Sisu
- Kiire andmete visualiseerimine
- Suhtelise arvukuse visualiseerimine
- Komplekssed andmekogumid võivad vajada klassifitseeritud intervalle
- Sagedustabelid võivad varjata kaldumist ja kurtoosi
Sagedustabelid võivad olla kasulikud teatud tüüpi andmetüübi esinemisjuhtude kirjeldamiseks andmekogumis. Sagedustabelid, mida nimetatakse ka sagedusjaotusteks, on kirjeldava statistika kuvamiseks üks põhilisi tööriistu. Sagedustabeleid kasutatakse laialdaselt lühikese võrdlusalusena andmete levitamisel; neid on lihtne tõlgendada ja nad saavad kuvada suuri andmekogumeid üsna lühidalt. Sagedustabelid aitavad tuvastada ilmseid suundumusi andmekogumis ja neid saab kasutada andmete võrdlemiseks sama tüüpi andmekogumite vahel. Sagedustabelid pole aga sobivad iga rakenduse jaoks. Need võivad varjata äärmuslikke väärtusi (rohkem kui X või vähem kui Y) ning nad ei saa andmeid analüüsida viltu ja kurtoosi.
Kiire andmete visualiseerimine
Sagedustabelid suudavad kiiresti tuvastada andmestikus sisalduvaid kõrvalekaldeid ja isegi olulisi suundumusi, mis ei piirdu ainult ülevaatliku kontrollimisega. Näiteks võib õpetaja kuvada sagedustabelil õpilaste keskmise hinde, et saada kiire ülevaade selle kohta, kuidas tema klassil üldiselt läheb. Sagedusveerus olev arv tähistab seda klassi saanud õpilaste arvu; 25 õpilasega klassi puhul võib saadud tähtede sageduse jaotus tunduda umbes selline: Hinde sagedus A .............. 7 B ........... .13 C .............. 3 D .............. 2
Suhtelise arvukuse visualiseerimine
Sagedustabelid võivad aidata teadlastel uurida valimis sisalduvate konkreetsete sihtandmete suhtelist arvukust. Suhteline arvukus näitab, kui suure osa andmekogumist moodustavad sihtandmed. Suhtelist arvukust kirjeldatakse sageli sageduse histogrammina, kuid seda saab hõlpsasti sagedustabelis kuvada. Mõelge keskmiste klasside sagedusjaotusele. Suhteline arvukus on lihtsalt konkreetse hinde saanud õpilaste protsent ja see võib olla abiks andmete kontsepteerimisel ilma seda üle mõistmata. Näiteks lisatud veeru abil, mis näitab protsentides esinemist igas klassis, näete hõlpsalt, et enam kui pooled klassist hindasid B, ilma et oleks vaja andmeid üksikasjalikumalt uurida.
Hinne sageduse suhteline ülejääk (sageduse protsent) A .............. 7 .............. 28% B ......... .... 13 ............ 52% C .............. 3 ............. 12% D .............. 2 .............. 8%
Komplekssed andmekogumid võivad vajada klassifitseeritud intervalle
Üks puudus on see, et keeruline on aru saada keerukatest andmekogumitest, mida kuvatakse sagedustabelil. Suured andmekogumid saab sagedustabelit kasutades hõlpsaks visualiseerimiseks jagada intervalliklassideks. Näiteks kui küsiksite järgmiselt 100 inimeselt, kelle käest näete, milline on nende vanus, saate tõenäoliselt laia valiku vastuseid, mis hõlmavad kolme kuni üheksakümmend kolm. Selle asemel, et lisada sagedustabelisse iga vanuse read, võiksite klassifitseerida andmed intervallide kaupa, näiteks 0–10 aastat, 11–20 aastat, 21–30 aastat ja nii edasi. Seda võib nimetada ka grupeeritud sagedusjaotuseks.
Sagedustabelid võivad varjata kaldumist ja kurtoosi
Andmete kalduvus ja kurtoos ei pruugi sagedustabelis hõlpsasti ilmneda, kui histogrammil seda ei näidata. Kaldus näitab teile, millises suunas teie andmed kalduvad. Kui hindeid kuvatakse graafiku X-teljel, mis näitab meie 25 õpilase keskmiste hinnete sagedust, kaldub jaotus As ja B suunas. Kurtosis räägib teie andmete keskpunktist - kas see langeks normaaljaotusele, mis on kena sileda kõvera kõver, või oleks pikk ja terav. Kui joonistada meie näites keskmised klassid, leiate kõrgema tipu B juures, kus madalamate klasside jaotuses on järsk langus.