6 × 2 = 12. Suma iloczynów wynosi 123.

M = Σxini / N = 123 / 40 = 3.075 ≈ 3.08 osoby

Krok 2. Mediana. Przy N = 40 (parzyste) mediana to średnia wyników na pozycjach 20 i 21. W kolumnie skumulowanej szukasz pierwszej liczby ≥ 20: to 26 przy x = 3 (wcześniej było 14). Obie pozycje, 20. i 21., leżą więc w wariancie 3, a mediana Me = 3.

Krok 3. Dominanta. To wariant o największej liczebności: D = 3 (12 gospodarstw). Więcej o tej mierze: dominanta (moda, modalna).

Interpretacja

Przeciętne gospodarstwo liczy 3.08 osoby, połowa gospodarstw ma co najwyżej 3 osoby i najczęściej spotykane jest gospodarstwo trzyosobowe. Trzy miary są prawie równe, więc rozkład jest w przybliżeniu symetryczny. Średnia nie musi być liczbą całkowitą.

Typowy błąd

Policzenie średniej z samych wariantów (1 + 2 + … + 6) / 6 = 3.50 bez mnożenia przez liczebności – tak traktujesz rzadkie gospodarstwa sześcioosobowe na równi z częstymi trzyosobowymi.

Zadanie 3. Średnia ważona: oceny z punktami ECTS i średnia cena

Treść zadania

(a) Student ekonomii zaliczył semestr z ocenami: statystyka 3.0 (6 ECTS), mikroekonomia 3.5 (5 ECTS), rachunkowość 4.0 (4 ECTS), prawo gospodarcze 4.5 (3 ECTS), język obcy 5.0 (2 ECTS). Uczelnia liczy średnią ważoną punktami ECTS. Oblicz ją. (b) Sklep sprzedał 120 sztuk produktu po 15 zł, 80 sztuk po 18 zł i 50 sztuk po 22 zł. Jaka była średnia cena sprzedanej sztuki?

Rozwiązanie krok po kroku

Krok 1. Wzór. Średnia ważona to suma iloczynów wartości i wag podzielona przez sumę wag:

Mw = Σwixi / Σwi

Krok 2. Oceny (a). Iloczyny ocena × ECTS: 18, 17.5, 16, 13.5, 10; ich suma to 75, a suma punktów ECTS – 20. Mw = 75 / 20 = 3.75.

Krok 3. Cena (b). Wagą jest liczba sprzedanych sztuk. Przychody: 120 × 15 = 1800 zł, 80 × 18 = 1440 zł, 50 × 22 = 1100 zł; razem 4340 zł za 250 sztuk. Średnia cena: 4340 / 250 = 17.36 zł.

Interpretacja

Zwykła średnia ocen wynosi 4.00, ale ważona tylko 3.75, bo najsłabsza ocena dotyczy przedmiotu z największą liczbą punktów. W sklepie średnia cena sprzedanej sztuki (17.36 zł) jest niższa niż średnia z trzech cen (18.33 zł), bo najwięcej sztuk sprzedano najtaniej.

Typowy błąd

Liczenie „średniej ze średnich” bez wag, np. 18.33 zł zamiast 17.36 zł. Ten sam błąd popełniasz, łącząc średnie dwóch klas o różnej liczbie uczniów – zawsze waż liczebnościami.

Zadanie 4. Szereg przedziałowy: średnia, mediana, kwartyle i dominanta

Treść zadania

Dział kadr podał rozkład miesięcznych wynagrodzeń brutto 80 pracowników firmy (w zł; przedziały domknięte lewostronnie, np. 4000 ≤ x < 5000). Oblicz średnią, medianę, pierwszy i trzeci kwartyl oraz dominantę.

Szereg przedziałowy wynagrodzeń z tabelą pomocniczą
Wynagrodzenie (zł)nŚrodek x̊x̊ × nn skumulowane
4000–50008450036 0008
5000–600018550099 00026
6000–7000246500156 00050
7000–8000157500112 50065
8000–90009850076 50074
9000–10 0006950057 00080
Razem80537 000

Rozwiązanie krok po kroku

Krok 1. Średnia. Nie znasz pojedynczych wynagrodzeń, więc każdy przedział reprezentuje jego środek. To przybliżenie (zakładasz równomierny rozkład w przedziale).

M = Σx̊ini / N = 537 000 / 80 = 6712.50 zł

Krok 2. Wzór interpolacyjny. Dla kwantyla rzędu p wyznacz pozycję p × N, znajdź przedział, w którym n skumulowane po raz pierwszy ją osiąga, i interpoluj liniowo wewnątrz przedziału:

Qp = x0 + (pN − nskum,−1) / n0 × h

gdzie x0 to dolna granica przedziału kwantyla, nskum,−1 – liczebność skumulowana przed tym przedziałem, n0 – liczebność przedziału, a h – jego szerokość (tu 1000 zł).

Krok 3. Mediana (rząd 0.5): pozycja 40, przedział 6000–7000 (przed nim 26 osób, w nim 24):

Me = 6000 + (40 − 26) / 24 × 1000 = 6583.33 zł

Krok 4. Kwartyle. Q1: pozycja 20, przedział 5000–6000: 5000 + (20 − 8) / 18 × 1000 = 5666.67 zł. Q3: pozycja 60, przedział 7000–8000: 7000 + (60 − 50) / 15 × 1000 = 7666.67 zł. Rozstęp ćwiartkowy IQR = 7666.67 − 5666.67 = 2000.00 zł, a odchylenie ćwiartkowe Q = IQR / 2 = 1000.00 zł.

Krok 5. Dominanta. Przedział modalny to 6000–7000 (24 osoby). Wzór uwzględnia liczebności przedziałów sąsiednich (18 przed i 15 po):

D = x0 + (n0 − n−1) / [(n0 − n−1) + (n0 − n+1)] × h = 6000 + 6 / (6 + 9) × 1000 = 6400.00 zł
Histogram wynagrodzeń 80 pracowników w sześciu przedziałach po 1000 zł z liczebnościami 8, 18, 24, 15, 9 i 6 oraz wielobokiem liczebności łączącym środki przedziałów; pionowe linie: dominanta 6400 zł, mediana 6583 zł i średnia 6712 zł, ułożone od lewej do prawej
Rysunek 1. Histogram i wielobok liczebności wynagrodzeń z zadania 4. Dłuższy prawy ogon przesuwa średnią na prawo od mediany i dominanty. Obliczenia: R (dane z treści zadania).

Interpretacja

Przeciętne wynagrodzenie wynosi 6712.50 zł, ale połowa pracowników zarabia mniej niż 6583.33 zł, a najczęściej spotykane wynagrodzenie leży w okolicy 6400 zł. Środkowe 50% pracowników zarabia od 5666.67 do 7666.67 zł. Układ D < Me < M wskazuje na asymetrię prawostronną, typową dla wynagrodzeń; dlatego w opisie płac częściej podaje się medianę niż średnią.

Skumulowany wielobok częstości wynagrodzeń: punkty na górnych granicach przedziałów od 0% przy 4000 zł do 100% przy 10 000 zł; czerwone przerywane linie od 25%, 50% i 75% prowadzą do Q1 = 5667 zł, Me = 6583 zł i Q3 = 7667 zł
Rysunek 2. Skumulowany wielobok częstości (ogiwa) dla zadania 4. Wzór interpolacyjny to nic innego jak odczyt z tej łamanej: od 25%, 50% i 75% idziesz poziomo do linii, a potem pionowo w dół. Obliczenia: R (dane z treści zadania).

Typowy błąd

Podanie środka przedziału mediany (6500 zł) jako mediany albo środka przedziału modalnego jako dominanty – to tylko pierwsze przybliżenie. Część podręczników liczy pozycję jako (N + 1) / 2 – stosuj wersję z wykładu.

Zadanie 5. Wariancja, odchylenie standardowe i asymetria z szeregu przedziałowego

Treść zadania

Dla wynagrodzeń z zadania 4 oblicz wariancję, odchylenie standardowe i współczynnik zmienności. Oceń asymetrię rozkładu współczynnikiem Pearsona (z dominantą i z medianą) oraz współczynnikiem kwartylowym.

Rozwiązanie krok po kroku

Krok 1. Przelicz na tysiące. Rachunek na liczbach w tysiącach złotych jest prostszy: środki 4.5, 5.5, …, 9.5, a średnia 6.7125 tys. zł. Odchylenia od średniej podnosisz do kwadratu i mnożysz przez liczebność przedziału.

Tabela pomocnicza do wariancji z szeregu przedziałowego (tys. zł)
Środek x̊nx̊ − M(x̊ − M)²n(x̊ − M)²
4.58−2.21254.895239.1613
5.518−1.21251.470226.4628
6.524−0.21250.04521.0838
7.5150.78750.62029.3023
8.591.78753.195228.7564
9.562.78757.770246.6209
Razem80151.387

Krok 2. Wariancja i SD. W statystyce opisowej szeregu (opisujesz całą zbiorowość 80 pracowników) dzielisz przez N:

s² = Σni(x̊i − M)² / N = 151.387 / 80 = 1.8923 (tys. zł)²;   s = √1.8923 = 1.3756 tys. zł = 1375.62 zł

Gdyby 80 osób było próbą, z której wnioskujesz o większej populacji, dzielisz przez N − 1: s² = 1.9163, s = 1384.30 zł. Przy 80 obserwacjach różnica to niecałe 9 zł. Więcej o obu wersjach: wariancja i odchylenie standardowe.

Krok 3. Współczynnik zmienności. V = s / M × 100% = 1375.62 / 6712.50 × 100% = 20.49%.

Krok 4. Asymetria. Współczynnik Pearsona z dominantą: As = (M − D) / s = (6712.50 − 6400.00) / 1375.62 = 0.227. Wersja z medianą: 3(M − Me) / s = 3 × (6712.50 − 6583.33) / 1375.62 = 0.282. Współczynnik kwartylowy opiera się tylko na kwartylach:

AQ = (Q3 + Q1 − 2Me) / (Q3 − Q1) = (7666.67 + 5666.67 − 2 × 6583.33) / 2000.00 = 0.083

Interpretacja

Wynagrodzenia odchylają się od średniej przeciętnie o ok. 1376 zł, co stanowi 20.49% średniej. Wszystkie trzy współczynniki asymetrii są dodatnie, więc rozkład jest prawostronnie skośny, ale słabo. Współczynnik kwartylowy jest najmniejszy, bo patrzy tylko na środkowe 50% obserwacji. Ogólne omówienie miary znajdziesz w haśle skośność.

Typowy błąd

Liczenie kwadratów odchyleń bez mnożenia przez liczebności przedziałów – wtedy przedział z 6 osobami waży tyle samo, co przedział z 24.

Zadanie 6. Kwartyle z danych surowych – różne definicje

Treść zadania

Kierownik urzędu zmierzył czas obsługi 10 kolejnych klientów w okienku (w minutach): 6, 14, 3, 9, 20, 5, 11, 2, 8, 6. Oblicz medianę oraz pierwszy i trzeci kwartyl. Pokaż, jak wynik zależy od przyjętej definicji kwartyla.

Rozwiązanie krok po kroku

Krok 1. Uporządkuj dane: 2, 3, 5, 6, 6, 8, 9, 11, 14, 20. Mediana to średnia piątej i szóstej wartości: (6 + 8) / 2 = 7 minut – tu wszystkie metody są zgodne.

Krok 2. Metoda połówek (zawiasy Tukeya). Podziel dane na dolną połowę (2, 3, 5, 6, 6) i górną (8, 9, 11, 14, 20). Kwartyle to mediany połówek: Q1 = 5, Q3 = 11, IQR = 6.

Krok 3. Pozycja 1 + (n − 1)p (typ 7, domyślny w R; tak liczy też funkcja KWARTYL.PRZEDZ.ZAMK w Excelu). Pozycja Q1 = 1 + 9 × 0.25 = 3.25, czyli trzecia wartość plus ćwierć odległości do czwartej: 5 + 0.25 × (6 − 5) = 5.25. Pozycja Q3 = 7.75: 9 + 0.75 × (11 − 9) = 10.5. IQR = 5.25.

Krok 4. Pozycja (n + 1)p (typ 6; tak liczy SPSS). Pozycja Q1 = 11 × 0.25 = 2.75: 3 + 0.75 × (5 − 3) = 4.5. Pozycja Q3 = 8.25: 11 + 0.25 × (14 − 11) = 11.75. IQR = 7.25.

Schodkowa dystrybuanta empiryczna czasu obsługi 10 klientów od 2 do 20 minut, każdy schodek o wysokości 10%; pozioma kropkowana linia na 25% i trzy pionowe przerywane linie pierwszego kwartyla: typ 6 przy 4.50, zawiasy Tukeya przy 5.00 i typ 7 przy 5.25 minuty
Rysunek 3. Dystrybuanta empiryczna czasu obsługi z zadania 6. Przy 5 minutach dystrybuanta skacze z 20% do 30%, a każda definicja kwartyla inaczej interpoluje w okolicy tego skoku. Obliczenia: R (dane z treści zadania).

Interpretacja

Połowa klientów była obsługiwana krócej niż 7 minut, a środkowe 50% czasów mieści się mniej więcej między 5 a 11 minutami. Dokładne granice zależą od definicji: Q1 wynosi 4.5, 5 albo 5.25. Hyndman i Fan (1996) pokazali, że programy statystyczne stosują wiele różnych definicji kwantyli z próby, czasem różnych nawet w obrębie jednego programu, i zalecili jedną wspólną (w R to typ 8: tu Q1 = 4.83, Q3 = 11.25). W R wszystkie dziewięć typów daje dla tych danych Q1 od 3.00 do 5.25.

Typowy błąd

Uznanie, że wynik z innego programu jest „zły”. Przy małym n różne definicje dają różne kwartyle – na kolokwium stosuj metodę z wykładu, a w pracy napisz, którą definicję wybrałeś(-aś).

Zadanie 7. Współczynnik zmienności – porównanie dwóch oddziałów

Treść zadania

Sieć sklepów porównuje stabilność dziennej sprzedaży (w tys. zł) w dwóch oddziałach przez te same 8 dni. Oddział A (mały): 10, 14, 9, 13, 16, 11, 12, 11. Oddział B (duży): 42, 47, 38, 45, 50, 36, 44, 42. W którym oddziale sprzedaż jest względnie bardziej zmienna?

Rozwiązanie krok po kroku

Krok 1. Średnie. MA = 96 / 8 = 12.00, MB = 344 / 8 = 43.00 tys. zł.

Krok 2. Odchylenia standardowe (dane to próba 8 dni, więc dzielisz przez n − 1). A: odchylenia −2, 2, −3, 1, 4, −1, 0, −1; suma kwadratów 36; s² = 36 / 7 = 5.143; s = 2.268. B: odchylenia −1, 4, −5, 2, 7, −7, 1, −1; suma kwadratów 146; s² = 146 / 7 = 20.857; s = 4.567.

Krok 3. Współczynniki zmienności:

VA = 2.268 / 12.00 × 100% = 18.90%;   VB = 4.567 / 43.00 × 100% = 10.62%

Interpretacja

W liczbach bezwzględnych sprzedaż oddziału B waha się bardziej: jego SD jest 2.01 razy większe, a rozstęp wynosi 14 tys. zł wobec 7 tys. zł w A. Względem typowego poziomu sprzedaży to jednak mały oddział A jest mniej stabilny – jego współczynnik zmienności jest 1.78 razy większy.

Typowy błąd

Wniosek z samych odchyleń standardowych, że „oddział B ma bardziej niestabilną sprzedaż”. Drugi błąd to liczenie współczynnika zmienności dla zmiennej bez prawdziwego zera (np. temperatury w °C albo wyniku przesuniętej skali) – wtedy iloraz SD / M nie ma sensu.

Zadanie 8. Rozstęp, IQR i reguła 1.5 IQR

Treść zadania

Sklep internetowy zanotował czas realizacji 15 zamówień (w dniach): 4, 6, 3, 21, 5, 2, 7, 4, 5, 9, 3, 6, 8, 5, 4. Oblicz rozstęp i rozstęp ćwiartkowy. Czy któreś zamówienie jest wartością odstającą według reguły 1.5 IQR? Jak ta wartość wpływa na średnią i medianę?

Rozwiązanie krok po kroku

Krok 1. Uporządkuj dane: 2, 3, 3, 4, 4, 4, 5, 5, 5, 6, 6, 7, 8, 9, 21. Rozstęp = 21 − 2 = 19 dni.

Krok 2. Kwartyle (typ 7, jak w R): pozycja Q1 = 1 + 14 × 0.25 = 4.5, czyli średnia czwartej i piątej wartości: Q1 = 4; pozycja Q3 = 11.5: (6 + 7) / 2 = 6.5. IQR = 6.5 − 4 = 2.5 dnia.

Krok 3. Płoty.

dolny płot = Q1 − 1.5 × IQR = 4 − 3.75 = 0.25;   górny płot = Q3 + 1.5 × IQR = 6.5 + 3.75 = 10.25

Poza płotami leży tylko zamówienie realizowane 21 dni. Leży też poza płotem 3 × IQR (6.5 + 7.5 = 14), więc jest wartością skrajną. Przy definicji kwartyli typu 6 (Q1 = 4, Q3 = 7, IQR = 3) górny płot wynosi 11.5 – wniosek się nie zmienia.

Krok 4. Wpływ na miary. Ze wszystkimi zamówieniami: M = 6.13, Me = 5, SD = 4.53 dnia. Bez zamówienia z 21 dniami: M = 5.07, Me = 5, SD = 1.98.

Poziomy wykres pudełkowy czasu realizacji 15 zamówień: pudełko od Q1 = 4 do Q3 = 6.5 dnia z medianą 5, wąsy od 2 do 9 dni, czerwona przerywana linia górnego płotu przy 10.25 i czerwony punkt 21 dni oznaczony jako wartość odstająca
Rysunek 4. Wykres pudełkowy z zadania 8 z naniesionymi obserwacjami. Wąs kończy się na 9 dniach – najdłuższym czasie w obrębie płotu – a zamówienie z 21 dniami jest osobnym punktem. Obliczenia: R (dane z treści zadania).

Interpretacja

Typowe zamówienie realizowano w 5 dni, a środkowe 50% zamówień w 4–6.5 dnia. Jedno zamówienie (21 dni) jest obserwacją odstającą: podnosi średnią o ponad dzień i ponad dwukrotnie zwiększa SD, a mediany nie zmienia. Ten sposób rysowania wąsów (najdalej 1.5 × IQR od pudełka) Krzywinski i Altman (2014) opisują jako wąsy w stylu Tukeya; regułę spopularyzowała eksploracyjna analiza danych (Tukey, 1977).

Typowy błąd

Automatyczne usunięcie wartości odstającej. Reguła 1.5 IQR tylko wskazuje obserwacje do sprawdzenia: najpierw ustal, czy to pomyłka we wpisie, czy prawdziwe zamówienie (np. towar sprowadzany na zamówienie). Co dalej, opisujemy we wpisie wartości odstające: jak je wykryć i co z nimi zrobić.

Zadanie 9. Skośność: współczynnik momentowy i współczynnik Pearsona

Treść zadania

Wychowawca zapisał liczbę nieobecności 12 uczniów klasy w semestrze: 2, 0, 5, 1, 3, 13, 1, 4, 2, 8, 3, 6. Oblicz momentowy współczynnik asymetrii i porównaj go ze współczynnikiem Pearsona. Jak zmienia się skośność bez ucznia z 13 nieobecnościami?

Rozwiązanie krok po kroku

Krok 1. Średnia i odchylenia. Suma nieobecności to 48, więc M = 48 / 12 = 4.00. Odchylenia od średniej (w kolejności z treści): −2, −4, 1, −3, −1, 9, −3, 0, −2, 4, −1, 2.

Krok 2. Kwadraty i sześciany. Suma kwadratów odchyleń wynosi 146, a suma sześcianów 666 (największy wkład: 9³ = 729 od ucznia z 13 nieobecnościami). Momenty centralne: m2 = 146 / 12 = 12.167, m3 = 666 / 12 = 55.500.

Krok 3. Współczynnik momentowy.

g1 = m3 / m23/2 = 55.500 / 12.1671.5 = 1.308

Programy często podają wersję z korektą na małą próbę: G1 = g1 × √[n(n − 1)] / (n − 2) = 1.503 (tak liczą m.in. SPSS i funkcja SKOŚNOŚĆ w Excelu). Inny wariant, b1 = g1 × [(n − 1) / n]3/2, daje 1.148. Joanes i Gill (1998) porównali te estymatory stosowane w pakietach statystycznych – przy 12 obserwacjach różnią się wyraźnie.

Krok 4. Współczynnik Pearsona. Rozkład ma trzy dominanty (1, 2 i 3 – każda występuje dwa razy), więc wersja z dominantą odpada. Z medianą (Me = 3) i SD = 3.643: 3 × (4.00 − 3) / 3.643 = 0.823.

Krok 5. Bez ucznia z 13 nieobecnościami: g1 = 0.640.

Interpretacja

Rozkład nieobecności jest wyraźnie prawostronnie skośny: większość uczniów opuściła 0–6 dni, a jeden – 13. Średnia (4.00) jest większa od mediany (3). Jeden uczeń odpowiada za większość skośności: bez niego współczynnik spada z 1.308 do 0.640. Przy liczbach całkowitych i małym n zachowaj ostrożność – von Hippel (2005) pokazał, że podręcznikowa reguła „przy skośności prawostronnej średnia leży na prawo od mediany” często zawodzi, zwłaszcza w rozkładach dyskretnych.

Typowy błąd

Porównywanie skośności z dwóch źródeł bez sprawdzenia wzoru: 1.308, 1.503 i 1.148 to ta sama skośność policzona trzema estymatorami. Zawsze napisz, którą wersję podajesz.

Ściąga: którą miarę wybrać w zadaniu

Zanim zaczniesz liczyć, sprawdź, czy dane są surowe, czy pogrupowane, i czy rozkład jest symetryczny.

Ściąga: sytuacja w zadaniu, miara położenia, miara rozproszenia i uwagi
SytuacjaPołożenieRozproszenieNa co uważać
Rozkład zbliżony do symetrycznegośredniaodchylenie standardoweN czy N − 1 – według polecenia
Rozkład skośny albo wartości odstające (płace, czasy)medianaIQR lub odchylenie ćwiartkowedefinicja kwartyli przy małym n
Szereg punktowyśrednia z wagami ni, mediana z kolumny skumulowanejwariancja z wagami ninie licz średniej z samych wariantów
Szereg przedziałowyśrednia ze środków, mediana i dominanta ze wzoru interpolacyjnegowariancja ze środków, kwartyle interpolacyjnewynik jest przybliżeniem
Porównanie zmienności grup o różnych średnich–współczynnik zmiennościtylko dla cech z prawdziwym zerem
Ocena kształtu rozkładuukład D, Me, Mwspółczynnik asymetriipodaj, którym wzorem liczysz

Jak te miary opisać w pracy dyplomowej, w tabeli i w tekście, pokazuje wpis statystyki opisowe w pracy. Jeśli piszesz pracę z ekonomii lub zarządzania, zobacz też statystykę w pracy z zarządzania i ekonomii.

Inne zbiory zadań

Statystyka opisowa to pierwszy blok materiału. Kolejne zbiory zadań z rozwiązaniami w tym samym układzie:

Jeśli po kolokwium przychodzi czas na własne badanie do pracy dyplomowej, możesz skorzystać z konsultacji analizy statystycznej dla studentów – pomożemy dobrać miary i wyjaśnimy wyniki tak, żebyś umiał(a) je samodzielnie opisać.

Przykład reprodukowalny

Sprawdź wyniki w R: kod i wynik

Dwa przepisy liczą wszystkie liczby z rozwiązań na danych wpisanych w kod (bez losowania). Każde zadanie jest policzone wzorem, tak jak na kartce, a tam, gdzie R ma gotową funkcję (mean, median, weighted.mean, quantile, fivenum, boxplot.stats), także nią jako kontrola. Rysunki i plik CSV powstały w osobnym skrypcie, który wczytuje dane z tych przepisów.

Zadania 1–5: szeregi rozdzielcze, średnia ważona, wzór interpolacyjny, wariancja i asymetria

Dane wejściowe: liczby z treści zadań 1–5 wpisane w kod; tylko funkcje bazowego R (table, cumsum, weighted.mean).

Co odczytać: tabele szeregów, pozycje i przedziały kwantyli we wzorze interpolacyjnym, tabelę pomocniczą do wariancji oraz linie „Błąd”, które pokazują wynik typowej pomyłki.

R
# B378 – zadania 1–5: szereg rozdzielczy punktowy i przedziałowy, średnia ważona,
# mediana, kwartyle i dominanta ze wzoru interpolacyjnego, wariancja, SD, CV i skośność z szeregu.
# Dane wpisane na sztywno – te same co w treści zadań. Tylko funkcje bazowego R.
z2 <- function(x) formatC(x, format = "f", digits = 2)
z3 <- function(x) formatC(x, format = "f", digits = 3)

# Zadanie 1. Liczba osób w gospodarstwie domowym (40 ankiet)
osoby <- c(3, 2, 4, 1, 3, 3, 2, 5, 4, 3, 2, 1, 3, 4, 6, 2, 3, 3, 4, 2,
           1, 3, 5, 4, 2, 3, 3, 4, 2, 1, 3, 4, 5, 2, 3, 6, 4, 2, 5, 1)
n_k <- table(osoby)
szereg <- data.frame(x = as.numeric(names(n_k)), n = as.vector(n_k))
szereg$proc <- 100 * szereg$n / sum(szereg$n)
szereg$n_skum <- cumsum(szereg$n)
szereg$proc_skum <- cumsum(szereg$proc)
cat("Zadanie 1\n")
cat("N =", length(osoby), "\n")
print(szereg, row.names = FALSE)
cat("Odsetek gospodarstw z co najwyżej 3 osobami =", z2(100 * mean(osoby <= 3)), "%\n")
cat("Gospodarstwa z więcej niż 4 osobami:", sum(osoby > 4), "=", z2(100 * mean(osoby > 4)), "%\n")
cat("Błąd – co najmniej 4 osoby zamiast więcej niż 4:", sum(osoby >= 4), "=", z2(100 * mean(osoby >= 4)), "%\n\n")

# Zadanie 2. Średnia, mediana i dominanta z szeregu punktowego (dane z zadania 1)
N <- sum(szereg$n)
M1 <- sum(szereg$x * szereg$n) / N
cat("Zadanie 2\n")
cat("Iloczyny x * n:", szereg$x * szereg$n, "; suma =", sum(szereg$x * szereg$n), "\n")
cat("Średnia = suma / N =", z3(M1), "\n")
cat("Pozycje mediany:", N / 2, "i", N / 2 + 1, "; wartość mediany =", median(osoby), "\n")
cat("Dominanta =", szereg$x[which.max(szereg$n)], "(liczebność", max(szereg$n), ")\n")
cat("Kontrola mean(osoby) =", z3(mean(osoby)), "\n")
cat("Błąd – średnia z samych wariantów 1–6 bez liczebności =", z2(mean(szereg$x)), "\n\n")

# Zadanie 3. Średnia ważona: średnia ocen ważona punktami ECTS oraz średnia cena
oceny <- c(statystyka = 3.0, mikroekonomia = 3.5, rachunkowosc = 4.0, prawo = 4.5, jezyk = 5.0)
ects  <- c(6, 5, 4, 3, 2)
cat("Zadanie 3\n")
cat("Iloczyny ocena * ECTS:", oceny * ects, "; suma =", sum(oceny * ects), "; suma ECTS =", sum(ects), "\n")
cat("Średnia ważona ECTS =", z2(sum(oceny * ects) / sum(ects)), "; kontrola weighted.mean() =",
    z2(weighted.mean(oceny, ects)), "\n")
cat("Błąd – zwykła średnia ocen =", z2(mean(oceny)), "\n")
cena  <- c(15, 18, 22)
sztuk <- c(120, 80, 50)
cat("Przychód z każdej ceny:", cena * sztuk, "; przychód razem =", sum(cena * sztuk), "; sztuk razem =", sum(sztuk), "\n")
cat("Średnia cena sprzedanej sztuki =", z2(weighted.mean(cena, sztuk)), "zł\n")
cat("Błąd – średnia z trzech cen =", z2(mean(cena)), "zł\n\n")

# Zadanie 4. Szereg przedziałowy: wynagrodzenia brutto 80 pracowników (zł)
dol <- seq(4000, 9000, by = 1000); h <- 1000
n4  <- c(8, 18, 24, 15, 9, 6)
N4 <- sum(n4); srodek <- dol + h / 2; skum <- cumsum(n4)
cat("Zadanie 4\n")
print(data.frame(przedzial = paste0(dol, "-", dol + h), n = n4, srodek = srodek,
                 x_razy_n = srodek * n4, n_skum = skum), row.names = FALSE)
M4 <- sum(srodek * n4) / N4
cat("N =", N4, "; suma x * n =", sum(srodek * n4), "; średnia =", z2(M4), "zł\n")
kwantyl_przedz <- function(p) {          # wzór interpolacyjny z pozycją p * N
  poz <- p * N4; k <- which(skum >= poz)[1]
  skum_przed <- if (k == 1) 0 else skum[k - 1]
  wynik <- dol[k] + (poz - skum_przed) / n4[k] * h
  cat(sprintf("rząd %.2f: pozycja %.0f, przedział %d-%d, n skum. przed = %d, n = %d -> %s zł\n",
              p, poz, dol[k], dol[k] + h, skum_przed, n4[k], z2(wynik)))
  wynik
}
Q1 <- kwantyl_przedz(0.25); Me <- kwantyl_przedz(0.50); Q3 <- kwantyl_przedz(0.75)
k <- which.max(n4)
D <- dol[k] + (n4[k] - n4[k - 1]) / ((n4[k] - n4[k - 1]) + (n4[k] - n4[k + 1])) * h
cat("Przedział dominanty:", dol[k], "-", dol[k] + h, "; dominanta =", z2(D), "zł\n")
cat("IQR = Q3 - Q1 =", z2(Q3 - Q1), "zł; odchylenie ćwiartkowe Q = IQR / 2 =", z2((Q3 - Q1) / 2), "zł\n\n")

# Zadanie 5. Wariancja, SD, współczynnik zmienności i skośność z szeregu przedziałowego (dane z zadania 4)
# Rachunek w tysiącach zł (mniejsze liczby), wynik końcowy z powrotem w zł.
sr_t <- srodek / 1000; M_t <- M4 / 1000
odch <- sr_t - M_t
cat("Zadanie 5\n")
print(data.frame(srodek_tys = sr_t, n = n4, odchylenie = odch, kwadrat = round(odch^2, 4),
                 kwadrat_razy_n = round(odch^2 * n4, 4)), row.names = FALSE)
SS <- sum(odch^2 * n4)
var_N <- SS / N4; var_N1 <- SS / (N4 - 1)
cat("Suma n * (x - M)^2 =", z3(SS), "(tys. zł)^2\n")
cat("Wariancja (N) =", formatC(var_N, format = "f", digits = 4), "; SD (N) =", z2(1000 * sqrt(var_N)), "zł\n")
cat("Wariancja (N - 1) =", formatC(var_N1, format = "f", digits = 4), "; SD (N - 1) =", z2(1000 * sqrt(var_N1)), "zł\n")
SD5 <- 1000 * sqrt(var_N)
cat("Współczynnik zmienności CV = SD / M =", z2(100 * SD5 / M4), "%\n")
cat("Skośność Pearsona (M - D) / SD =", z3((M4 - D) / SD5), "\n")
cat("Skośność Pearsona 3(M - Me) / SD =", z3(3 * (M4 - Me) / SD5), "\n")
cat("Współczynnik kwartylowy (Q3 + Q1 - 2Me) / (Q3 - Q1) =", z3((Q3 + Q1 - 2 * Me) / (Q3 - Q1)), "\n")
cat("Kolejność miar: D =", z2(D), "< Me =", z2(Me), "< M =", z2(M4), "\n")
Wynik w R
Zadanie 1
N = 40 
 x  n proc n_skum proc_skum
 1  5 12.5      5      12.5
 2  9 22.5     14      35.0
 3 12 30.0     26      65.0
 4  8 20.0     34      85.0
 5  4 10.0     38      95.0
 6  2  5.0     40     100.0
Odsetek gospodarstw z co najwyżej 3 osobami = 65.00 %
Gospodarstwa z więcej niż 4 osobami: 6 = 15.00 %
Błąd – co najmniej 4 osoby zamiast więcej niż 4: 14 = 35.00 %

Zadanie 2
Iloczyny x * n: 5 18 36 32 20 12 ; suma = 123 
Średnia = suma / N = 3.075 
Pozycje mediany: 20 i 21 ; wartość mediany = 3 
Dominanta = 3 (liczebność 12 )
Kontrola mean(osoby) = 3.075 
Błąd – średnia z samych wariantów 1–6 bez liczebności = 3.50 

Zadanie 3
Iloczyny ocena * ECTS: 18 17.5 16 13.5 10 ; suma = 75 ; suma ECTS = 20 
Średnia ważona ECTS = 3.75 ; kontrola weighted.mean() = 3.75 
Błąd – zwykła średnia ocen = 4.00 
Przychód z każdej ceny: 1800 1440 1100 ; przychód razem = 4340 ; sztuk razem = 250 
Średnia cena sprzedanej sztuki = 17.36 zł
Błąd – średnia z trzech cen = 18.33 zł

Zadanie 4
  przedzial  n srodek x_razy_n n_skum
  4000-5000  8   4500    36000      8
  5000-6000 18   5500    99000     26
  6000-7000 24   6500   156000     50
  7000-8000 15   7500   112500     65
  8000-9000  9   8500    76500     74
 9000-10000  6   9500    57000     80
N = 80 ; suma x * n = 537000 ; średnia = 6712.50 zł
rząd 0.25: pozycja 20, przedział 5000-6000, n skum. przed = 8, n = 18 -> 5666.67 zł
rząd 0.50: pozycja 40, przedział 6000-7000, n skum. przed = 26, n = 24 -> 6583.33 zł
rząd 0.75: pozycja 60, przedział 7000-8000, n skum. przed = 50, n = 15 -> 7666.67 zł
Przedział dominanty: 6000 - 7000 ; dominanta = 6400.00 zł
IQR = Q3 - Q1 = 2000.00 zł; odchylenie ćwiartkowe Q = IQR / 2 = 1000.00 zł

Zadanie 5
 srodek_tys  n odchylenie kwadrat kwadrat_razy_n
        4.5  8    -2.2125  4.8952        39.1613
        5.5 18    -1.2125  1.4702        26.4628
        6.5 24    -0.2125  0.0452         1.0838
        7.5 15     0.7875  0.6202         9.3023
        8.5  9     1.7875  3.1952        28.7564
        9.5  6     2.7875  7.7702        46.6209
Suma n * (x - M)^2 = 151.387 (tys. zł)^2
Wariancja (N) = 1.8923 ; SD (N) = 1375.62 zł
Wariancja (N - 1) = 1.9163 ; SD (N - 1) = 1384.30 zł
Współczynnik zmienności CV = SD / M = 20.49 %
Skośność Pearsona (M - D) / SD = 0.227 
Skośność Pearsona 3(M - Me) / SD = 0.282 
Współczynnik kwartylowy (Q3 + Q1 - 2Me) / (Q3 - Q1) = 0.083 
Kolejność miar: D = 6400.00 < Me = 6583.33 < M = 6712.50 

Zadania 6–9: kwartyle z danych surowych, współczynnik zmienności, reguła 1.5 IQR i skośność

Dane wejściowe: liczby z treści zadań 6–9 wpisane w kod; funkcje bazowego R (quantile z argumentem type, IQR, fivenum, boxplot.stats).

Co odczytać: kwartyle według różnych definicji, odchylenia i współczynniki zmienności obu oddziałów, płoty 1.5 IQR i 3 IQR oraz trzy estymatory skośności.

R
# B378 – zadania 6–9: kwartyle z danych surowych (różne definicje), współczynnik zmienności,
# rozstęp, IQR i reguła 1.5 IQR, skośność momentowa i Pearsona.
# Dane wpisane na sztywno – te same co w treści zadań. Tylko funkcje bazowego R.
z2 <- function(x) formatC(x, format = "f", digits = 2)
z3 <- function(x) formatC(x, format = "f", digits = 3)

# Zadanie 6. Czas obsługi klienta w okienku (minuty), 10 klientów
czas <- c(6, 14, 3, 9, 20, 5, 11, 2, 8, 6)
x <- sort(czas); n <- length(x)
cat("Zadanie 6\n")
cat("Uporządkowane:", x, "; n =", n, "; mediana =", median(x), "\n")
poz7 <- 1 + (n - 1) * c(0.25, 0.75); poz6 <- (n + 1) * c(0.25, 0.75)
cat("Typ 7 (domyślny w R): pozycje", poz7, "-> Q1, Q3 =", quantile(x, c(0.25, 0.75), type = 7),
    "; IQR =", IQR(x, type = 7), "\n")
cat("Typ 6 (pozycja (n + 1)p): pozycje", poz6, "-> Q1, Q3 =", quantile(x, c(0.25, 0.75), type = 6),
    "; IQR =", IQR(x, type = 6), "\n")
cat("Zawiasy Tukeya (mediany połówek, fivenum):", fivenum(x)[c(2, 4)], "; IQR =", diff(fivenum(x)[c(2, 4)]), "\n")
cat("Typ 8 (zalecany przez Hyndmana i Fana): Q1, Q3 =", z2(quantile(x, c(0.25, 0.75), type = 8)), "\n")
cat("Wszystkie 9 typów (Q1):", z2(sapply(1:9, function(t) quantile(x, 0.25, type = t))), "\n")
cat("Wszystkie 9 typów (Q3):", z2(sapply(1:9, function(t) quantile(x, 0.75, type = t))), "\n\n")

# Zadanie 7. Dzienna sprzedaż (tys. zł) w dwóch oddziałach przez 8 dni
A <- c(10, 14, 9, 13, 16, 11, 12, 11)
B <- c(42, 47, 38, 45, 50, 36, 44, 42)
cat("Zadanie 7\n")
for (g in list(list("A", A), list("B", B))) {
  v <- g[[2]]; d <- v - mean(v)
  cat("Oddział", g[[1]], ": suma =", sum(v), "; M =", z2(mean(v)), "; odchylenia:", d, "; SS =", sum(d^2),
      "; s^2 =", z3(sum(d^2) / (length(v) - 1)), "; SD =", z3(sd(v)), "; CV =", z2(100 * sd(v) / mean(v)), "%\n")
}
cat("Stosunek SD (B / A) =", z2(sd(B) / sd(A)), "; stosunek CV (A / B) =", z2((sd(A) / mean(A)) / (sd(B) / mean(B))), "\n")
cat("Rozstęp A =", diff(range(A)), "; rozstęp B =", diff(range(B)), "\n\n")

# Zadanie 8. Czas realizacji zamówienia (dni), 15 zamówień; reguła 1.5 IQR
dni <- c(4, 6, 3, 21, 5, 2, 7, 4, 5, 9, 3, 6, 8, 5, 4)
y <- sort(dni)
cat("Zadanie 8\n")
cat("Uporządkowane:", y, "; n =", length(y), "\n")
cat("Rozstęp = max - min =", max(y), "-", min(y), "=", diff(range(y)), "\n")
for (t in c(7, 6)) {
  q <- quantile(y, c(0.25, 0.75), type = t); iqr <- unname(diff(q))
  cat("Typ", t, ": Q1 =", q[1], "; Q3 =", q[2], "; IQR =", iqr,
      "; płoty 1.5 IQR: [", q[1] - 1.5 * iqr, ",", q[2] + 1.5 * iqr, "]",
      "; płoty 3 IQR: [", q[1] - 3 * iqr, ",", q[2] + 3 * iqr, "]",
      "; poza płotami 1.5 IQR:", y[y < q[1] - 1.5 * iqr | y > q[2] + 1.5 * iqr], "\n")
}
cat("boxplot.stats()$out =", boxplot.stats(y)$out, "\n")
cat("Ze wszystkimi: M =", z2(mean(y)), "; Me =", median(y), "; SD =", z2(sd(y)), "\n")
bez <- y[y != 21]
cat("Bez wartości 21: M =", z2(mean(bez)), "; Me =", median(bez), "; SD =", z2(sd(bez)), "\n")
cat("Najdłuższy czas bez wartości odstającej (koniec wąsa) =", max(bez), "\n\n")

# Zadanie 9. Liczba nieobecności w semestrze, 12 uczniów jednej klasy
nb <- c(2, 0, 5, 1, 3, 13, 1, 4, 2, 8, 3, 6)
m <- length(nb); M9 <- mean(nb); d <- nb - M9
m2 <- sum(d^2) / m; m3 <- sum(d^3) / m
g1 <- m3 / m2^1.5
G1 <- g1 * sqrt(m * (m - 1)) / (m - 2)
b1 <- g1 * ((m - 1) / m)^1.5
cat("Zadanie 9\n")
cat("Uporządkowane:", sort(nb), "; n =", m, "; suma =", sum(nb), "\n")
cat("M =", z2(M9), "; Me =", median(nb), "; dominanty:", names(which(table(nb) == max(table(nb)))), "; SD (n - 1) =", z3(sd(nb)), "\n")
cat("Odchylenia od średniej:", d, "\n")
cat("Sześciany odchyleń:", d^3, "\n")
cat("Suma kwadratów =", sum(d^2), "; suma sześcianów =", sum(d^3), "\n")
cat("m2 = suma kwadratów / n =", z3(m2), "; m3 = suma sześcianów / n =", z3(m3), "\n")
cat("g1 = m3 / m2^1.5 (współczynnik momentowy) =", z3(g1), "\n")
cat("G1 = g1 * sqrt(n(n - 1)) / (n - 2) (SPSS, Excel) =", z3(G1), "\n")
cat("b1 = g1 * ((n - 1) / n)^1.5 =", z3(b1), "\n")
cat("Skośność Pearsona 3(M - Me) / SD =", z3(3 * (M9 - median(nb)) / sd(nb)), "\n")
nb_bez <- nb[nb != 13]; d2 <- nb_bez - mean(nb_bez)
cat("Bez ucznia z 13 nieobecnościami: g1 =", z3((sum(d2^3) / 11) / (sum(d2^2) / 11)^1.5), "\n")
Wynik w R
Zadanie 6
Uporządkowane: 2 3 5 6 6 8 9 11 14 20 ; n = 10 ; mediana = 7 
Typ 7 (domyślny w R): pozycje 3.25 7.75 -> Q1, Q3 = 5.25 10.5 ; IQR = 5.25 
Typ 6 (pozycja (n + 1)p): pozycje 2.75 8.25 -> Q1, Q3 = 4.5 11.75 ; IQR = 7.25 
Zawiasy Tukeya (mediany połówek, fivenum): 5 11 ; IQR = 6 
Typ 8 (zalecany przez Hyndmana i Fana): Q1, Q3 = 4.83 11.25 
Wszystkie 9 typów (Q1): 5.00 5.00 3.00 4.00 5.00 4.50 5.25 4.83 4.88 
Wszystkie 9 typów (Q3): 11.00 11.00 11.00 10.00 11.00 11.75 10.50 11.25 11.19 

Zadanie 7
Oddział A : suma = 96 ; M = 12.00 ; odchylenia: -2 2 -3 1 4 -1 0 -1 ; SS = 36 ; s^2 = 5.143 ; SD = 2.268 ; CV = 18.90 %
Oddział B : suma = 344 ; M = 43.00 ; odchylenia: -1 4 -5 2 7 -7 1 -1 ; SS = 146 ; s^2 = 20.857 ; SD = 4.567 ; CV = 10.62 %
Stosunek SD (B / A) = 2.01 ; stosunek CV (A / B) = 1.78 
Rozstęp A = 7 ; rozstęp B = 14 

Zadanie 8
Uporządkowane: 2 3 3 4 4 4 5 5 5 6 6 7 8 9 21 ; n = 15 
Rozstęp = max - min = 21 - 2 = 19 
Typ 7 : Q1 = 4 ; Q3 = 6.5 ; IQR = 2.5 ; płoty 1.5 IQR: [ 0.25 , 10.25 ] ; płoty 3 IQR: [ -3.5 , 14 ] ; poza płotami 1.5 IQR: 21 
Typ 6 : Q1 = 4 ; Q3 = 7 ; IQR = 3 ; płoty 1.5 IQR: [ -0.5 , 11.5 ] ; płoty 3 IQR: [ -5 , 16 ] ; poza płotami 1.5 IQR: 21 
boxplot.stats()$out = 21 
Ze wszystkimi: M = 6.13 ; Me = 5 ; SD = 4.53 
Bez wartości 21: M = 5.07 ; Me = 5 ; SD = 1.98 
Najdłuższy czas bez wartości odstającej (koniec wąsa) = 9 

Zadanie 9
Uporządkowane: 0 1 1 2 2 3 3 4 5 6 8 13 ; n = 12 ; suma = 48 
M = 4.00 ; Me = 3 ; dominanty: 1 2 3 ; SD (n - 1) = 3.643 
Odchylenia od średniej: -2 -4 1 -3 -1 9 -3 0 -2 4 -1 2 
Sześciany odchyleń: -8 -64 1 -27 -1 729 -27 0 -8 64 -1 8 
Suma kwadratów = 146 ; suma sześcianów = 666 
m2 = suma kwadratów / n = 12.167 ; m3 = suma sześcianów / n = 55.500 
g1 = m3 / m2^1.5 (współczynnik momentowy) = 1.308 
G1 = g1 * sqrt(n(n - 1)) / (n - 2) (SPSS, Excel) = 1.503 
b1 = g1 * ((n - 1) / n)^1.5 = 1.148 
Skośność Pearsona 3(M - Me) / SD = 0.823 
Bez ucznia z 13 nieobecnościami: g1 = 0.640 

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów base i stats); rysunki przygotowano w pakietach ggplot2, svglite i magick. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An ‘SVG’ graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite
  4. magick (wersja 2.9.1): Ooms, J. (2026). magick: Advanced graphics and image-processing in R [R package]. https://doi.org/10.32614/CRAN.package.magick

Najczęstsze pytania

Jak obliczyć medianę z szeregu rozdzielczego przedziałowego?

Wyznacz pozycję N / 2, znajdź w kolumnie liczebności skumulowanych przedział, który ją zawiera, i interpoluj: Me = x0 + (N/2 − nskum,−1) / n0 × h. W zadaniu 4 daje to 6000 + (40 − 26) / 24 × 1000 = 6583.33 zł. Kwartyle liczysz tak samo, z pozycjami N/4 i 3N/4.

Dlaczego kalkulator, Excel i R dają różne kwartyle dla tych samych danych?

Bo istnieje kilka definicji kwartyla z próby, a programy domyślnie używają różnych. Dla czasów obsługi z zadania 6 pierwszy kwartyl wynosi 4.5 (typ 6, jak w SPSS), 5 (mediana dolnej połowy) albo 5.25 (typ 7, domyślny w R). Przy dużych próbach różnice maleją; w pracy napisz, której definicji użyłeś(-aś).

Czy wariancję z szeregu rozdzielczego dzieli się przez N czy przez N − 1?

Gdy opisujesz całą badaną zbiorowość (np. wszystkich pracowników firmy), dzielisz przez N; gdy traktujesz dane jako próbę i wnioskujesz o populacji, dzielisz przez N − 1. W zadaniu 5 daje to s = 1375.62 zł albo 1384.30 zł. Na kolokwium stosuj wersję z wykładu.

Kiedy porównywać współczynniki zmienności, a kiedy odchylenia standardowe?

Odchylenia standardowe porównuj, gdy grupy mają podobne średnie i te same jednostki. Gdy średnie wyraźnie się różnią albo cechy mają różne jednostki, porównuj współczynniki zmienności. W zadaniu 7 większy oddział ma dwa razy większe SD, ale mniejszy współczynnik zmienności (10.62% wobec 18.90%).

Który wzór na współczynnik asymetrii stosować na kolokwium?

Ten, który podano na wykładzie, bo wyniki różnią się między wzorami. Dla tych samych nieobecności z zadania 9 współczynnik momentowy wynosi 1.308, wersja z korektą na małą próbę (jak w SPSS) 1.503, a współczynnik Pearsona z medianą 0.823. Wszystkie mają ten sam znak, więc wniosek o kierunku asymetrii się nie zmienia.

Powiązane hasła

Przeczytaj też

Masz własne dane do pracy i nie wiesz, jak je opisać?

Pomożemy dobrać miary i analizę do hipotez, sprawdzimy obliczenia w R lub SPSS i wyjaśnimy wyniki tak, żebyś umiał(a) samodzielnie je opisać i obronić.

Oferta dla studentówWyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Aczel, A. D., & Sounderpandian, J. (2018). Statystyka w zarządzaniu (Wyd. 2). Wydawnictwo Naukowe PWN.
  2. Hyndman, R. J., & Fan, Y. (1996). Sample quantiles in statistical packages. The American Statistician, 50(4), 361–365. https://doi.org/10.1080/00031305.1996.10473566
  3. Joanes, D. N., & Gill, C. A. (1998). Comparing measures of sample skewness and kurtosis. Journal of the Royal Statistical Society: Series D (The Statistician), 47(1), 183–189. https://doi.org/10.1111/1467-9884.00122
  4. King, B. M., & Minium, E. W. (2009). Statystyka dla psychologów i pedagogów. Wydawnictwo Naukowe PWN.
  5. Krzywinski, M., & Altman, N. (2014). Visualizing samples with box plots. Nature Methods, 11(2), 119–120. https://doi.org/10.1038/nmeth.2813
  6. Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.
  7. von Hippel, P. T. (2005). Mean, median, and skew: Correcting a textbook rule. Journal of Statistics Education, 13(2). https://doi.org/10.1080/10691898.2005.11910556 ● Otwarty dostęp

Cytowania BibTeX

@book{aczel2018statystyka, author={Aczel, Amir D. and Sounderpandian, Jayavel}, title={{Statystyka w zarządzaniu}}, year={2018}, edition={Wyd. 2}, publisher={Wydawnictwo Naukowe PWN}}
@article{hyndman1996sample, author={Hyndman, Rob J. and Fan, Yanan}, title={{Sample quantiles in statistical packages}}, journal={The American Statistician}, year={1996}, volume={50}, number={4}, pages={361--365}, doi={10.1080/00031305.1996.10473566}}
@article{joanes1998comparing, author={Joanes, D. N. and Gill, C. A.}, title={{Comparing measures of sample skewness and kurtosis}}, journal={Journal of the Royal Statistical Society: Series D (The Statistician)}, year={1998}, volume={47}, number={1}, pages={183--189}, doi={10.1111/1467-9884.00122}}
@book{king2009statystyka, author={King, Bruce M. and Minium, Edward W.}, title={{Statystyka dla psychologów i pedagogów}}, year={2009}, publisher={Wydawnictwo Naukowe PWN}}
@article{krzywinski2014visualizing, author={Krzywinski, Martin and Altman, Naomi}, title={{Visualizing samples with box plots}}, journal={Nature Methods}, year={2014}, volume={11}, number={2}, pages={119--120}, doi={10.1038/nmeth.2813}}
@book{tukey1977exploratory, author={Tukey, John W.}, title={{Exploratory data analysis}}, year={1977}, publisher={Addison-Wesley}}
@article{vonhippel2005mean, author={von Hippel, Paul T.}, title={{Mean, median, and skew: Correcting a textbook rule}}, journal={Journal of Statistics Education}, year={2005}, volume={13}, number={2}, doi={10.1080/10691898.2005.11910556}}
R