2.3
주파수 분포 구성
도수분포표는 아래와 같은 단계를 통해 구성할 수 있습니다.
먼저, 정리해야 할 자료의 제목과 빈도를 나타내는 열 두 개로 구성된 표를 만듭니다. [필요한 경우 집계 표시를 위한 세 번째 열을 그립니다]. 그런 다음 자료 세트에 있는 항목을 살펴보고 그룹화되지 않은 도수…
마라톤에 참가하는 참가자들을 생각해 보십시오. 참가자 수가 연령에 따라 어떻게 달라지는지 궁금하다고 가정해 보겠습니다. 이를 알아내기 위해 데이터는 6단계를 사용하여 구성된 빈도 분포 테이블을 사용하여 요약됩니다.
먼저, 데이터 밀도에 따라 5에서 20 사이의 클래스 수를 선택합니다. 여기서 클래스 수를 5개로 설정합니다.
가장 큰 숫자에서 가장 작은 것을 빼서 범위를 결정합니다. 이 범위를 클래스 수로 나누면 클래스 너비(클래스당 값의 범위)가 생성되며, 이는 편의상 반올림됩니다.
주어진 데이터의 최소값을 첫 번째 하위 클래스 한계라고 합니다.
이 값에 클래스 너비를 추가하여 두 번째 하위 클래스 제한을 결정합니다. 마찬가지로, 후속 하위 클래스 제한을 계산합니다.
다음으로, 두 번째 하위 클래스 제한에서 1을 빼서 첫 번째 상위 클래스 제한을 계산합니다. 마찬가지로, 나머지 상위 클래스 한계를 계산합니다.
두 번째 열에서 각 클래스 아래의 참가자에 대한 집계 표시를 배치합니다. 모든 집계 표시의 합은 각 클래스의 빈도를 제공합니다.
View the full transcript and gain access to JoVE Core videos
Q1: How many classes should you use when constructing a frequency distribution?
The number of classes typically ranges between 5 and 20, depending on your data density. Fewer classes work well for smaller datasets, while larger datasets benefit from more classes to capture variation. The choice affects how detailed your frequency distribution becomes and how clearly patterns emerge in your data.
Q2: What is class width and how do you calculate it?
Class width represents the range of values within each class. Calculate it by subtracting the smallest value from the largest value to find the range, then divide that range by the number of classes. Round the result up for convenience to ensure all data points fit within your classes.
Q3: How do you determine the lower-class and upper-class limits?
The minimum value in your dataset becomes the first lower-class limit. Add the class width to this value to find the second lower-class limit, then repeat for remaining classes. For upper-class limits, subtract one from the second lower-class limit to get the first upper-class limit, then calculate the rest similarly.
Q4: What role do tally marks play in constructing a frequency distribution?
Tally marks track how many data points fall within each class interval. Place one mark for each observation in the appropriate class, then sum all marks in a class to determine its frequency. This counting method ensures accurate frequency calculations and prevents data entry errors.
Q5: When should you use a grouped frequency distribution instead of an ungrouped one?
Use a grouped frequency distribution when your dataset contains large sets of different values. Grouping organizes data into classes, making patterns easier to identify and the table more readable. An ungrouped distribution works better for smaller datasets with fewer distinct values.
Q6: What are the basic steps for organizing data in a frequency distribution table?
Create a table with columns for data values and frequency. Decide whether grouped or ungrouped organization suits your data. List values in the first column, count how often each appears, and record frequencies in the second column. Finally, calculate the total frequency by summing all individual frequencies.
Q7: How does a frequency distribution help analyze data like marathon participant ages?
A frequency distribution summarizes how data varies across categories or ranges, revealing patterns that raw data obscures. For marathon participants, it shows how many runners fall into each age group, making it easy to see which ages are most represented. This organized format supports further analysis and visualization through methods like a relative frequency distribution.