hogyan lehet megtalálni a kumulatív gyakoriságot? W / 11 példák!

hogyan talál kumulatív gyakoriságot?

és hogyan írod le a disztribúció alakját, terjedését és középpontját?

Ez az, amit ma fogunk megtudni!

menjünk!

mi a különbség a következő grafikonok között?,

• kumulatív frekvencia
• kumulatív relatív frekvencia

egy kumulatív frekvencia grafikon az egyes változók felső határa alá eső értékek teljes számát mutatja. Mindez azt jelenti, hogy a frekvenciák teljes futását képviseli.

most a halmozott relatív frekvencia gráfok, más néven Ogive gráfok (ejtsd: “oh-jive”) percentilisek, és megmutatják, hogy az adatok hány százaléka van egy adott érték alatt. Más szavakkal, egy Ogive grafikon balról jobbra mutatja az összesített százalékot.,

kidolgozott Példa

például, használjuk a következő adatkészlet: { 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 }

Első, létre kell hoznunk egy gyakorisági táblázat, akkor meg kell találnunk a kumulatív gyakoriság, valamint a kumulált relatív gyakorisága (százalék).

ezután rajzolunk egy grafikont, ahol az x-tengely A számít, az y-tengely pedig az összesített relatív frekvencia, amint azt a Statistics Canada megjegyzi.,a pontok koordináló, hogy a kumulált relatív gyakorisági érték a bal végpont minden intervallum, majd csatlakoztassa a pontok egyenes vonalak, mint alább látható:

Amit észreveszel a Kezelésére grafikon, ha az engedély ferde maradt, akkor a frekvencia értékek kevesebb, az elején, aztán gyorsan növekszik, mivel jobbra ferde eloszlás termel egy kumulált relatív gyakorisága grafikon, ahol egy gyors növekedése értékeket, majd egy hegyes végű vagy elvékonyodó a frekvenciákat.,

hogyan hasznosak a halmozott relatív frekvenciagráfok?

a százalékokat szemléltetik, és egy Eloszlás alakját jelölik.

Percentiles

ha emlékeztetünk, a rangsorolt adatkészletet (azaz növekvő vagy csökkenő sorrendben elhelyezett adatokat) 100 egyenlő részre osztó összefoglaló mérést percentilnek nevezzük. A percentilisek pedig azt jelzik, hogy a megfigyelések százalékos aránya meghaladja az értéket.,

például, emlékszel a dobozra és a whiskerre, ahol az első-kvartilis, medián és harmadik kvartílusokat jelenítjük meg?

az 1. kvartilis azt mondja nekünk, hogy az adatok 25% – a ezen érték alatt van, tehát a 25.százalékot képviseli. A medián, amelyet néha 2. negyednek neveznek, azt mondja nekünk, hogy az adatok 50% – a ez alatt az érték alatt van, és az 50.százalékot képviseli. A quartile 3 azt mondja, hogy az adatok 75% – a ezen érték alá esik, ami a 75.százalékot jelenti.,

és amint azt az alábbi videóban látni fogjuk, találhatunk, becsülhetünk és értelmezhetünk percentileket egy adatkészletből, ha Ogive gráfot kapunk.

az Eloszlás alakja

tudta, hogy a vonal meredeksége egy kumulatív relatív frekvencia gráfban segít meghatározni egy Eloszlás alakját?

és miután meghatároztuk egy Eloszlás alakját, ezt az információt felhasználhatjuk, és standard eltérésekkel átalakíthatjuk vagy átalakíthatjuk a megfigyeléseket, hogy lássuk, milyen messze vannak a konkrét megfigyelések az átlagtól., Ezt szabványosításnak nevezik, a statisztikák szabványosításának leggyakoribb formája a standard érték, amelyet gyakran z-értéknek vagy z-pontnak neveznek.

ha hagyjuk, hogy x egy megfigyelt értéket képviseljen az adatoknál, akkor egy standard értéket találunk, ha kivonjuk az átlagot ebből a megfigyelt értékből, és elosztjuk a különbséget a szórással.,

Által standardizing az adatkészlet, mi, a lényeg, megszünteti az összes mértékegységek; így lehetővé téve, hogy hasonlítsuk össze egy megfigyelés, hogy még akkor is, ha nem azonos paraméterek (pl., vagy a szórás). Sőt, ez ad nekünk egy értelemben, hogy milyen valószínű vagy valószínűtlen egy adott érték jelenik meg az adatokat.

hogyan segít a szabványosítás meghatározni egy Eloszlás alakját, középpontját és terjedését?

nos, tegyük fel, hogy egy számot hozzáadunk vagy kivonunk egy megfigyeléshez., Ez eltolja az eloszlásnak ezt az összeget a középpontját és helyét (átlag, medián, mód, kvartilis és százalék), de az eloszlás alakja és terjedése (tartomány, IQR és szórás) nem változik.

tegyük fel azonban, hogy egy számot egy megfigyelésre szorozunk. Ebben az esetben a középpont és a hely és a szórás (átlag, medián, mód, kvartilis, percentilis, tartomány, IQR és szórás) megváltozik az eloszlásban, és csak az alak marad változatlan.,

dolgozott például

vegye figyelembe, hogy a szórás, a tartomány és az IQR mind ugyanaz marad, beleértve az eloszlás alakját is, de minden más 10-es tényezővel változott.

és most vegyük ugyanazt az adatkészletet, és nézzük meg, mi történne az eloszlás középpontjával, terjedésével és alakjával, ha minden egyes megfigyelést 10-es értékkel szoroznánk meg.,

ezúttal láthatjuk, hogy az összes összefoglaló statisztika megváltozott, és az egyetlen dolog, ami ugyanaz maradt, az elosztás alakja volt.

sűrűségi görbék

és ez szépen vezet minket a sűrűségi görbék megismeréséhez.

a sűrűséggörbe mindig a vízszintes tengelyen vagy felett van, és a görbe alatti terület 1-nek felel meg.,

továbbá, a sűrűség görbe medián értéke “egyenlő területű pont”, mindkét oldalon a terület felével, és a sűrűséggörbe átlaga az egyensúlyozási pont (pl. tömegközéppont).

gyorsan meg tudjuk határozni, hogy az átlag és a medián hol van eloszlásban, és készen állunk a valószínűség megtalálására!,

Ez a videó tele van sok értékes információt, hogyan írjuk le a helyét a központ és a terjedését, valamint az alak egy Eloszlás, hogyan tudjuk átalakítani az adatokat, talál percentilis adott kumulatív relatív frekvencia görbe, és kezdődik a vizsgálat sűrűség görbék.

Kumulatív Gyakoriság – Lecke & Példák (Videó)

1 óra 03 perc

• Bevezetés Videó: Leírja, hogy Helyeken Disztribúciók
• 00:00:32 – Mit százalékosztályok, illetve hogyan találjuk meg őket?, (Példák #1-2)
• Exkluzív Tartalmat Csak Tagoknak

• 00:05:57 – Áttekintés a Kumulált Relatív Gyakoriság (Kezelésére) Grafikonok
• 00:08:01 – hozzon Létre egy Kezelésére Grafikon, illetve értelmezni az eredményeket (Például #3)
• 00:19:21 – Megértés Kumulált Relatív Gyakorisága, Ferde Disztribúciók
• 00:21:24 – Honnan egységesíteni disztribúciók?, Standard értékek (z-pontszámok) keresése
• 00:24:44 – keresse meg a z-pontszámot, vagy használja a z-pontszámot a megfigyelt érték megtalálásához (példák #4-6)
• 00:36:42 – hogyan alakítjuk át az adatkészleteket, és mit tesz a középponttal, elterjedésével és alakjával?
• 00:40:14 – mi a sűrűségi görbe? Milyen tulajdonságai vannak a sűrűségi görbének?, határozza meg a helyét az átlag, medián, valamint módban (Példa #7-10)
• 00:48:34 – Adott minta adatokat találni stemplot, százalékosztályok, z-score, összefoglaló statisztikák, illetve átalakítani adatok (Például #11)
• Gyakorlatban Problémák lépésről-Lépésre Megoldások
• a Fejezet Tesztek a Videó Megoldásokat