Det klassemærke Det er også kendt som midtpunkt. Det er den værdi, der er i midten af en klasse og repræsenterer alle de værdier, der er i en bestemt kategori. Grundlæggende bruges det til at udføre beregning af forskellige parametre, såsom det aritmetiske gennemsnit eller standardafvigelse.
Det klassemarkværdi, er det også meget nyttigt at finde varianten af et sæt af en række data, der allerede er grupperet efter klasser og giver os samtidig mulighed for at forstå den afstand, som disse bestemte data har fra centrum.
Annoncer
I denne artikel finder du:
Hvad er et klassemærke til?
Som nævnt ovenfor er klassemærke Det har en fantastisk funktionalitet til at nå det aritmetiske gennemsnit og variansen af en bestemt datagruppe, som igen allerede er grupperet i forskellige klasser.
Det aritmetiske gennemsnit kan defineres som summen af alle de observationer opnået fra stikprøvestørrelsen. Hvis det ses fra det fysiske synspunkt, kan det fortolkes som breakeven point for en gruppe af data.
Annoncer
Det datamærke tjener til fuldt ud at identificere et datasæt, men det kan være meget risikabelt, derfor skal der tages hensyn til forskellen mellem breakeven-punktet og de faktiske data. Disse værdier er kendt som afledningen af det aritmetiske gennemsnit og forsøger igen at bestemme, hvordan det aritmetiske gennemsnit af dataene kan variere.
Den mest almindelige måde, hvorpå denne værdi kan findes, er gennem variansen. Denne varians er gennemsnittet af kvadraterne for afvigelserne fra det aritmetiske gennemsnit. For at udføre beregningen af både variansen og det aritmetiske gennemsnit af en gruppe data, der findes i en klasse, skal der bruges nogle refererede formler.
Annoncer
Beregn et klassemarkering
Som tidligere nævnt mklasse ark er kendt som midtpunktet for hvert interval. Det er værdien, der repræsenterer intervallet som helhed for at udføre beregningerne af visse parametre, såsom standardafvigelsen.
For at beregne det skal følgende trin følges:
Annoncer
- Klassemarkeringen (Xi) beregnes, hvilket er gennemsnittet af hvert interval eller middelværdien. Dette tjener til at gøre det meget nemmere at beregne de forskellige målinger af position og dispersion.
- Når antallet af intervaller er valgt, kan amplituden for hver klasse eller interval (C) bestemmes.
- Denne amplitude skal være lig med rækkevidden af data, der er opdelt i antallet af intervaller.
- I det første interval skal den laveste dataværdi indeholdes, og omvendt skal det sidste interval have den højeste dataværdi.
- Du skal bestemme antallet af intervaller eller klasse (K), der bruges til at kunne udføre grupperingen af dataene.
- Det mest passende er at have mellem 5 og 20 intervaller eller klasser (K).
- På trods af dette, hvis der ikke er nogen sikkerhed for antallet af intervaller, der skal bruges, kan reglen kaldet Sturges Rule anvendes. Med det er det muligt at have en ret nøjagtig tilnærmelse af antallet af intervaller, der er nødvendige for at gruppere dem.
- Denne Sturges-regel tillader beregning af klassemængden, når størrelsen på populationen eller prøven er kendt.
Hvad er et klassemærke for grupperede data?
Inden for en tabel med data grupperet efter intervaller, de reelle værdier taget af variabel. For at beregne målene for centralisering skal det overvejes, at værdierne er jævnt fordelt i intervallerne.
Dette kan også ske, hvis lignende data grupperes i intervaller. Når dette er gjort, risikerer du at glemme dine sande værdier, og kun dine tilnærmelser, som den ensartede intervalfordeling antager, overvejes.
Annoncer
Alt dette kan føre til variationer i centraliserede målinger, når de data der er kendt for at være ikke-grupperet eller grupperet efter intervaller, hvilket betyder, at det ikke vil være stort størrelse.
Hvis prøven indeholder mellem 30 eller flere data, anbefales det at gruppere dataene efter klasseklassifikation Prøvenes egenskaber skal bestemmes, og derefter karakteristika for den befolkning, hvorfra den var taget.
Inden man definerer, hvordan man bestemmer karakteristika af interesse, når prøvedataene grupperes i klasser, er det meget vigtigt at vide, hvordan dataene skal adskilles.
For at gruppere dataene skal følgende trin følges:
Bestem rækkevidden eller stien til dataene
Område = højere værdi - lavere værdi
Indstil antallet af klasser (K)
For at fastslå antallet af klasser, hvor dataene grupperes, er det nødvendigt at have en base som dem, der kan ses i følgende tabel.
Prøvestørrelse eller antal data |
Antal klasser |
| Mindre end 50 | Fra 5 til 7 |
| Fra 50 til 99 | Fra 6 til 10 |
| Fra 100 til 250 | 7 til 12 |
| Mere end 250 | 10 til 20 |
