მონაცემთა დაჯგუფება დიაპაზონებად

click fraud protection

ო მონაცემთა დაჯგუფება დიაპაზონებად გამოიყენება მისაღებად სიხშირის განაწილება უწყვეტ მონაცემთა ნაკრებებში ან მრავალი დაკვირვებით, თუნდაც ისინი დისკრეტული მნიშვნელობები იყოს.

სიხშირის განაწილება

მეტის ნახვა

რიო-დე-ჟანეიროს სტუდენტები ოლიმპიურ თამაშებზე მედლებისთვის იბრძოლებენ...

მათემატიკის ინსტიტუტი ღიაა ოლიმპიადაზე რეგისტრაციისთვის…

საწყისი მონაცემთა ანალიზი შესაძლებელია ინფორმაციის მოპოვება და მნიშვნელოვანი გადაწყვეტილების მიღებისათვის საჭირო ინფორმაციის მიღება აკადემიურ და კორპორატიულ გარემოში.

თუმცა, ნედლეული მონაცემები ცოტას ან არაფერს ამბობს ცვლადის ქცევაზე, რაც აუცილებელს ხდის მონაცემთა ორგანიზებისა და შეჯამების ტექნიკის გამოყენებას, როგორიცაა: სიხშირის განაწილება.

როდესაც ჩვენ ვითვლით რამდენჯერ გამოჩნდება მნიშვნელობა მონაცემთა ნაკრებში, ჩვენ ვიღებთ მას აბსოლუტური სიხშირე.

ცვლადის თითოეული შესაძლო მნიშვნელობის სიხშირეების გამოთვლით, ჩვენ ვიღებთ სიხშირის განაწილებას.

აბსოლუტური სიხშირის გაყოფით დაკვირვებების მთლიან რაოდენობაზე, ასევე შეგვიძლია მივიღოთ შედარებითი სიხშირე.

მაგალითი:

კომპანიის თანამშრომლების შვილების რაოდენობის სიხშირის განაწილება.

instagram story viewer

მონაცემები დაჯგუფებულია დიაპაზონებად

როდესაც მონაცემთა ნაკრებს აქვს მრავალი დაკვირვება ან მონაცემები უწყვეტია, ისინი უნდა დაჯგუფდეს ინტერვალებად და სიხშირეები მიიღება თითოეული ინტერვალისთვის, რომელსაც ასევე უწოდებენ კლასს.

იხილეთ ნაბიჯები მონაცემთა დაჯგუფების მისაღებად.

1 ნაბიჯი) განსაზღვრეთ კლასების რაოდენობა.

არ არსებობს კლასების რაოდენობის წესი.

თუმცა, თუ ბევრი კლასი განიხილება, მონაცემები არ იქნება შეჯამებული, გვექნება ძალიან დიდი ცხრილი. მეორე მხრივ, თუ რამდენიმე კლასი განიხილება, ჩვენ დავკარგავთ ინფორმაციას მონაცემების შესახებ, გვექნება ძალიან შემცირებული ცხრილი.

ამრიგად, იდეალურია კლასების რაოდენობის განსაზღვრა მონაცემთა ბუნებისა და მათ შესახებ მიღებული ცოდნის საფუძველზე.

მე-2 ნაბიჯი) გამოთვალეთ კლასების დიაპაზონი.

კლასების დიაპაზონის გამოსათვლელად, ჩვენ გვჭირდება კლასების რაოდენობა და მთლიანი დიაპაზონი.

$\dpi{120} ამპლიტუდა \, of \, კლასები \frac{ამპლიტუდა \, სულ}{n^{\circ} \, \, კლასები}$

რომ იყოს:

$\dpi{120} ამპლიტუდა\, მთლიანი უდიდესი \, მნიშვნელობა - უმცირესი\, მნიშვნელობა$

მე-3 ნაბიჯი) გამოთვალეთ კლასის ლიმიტები.

კლასები იქმნება ქვედა ზღვრით (Li) და ზედა ზღვრით (Ls) და შეიძლება გამოიხატოს შემდეგნაირად:

$\dpi{120} \mathrm{Li\vdash ls}$

რაც მიუთითებს იმაზე, რომ ინტერვალი შეიცავს მნიშვნელობებს Li-ზე მეტი ან ტოლი და Ls-ზე ნაკლები, ანუ ეს არის ინტერვალი [Li, Ls).

პირველი კლასი იწყება Li არის უმცირესი მონაცემთა მნიშვნელობა. L-ების მისაღებად Li-ს ვამატებთ კლასების დიაპაზონს.

სხვა კლასები მიიღება ანალოგიურად, განიხილება Li, როგორც წინა კლასის Ls მნიშვნელობა.

მაგალითი:

განვიხილოთ 25 ფიზკულტურის მოსწავლის სიმაღლეები, სმებში, აღმავალი თანმიმდევრობით.

159 160 164 168 169 169 169 170 172 172 173 175 175 175 177 179 180 182 182 184 186 186 188 190 192

განვიხილოთ 5 კლასი.

$\dpi{120} ამპლიტუდა\, სულ 192 - 159 33$

$\dpi{120} ამპლიტუდა \, of \, კლასები \frac{33}{5} 6.6$

Პირველი კლასი:
Li = 159 და Ls = 159 + 6.6 = 165.6

Მეორე კლასი:
Li = 165.6 და Ls = 165.6 + 6.6 = 172.2

მესამე კლასი:
Li = 172.2 და Ls = 172.2 + 6.6 = 178.8

მეოთხე კლასი:
Li = 178.8 და Ls = 178.8 + 6.6 = 185.4

მეხუთე კლასი:
Li = 185.4 და Ls = 185.4 + 6.6 = 192

25 ფიზიკური აღზრდის სტუდენტის სიმაღლეების სიხშირის განაწილება:

სიმაღლის კლასი (სმ)	აბსოლუტური სიხშირე	შედარებითი სიხშირე
$\dpi{120} 159\vdash 165.6$	3	0,12
$\dpi{120} 165.6\vdash 172.2$	7	0,28
$\dpi{120} 172.2\vdash 178.8$	5	0,2
$\dpi{120} 178.8\vdash 185.4$	5	0,2
$\dpi{120} 185.4\vdash 192$	5	0,2
სულ	25	1