Hur hittar man kumulativ frekvens? w/ 11 Exempel!

hur hittar du kumulativ frekvens?

och hur beskriver du formen, spridningen och mitten av en distribution?

det är vad vi kommer att ta reda på idag!

Låt oss gå!

vad är skillnaden mellan följande diagram?,

• kumulativ frekvens
• kumulativ relativ frekvens

ett kumulativt frekvensdiagram visar det totala antalet värden som faller under den övre gränsen för varje variabel. Allt detta innebär att det representerar den löpande summan av frekvenser.

nu är de kumulativa relativa frekvensgraferna, även kallade Ogive grafer (uttalade ”oh-jive”), för percentiler och visar vilka procent av data som ligger under ett visst värde. Med andra ord visar en Ogive-graf den kumulativa procenten från vänster till höger.,

arbetade exempel

till exempel, låt oss använda följande dataset: { 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 }

först måste vi skapa en frekvenstabell, då måste vi hitta den kumulativa frekvensen samt vår kumulativa relativa frekvens (procent).

därefter ritar vi en graf där X-axeln representerar räkningarna, och y-axeln representerar den kumulativa relativa frekvensen som noterats av Statistics Canada.,våra punkter koordinerar till det kumulativa relativa frekvensvärdet vid den vänstra slutpunkten för varje intervall och kopplar sedan prickarna med raka linjer, som framgår nedan:

vad du kommer att märka om Ogive grafen är att om fördelningen är skev vänster, då frekvensvärdena är mindre i början och sedan öka snabbt, medan en höger skev distribution ger en kumulativ relativ frekvensdiagram där vi ser en snabb ökning av värden och sedan en avsmalnande eller avsmalnande frekvenser.,

hur är kumulativa relativa frekvensgrafer användbara?

de illustrerar percentiler och anger formen på en distribution.

percentiler

om du kommer ihåg kallas den sammanfattande åtgärden som delar en rankad datauppsättning (dvs. data som placeras i antingen stigande eller fallande ordning) i 100 lika delar en percentil. Och percentiler indikerar andelen observationer ett värde är över.,

till exempel, kom ihåg rutan och whisker plot, där vi visar den första kvartilen, medianen och tredje kvartilen?

den 1: A kvartilen berättar att 25% av uppgifterna ligger under detta värde, så det representerar den 25: e percentilen. Medianen kallas ibland den 2: a kvartilen, berättar att 50% av uppgifterna ligger under detta värde, och det representerar den 50: e percentilen. Och quartile 3 berättar att 75% av uppgifterna faller under detta värde, vilket representerar den 75: e percentilen.,

och som vi kommer att se i videon nedan kan vi hitta, uppskatta och tolka percentiler från en datauppsättning när de ges en Ogive graf.

form av Distribution

visste du linjens branthet i en kumulativ relativ frekvensdiagram hjälper oss att bestämma formen på en fördelning?

och när vi har bestämt formen av en distribution, kan vi ta denna information och konvertera, eller omvandla, observationer med standardavvikelser för att se hur långt specifika observationer är från medelvärdet., Detta kallas Standardisering, och den vanligaste formen av standardisering i statistiken är standardvärdet, som ofta kallas z-värde eller z-poäng.

om vi låter x representera ett observerat värde för data, så hittar vi ett standardvärde genom att subtrahera medelvärdet från detta observerade värde och dividera skillnaden med standardavvikelsen.,

genom att standardisera datauppsättningen eliminerar vi i huvudsak alla måttenheter; så att vi kan jämföra en observation med en annan även om de inte har samma parametrar (dvs. medelvärde eller standardavvikelse). Dessutom ger det oss en känsla av hur sannolikt eller osannolikt ett specifikt värde ska visas i uppgifterna.

hur hjälper standardisering oss att bestämma form, centrum och spridning av en distribution?

Tja, anta att vi lägger till eller subtraherar ett tal till en observation., Detta kommer att flytta centrum och plats (medelvärde, median, läge, kvartiler och percentiler) av fördelningen som mängden, men formen och spridningen av fördelningen (intervall, IQR och standardavvikelse) kommer inte att förändras.

anta dock att vi multiplicerar ett tal till en observation. I så fall kommer mitten och platsen och spridningen (medelvärde, median, läge, kvartiler, percentiler, intervall, IQR och standardavvikelse) att förändras i distributionen, och endast formen kommer att förbli oförändrad.,

fungerade exempel

Observera att standardavvikelsen, intervallet och IQR alla förblir desamma, inklusive formen på distributionen, men allt annat ändras av en faktor på 10.

och nu, låt oss ta samma datauppsättning och se vad som skulle hända med centrum, spridning och form av fördelningen om vi multiplicerar varje observation med ett värde av 10.,

den här gången kan vi se att all sammanfattande statistik förändrats, och det enda som stannade samma var distributionens form.

densitet kurvor

och detta leder oss fint att lära sig om densitet kurvor.

en täthetskurva är alltid på eller över den horisontella axeln och har ett område under kurvan som är lika med 1.,

dessutom är densitetskurvans median” equal-area point ” med halva området på vardera sidan, och medelvärdet av densitetskurvan är balanspunkten (Tänk: masscentrum).

beväpnad med denna kunskap kommer vi att kunna snabbt avgöra var medelvärdet och medianen är i en distribution och få oss redo för att hitta Sannolikhet!,

denna video har fastnat packad med massor av värdefull information om hur vi beskriver placeringen av centrum och spridning samt formen av en distribution, hur vi kan omvandla data, hitta percentiler ges en kumulativ relativ frekvenskurva, och börja vår undersökning av densitetskurvor.

kumulativ frekvens-lektion & exempel (Video)

1 tim 03 min

• introduktion till Video: beskriver platser i distributioner
• 00:00:32 – Vad är percentiler och hur man hittar dem?, (Exempel #1-2)
• exklusivt innehåll för medlemmar endast

• 00:05:57 – översikt över kumulativa relativa frekvens (Ogive) grafer
• 00:08:01 – skapa en Ogive graf och tolka dina resultat (exempel #3)
• 00:19:21 – förstå kumulativ relativ frekvens och skeva distributioner
• 00:21:24 – hur gör du det?vi standardiserar distributioner?, Hitta standardvärden (z-poäng) för data
• 00: 24: 44-hitta z-poängen eller använd z-poängen för att hitta det observerade värdet (exempel #4-6)
• 00:36:42 – hur omvandlar vi dataset och vad gör det till mitten, spridningen och formen?
• 00: 40: 14-Vad är en täthetskurva? Vilka är egenskaperna hos en täthetskurva?, bestämma placeringen av medelvärde, median och typvärde (Exempel #7-10)
• 00:48:34 – med Tanke på exempeldata hitta stemplot, percentiler, z-score, sammanfattande statistik, och omvandla data (till Exempel #11)
• Practice Problem med Steg-för-Steg-Lösningar.
• Kapitel Tester med Video Solutions