Frekvens tabeller kan vara användbara för att beskriva antalet förekomster av en viss typ av datum inom en dataset. Frekvens tabeller, även kallade frekvensfördelningar, är ett av de mest grundläggande verktygen för att visa beskrivande statistik. Frekvens tabeller används i stor utsträckning som en kortfattad referens till fördelningen av data; de är lätta att tolka och de kan visa stora dataset på ett ganska kortfattat sätt. Frekvens tabeller kan hjälpa till att identifiera uppenbara trender inom en dataset och kan användas för att jämföra data mellan dataset av samma typ. Frekvens tabeller är dock inte lämpliga för varje applikation. De kan dölja extrema värden (mer än X eller mindre än Y), och de lånar sig inte på analyser av dataens skev och kurtos.
Snabb datavisualisering
Frekvens tabeller kan snabbt avslöja outliers och till och med signifikanta trender inom en dataset med inte mycket mer än en kortvarig inspektion. Till exempel kan en lärare visa elevernas betyg för en mittperiod på en frekvens tabell för att få en snabb titt på hur hennes klass gör det övergripande. Numret i frekvenskolumnen skulle representera antalet studenter som fick den betygen; För en klass av 25 studenter kan frekvensfördelningen av mottagna brevkvaliteter se ut så här: Gradfrekvens A ............. 7 B ........... .13 C .............. 3 D .............. 2
Visualisering av relativ överflöd
Frekvens tabeller kan hjälpa forskare att undersöka den relativa överflödigheten av varje speciell måldata inom sitt prov. Relativ överflöd representerar hur mycket av datasetet består av måldata. Relativ överflöd representeras ofta som ett frekvenshistogram, men kan enkelt visas i en frekvens tabell. Tänk på samma frekvensfördelning av mellannivåer. Relativ överflöd är helt enkelt andelen studenter som gjorde en viss betyg, och kan vara till hjälp för att konceptualisera data utan att tänka på det. Till exempel, med den tillagda kolumnen som visar procentuell förekomsten av varje betyg, kan du lätt se att mer än hälften av klassen gjorde ett B, utan att behöva granska uppgifterna i stor detalj.
Graderingsfrekvensrelativ Överflöd (% frekvens) A .............. 7 .............. 28% B ............ .13 ............ 52% C .............. 3 ............. 12% D .. ............. 2 .............. 8%
Komplexa datorset kan behöva klassas i intervall
En nackdel är att det är svårt att förstå komplexa datamängder som visas på en frekvens tabell. Stora dataset kan delas in i intervallklasser för enkel visualisering med hjälp av en frekvenskort. Om du till exempel frågade de närmaste 100 personerna, ser du vad deras ålder var, du skulle sannolikt få ett brett spektrum av svar som spänner överallt från tre till nittiotre. I stället för att inkludera rader för varje ålder i din frekvens tabell kan du klassificera data i intervaller, till exempel 0 - 10 år, 11-20 år, 21-30 år och så vidare. Detta kan också kallas en grupperad frekvensfördelning.
Frekvens tabeller kan obscure Skew och Kurtosis
Om det inte visas på ett histogram är skevhet och kurtos av data kanske inte lätt uppenbara i en frekvens tabell. Skäheten berättar vilken riktning dina data tenderar att riktas mot. Om betyg visades över X-axeln i ett diagram som visar frekvensen för medelvärdet för våra 25 studenter ovan, skulle fördelningen ske mot A: er och B: er. Kurtosis berättar om den centrala toppen av dina data - om det skulle falla i linje med en normal fördelning, vilket är en fin jämn klockkurva eller vara lång och skarp. Om du graverar mellannivåerna i vårt exempel hittar du en hög topp vid B med en kraftig nedgång i fördelningen av lägre betyg.
