Csoportosítása statisztikák meghatározó a csoportok száma, számológépek amplitúdó adatok

A relatív gyakoriság értéke tömör és értelmes jellemző a kérdéses információ. Például, feltételezve, hogy a tanuló számára a harmadik osztályba a normális olvasási sebesség 50 szó / perc, a relatív frekvencia értékeket nem alacsonyabb színvonalú (m. E. 110-től 52), ebben a példában, a 33/60 = 0, 55.

Ez a mutató azt a helyzetet is, amelynek mértéke az olvasás, a 3. évfolyamon: csak valamivel több mint a fele a harmadik osztályosok elérte a norma. És ne gondosan vizsgálja, hogy az ilyen eredményeket értek el, egyértelmű, hogy további munkára van szükség ahhoz, hogy az előírásoknak, vagy meg kell peresmotet norma.

Mert a nagy mennyiségű adat, hogy a következő feldolgozási szakaszban statisztikai adatok hasznos általánosítás tartalmazza. A példánkban nem tekinthető külön, mindegyik értéke olvasási sebesség, és a szünet őket csoportokba. Miután 32 nehéz megkülönböztetni az arány 33 szó / perc, de lehet megkülönböztetni a tanulók olvasási sebesség, amely a 30 és 40, 40 és 50 szó / perc. Így érkezünk a szükséges csoportosítása statisztikai adatok. Vannak különböző módon csoportosulás. Vegyünk néhány közülük.

Egyikük valósul meg a következő sorrendben.

2. kiszámítása az amplitúdó adatok # 969; - a különbség a legnagyobb és legkisebb xmax xmin értékek növekedtek mérési hiba nagysága. Ha az értékek egészek, akkor # 969; = Xmax - xmin + 1. megmagyarázni, hogy miért 1 adunk minden mérési érték vezet közelítő értékek, mivel minden eszköz pontossága korlátozott; mérési hiba, általában megegyezik a fele a választóvonal eszköz. Ebben a példában, a ténylegesen gyorsítsák 110 azt jelenti, hogy az érték a tartományon 109,5-110,5. Feltehető tehát, ebben a példában, hogy a legnagyobb érték 110,5, míg a legalacsonyabb - 24,5. A különbség a kettő között: 110,5-24,5 = 86. Ez az eredmény a pontosan a következő képlet: # 969; = Xmax - xmin + 1. Tény, # 969; = 110-25 + 1 = 86.

Általánosságban, a különbség xmax - xmin adunk szám egyenlő a hibaérték. Például, a mért érték a legközelebbi tized, a minimális és maximális értékek rendre egyenlő 3.2 és 6.7. Ezután a sweep adatok 6,7-3,2 + 0,1 = 3,6.