Interested Article - Частотное распределение

Пример распределения частот (абсолютное): прогноз возрастного распределения в Германии в 2050 году.

Частотное распределение — метод статистического описания данных (измеренных значений, характерных значений). Математически распределение частот является функцией, которая в первую очередь определяет для каждого показателя идеальное значение, так как эта величина обычно уже измерена. Такое распределение можно представить в виде таблицы или графика , моделируя функциональные уравнения. В описательной статистике частота распределения имеет ряд математических функций, которые используются для выравнивания и анализа частотного распределения (например, нормальное распределение Гаусса ).

Метод

Объём данных (измеренные значения, данные обследования) является первым оригинальным неупорядоченным списком. Во-первых, его необходимо отсортировать. От первоначального списка, в этом случае, может возникнуть небольшое отклонение квантилей (статистический разброс), вероятного отклонения и стандартного отклонения ( эмпирическое правило : стандартное отклонение = расстояние / 6).

Затем мы приписываем каждой величине значение и суммируем их. Как правило, мы получаем абсолютную частоту. Опираясь на данные абсолютной частоты вычисляем общее количество значений выборки и вычисляем относительные частоты. Теперь у нас есть упорядоченное множество пар значений (характерные значения и связанных с ними относительные частоты), так называемый рейтинг.

Добавим относительные частоты, начиная с наименьшего значения признака и назначим каждой функции значение суммы (в том числе его собственного вклада), так чтобы получилось распределение . Это указывает для каждого значения признака, насколько велика его доля, меньших или равных соответствующего характеристического значения. Процент начинается с 0 и приближается к 1 или 100. Графически это изображается слабой монотонно возрастающей кривой , имеющей удлиненную S-образную форму. Существуют многочисленные попытки воспроизведения результатов распределения функциональными уравнениями . Распределение суммы, в зависимости от значений признаков самый простой тип представления распределения частот.

По правилам также необходимо произвести классификацию характерных значений. Эта процедура делит диапазон значений, возникающих, например, в 10 или 20 одинаковой ширины классов (редких значений по краям (см. « выбросы ») иногда группирующихся вместе в большими классами). Затем определяется плотность функции , производной функции распределения в соответствии с характеристикой значения в случае непрерывного распределения. Кроме того, частоту можно определить не только путём подсчета, но также, например, путём взвешивания. Тогда мы получим распределение массы вместо ряда распределения. В принципе, можно воспользоваться любой аддитивной величиной для измерения частоты. Если случайная выборка сильно отличается от нормального распределения (кривой нормального распределения), то данные могут быть смещены с помощью выбора эффектов или тенденций. Различные статистические тесты предлагают вывод или дисперсионный анализ . Если размер выборки находится в суперпозиции нескольких подмножеств (возрастное распределение, профессий, групп), то распределение частот вместо максимальных также может быть двух-или многомерным.