2.3
Konstrukcja rozkładu częstotliwości
Tablicę rozkładu częstotliwości można skonstruować, wykonując poniższe kroki.
Najpierw utwórz tabelę składającą się z dwóch kolumn — jednej z tytułem…
Weźmy pod uwagę uczestników biegnących w maratonie. Załóżmy, że ktoś zastanawia się, jak liczba uczestników zmienia się wraz z wiekiem. Aby się tego dowiedzieć, dane są podsumowywane za pomocą tabeli rozkładu częstotliwości, która jest konstruowana w sześciu krokach.
Najpierw wybierz liczbę klas z zakresu od 5 do 20, w zależności od gęstości danych. Tutaj niech liczba klas wyniesie pięć.
Odejmij najmniejszą od największej liczby, aby określić zakres. Podzielenie tego zakresu przez liczbę klas daje szerokość klasy — zakres wartości na klasę, który dla wygody jest zaokrąglany w górę.
Minimalna wartość podanych danych nazywana jest pierwszym limitem niższej klasy.
Do tej wartości dodaj szerokość klasy, aby określić drugi limit klasy niższej. W podobny sposób należy obliczyć kolejne limity niższej klasy.
Następnie odejmij jeden od drugiego limitu klasy niższej, aby obliczyć pierwszy limit klasy wyższej. Podobnie oblicz pozostałe limity klasy wyższej.
W drugiej kolumnie umieść punkty za zliczanie uczestników pod każdą klasą. Suma wszystkich punktów za zliczanie daje częstotliwość każdej klasy.
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.