Hvordan Finne Kumulativ Frekvens? w/ 11 Eksempler!

Hvordan finner du kumulativ frekvens?

Og hvordan vil du beskrive formen, spredning og sentrum av en fordeling?

det er Det vi kommer til å finne ut i dag!

La oss gå!

Hva er forskjellen mellom følgende grafer?,

• Kumulativ Frekvens
• Kumulative Relative Frekvens

En kumulativ frekvens grafen viser totalt antall verdier som faller under den øvre grensen for hver variabel. Alt dette betyr er at det representerer kjører-sum av frekvenser.

Nå er den kumulative relative frekvens grafer, også kalt Ogive grafer (uttales «oh-jive»), er for prosentiler og viser hva som prosent av data er under en bestemt verdi. Med andre ord, en Ogive grafen viser kumulativ prosent fra venstre til høyre.,

Jobbet Eksempel

For eksempel, la oss bruke følgende datasett: { 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 }

Først må vi lage en frekvens bordet, deretter må vi finne den kumulative frekvensen, så vel som våre kumulative relative frekvens (prosent).

Neste, vi tegne en graf der x-aksen representerer teller, og y-aksen representerer den kumulative relative frekvensen som er angitt av Statistics Canada.,vårt poeng koordinerende til den kumulative relative frekvens verdi på det venstre endepunktet i hvert intervall, og deretter koble prikkene med rette linjer, som vist nedenfor:

Hva du vil legge merke til om Ogive grafen er at hvis fordelingen er skjev venstre, deretter frekvensen verdier er mindre i begynnelsen og deretter øke raskt, mens en høyre skjev fordeling produserer en kumulative relative frekvens graf hvor vi ser en kraftig økning i verdier og deretter en nedtrapping eller nedtrapping av frekvenser.,

Hvordan er kumulative relative frekvens grafer nyttig?

De illustrerer prosentiler og indikere form av en fordeling.

Prosentiler

Hvis du husker, sammendrag tiltak som deler en rangert data sett (dvs., data plasseres enten i stigende eller synkende rekkefølge) inn i 100 like store deler kalles persentil. Og prosentiler viser andel av observasjoner en verdi er over.,

For eksempel, husk boksen og strek-plott, hvor vi kan vise de beste kvartil, median og tredje kvartiler?

1. kvartil forteller oss at 25% av de data som er under denne verdien, slik at det representerer den 25. persentil. Median noen ganger referert til som 2. kvartil, forteller oss at 50% av de data som er under denne verdien, og det representerer den 50. persentil. Og kvartil 3 forteller oss at 75% av de data som faller under denne verdien, som representerer 75-persentilen.,

Og som vi vil se i videoen nedenfor, kan vi finne, beregne og tolke prosentiler fra et dataset når det gis en Ogive grafen.

Form Av Distribusjon

Visste du at linjen er steepness i en kumulative relative frekvens diagrammet hjelper oss med å fastslå form av en fordeling?

Og når vi har bestemt form av en fordeling, kan vi ta denne informasjonen og konvertere, eller transformere, observasjoner ved hjelp av standard avvik for å se hvor langt spesifikke observasjoner er fra gjennomsnittet., Dette kalles å standardisere, og den vanligste formen for standardisering i statistikken er standard verdi, som ofte kalles en z-verdi-eller z-score.

Hvis vi lar x representerer en observert verdi for data, så finner vi en standard verdi ved å trekke fra gjennomsnittet fra denne observert verdi og dividere forskjell ved standardavvik.,

Ved å standardisere dataset, vi, i hovedsak, er å eliminere alle enheter i mål, og dermed gir oss muligheten til å sammenligne en observasjon til en annen, selv om de ikke har de samme parametrene (dvs., betyr eller standardavvik). Videre, det gir oss en følelse av hvor sannsynlig eller usannsynlig med en bestemt verdi skal vises i data.

Hvordan gjør standardisering hjelpe oss å finne formen, center, og spredningen av distribusjonen?

Vel, la oss anta at vi vil legge til eller trekke fra et nummer til en observasjon., Dette vil forskyve center og beliggenhet (mean, median, – modus, kvartiler og prosentiler) av fordelingen at mengden, men formen og spredning av fordelingen (utvalg, IQR, og standard avvik) vil ikke endre.

Likevel, la oss anta at vi multiplisere et tall til en observasjon. I så fall, sentrum og plassering og spredning (mean, median, – modus, kvartiler, prosentiler, utvalg, IQR, og standard avvik) vil endring i fordelingen, og bare formen vil holde seg uendret.,

Jobbet Eksempel

legg Merke til at standardavvik, range, og IQR alle bli den samme, blant annet i form av distribusjonen, men alt annet er endret med en faktor på 10.

Og nå, la oss ta den samme datasettet og se hva som ville skje til sentrum, spredt, og formen på fordelingen hvis vi multiplisere hver observasjon av en verdi på 10.,

Denne gangen, kan vi se at alle oppsummerende statistikk endret, og den eneste som bodde i samme var formen på fordelingen.

Tetthet Kurver

Og dette fører oss pent å lære om tetthet kurver.

En tetthet kurve er alltid på eller over den horisontale aksen og har et areal under kurve som er lik 1.,

i Tillegg, tetthet kurve er medianen er «lik-området point» med halvparten av området på begge sider, og gjennomsnittlig tetthet kurve er balancing point (Tenk: Sentrum av Massen).

Bevæpnet med denne kunnskapen, vil vi være i stand til å raskt finne ut hvor gjennomsnittet og medianen er i en fordeling og gjøre oss klar for å finne sannsynligheten!,

Denne videoen er fast fullpakket med masse verdifull informasjon om hvordan vi beskriver plasseringen av center og spre seg så vel som i form av en fordeling, hvordan vi kan transformere data, finne prosentiler gitt en samlet relativ frekvens kurve, og begynner etterforskningen vår av tetthet kurver.

Kumulativ Frekvens – Leksjon & Eksempler (Video)

1 t 03 min

• Introduksjon til Video: Beskrive Steder i Distribusjoner
• 00:00:32 – Hva er prosentiler, og hvordan finne dem?, (Eksempler #1-2)
• Eksklusivt Innhold Kun for Medlemmer

• 00:05:57 – Oversikt over Kumulative Relative Frekvens (Ogive) Grafer
• 00:08:01 – Opprette en Ogive Grafen og tolke resultatene (for Eksempel #3)
• 00:19:21 – Forstå Kumulative Relative Frekvens og Skjeve Fordelinger
• 00:21:24 – Hvordan gjør vi standardisere distribusjoner?, Å finne standard verdier (z-score) for data
• 00:24:44 – Finn z-score eller bruke den z-score for å finne den observerte verdien (Eksempler #4-6)
• 00:36:42 – Hvordan kan vi transformere datasett og hva gjør det med til senteret, spredning og form?
• 00:40:14 – Det er en tetthet kurve? Hva er egenskapene til en tetthet kurve?, bestemme plasseringen av gjennomsnitt, median og modus (Eksempler #7-10)
• 00:48:34 – Gitt eksempeldata finne stemplot, prosentiler, z-score, oppsummerende statistikk, og transformere data (for Eksempel #11)
• Praksis Problemer med Trinn-for-Trinn-Løsninger
• Kapittel Tester med Video Løsninger