Οργανώνω Δεδομένα και Πληροφορίες 📊
Τι είναι τα δεδομένα και γιατί τα οργανώνουμε 🔍
Κάθε φορά που ρωτάμε πολλά άτομα κάτι — «ποιο είναι το αγαπημένο σου άθλημα;», «πόσα βιβλία διάβασες φέτος;» — παίρνουμε πολλές απαντήσεις, μία από κάθε άτομο. Αυτές οι απαντήσεις λέγονται δεδομένα. Όταν οι απαντήσεις είναι πολλές και δεν έχουν καμία τάξη, είναι δύσκολο να καταλάβουμε τι μας λένε.
Φαντάσου ότι έχεις μπροστά σου 40 χαρτάκια, το καθένα με μία λέξη πάνω — έναν προορισμό, ένα άθλημα, ένα χρώμα. Αν τα χαρτάκια είναι όλα ανακατεμένα σε μια στοίβα, δεν μπορείς να απαντήσεις εύκολα σε ερωτήσεις όπως «ποια απάντηση εμφανίζεται πιο συχνά;». Χρειάζεται πρώτα να τα οργανώσουμε.
Η οργάνωση δεδομένων σημαίνει ότι τα μετράμε, τα ταξινομούμε σε κατηγορίες και τα καταγράφουμε με τρόπο που μας επιτρέπει να τα «διαβάσουμε» με μια ματιά.
Η οργάνωση δεδομένων είναι η βάση της στατιστικής. Τη χρησιμοποιούν επιστήμονες, γιατροί, δημοσιογράφοι και επιχειρήσεις κάθε μέρα, για παράδειγμα για να καταλάβουν ποιο εμβόλιο δουλεύει καλύτερα ή ποιο προϊόν αγοράζει ο κόσμος περισσότερο.
Ο πίνακας συχνοτήτων: μετράμε πόσες φορές εμφανίζεται κάθε απάντηση 📋
Το πρώτο βήμα για να οργανώσουμε δεδομένα είναι να φτιάξουμε έναν πίνακα με δύο στήλες: στην πρώτη γράφουμε τις διαφορετικές κατηγορίες (τις πιθανές απαντήσεις), και στη δεύτερη γράφουμε πόσες φορές εμφανίστηκε η κάθε κατηγορία. Αυτός ο αριθμός λέγεται συχνότητα, και ο πίνακας λέγεται πίνακας συχνοτήτων.
Για να μετρήσουμε τη συχνότητα χωρίς λάθη, ένα χρήσιμο κόλπο είναι να βάζουμε μια μικρή γραμμή (μια «χαρακιά») για κάθε απάντηση που βλέπουμε, καθώς την περνάμε μία-μία. Στο τέλος, μετράμε πόσες γραμμές έχει η κάθε κατηγορία. Αυτό λέγεται μέθοδος καταμέτρησης με χαρακιές.
Παράδειγμα: αν ρωτήσαμε 12 παιδιά ποιο φρούτο προτιμούν και πήραμε αυτές τις απαντήσεις — μήλο, μπανάνα, μήλο, πορτοκάλι, μπανάνα, μήλο, μήλο, πορτοκάλι, μπανάνα, μήλο, μπανάνα, μπανάνα — ο πίνακας συχνοτήτων είναι:
| Φρούτο | Χαρακιές | Συχνότητα |
|---|---|---|
| Μήλο | ///// | 5 |
| Μπανάνα | ///// | 5 |
| Πορτοκάλι | // | 2 |
Όταν φτιάχνουμε πίνακα συχνοτήτων, το άθροισμα όλων των συχνοτήτων πρέπει να ισούται με το συνολικό πλήθος των ατόμων που ρωτήσαμε. Στο παράδειγμα πιο πάνω: , όσα ακριβώς τα παιδιά. Αν το άθροισμα βγει διαφορετικό, σημαίνει ότι μετρήσαμε κάποια απάντηση δύο φορές ή ξεχάσαμε κάποια — πρέπει να ξαναμετρήσουμε.
Πίνακες με περισσότερες από μία ομάδες 🧮
Μερικές φορές τα δεδομένα προέρχονται από περισσότερες από μία ομάδες — για παράδειγμα, δύο διαφορετικά τμήματα μιας τάξης, ή αγόρια και κορίτσια ξεχωριστά. Τότε ο πίνακας αποκτά επιπλέον στήλες: μία στήλη για κάθε ομάδα, και συνήθως μια τελευταία στήλη «Σύνολο», όπου προσθέτουμε τις τιμές των ομάδων για κάθε κατηγορία.
| Κατηγορία | Ομάδα Α | Ομάδα Β | Σύνολο |
|---|---|---|---|
| Χρώμα 1 | 6 | 3 | 9 |
| Χρώμα 2 | 4 | 8 | 12 |
Το «Σύνολο» κάθε γραμμής προκύπτει προσθέτοντας τις τιμές της γραμμής: και . Το γενικό σύνολο όλων των δεδομένων προκύπτει είτε προσθέτοντας όλες τις τιμές των ομάδων, είτε προσθέτοντας τη στήλη «Σύνολο»: .
Αυτού του είδους ο πίνακας μάς επιτρέπει να απαντάμε σε δύο ειδών ερωτήσεις: ερωτήσεις για κάθε ομάδα ξεχωριστά (π.χ. ποια κατηγορία προτίμησε περισσότερο η Ομάδα Α) και ερωτήσεις συνολικές (π.χ. ποια κατηγορία συγκέντρωσε τις περισσότερες επιλογές αν μετρήσουμε όλους μαζί). Η απάντηση στις δύο ερωτήσεις δεν είναι πάντα ίδια — μια κατηγορία μπορεί να είναι πρώτη σε μία ομάδα αλλά όχι στο σύνολο.
Εικονόγραμμα και σημειόγραμμα: δεδομένα με σύμβολα 🖼️
Αφού έχουμε τον πίνακα, μπορούμε να παρουσιάσουμε τα δεδομένα και οπτικά, με σύμβολα αντί για αριθμούς. Δύο απλοί τρόποι είναι:
- Εικονόγραμμα: για κάθε κατηγορία, ζωγραφίζουμε τόσα ίδια εικονίδια (σύμβολα) όσο είναι η συχνότητά της. Κάθε εικονίδιο αντιπροσωπεύει μία μονάδα (ή, σε μεγαλύτερα σύνολα δεδομένων, μπορεί να αντιπροσωπεύει περισσότερες — π.χ. ένα εικονίδιο = 2 άτομα).
- Σημειόγραμμα: παρόμοιο με το εικονόγραμμα, αλλά αντί για εικόνες χρησιμοποιούμε απλές βούλες ή σημάδια (π.χ. Χ ή τελείες), ένα για κάθε άτομο ή απάντηση.
Και οι δύο τρόποι έχουν το ίδιο πλεονέκτημα: βλέποντας πόσα σύμβολα έχει κάθε κατηγορία, καταλαβαίνουμε αμέσως ποια κατηγορία έχει τις περισσότερες ή τις λιγότερες απαντήσεις, χωρίς καν να μετρήσουμε αριθμούς.
Το ραβδόγραμμα: η πιο συχνή αναπαράσταση δεδομένων 📈
Ο πιο διαδεδομένος τρόπος να παρουσιάσουμε δεδομένα είναι το ραβδόγραμμα. Σε ένα ραβδόγραμμα:
- κάθε κατηγορία αντιστοιχεί σε μία ορθογώνια ράβδο (μπάρα),
- το ύψος της ράβδου είναι ανάλογο με τη συχνότητα της κατηγορίας — όσο μεγαλύτερη η συχνότητα, τόσο ψηλότερη η ράβδος,
- όλες οι ράβδοι έχουν το ίδιο πλάτος, ώστε να συγκρίνονται δίκαια μόνο με το ύψος τους,
- υπάρχει πάντα ένας κατακόρυφος άξονας με αριθμούς (δείχνει τη συχνότητα) και ένας οριζόντιος άξονας με τις κατηγορίες.
Για να φτιάξουμε ένα ραβδόγραμμα ξεκινώντας από έναν πίνακα συχνοτήτων, ακολουθούμε συγκεκριμένα βήματα:
- Σχεδιάζουμε τους δύο άξονες: τον οριζόντιο για τις κατηγορίες και τον κατακόρυφο για τις συχνότητες.
- Επιλέγουμε κατάλληλη κλίμακα στον κατακόρυφο άξονα, ώστε να χωράει η μεγαλύτερη συχνότητα του πίνακα.
- Γράφουμε τις κατηγορίες στον οριζόντιο άξονα, με ίσες αποστάσεις μεταξύ τους.
- Για κάθε κατηγορία, σχεδιάζουμε μία ράβδο με ύψος όσο η συχνότητά της.
- Αν υπάρχουν περισσότερες από μία ομάδες (π.χ. δύο τμήματα), σχεδιάζουμε δίπλα-δίπλα από μία ράβδο για κάθε ομάδα, συνήθως με διαφορετικό χρώμα, ώστε να ξεχωρίζουν.
Όταν το ραβδόγραμμα είναι έτοιμο, «διαβάζουμε» τα δεδομένα κοιτώντας ποια ράβδος είναι η πιο ψηλή (η κατηγορία με τη μεγαλύτερη συχνότητα) και ποια η πιο κοντή (η κατηγορία με τη μικρότερη συχνότητα), χωρίς καν να χρειάζεται να διαβάσουμε αριθμούς.
Πολλά παιδιά μπερδεύονται και συγκρίνουν ράβδους με βάση το πλάτος τους ή πόσο «χοντρές» φαίνονται. Στο ραβδόγραμμα, η μόνη πληροφορία που μετράει είναι το ύψος της ράβδου. Το πλάτος πρέπει να είναι πάντα ίδιο σε όλες τις ράβδους, ακριβώς για να μην μπερδεύει.
Πώς εξάγουμε συμπεράσματα από δεδομένα 🧠
Ο τελικός στόχος της οργάνωσης δεδομένων δεν είναι απλώς να φτιάξουμε έναν όμορφο πίνακα ή ένα ραβδόγραμμα, αλλά να απαντήσουμε σε ερωτήσεις και να πάρουμε αποφάσεις. Οι πιο συνηθισμένες ερωτήσεις που κάνουμε πάνω σε οργανωμένα δεδομένα είναι:
- Ποιο είναι το σύνολο; Προσθέτουμε όλες τις συχνότητες.
- Ποια κατηγορία έχει τη μεγαλύτερη συχνότητα; Την ονομάζουμε συχνά «η πιο δημοφιλής» ή «η επικρατέστερη» επιλογή.
- Ποια κατηγορία έχει τη μικρότερη συχνότητα;
- Πόσο διαφέρουν δύο κατηγορίες μεταξύ τους; Αφαιρούμε τη μία συχνότητα από την άλλη.
- Τι δεν μπορούμε να συμπεράνουμε; Μερικές φορές τα δεδομένα δεν είναι αρκετά λεπτομερή για να απαντήσουν σε μια ερώτηση. Για παράδειγμα, αν μια κατηγορία λέει «λιγότερα από 2», δεν μπορούμε να ξέρουμε πόσοι απάντησαν ακριβώς «0» — τα δεδομένα δεν το διαχωρίζουν.
Ένας πίνακας ή ένα ραβδόγραμμα απαντούν μόνο σε ό,τι μετρήσαμε. Αν η ερώτηση της έρευνας ήταν «ποιο φρούτο προτιμάς;», τα δεδομένα δεν μπορούν να μας πουν τίποτα για το αγαπημένο άθλημα των ίδιων παιδιών — αυτό θα χρειαζόταν άλλη έρευνα.
Όταν συγκρίνουμε δεδομένα από περισσότερες από μία ομάδες, προσέχουμε ότι η κατηγορία με τη μεγαλύτερη συχνότητα σε κάθε ομάδα ξεχωριστά μπορεί να είναι διαφορετική από την κατηγορία με τη μεγαλύτερη συχνότητα στο σύνολο όλων των ομάδων μαζί. Γι' αυτό, πριν απαντήσουμε σε μια ερώτηση, πρέπει πάντα να προσέχουμε αν μας ζητάει τα δεδομένα μιας ομάδας ή το άθροισμα όλων των ομάδων.