Wozu dient eine Klassennote?

Das Klassennote Es ist auch bekannt als Mittelpunkt. Es ist der Wert, der in der Mitte einer Klasse steht und alle Werte repräsentiert, die in einer bestimmten Kategorie sind. Grundsätzlich dient es zur Durchführung der carry Berechnung verschiedener Parameter, wie das arithmetische Mittel oder das Standardabweichung.

Das Klassennotenwert, ist es auch sehr nützlich, die Variante einer Reihe von Daten zu finden, die bereits vorhanden sind nach Klassen gruppiert und erlaubt uns gleichzeitig, die Distanz zu verstehen, die diese bestimmten Daten von den Center.

Wozu dient eine Klassennote?

Wie oben erwähnt, ist die Klassennote Es hat eine großartige Funktionalität, um das arithmetische Mittel und die Varianz einer bestimmten Gruppe von Daten zu erreichen, die wiederum bereits in verschiedene Klassen gruppiert wurden.

Das arithmetische Mittel kann als die Summe aller Beobachtungen aus der Stichprobengröße definiert werden. Aus physikalischer Sicht betrachtet, kann er als Break-Even-Punkt einer Datengruppe interpretiert werden.

Das Datenmarke dient zur vollständigen Identifizierung eines Datensatzes, aber es könnte sehr riskant sein, daher muss die Differenz zwischen dem Break-Even-Punkt und den tatsächlichen Daten berücksichtigt werden. Diese Werte werden als Ableitung des arithmetischen Mittels bezeichnet und versuchen wiederum festzustellen, wie das arithmetische Mittel der Daten variieren kann.

Dieser Wert kann am häufigsten über die Varianz ermittelt werden. Diese Varianz ist der Durchschnitt der Quadrate der Abweichungen vom arithmetischen Mittel. Um die Berechnung sowohl der Varianz als auch des arithmetischen Mittels einer in einer Klasse gefundenen Datengruppe durchzuführen, müssen einige referenzierte Formeln verwendet werden.

Berechnen Sie eine Klassennote

Wie schon vorher gesagt die mKlasse Ark ist als Mittelpunkt jedes Intervalls bekannt. Es ist der Wert, der das Intervall als Ganzes darstellt, um die Berechnungen bestimmter Parameter wie der Standardabweichung durchzuführen.

Um es zu berechnen, müssen die folgenden Schritte befolgt werden:

• Es wird die Klassennote (Xi) berechnet, die der Durchschnitt jedes Intervalls oder der Mittelwert ist. Dies erleichtert die Berechnung der unterschiedlichen Positions- und Dispersionsmessungen erheblich.
• Wenn die Anzahl der Intervalle gewählt wurde, kann die Amplitude jeder Klasse oder jedes Intervalls (C) bestimmt werden.
• Diese Amplitude muss gleich dem Bereich der Daten sein, der in die Anzahl der Intervalle unterteilt ist.
• Im ersten Intervall muss der niedrigste Datenwert enthalten sein und umgekehrt muss das letzte Intervall den höchsten Datenwert haben.
• Sie müssen die Anzahl der Intervalle oder der Klasse (K) bestimmen, die verwendet werden, um die Gruppierung der Daten durchführen zu können.
• Am geeignetsten sind zwischen 5 und 20 Intervalle oder Klassen (K).
• Wenn jedoch die Anzahl der zu verwendenden Intervalle nicht sicher ist, kann die sogenannte Sturges-Regel angewendet werden. Damit ist es möglich, eine ziemlich genaue Annäherung an die Anzahl der Intervalle zu haben, die benötigt werden, um sie zu gruppieren.
• Diese Sturges-Regel ermöglicht die Berechnung der Klassenmenge, sobald die Größe der Grundgesamtheit oder Stichprobe bekannt ist.

Wie sieht eine Klassenmarkierung für gruppierte Daten aus?

Innerhalb einer nach Intervallen gruppierten Datentabelle werden die tatsächlichen Werte der Variable. Um die Zentralisierungsmaßnahmen zu berechnen, muss berücksichtigt werden, dass die Werte in den Intervallen gleichmäßig verteilt sind.

Dies kann auch passieren, wenn ähnliche Daten in Intervallen gruppiert werden. Wenn dies geschehen ist, laufen Sie Gefahr, Ihre wahren Werte zu vergessen und nur Ihre Näherungen, die die gleichmäßige Intervallverteilung annimmt, werden berücksichtigt.

All dies kann zu Abweichungen bei den zentralisierten Messungen führen, sobald die Daten, die bekanntermaßen nicht gruppiert oder nach Intervallen gruppiert, was bedeutet, dass es nicht von großer Bedeutung ist Größe.

Wenn die Stichprobe zwischen 30 oder mehr Daten enthält, wird empfohlen, die Daten nach Klassenklassifizierung zu gruppieren, dann Die Merkmale der Stichprobe müssen bestimmt werden und dann die der Grundgesamtheit, aus der sie stammt genommen.

Bevor Sie definieren, wie die interessierenden Merkmale bestimmt werden, wenn die Beispieldaten in Klassen gruppiert werden, ist es sehr wichtig zu wissen, wie die Daten getrennt werden sollen.

Um die Daten zu gruppieren, müssen die folgenden Schritte befolgt werden:

Bestimmen Sie den Bereich oder Pfad der Daten

Bereich = Höherer Wert - Niedrigerer Wert

Legen Sie die Anzahl der Klassen fest (K)

Um die Anzahl der Klassen festzulegen, in denen die Daten gruppiert werden, ist eine Basis erforderlich, wie sie in der folgenden Tabelle zu sehen ist.

Stichprobengröße oder Datenanzahl	Anzahl der Klassen
Weniger als 50	Von 5 bis 7
Von 50 bis 99	Von 6 bis 10
100 bis 250	7 bis 12
Mehr als 250	10 bis 20