מבוא: למה סטטיסטיקה תיאורית חשובה?
בעולם של נתונים, הסטטיסטיקה התיאורית היא השפה שמאפשרת לנו להבין, לתאר ולסכם מידע. בין אם אתם חוקרים, אנשי עסקים, סטודנטים או סתם סקרנים, הבנת ההבדל בין התפלגות בדידה לרציפה היא מפתח לפירוש נכון של נתונים.
במאמר זה, נצלול לעומקם של שני סוגי ההתפלגויות, נבין את ההבדלים ביניהם, ונבחן כיצד הם משמשים בתחומים שונים - ממדעי החברה ועד להנדסה ורפואה.
סטטיסטיקה תיאורית: הבסיס
סטטיסטיקה תיאורית היא ענף בסטטיסטיקה העוסק בתיאור וסיכום של נתונים. בניגוד לסטטיסטיקה היסקית, שהיא כלי להסקת מסקנות על אוכלוסייה גדולה יותר על בסיס מדגם, הסטטיסטיקה התיאורית מתמקדת בתיאור הנתונים כפי שהם.
מדדים מרכזיים בסטטיסטיקה תיאורית
- מדדי מרכז: ממוצע, חציון, שכיח
- מדדי פיזור: טווח, שונות, סטיית תקן
- מדדי צורה: מדדי אסימטריה וקורטוזיס
דוגמה: גובה תלמידים בכיתה
נניח שיש לנו נתונים על גובה של 30 תלמידים בכיתה. הסטטיסטיקה התיאורית תאפשר לנו לחשב את הגובה הממוצע, לזהות את הטווח (ההפרש בין הגובה הגבוה לנמוך ביותר), ולראות כיצד הגבהים מתפלגים סביב הממוצע.
התפלגויות בדידות: ערכים נפרדים ומובחנים
התפלגות בדידה מתארת משתנה שיכול לקבל רק ערכים נפרדים ומובחנים. לרוב, מדובר במספרים שלמים, אם כי לא בהכרח.
מאפיינים של התפלגות בדידה
- הערכים הם נפרדים ומובחנים
- ניתן למנות את כל הערכים האפשריים (או שיש להם גבול עליון)
- ההסתברות לכל ערך היא חיובית
- סכום ההסתברויות של כל הערכים הוא 1
דוגמאות מהחיים להתפלגויות בדידות
- מספר הילדים במשפחה
- מספר המכוניות החונות בחניון
- מספר הפעמים שנפל "עץ" בהטלת מטבע 10 פעמים
- מספר השאלות הנכונות במבחן רב-ברירה
צריכים עזרה פרטנית בסטטיסטיקה?
סטטיסטיקאי (בוגר האוניברסיטה העברית), עם ניסיון של מעל ל־18 שנה בהוראת הסטטיסטיקה.
הסברים מותאמים אישית, ליווי בעבודות ובלימודים.
דוגמה מתמטית: התפלגות בינומית
ההתפלגות הבינומית מתארת את מספר ההצלחות בסדרה של n ניסויים בלתי תלויים, כאשר ההסתברות להצלחה בכל ניסוי היא p.
פונקציית ההסתברות של ההתפלגות הבינומית נתונה על ידי:
$$P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}$$
כאשר \( \binom{n}{k} \) הוא המקדם הבינומי, השווה ל- \( \frac{n!}{k!(n-k)!} \).
טבלת שכיחויות להתפלגות בדידה
| מספר ילדים במשפחה | מספר משפחות | שכיחות יחסית | שכיחות מצטברת |
|---|---|---|---|
| 0 | 50 | 0.10 | 0.10 |
| 1 | 120 | 0.24 | 0.34 |
| 2 | 200 | 0.40 | 0.74 |
| 3 | 80 | 0.16 | 0.90 |
| 4+ | 50 | 0.10 | 1.00 |
| סה"כ | 500 | 1.00 |
מחשבון התפלגות בדידה
השתמשו במחשבון הבא כדי לחשב מדדים סטטיסטיים עבור התפלגות בדידה:
התפלגויות רציפות: ערכים בטווח אינסופי
התפלגות רציפה מתארת משתנה שיכול לקבל כל ערך בטווח מסוים, גם אם הוא לא שלם. בניגוד להתפלגות בדידה, בהתפלגות רציפה אנחנו מדברים על הסתברות לטווח של ערכים, ולא לערך ספציפי.
מאפיינים של התפלגות רציפה
- המשתנה יכול לקבל כל ערך בטווח מסוים
- מספר הערכים האפשריים הוא אינסופי
- ההסתברות לערך ספציפי היא 0
- מחשבים הסתברות לטווח של ערכים באמצעות אינטגרל
דוגמאות מהחיים להתפלגויות רציפות
- גובה של אנשים
- משקל של תינוקות
- זמן המתנה בתור
- טמפרטורה יומית ממוצעת
דוגמה מתמטית: התפלגות נורמלית
ההתפלגות הנורמלית, הידועה גם כעקומת הפעמון, היא אחת ההתפלגויות החשובות ביותר בסטטיסטיקה. פונקציית הצפיפות שלה נתונה על ידי:
$$f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2}$$
כאשר μ הוא הממוצע ו-σ היא סטיית התקן.
ההסתברות שמשתנה X המפולג נורמלית עם ממוצע μ וסטיית תקן σ יהיה בין a ל- b היא:
$$P(a \leq X \leq b) = \int_a^b f(x) dx$$
טבלת שכיחויות מחולקת לטווחים להתפלגות רציפה
| טווח גבהים (ס"מ) | מספר אנשים | שכיחות יחסית | שכיחות מצטברת |
|---|---|---|---|
| 150-160 | 25 | 0.05 | 0.05 |
| 160-170 | 100 | 0.20 | 0.25 |
| 170-180 | 200 | 0.40 | 0.65 |
| 180-190 | 125 | 0.25 | 0.90 |
| 190-200 | 50 | 0.10 | 1.00 |
| סה"כ | 500 | 1.00 |
מחשבון התפלגות רציפה והיסטוגרמה
השתמשו במחשבון הבא כדי ליצור טבלת שכיחויות והיסטוגרמה עבור התפלגות רציפה:
השוואה בין התפלגות בדידה לרציפה
להבנת ההבדלים בין שני סוגי ההתפלגויות חשיבות רבה בבחירת השיטות הסטטיסטיות המתאימות לניתוח הנתונים.
| מאפיין | התפלגות בדידה | התפלגות רציפה |
|---|---|---|
| סוג ערכים | נפרדים, מובחנים | כל ערך בטווח |
| מספר ערכים אפשריים | סופי או בן מניה | אינסוף |
| הסתברות לערך ספציפי | חיובית | אפס |
| חישוב הסתברויות | סכום | אינטגרל |
| ייצוג גרפי | דיאגרמת מקלות | היסטוגרמה/עקומה |
| דוגמאות | מספר ילדים, הצבעות בבחירות | גובה, משקל, זמן |
שימושים מעשיים: איך זה עובד בשטח?
ההבנה בין התפלגות בדידה לרציפה אינה רק תיאורטית - יש לה השלכות מעשיות בתחומים רבים.
שימושים בהתפלגות בדידה
- ביטוח: חיזוי מספר התביעות הצפוי
- ייצור: ספירת מספר המוצרים הפגומים בסדרת ייצור
- שיווק: חיזוי מספר הלקוחות שיגיבו לקמפיין
- רפואה: ספירת מספר המקרים של מחלה באוכלוסייה
שימושים בהתפלגות רציפה
- כלכלה: חיזוי מחירי מניות ושיעורי ריבית
- הנדסה: מדידת משקל, אורך וזמן
- פסיכולוגיה: מדידת מנת משכל ותכונות אישיות
- מדעי הסביבה: מדידת טמפרטורה, גשם וזיהום אוויר
סיפור מהחיים: ניתוח תוצאות בחירות
בבחירות מקומיות, מספר הקולות לכל מועמד הוא דוגמה קלאסית להתפלגות בדידה. כל קול הוא ערך נפרד, ואפשר לספור במדויק כמה קולות קיבל כל מועמד. לעומת זאת, אם נמדוד את אחוז התמיכה במועמד באוכלוסייה (שעשוי להיות כל ערך בין 0 ל-100), נעסוק בהתפלגות רציפה.
סיכום: איך לבחור את סוג ההתפלגות המתאים?
הבחנה בין התפלגות בדידה לרציפה היא אחת ההחלטות הבסיסיות ביותר בניתוח סטטיסטי. כדי לקבוע איזה סוג התפלגות מתאים לנתונים שלכם, שאלו את עצמכם:
- האם המשתנה שלי יכול לקבל רק ערכים נפרדים ומובחנים (בדידה) או כל ערך בטווח (רציפה)?
- האם אני סופר משהו (בדידה) או מודד משהו (רציפה)?
- האם יש משמעות לערך ספציפי (בדידה) או רק לטווח של ערכים (רציפה)?
זכרו שהבחירה הנכונה תשפיע על שיטות הניתוח, הכלים הסטטיסטיים והמסקנות שתוכלו להסיק מהנתונים.
בסופו של דבר, הבנת שני סוגי ההתפלגויות מאפשרת לנו לתקשר עם הנתונים בשפה שלהם - ולחשוף את הסיפורים החבויים בהם.
עדיין צריכים עזרה?
סטטיסטיקאי (בוגר העברית) ומורה פרטי לסטטיסטיקה ב-18 שנה האחרונות