Kaupiamojo dažnio pasiskirstymo lentelės taikymas duomenų apdorojime
Duomenų apdorojimo srityje, ypač pagrindinės statistikos srityje, vienas efektyviausių būdų apibendrinti didelius neapdorotų duomenų kiekius yra naudoti dažnio pasiskirstymo lentelę. Tačiau mums dažnai reikia informacijos ne tik apie tai, kiek duomenų patenka į kiekvieną klasę, bet ir apie tai, kiek duomenų sukaupiama iki tam tikros ribos. Čia labai svarbų vaidmenį atlieka kaupiamojo dažnio pasiskirstymo lentelės. Šios lentelės plačiai naudojamos švietime, tyrimuose, versle ir kokybės vertinime, nes jos suteikia informatyvesnę duomenų pasiskirstymo apžvalgą, ypač analizuojant procentiles, medianas ir kvartiles, taip pat stebint tikslų pasiekimą.
Kaupiamojo dažnio pasiskirstymo lentelių supratimas
Kaupiamojo dažnio pasiskirstymo lentelėje rodomas dažnis (duomenų pasikartojimų skaičius) kiekvienoje intervalo klasėje, taip pat rodomi dažniai, palaipsniui kaupiami nuo pirmos klasės iki konkrečios klasės. Šios kaupiamosios vertės padeda mums pamatyti, kiek duomenų taškų yra mažesni arba lygūs tam tikrai ribai arba atvirkščiai, didesni arba lygūs tam tikrai ribai, priklausomai nuo naudojamo kaupiamojo dažnio tipo.
Apskritai yra dviejų tipų kaupiamasis dažnis:
1. Kaupiamasis dažnis yra mažesnis nei
Kaupimas atliekamas nuo žemiausios klasės iki aukščiausios. Ši lentelė leidžia lengvai nustatyti duomenų, kurių vertės neviršija tam tikros viršutinės klasės ribos, skaičių.
2. Kaupiamasis dažnis yra didesnis nei
Kaupimas atliekamas nuo aukščiausios klasės iki žemiausios. Ši lentelė naudinga norint nustatyti duomenų, kurių vertės viršija tam tikrą apatinę klasės ribą, skaičių.
Šios dvi formos viena kitą papildo ir gali būti naudojamos pagal analizės poreikius.
Kodėl svarbi kaupiamojo dažnio lentelė?
Duomenų apdorojimo praktikoje tipinė dažnių lentelė pateikia informaciją tik apie duomenų taškų skaičių kiekvienoje klasėje. Tačiau daugeliui sprendimų reikia informacijos apie duomenų santykinę padėtį bendrame pasiskirstyme. Kaupiamosios dažnių lentelės yra svarbios, nes:
– Apibendrinkite duomenis lengvai skaitoma ir struktūrizuota forma.
– Palengvina vietos matavimo priemonių, tokių kaip mediana, kvartiliai, deciliai ir procentiliai, analizę.
– Palaiko statistinių grafikų, pavyzdžiui, kaupiamųjų kreivių (ogivių), kūrimą.
– Padėti priimant sprendimus, pavyzdžiui, nustatant baigimo ribas, segmentuojant klientus ar vertinant veiklos rezultatus.
– Aiškiau parodo duomenų pasiskirstymo modelius, įskaitant tam tikrų klasių dominavimą ir kaupimąsi laikui bėgant.
Kaupiamojo dažnio pasiskirstymo lentelės kūrimo veiksmai
Šios lentelės taikymas paprastai pradedamas nuo neapdorotų duomenų, o tada jie apibendrinami į intervalų grupes. Pagrindiniai žingsniai yra šie:
1. Surinkite ir rūšiuokite duomenis (jei reikia)
Rūšiavimas ne visada yra privalomas, tačiau jis padeda suprasti diapazoną ir aptikti kraštutines vertes.
2. Nustatykite duomenų diapazoną
Diapazonas = maksimali vertė − minimali vertė.
3. Nustatykite intervalų klasių skaičių
Viena iš dažnai naudojamų taisyklių yra Sturgeso formulė:
(k = 1 + 3,3 log n)
kur \(n \) yra duomenų skaičius, o \(k \) – klasių skaičius.
4. Nustatykite klasės plotį
Klasės plotis = diapazonas / klasių skaičius (suapvalinta, kad būtų tvarkingiau).
5. Kurkite intervalų klases
Pavyzdžiui, 50–59, 60–69 ir taip toliau, atsižvelgiant į duomenų kontekstą.
6. Apskaičiuokite kiekvienos klasės dažnį
Dažnis yra duomenų, patenkančių į tą intervalą, skaičius.
7. Apskaičiuokite kaupiamąjį dažnį
– Jei reikšmė „mažiau nei“: sudėkite dažnius nuo pirmos klasės iki tos klasės.
– Jei tai „daugiau nei“: sudėkite dažnius nuo paskutinės klasės iki tos klasės.
8. Pridėkite bendrą procentą (nebūtina)
Kaupiamasis procentas = (kaupiamasis dažnis / visi duomenys) × 100 %.
Tai labai naudinga skaitant proporcijas.
Paprastas taikymo pavyzdys
Tarkime, kad yra 40 studentų testo balų duomenys, kurie sugrupuoti į šiuos intervalus (iliustracinis pavyzdys):
| Vertės intervalas | Dažnis (f) | Kaupiamasis dažnis (≤) |
|—|—:|—:|
| 40–49 | 3 | 3 |
| 50–59 | 7 | 10 |
| 60–69 | 12 | 22 |
| 70–79 | 10 | 32 |
| 80–89 | 6 | 38 |
| 90–99 | 2 | 40 |
Iš lentelės galime perskaityti, kad:
– 22 studentai surinko ≤ 69 balų.
– Studentų, kurių balas ≤ 79, skaičius yra 32 studentai.
– Iš viso yra 40 studentų, tai parodyta paskutinės klasės suvestiniame dažnyje.
Jei norite sukurti versiją „daugiau nei“, kaupimas pradedamas nuo aukščiausio pažymio. Tai naudinga, pavyzdžiui, kai klausiame: „Kiek mokinių surinko 80 ar daugiau balų?“ Naudojant kaupiamąją „daugiau nei“ lentelę, į tokius klausimus atsakoma greitai.
Ogive: Kaupiamojo dažnio vizualizacija
Vienas svarbus kaupiamojo dažnio pasiskirstymo lentelių taikymo būdas yra ogivų, kurie yra linijiniai grafikai, vaizduojantys kaupiamuosius dažnius, kūrimas. Ogivai naudojami:
– Grafiškai nustatykite medianą ir kvartiles.
– Dviejų duomenų skirstinių palyginimas.
– Duomenų pasiskirstymo ir tendencijų stebėjimas vizualine forma.
„Mažesnis nei“ ogivas paprastai kyla iš kairės į dešinę, o „didesnis nei“ – leidžiasi. Praktinėje analizėje ogivai dažnai naudojami akademiniame vertinime, kokybės kontrolėje ir rinkodaros tyrimuose.
Taikymas įvairiose srityse
1. Pendidikan
Egzamino vertinimo ar mokymosi vertinimo metu kaupiamojo dažnio lentelės padeda mokytojams ar dėstytojams:
– Nustatykite vidutinę klasės vertę.
– Pasiekimų pasiskirstymo matavimas.
– Nustatyti kategorijų verčių ribas (pvz., pataisomoji, pakankama, gera, labai gera).
– Pažiūrėkite, koks procentas studentų surinko mažiau balų nei KKM (minimalūs baigimo kriterijai).
2. Verslo ir rinkodaros pasaulis
Įmonės dažnai analizuoja klientų ar operacijų duomenis, pavyzdžiui:
– Pirkimų skaičiaus pasiskirstymas vienam klientui.
– Dienos sandorių nominalių verčių pasiskirstymas.
– Klientų segmentavimas pagal bendras išlaidas.
Naudodami bendrą dažnį, vadovai gali atsakyti į svarbius klausimus, tokius kaip: „Koks procentas klientų išleidžia mažiau nei 500 000 Rp?“ arba „Kiek operacijų viršija tam tikrą vertę?“
3. Sveikata ir epidemiologija
Sveikatos duomenyse kaupiamojo dažnio lentelės naudojamos:
– Pacientų amžiaus pasiskirstymas.
– Kraujospūdžio ar cukraus kiekio kraujyje pasiskirstymas.
– Peržiūrėkite pacientų, kurių rodikliai yra žemiau / virš rizikos ribos, dalį.
Tai padeda sveikatos priežiūros specialistams priimti duomenimis pagrįstus sprendimus, pavyzdžiui, nustatyti intervencijų prioritetus.
4. Pramonė ir kokybės kontrolė
Gamyboje kaupiamosios lentelės dažnai naudojamos kokybei stebėti:
– Produkto dydžio pasiskirstymas.
– Gamybos defektų pasiskirstymas.
– Pristatymo savalaikiškumas.
Tokiu būdu įmonė gali sužinoti, kiek procentų produktų atitinka standartus ir kokie yra nukrypimai.
Dažniausios klaidos ir kaip jų išvengti
Nors tai atrodo paprasta, kaupiamosios dažnių lentelės kūrimas gali sukelti keletą klaidų, įskaitant:
– Persidengiančios intervalų klasės (pvz., 50–60 ir 60–70 be aiškių ribų taisyklių).
Sprendimas: naudokite griežtą ribos taisyklę, pavyzdžiui, 50–59, 60–69 ir pan.
– Dažnis neatitinka bendrų duomenų
Sprendimas: įsitikinkite, kad dažnių skaičius yra toks pat kaip duomenų skaičius.
– Kaupiamasis klaidinimas
Sprendimas: nuo pat pradžių nuspręskite, ar naudoti „mažiau nei“, ar „daugiau nei“.
– Klasės plotis yra nepastovus
Sprendimas: teisingam interpretavimui klasės plotį sudarykite vienodą.
Uždarymas
Kaupiamojo dažnio pasiskirstymo lentelės yra labai naudinga duomenų apdorojimo priemonė, nes jos gali pateikti informaciją ne tik pagal klases, bet ir kaupiamuosius duomenis iki tam tikro taško. Nuo švietimo iki pramonės, jų taikymas palengvina vietos analizę, ogive vizualizaciją ir duomenimis pagrįstą sprendimų priėmimą. Sistemingai pasiruošus ir kruopščiai nustačius intervalų klases bei kaupiamuosius skaičiavimus, šios lentelės gali suteikti tvirtą pagrindą tolesnei, tikslingesnei statistinei analizei.
Jei pageidaujate, taip pat galiu padėti jums sukurti pavyzdinę lentelę iš turimų neapdorotų duomenų (pvz., mokinių pažymių, pardavimų duomenų ar apklausų duomenų) į išsamią kaupiamojo dažnio lentelę su jos ogive.
