Hvordan finder man kumulativ frekvens? w / 11 eksempler!

hvordan finder du kumulativ frekvens?

Og hvordan vil du beskrive den form, spredes, og centrum af en fordeling?

det er det, vi skal finde ud af i dag!

lad os gå!

Hvad er forskellen mellem følgende grafer?,

• kumulativ frekvens
• kumulativ relativ frekvens

en kumulativ frekvensgraf viser det samlede antal værdier, der falder under den øvre grænse for hver variabel. Alt dette betyder, at det repræsenterer den løbende total af frekvenser.

nu er de kumulative relative frekvensgrafer, også kaldet ogive-grafer (udtalt “oh-jive”), for percentiler og viser, hvilken procentdel af dataene der er under en bestemt værdi. Med andre ord viser en ogive-graf den kumulative procent fra venstre mod højre.,

Arbejdede Eksempel

For eksempel, lad os bruge følgende datasæt: { 1, 1, 1, 1, 1, 3, 3, 3, 3, 3, 5, 5, 5, 5, 5, 5, 7, 11, 11, 11, 11, 11, 11, 11, 11 }

for det Første, er vi nødt til at skabe en frekvens tabel, så skal vi til at finde den kumulative frekvens samt vores kumulative relative frekvens (procent).

Næste, kan vi tegne en graf, hvor x-aksen repræsenterer det, der tæller, og y-aksen repræsenterer den kumulative relative hyppighed som bemærket af Statistics Canada.,vores point at koordinere den samlede relative hyppighed værdi på venstre endepunkt af hvert interval, og derefter forbinde punkterne med rette linjer, som det ses nedenfor:

Hvad vil du lægge mærke til om Ogive graf, er, at hvis fordelingen er skæv i venstre, så er den frekvens værdier er mindre i starten og derefter stige hurtigt, der henviser til, at en højre skæv fordeling giver en kumulativ relative frekvens graf, hvor vi ser en hurtig stigning i værdier og derefter en smallere eller nedtrapning af frekvenser.,

Hvordan er kumulative relative hyppighed grafer nyttige?

de illustrerer percentiler og angiver formen på en fordeling.

percentiler

Hvis du husker det, kaldes den sammenfattende foranstaltning, der deler et rangeret datasæt (dvs.data placeret i enten stigende eller faldende rækkefølge) i 100 lige store dele en percentil. Og percentiler angiver procentdelen af observationer en værdi er over.,

husk for eksempel boksen og whishisker plot, hvor vi viser den første kvartil, median og tredje kvartiler? 1. kvartil fortæller os, at 25% af dataene er under denne værdi, så det repræsenterer den 25.percentil. Medianen, der undertiden benævnes 2. kvartil, fortæller os, at 50% af dataene er under denne værdi, og den repræsenterer den 50.percentil. Og kvartil 3 fortæller os, at 75% af dataene falder under denne værdi, hvilket repræsenterer den 75.percentil.,

og som vi vil se i videoen nedenfor, kan vi finde, estimere og fortolke percentiler fra et datasæt, når der gives en ogive-graf.

distributionsform

vidste du, at linjens stejlhed i en kumulativ relativ frekvensgraf hjælper os med at bestemme formen på en distribution?

og når vi først har bestemt formen på en distribution, kan vi tage disse oplysninger og konvertere eller transformere observationer ved hjælp af standardafvigelser for at se, hvor langt specifikke observationer er fra middelværdien., Dette kaldes Standardisering, og den mest almindelige form for standardisering i statistikker er standardværdien, som ofte kaldes en value-Værdi eller z-score.

Hvis vi lader data repræsentere en observeret værdi for dataene, finder vi en standardværdi ved at trække gennemsnittet fra denne observerede værdi og dividere forskellen med standardafvigelsen.,

Ved at standardisere de datasæt, vi, i det væsentlige, er at fjerne alle måleenheder; dermed, hvilket giver os mulighed for at sammenligne en bemærkning til en anden, selv hvis de ikke har de samme parametre (dvs, betyder, eller standardafvigelsen). Derudover giver det os en fornemmelse af, hvor sandsynligt eller usandsynligt en bestemt værdi vises i dataene.

hvordan hjælper standardisering os med at bestemme form, center og spredning af en distribution?antag, at vi tilføjer eller trækker et tal til en observation., Dette vil flytte centrum og placering (middelværdi, median, tilstand, kvartiler, og percentiler) af fordelingen dette beløb, men formen og spredningen af fordelingen (rækkevidde, i .r, og standardafvigelse) vil ikke ændre sig.

Antag dog, at vi multiplicerer et tal til en observation. I så fald vil midten og placeringen og spredningen (middel, median, tilstand, kvartiler, percentiler, rækkevidde, i .r og standardafvigelse) ændre sig i fordelingen, og kun formen forbliver uændret.,

Arbejdede Eksempel

Bemærk, at standard afvigelsen, for rækkevidde, og IQR alle forblive den samme, herunder i form af distribution, men alt andet ændres med en faktor 10.

og lad os nu tage det samme datasæt og se, hvad der ville ske med midten, spredningen og formen af distributionen, hvis vi multiplicerer hver observation med en værdi på 10.,

Denne tid, kan vi se, at alle summarisk statistik ændret sig, og det eneste, der opholdt sig på samme måde var den form for distribution.

Tæthedskurver

og det fører os pænt til at lære om tæthedskurver.

en tæthedskurve er altid på eller over den vandrette akse og har et område under kurven, der er lig med 1.,

Derudover, tæthed kurven median er den “lige-området punkt” med halvdelen på hver side, og det gennemsnitlige tæthed kurven er balancing point (Tænk: Center of Mass).

Bevæbnet med denne viden, vil vi være i stand til hurtigt at afgøre, hvor middelværdien og medianen er i en fordeling og få os klar til at finde sandsynligheden!,

Denne video er proppet med masser af værdifulde oplysninger om, hvordan vi beskriver placeringen af center-og spredning, samt den form af en fordeling, hvordan vi kan omdanne data, finde fraktilerne givet en kumulativ relative frekvens kurve, og begynde vores undersøgelse af tæthed kurver.

Kumuleret Frekvens – Lektion & Eksempler (Video)

1 t 03 min.

• Introduktion til Video: der Beskriver Steder i Distributioner
• 00:00:32 – Hvad er fraktilerne og hvordan finder jeg dem?, (Eksempler #1-2)
• Eksklusivt Indhold Kun for Medlemmer

• 00:05:57 – Oversigt over de samlede Relative Frekvens (Ogive) Grafer
• 00:08:01 – Opret en Ogive Graf og fortolke dine resultater (Eksempel #3)
• 00:19:21 – Forståelse Kumulative Relative Hyppighed og Skæve Fordelinger
• 00:21:24 – Hvordan kan vi standardisere distributioner?, Finde standardværdier (scores – scores) for data
• 00:24:44-Find the-score eller brug the – score til at finde den observerede værdi (eksempler #4-6)
• 00:36:42-hvordan transformerer vi datasæt, og hvad gør det til centrum, spredning og form?
• 00:40: 14-Hvad er en tæthedskurve? Hvad er egenskaberne af en tæthedskurve?, bestemme placeringen af gennemsnit, median og modus (Eksempler #7-10)
• 00:48:34 – Given prøve data, finde stemplot, fraktilerne, z-score, summarisk statistik, og transformere data (Eksempel #11)
• Praksis Problemer med Trin-for-Trin-Løsninger
• Kapitel Forsøg med Video-Løsninger