Reprezentacja i Interpretacja Danych

Czytanie wykresów, tabel i wniosków o populacji — bez zaskakujących wzorów

Ten dział to głównie czytanie ze zrozumieniem, tylko z liczbami. SAT testuje umiejętność odczytania wykresu, tabeli lub diagramu pudełkowego, a potem wyciągnięcia z tego wniosku. Spotkasz 3–4 zadania w sekcji, najczęściej z kontekstem słownym — ankiety, badania, statystyki populacji.

Pułapki tu są subtelne. SAT bardzo często myli „korelacja” z „przyczynowością”, opisuje próbę losową versus nielosową, lub testuje, czy umiesz zinterpretować przedział ufności. Klucz: czytaj uważnie, kto, co i kogo badał — granice zastosowania wniosków są tu kluczowe.

Co dokładnie testuje SAT?

Odczytywanie wartości z wykresów słupkowych, kołowych i punktowych
Interpretacja diagramów pudełkowych (mediana, kwartyle, outliery)
Obliczanie prawdopodobieństwa z tabeli częstości
Wnioskowanie o populacji na podstawie próby — granice „losowości”
Przedział ufności i margines błędu — co znaczą w kontekście
Różnica między korelacją a przyczynowością

Kluczowe pojęcia

Próba losowa

Wnioski o populacji można rozszerzyć tylko jeśli próba została wybrana losowo. Jeśli zapytano „uczniów na zajęciach z algebry” o opinie o matematyce, wniosek dotyczy tylko ich, nie wszystkich uczniów szkoły.

Margines błędu

Przedział ufności mówi: „z 95% pewnością prawdziwa wartość mieści się w $\overset{p}{^} \pm margines$ ”. Większa próba → mniejszy margines.

Korelacja vs przyczynowość

Dwie zmienne mogą być skorelowane bez związku przyczynowego. Klasyczny SAT-owy przykład: sprzedaż lodów i utonięcia. Obie rosną latem, ale lody nie powodują utonięć.

Tabela częstości

Pokazuje liczbę obserwacji w każdej kategorii. Prawdopodobieństwo = liczba przypadków / suma wszystkich.

Przykładowe zadania

Przykład 1

W ankiecie przeprowadzonej wśród 200 losowo wybranych mieszkańców miasta, 60% poparło projekt parku. Margines błędu wynosił $\pm 4$ . Co najlepiej opisuje wniosek?

Rozwiązanie

Prawdziwy procent poparcia w populacji mieści się z dużą pewnością w przedziale $60 \pm 4$ , czyli między 56% a 64%. Nie mówimy, że dokładnie 60% poparło — to tylko oszacowanie z próby.

💡 Margines błędu tworzy PRZEDZIAŁ wokół oszacowania. Nie traktuj wartości z próby jako dokładnej.

Przykład 2

W tabeli częstości spośród 100 uczniów 30 chodzi pieszo, 50 jedzie autobusem, 20 jest dowożonych. Ile wynosi prawdopodobieństwo, że losowo wybrany uczeń jedzie autobusem?

Rozwiązanie

$P (autobus) = \frac{50}{100} = 0, 5 = 50$ .

💡 Prawdopodobieństwo z tabeli = liczba przypadków / suma wszystkich.

Częste błędy

Wnioskowanie o szerszej populacji niż badana — np. z próby uczniów liceum o opinii „wszystkich Polaków”.
Mylenie korelacji z przyczynowością. „X i Y rosną razem” nie znaczy „X powoduje Y”.
Ignorowanie marginesu błędu — traktowanie wartości z próby jako dokładnej.
Czytanie z wykresu bez sprawdzenia jednostek (tysiące? procenty?). To częste źródło błędów.

Strategia na egzaminie

W tym dziale czytaj zadanie dwa razy. Najpierw — co przedstawia wykres lub tabela? Drugi raz — o co konkretnie pyta zadanie? Zapisz w pamięci jednostki (tysiące, procenty) i grupę badaną. Gdy widzisz pytanie o wniosek z próby, sprawdź dwa filtry: (1) czy próba była losowa? (2) czy populacja, o której pytamy, to ta sama, z której pochodzi próba? Jeśli nie — odpowiedź zawiera słowo „nie można wyciągnąć wniosku”.

Najczęstsze pytania

Kiedy można uogólnić wynik z próby na populację?

Tylko gdy próba była losowa I populacja docelowa to ta sama, z której pochodzi próba. Jeśli próba pochodzi z innej grupy, niż ta, o którą pytasz — odpowiedź to „nie można wyciągnąć wniosku".

Jak czytać wykres pudełkowy (boxplot)?

Pudełko pokazuje IQR (Q1 do Q3). Linia w środku — mediana. „Wąsy" (whiskers) — minimum i maksimum (lub do 1,5×IQR od pudełka). Punkty poza wąsami — outliery.

Czym różni się badanie obserwacyjne od eksperymentu?

Eksperyment przypisuje losowo uczestników do grup (np. grupa kontrolna vs leczona). Obserwacyjne tylko obserwuje istniejące różnice. Tylko z eksperymentu można wyciągać wnioski o przyczynowości.

Co to jest confidence interval?

Przedział, w którym z określonym prawdopodobieństwem (zwykle 95%) leży prawdziwa wartość parametru. Im węższy — tym precyzyjniejszy wynik. Większa próba zazwyczaj daje węższy przedział.

Rozpocznij ćwiczenia →

Ćwicz ponad 60 zadań z interpretacji danych