如何查找分组数据模式:带有示例
我们经常想要计算数据以某种方式分组在一起的方式。
请记住,众数代表出现最频繁的值。
例如,假设我们有以下分组数据:
尽管由于我们不知道原始数据值而无法计算准确的众数,但可以使用以下公式来估计众数:
分组数据模式 = L + W[(F m – F 1 )/( (F m -F 1 ) + (F m – F 2 ) )]
金子:
- L : 模态类别的下限
- W : 模态类的宽度
- F m : 模态类别频率
- F 1 : 模态课程之前课程的频率
- F 2 : 模态课程之后紧接着的课程频率
注意:模态类别只是出现频率最高的类别。在上面的示例中,模态类别为 21-30,因为它的频率最高。
下面的例子展示了如何计算不同场景下分组数据的众数。
示例1:计算分组数据的众数
假设我们有以下频率分布,显示某个班级 40 名学生的考试评分:
在此示例中,模态类别为 71-80。
知道了这一点,我们可以计算出以下值:
- L :模态类别下限: 71
- W :模态类别的宽度: 9
- F m :模态类别频率: 15
- F 1 : 模态课程之前的课程频率: 8
- F 2 : 模态课程之后紧接着课程的频率: 8
我们可以将这些值代入公式来计算分布模式:
- 众数 = L + W[(F m – F 1 )/( (F m -F 1 ) + (F m – F 2 ) )]
- 众数 = 71 + 9[(15-8) / ( (15-8) + (15-8) )]
- 众数 = 75.5
我们估计模态考试分数为75.5 分。
示例2:计算分组数据的众数
假设我们有以下频率分布,显示 60 名篮球运动员每场比赛的得分数:
在此示例中,模态类别为 11-20。
知道了这一点,我们可以计算出以下值:
- L : 模态类别下限: 11
- W :模态类别的宽度: 9
- F m :模态类别频率: 25
- F 1 : 模态课程之前的课程频率: 8
- F 2 : 模态航线之后紧接着的航线频率: 14
我们可以将这些值代入公式来计算分布模式:
- 众数 = L + W[(F m – F 1 )/( (F m -F 1 ) + (F m – F 2 ) )]
- 众数 = 11 + 9[(25-8) / ( (25-8) + (25-14) )]
- 时尚 = 16.46
我们估计模态得分为16.46 。
其他资源
以下教程说明如何对分组数据执行其他常见操作: