jak znaleźć częstotliwość kumulacyjną? w / 11 przykładów!

Jak znaleźć częstotliwość skumulowaną?

i jak opisujesz kształt, rozprzestrzenianie i środek dystrybucji?

tego się dziś dowiemy!

idziemy!

Jaka jest różnica między poniższymi wykresami?,

• skumulowana Częstotliwość
• skumulowana Częstotliwość względna

skumulowany wykres częstotliwości pokazuje całkowitą liczbę wartości, które spadają poniżej górnej granicy każdej zmiennej. Wszystko to oznacza, że reprezentuje biegową sumę częstotliwości.

teraz skumulowane wykresy względnej częstotliwości, zwane również Grafami ostrości (wymawiane „oh-jive”), są dla percentyli i pokazują, jaki procent danych jest poniżej określonej wartości. Innymi słowy, ostry wykres wyświetla skumulowany procent od lewej do prawej.,

przykład pracy

na przykład, użyjmy następującego zbioru danych: { 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 }

najpierw musimy utworzyć tabelę częstotliwości, następnie musimy znaleźć skumulowaną częstotliwość, a także naszą skumulowaną częstotliwość względną (procent).

następnie rysujemy wykres, w którym oś x reprezentuje liczby, a oś y reprezentuje kumulatywną częstotliwość względną, jak zauważa Statistics Canada.,nasze punkty koordynują się do skumulowanej wartości względnej częstotliwości w lewym punkcie końcowym każdego interwału, a następnie łączą kropki liniami prostymi, jak widać poniżej:

Jeśli rozkład jest przekrzywiony w lewo, wartości częstotliwości są mniejsze w wykresie ostrości.początkowo, a następnie gwałtownie wzrasta, podczas gdy rozkład pochylony w prawo wytwarza skumulowany wykres względnej częstotliwości, w którym widzimy szybki wzrost wartości, a następnie zwężenie lub zwężenie częstotliwości.,

w jaki sposób przydatne są skumulowane wykresy względnej częstotliwości?

ilustrują percentyle i wskazują kształt rozkładu.

percentyle

Jeśli pamiętasz, miara sumaryczna, która dzieli zestaw danych rankingowych (tj. dane umieszczone w porządku rosnącym lub malejącym) na 100 równych części nazywa się percentylem. I percentyle wskazują procent obserwacji wartość jest powyżej.,

na przykład, pamiętacie Wykres box i whisker, gdzie wyświetlamy kwartyl pierwszy, środkowy i trzeci kwartyle?

pierwszy kwartyl mówi nam, że 25% danych jest poniżej tej wartości, więc reprezentuje 25.percentyl. Mediana czasami określana jako 2. kwartyl, mówi nam, że 50% danych jest poniżej tej wartości i stanowi 50. percentyl. A kwartyl 3 mówi nam, że 75% danych spada poniżej tej wartości, co stanowi 75. percentyl.,

i jak zobaczymy w poniższym filmie, możemy znaleźć, oszacować i zinterpretować percentyle ze zbioru danych, gdy podano ostry Wykres.

kształt rozkładu

Czy wiesz, że stromość linii w skumulowanym wykresie względnej częstotliwości pomaga nam określić kształt rozkładu?

a gdy już ustalimy kształt rozkładu, możemy przyjąć tę informację i przekształcić lub przekształcić obserwacje za pomocą odchyleń standardowych, aby zobaczyć, jak daleko konkretne obserwacje są od średniej., Nazywa się to standaryzacją, a najczęstszą formą standaryzacji w statystyce jest wartość standardowa, która jest często nazywana wartością z lub wynikiem Z.

Jeśli niech x reprezentuje obserwowaną wartość dla danych, to znajdujemy wartość standardową, odejmując średnią od tej obserwowanej wartości i dzieląc różnicę przez odchylenie standardowe.,

standaryzując zbiór danych, w istocie eliminujemy wszystkie jednostki miary; w ten sposób pozwalając nam porównać jedną obserwację do drugiej, nawet jeśli nie mają tych samych parametrów (tj. średniej lub odchylenia standardowego). Co więcej, daje nam to poczucie, jak prawdopodobne lub mało prawdopodobne jest pojawienie się określonej wartości w danych.

W Jaki Sposób standaryzacja pomaga nam określić kształt, środek i rozprzestrzenianie się dystrybucji?

Załóżmy, że dodajemy lub odejmujemy liczbę do obserwacji., Spowoduje to przesunięcie centrum i lokalizacji (średnia, mediana, tryb, kwartyle i percentyle) rozkładu tej ilości, ale kształt i rozprzestrzenianie się rozkładu (zakres, IQR i odchylenie standardowe) nie ulegną zmianie.

Załóżmy jednak, że pomnożymy liczbę na obserwację. W takim przypadku środek, lokalizacja i rozrzut (średnia, mediana, tryb, kwartyle, percentyle, zakres, IQR i odchylenie standardowe) zmienią się w rozkładzie, a tylko kształt pozostanie niezmieniony.,

działający przykład

zauważ, że odchylenie standardowe, zakres i IQR pozostają takie same, łącznie z kształtem rozkładu, ale wszystko inne zmieniło się o współczynnik 10.

a teraz weźmy ten sam zbiór danych i zobaczmy, co stanie się z centrum, rozkładem i kształtem rozkładu, jeśli pomnożymy każdą obserwację przez wartość 10.,

tym razem widzimy, że zmieniły się Wszystkie Statystyki sumaryczne, a jedyną rzeczą, która pozostała taka sama, był kształt rozkładu.

krzywe gęstości

i to prowadzi nas do przyjemnego poznania krzywych gęstości.

krzywa gęstości jest zawsze na lub powyżej osi poziomej i ma pole pod krzywą równe 1.,

dodatkowo mediana krzywej gęstości jest „punktem równej powierzchni” z połową obszaru po obu stronach, a średnia krzywej gęstości jest punktem równoważenia (myśl: środek masy).

uzbrojeni w tę wiedzę, będziemy w stanie szybko określić, gdzie średnia i mediana znajdują się w rozkładzie i przygotować nas do znalezienia prawdopodobieństwa!,

ten film jest zapchany wieloma cennymi informacjami o tym, jak opisujemy lokalizacje centrum i rozprzestrzeniania, jak również kształt rozkładu, jak możemy przekształcić DANE, znaleźć percentyle podane skumulowanej krzywej względnej częstotliwości i rozpocząć nasze badanie krzywych gęstości.

Częstotliwość Kumulacyjna – Lekcja & przykłady (wideo)

1 godz 03 min

• Wprowadzenie do wideo: opisywanie lokalizacji w dystrybucjach
• 00:00:32 – co to są percentyle i jak je znaleźć?, (Przykłady #1-2)
• Ekskluzywna zawartość Tylko dla członków

• 00:05:57 – przegląd skumulowanych Wykresów względnej częstotliwości (Ogive)
• 00:08:01 – Utwórz wykres Ogive i zinterpretuj swoje wyniki (przykład #3)
• 00:19:21 – zrozumienie skumulowanych Wykresów względnej częstotliwości i przekrzywionych dystrybucje
• 00:21:24 – Jak ustandaryzować dystrybucje?, Wyszukiwanie wartości standardowych (z-scores) dla danych
• 00:24:44 – Znajdź wynik z lub użyj wyniku Z, aby znaleźć obserwowaną wartość (przykłady #4-6)
• 00:36:42-jak przekształcamy zbiory danych i co robi to z centrum, rozprzestrzeniania i kształtu?
• 00:40: 14 – Co to jest krzywa gęstości? Jakie są właściwości krzywej gęstości?, określ lokalizację średniej, mediany i trybu (przykłady #7-10)
• 00:48:34 – podane przykładowe dane znajdź stemplot, percentyle, wynik z, Statystyki podsumowania i dane transformacji (przykład #11)
• Ćwicz problemy z rozwiązaniami krok po kroku
• Rozdział testy z rozwiązaniami wideo