El siguiente paso después de la finalización de la recopilación de datos es organizar los datos en una forma significativa para que una tendencia, si la hay, salga de los datos, se pueda ver fácilmente. Uno de los métodos comunes para organizar datos es construir la distribución de frecuencia. La distribución de frecuencia es una tabulación organizada/representación gráfica del número de individuos en cada categoría en la escala de medición. [1] Permite al investigador echar un vistazo a los datos completos convenientemente. Muestra si las observaciones son altas o bajas y también si se concentran en un área o se extienden en toda la escala. Por lo tanto, la distribución de frecuencia presenta una imagen de cómo se distribuyen las observaciones individuales en la escala de medición.
Una tabla de frecuencia (distribución) muestra las diferentes categorías de medición y el número de observaciones en cada categoría. Antes de construir una tabla de frecuencia, uno debe tener una idea sobre el rango (valores mínimos y máximos). El rango se divide en intervalos arbitrarios llamados «intervalo de clase». Si los intervalos de clase son demasiados, entonces no habrá reducción en el volumen de los datos y las desviaciones menores también se vuelven notables. Por otro lado, si son muy pocos, entonces la forma de la distribución en sí no se puede determinar. En general, los intervalos 6-14 son adecuados. [2]
El ancho de la clase se puede determinar dividiendo el rango de observaciones por el número de clases. Las siguientes son algunas pautas con respecto a los anchos de clase: [1]
La tabla de distribución de frecuencia del pulso de reposo en individuos sanos se da en
Tabla 1. También proporciona la frecuencia acumulativa y relativa que ayuda a interpretar los datos más fácilmente.
¿Qué importancia tiene la distribución de frecuencias?
Una distribución de frecuencia es una visión general de todos los valores distintos en alguna variable y el número de veces que ocurren.
Es decir, una distribución de frecuencia indica cómo se distribuyen las frecuencias sobre los valores.
Las distribuciones de frecuencia se utilizan principalmente para resumir variables categóricas. Esto se debe a que las variables métricas tienden a tener muchos valores distintos. Estos dan como resultado enormes tablas y gráficos que no dan información sobre sus datos. En este caso, los histogramas son el camino a seguir, ya que visualizan frecuencias para intervalos de valores en lugar de cada valor distinto.
De todos modos. Veamos algunos ejemplos de distribuciones de frecuencia.
Hicimos 183 estudiantes que completaron un cuestionario. Una de las preguntas fue qué estudio importante que siguen. La captura de pantalla a continuación muestra parte de estos datos.
Entonces, ¿qué pasa con estas especialidades de estudio? Solo mirar nuestros 183 valores no nos ayudará. Un enfoque más viable es simplemente tabular cada estudio mayor distinto en nuestros datos y su frecuencia, el número de veces que ocurre.
La tabla resultante (a continuación) muestra cómo se distribuyen las frecuencias sobre los valores, las especialidades de estudio en este ejemplo, y por lo tanto, es una distribución de frecuencia.
El estudio de estudio más popular es la psicología (n = 62). «Otro» es el mayor mayor popular (n = 16). Las especialidades restantes son aproximadamente igualmente populares (n entre 33 y 37).
Tenga en cuenta que las frecuencias se suman a nuestro tamaño de muestra de 183 estudiantes. Este es siempre el caso a menos que una variable contenga valores faltantes: los encuestados a veces pueden omitir una pregunta o responder «sin respuesta» o algo similar.
¿Qué es y para qué sirve la frecuencia en estadística?
¿Cuál es la frecuencia relativa? Además de escribir la definición, ¿podría explicarme cómo se calcula la frecuencia relativa y resaltar el enlace entre la frecuencia relativa y la frecuencia absoluta?
Un ejemplo sería de gran ayuda para entender aún mejor.
También me gustaría pedirle la diferencia entre la frecuencia relativa y la frecuencia porcentual. ¿Es cierto que la frecuencia porcentual se calcula a partir de la frecuencia relativa? Posiblemente, ¿qué se debe hacer?
La frecuencia relativa de un modo viene dada por la relación entre la frecuencia absoluta del modo considerado y el número total de unidades estadísticas. En otras palabras, es la relación entre el número de veces en las que se presenta un cierto valor de una variable estadística y el número total de personas o entidades en las que se realiza la investigación.
También observamos que la suma de las frecuencias relativas de los valores es igual a 1, ya que la suma de las frecuencias absolutas debe ser igual al número de unidades estadísticas:
El porcentaje de frecuencia de un valor indica con, y es la frecuencia relativa escrita en forma de porcentaje. Se obtiene multiplicando la frecuencia relativa por 100 y agregando el símbolo porcentual al resultado.
Después de llevar a cabo una investigación estadística, usted está en presencia de una serie de valores (o métodos). Para calcular la frecuencia relativa de cada modo, es necesario:
– Complete una tabla con tantas líneas como hay formas distintas, más una línea reservada para total y 4 columnas: la primera columna debe contener las formas posibles, la segunda las frecuencias absolutas, la tercera las frecuencias relativas y el cuarto de la frecuencias porcentuales;
¿Cuál es la importancia de la distribución porcentual?
Una distribución de frecuencia porcentual, en general, es una muestra de datos que indica el porcentaje de observaciones para cada punto de datos o agrupación de puntos de datos. Es un método de uso común para expresar la frecuencia relativa de las respuestas de la encuesta y otros datos. Las distribuciones de frecuencia porcentuales a menudo se muestran como gráficos de barras, gráficos circulares o tablas.
El proceso de realizar una distribución de frecuencia porcentual implica los siguientes pasos: tenga en cuenta el número total de observaciones; Cuente el número total de observaciones dentro de cada punto de datos o agrupación de puntos de datos; y finalmente, divida las observaciones totales dentro de cada punto de datos o la agrupación de puntos de datos por el número total de observaciones. Sin embargo, debe tenerse en cuenta que cada vez que se usan las frecuencias porcentuales en la distribución de frecuencia relativa, a veces también se denomina distribución de frecuencia porcentual.
Ingrese el correo electrónico de su institución o empresa a continuación para verificar.
Usamos/almacenamos esta información para asegurarnos de que tenga el acceso adecuado y que su cuenta sea segura. Podemos usar esta información para enviarle notificaciones sobre su cuenta, su acceso institucional y/u otros productos relacionados. Para obtener más información sobre nuestras políticas de GDPR, haga clic aquí.
¿Que se puede concluir de una tabla de frecuencias?
Antes de preparar la distribución de frecuencia, es necesario recopilar datos de la naturaleza requerida de las diversas fuentes. Los datos recopilados siempre están en forma sin procesar que se necesita organizar en una disposición adecuada con el fin de inferir los resultados requeridos. Debe hacer ciertas preparaciones para la distribución de frecuencia, que incluye la clasificación y la tabulación de los datos. Ambos se explican en detalle de la siguiente manera;
«El proceso de organizar datos en clases o categorías de acuerdo con algunas características comunes presentes en los datos se denomina clasificación»
Los datos recopilados generalmente están disponibles en un formulario que no es fácil de comprender. Por ejemplo, si tenemos ante nosotros las marcas obtenidas por 1000 estudiantes de universidades en su examen de pregrado, sería difícil saber simplemente mirando las marcas sobre cuántos estudiantes tienen marcas entre 300 y 400, entre 400 y 500 y y 500, y pronto. Para obtener la imagen clara de la situación, los datos deben estar presentes de una manera que sea fácil de entender. Como primer paso, organizamos los datos en clases y categorías que tienen características similares. Por ejemplo, podemos organizar las marcas en grupos de 50 marcas cada uno, p. 300 a 349, 350 a 399, 400 a 449 y así sucesivamente.
Los datos recopilados pueden clasificarse por muchas características, se practican principalmente la base principal de clasificación. Estas bases son;
- Cuando los datos se clasifican por regiones o ubicaciones geográficas, p. La población de un país puede ser clasificada por provincias, divisiones, distritos o pueblos.
¿Que se puede concluir en una tabla de frecuencia?
Se muestra debajo de los criterios matemáticos insuficientes para la construcción de clases de tablas de distribución de frecuencia para variables con categorías predefinidas.
Tome datos del índice de masa corporal para el año escolar 2008, un total de 4.297 personas. Si examinamos los criterios descritos al punto 2.1, aquellos que establecen 6 como un número mínimo de categorías (Dawson y Trapp, 2003) coinciden con el número de categorías predefinidas para el IMC. Una vez que se define el número de categorías, se debe identificar el valor máximo y el valor mínimo para calcular la amplitud total, que a su vez se utilizará para calcular el intervalo de clase.
Tabla 11: Estadísticas resumidas de datos muestreados
Una vez que se ha determinado el rango de clase, los límites de cada una de las 6 categorías se pueden calcular en última instancia. El límite inferior de la primera categoría es el valor mínimo y el límite superior de esta categoría se obtiene agregando el rango de clase. Lo mismo ocurre con otras categorías y se obtiene el siguiente resultado:
Tabla 12: Categorías de IMC y valores calculados.
La siguiente tabla muestra una comparación entre los valores calculados y los valores predefinidos.
La primera conclusión es que las categorías calculadas no tienen su propia designación, es decir, que no tienen atributos que califiquen la condición en el individuo. La segunda observación, a pesar del mismo número de categorías, los valores de categoría no son iguales. Según las categorías calculadas, las personas cuyo IMC está entre 14.9 y 21.7 están confundidos con el peso normal, mientras que, de hecho, algunas de ellas están en un estado de «insuficiencia de peso».
¿Qué finalidad tiene una tabla de distribución de frecuencia?
El propósito de una tabla de distribución de frecuencia es organizar los datos numéricos recopilados en la frecuencia de alguna ocurrencia en una población. En pocas palabras, es una lista de la frecuencia con la que sucede algo en esa población. ¿Para qué se usa una tabla de frecuencia? Organización de datos para que esté gráfico y analizado. Los elementos clave a los que prestar atención en una tabla de frecuencia son sus columnas. Puede haber 2 a 4 columnas, que son: límites de clase, frecuencia, frecuencia relativa y distribución de frecuencia acumulativa.
En la siguiente tabla, un estudiante de entomología realizó un estudio preliminar sobre la frecuencia de las visitas diarias de abejas para un tipo particular de flor durante el período de un mes. Configuraron una cámara de sensor de movimiento cerca de las flores de interés en un pequeño jardín para grabar el número de abejas que visitan cada día y construyeron la siguiente tabla de frecuencia:
En el ejemplo de la tabla de estudio de las abejas, la primera columna representa el número de visitas de abejas observadas por día, por ejemplo, 1 visita de abejas al día hasta el máximo de 6 visitas de abejas al día. El término estadístico para cada unidad de medición es «clase». Las clases siempre tienen un rango, y los intervalos deben estar separados uniformemente con los mismos «límites de clase». Si el rango es 2-6 y el intervalo es 1, cada unidad estará separada una unidad, por ejemplo, 2, 3, 4, 5, 6. Si el rango es 50-79 y el intervalo es 5, el límite de clase Será 50-54, 55-59, 60-64, 65-69, 70-74 y 75-79. Si las clases son categorías, por ejemplo, tipo de electricidad utilizada para alimentar una ciudad, se enumerarán como categorías como solar, carbón, etc. Debe haber al menos 6 intervalos para clases numéricas; De lo contrario, graficar los datos más tarde será problemático.
¿Qué son las conclusiones en estadísticas?
El objetivo final de la investigación es producir un conocimiento confiable o proporcionar la evidencia que pueda guiar las decisiones prácticas. La validez de conclusión estadística (SCV) se mantiene cuando las conclusiones de un estudio de investigación se basan en un análisis adecuado de los datos, lo que significa que generalmente se utilizan métodos estadísticos adecuados cuyo comportamiento de muestra pequeña es precisa, además de ser lógicamente capaz de proporcionar una respuesta a la respuesta a la respuesta a la respuesta a la respuesta a pregunta de investigación. En comparación con los otros tres aspectos tradicionales de la validez de la investigación (validez externa, validez interna y validez de construcción), los intereses en SCV han crecido recientemente en evidencia de que los análisis de datos inadecuados a veces se llevan a cabo cuáles producen conclusiones de que un análisis adecuado de los datos no han apoyado. Este documento analiza la evidencia de tres amenazas comunes a SCV que surgen de recomendaciones o prácticas generalizadas en el análisis de datos, a saber, el uso de pruebas repetidas y la parada opcional sin control de las tasas de error tipo I, la recomendación para verificar los supuestos de las pruebas estadísticas, y el uso de la regresión cada vez que se estudia una relación bivariada o la equivalencia entre dos variables. Para cada una de estas amenazas, se presentan ejemplos y se discuten prácticas alternativas que salvaguardan SCV. También se discuten los cambios educativos y editoriales que pueden mejorar el SCV de la investigación publicada.
Los psicólogos son conscientes de los aspectos tradicionales de la validez de la investigación introducidos por Campbell y Stanley (1966) y subdivididos y discutidos por Cook y Campbell (1979). A pesar de las críticas iniciales de las distinciones prácticamente orientadas y algo confusas entre los diversos aspectos (ver Cook y Campbell, 1979, pp. 85-91; ver también Shadish et al., 2002, pp. 462-484), las cuatro facetas de la investigación La validez ha ganado reconocimiento y actualmente están cubiertos en muchos libros de texto sobre métodos de investigación en psicología (por ejemplo, Beins, 2009; Goodwin, 2010; Girden y Kabacoff, 2011). Los métodos y estrategias destinadas a asegurar la validez de la investigación también se discuten en estas y otras fuentes. Para simplificar la descripción, la validez de construcción se busca mediante el uso de definiciones bien establecidas y procedimientos de medición para variables, se busca la validez interna asegurando que las variables extrañas se hayan controlado y se han eliminado confusiones y se busca la validez externa observando y medir las variables dependientes en condiciones naturales o bajo una representación apropiada de ellos. El cuarto aspecto de la validez de la investigación, que Cook y Campbell llamaron validez de conclusión estadística (SCV), es el tema de este documento.
Cook y Campbell, 1979, pp. 39-50) discutieron que SCV se refiere a la medida en que los datos de un estudio de investigación pueden considerarse razonablemente que revela un vínculo (o falta de él) entre las variables independientes y dependientes en lo que respecta a los problemas estadísticos preocupado. Esta faceta en particular se separó de otros factores que actúan en la misma dirección (las otras tres facetas de validez) e incluyen tres aspectos: (1) si el estudio tiene suficiente poder estadístico para detectar un efecto si existe, (2) si existe Un riesgo de que el estudio «revele» un efecto que en realidad no existe, y (3) cómo se puede estimar con confianza la magnitud del efecto. Sin embargo, consideraron el último aspecto como un mero paso por delante una vez que los dos primeros aspectos se habían resuelto satisfactoriamente, y resumieron su posición al afirmar que SCV «se refiere a inferencias sobre si es razonable suponer que la covarianza dada un nivel α especificado y el obtenido obtenido Variaciones ”(Cook y Campbell, 1979, p. 41). Dado que mencionar «las variaciones obtenidas» era una referencia indirecta al poder estadístico y mencionar α era una referencia directa a la significación estadística, su posición sobre SCV puede haber implicado solo considerar que la decisión estadística puede ser incorrecta como resultado del tipo- Errores I y Tipo II. Quizás como consecuencia de esta interpretación literal, los trabajos de revisión que estudian SCV en la investigación publicada se han centrado en el poder y la importancia (por ejemplo, Ottenbacher, 1989; Ottenbacher y Maas, 1999), las estrategias destinadas a aumentar el SCV solo han considerado estos problemas (por ejemplo, Howard et al., 1983), y los tutoriales sobre el tema solamente o casi solo mencionan estos temas junto con los tamaños de efecto (por ejemplo, Orme, 1991; Austin et al., 1998; Rankupalli y Tandon, 2010). Este énfasis en temas de importancia y poder también puede ser la razón por la que algunas fuentes se refieren a las amenazas a SCV como «cualquier factor que conduzca a un error tipo I o tipo II» (por ejemplo, Girden y Kabacoff, 2011, p. 6; ver también Rankupalli y Tandon, 2010, Sección 1.2), como si estos errores tuvieran causas identificables que podrían prevenirse. Cabe señalar que SCV también se ha pretendido ocasionalmente reflejar en qué medida los diseños preexperimentales proporcionan evidencia de causalidad (Lee, 1985) o la medida en que los metanálisis se basan en resultados representativos que hacen que la conclusión sea generalizable (Elvik , 1998).
Pero el objetivo de Cook y Campbell (1979, p. 80) fue indudablemente más amplio, ya que subrayó que SCV «está preocupado por las fuentes de error aleatorio y por el uso apropiado de estadísticas y pruebas estadísticas» (cursiva agregada). Además, los errores de tipo I y tipo II son una consecuencia esencial e ineludible de la teoría de la decisión estadística subyacente a las pruebas de significancia y, como tal, no se puede prevenir la posible ocurrencia de uno u otro de estos errores. La ocurrencia real de ellos para los datos disponibles tampoco se puede evaluar. Los errores de tipo I y tipo II siempre estarán con nosotros y, por lo tanto, SCV solo está trivialmente vinculado al hecho de que la investigación nunca probará o rechazará inequívocamente ninguna hipótesis estadística nula o su hipótesis de investigación de origen. Cook y Campbell parecían ser muy conscientes de este problema cuando enfatizaron que SCV se refiere a inferencias razonables dado un nivel de significancia específico y un poder dado. Además, Stevens (1950, p. 121) enfatizó con fuerza que «es el deber de un estadístico estar equivocado el número declarado de veces», lo que implica que un investigador debe aceptar los riesgos asumidos de errores de tipo I y Tipo I, uso, uso Métodos estadísticos que garantizan las tasas de error supuestas, y considerenlas como una parte esencial del proceso de investigación. Desde esta posición, estos errores no afectan SCV a menos que su probabilidad difiera de manera significativa de lo que se suponía. Y aquí es donde una perspectiva alternativa sobre SCV ingresa al escenario, a saber, si los datos se analizaron adecuadamente para extraer conclusiones que reflejan fielmente lo que los datos tienen que decir sobre la pregunta de investigación. Una respuesta negativa plantea preocupaciones sobre SCV más allá de la trivialidad de los errores de tipo I o tipo II. En realidad, hay dos tipos de amenazas para SCV desde esta perspectiva. Una es cuando los datos están sujetos a análisis estadísticos completamente inadecuados que no coinciden con las características del diseño utilizada para recopilar los datos o que no pueden dar una respuesta lógicamente a la pregunta de investigación. El otro es cuando se usa una prueba estadística adecuada, pero se aplica en condiciones que alteran las probabilidades de riesgo establecidas. En el primer caso, la conclusión será incorrecta, excepto por accidente; En este último, la conclusión no será incorrecta con las probabilidades declaradas de errores tipo I y tipo II.
¿Cómo hacer una conclusión de un informe estadistico?
Lo primero que necesita es un buen ejemplo de informes de estadísticas. Si su tutor no le proporcionó tales muestras, consulte las bibliotecas o busque los datos en línea.
Elija un ejemplo del informe estadístico o análisis que pertenece al mismo campo que el estudio trabaja. Diferentes sujetos implican sus requisitos para el trabajo y el formato. Usarlos como plantillas será un error si trabaja en un tema diferente.
Los principales requisitos para el formato de informe de estadísticas son simples: su informe debe ser simple y ordenado.
- Margen: 1 pulgada. Si desea imprimir ese informe y ponerlo en una carpeta, puede establecer el margen izquierdo de 1,5 pulgadas. El documento se verá perfectamente.
- Espaciado: soltero;
- Tamaño de fuente: 12 pt;
- Tipo de fuente: Times New Roman o Arial;
- Los números de página deben estar presentes en los encabezados.
- Verifique qué estilo de cita tiene que usar para el informe. Asegúrese de formatear las citas en ese estilo.
- Agregue una portada y defina el nombre del informe, nombres de autores y coautores y la fecha. Si su informe es grande, incluya la tabla de contenido.
- Consulte todas las páginas con la opción «Vista previa de impresión» para los márgenes alrededor de los elementos visuales y el diseño de la página.
El informe estadístico tiene sus peculiaridades. Su estructura difiere de la estructura de los otros tipos de trabajo de escritura. Sin embargo, tiene características comunes como partes de «introducción» y «conclusión».
Su tarea principal es presentar los datos que obtuvo a través de propias investigaciones y explicar sus resultados y cuyo medio de análisis estadístico que utilizó.
¿Qué es la interpretación y conclusiones?
- Se discuten las perspectivas personales o los valores relacionados con las interpretaciones.
- Se discuten la importancia práctica o las implicaciones teóricas; Se ofrece orientación para futuros estudios.
La investigación sigue un proceso lógico. Comienza con una declaración de problema y se mueve a través de diseño, métodos y resultados. Las interpretaciones y conclusiones de los investigadores surgen de estas cuatro etapas interconectadas. Los defectos en la lógica pueden surgir en cualquiera de estas etapas y, si ocurren, las interpretaciones del autor de los resultados serán de poca consecuencia. Los defectos en la lógica también pueden ocurrir en la etapa de interpretación. El investigador puede tener un estudio bien diseñado pero oscurecer el verdadero significado de los datos al leer mal los hallazgos.1
Los revisores deben tener una imagen clara del significado de los resultados de la investigación. Deben estar satisfechos de que la evidencia se discute adecuadamente y parece confiable, válida y digna de la confianza. Deben estar convencidos de que las interpretaciones están justificadas dadas las fortalezas y limitaciones del estudio. Además, dada la arquitectura, las operaciones y las limitaciones del estudio, los revisores deben juzgar la generalización y la importancia práctica de sus conclusiones.
La organización de la sección de discusión debe coincidir con la estructura de la sección de resultados para presentar una interpretación coherente de datos y métodos. Los revisores deben determinar cómo la discusión y las conclusiones se relacionan con el problema original y las preguntas de investigación. Lo más importante, las conclusiones deben estar claramente establecidas y justificadas, ilustrando puntos clave. En términos generales, los aspectos importantes a considerar incluyen si las conclusiones son razonables en función de la descripción de los resultados; Sobre cómo los resultados del estudio se relacionan con otros resultados de la investigación en el campo, incluidos el consenso, los hallazgos contradictorios y inesperados; sobre cómo los resultados del estudio expanden la base de conocimiento en el campo e informan la investigación futura; y sobre si se describen las limitaciones en el diseño, los procedimientos y los análisis del estudio. El incumplimiento de las limitaciones del estudio debe considerarse un defecto grave.
En un nivel más detallado, los revisores deben evaluar si los autores distinguen entre (1) inferencias extraídas de los resultados, que se basan en procedimientos de análisis de datos y (2) extrapolaciones al marco conceptual utilizado para diseñar el estudio. Esta es la diferencia entre las pruebas de hipótesis formales y la discusión teórica.
¿Cómo interpretar las distribuciones de frecuencia?
Además de los gráficos que muestran dos variables, como los números desglosados por las categorías en un gráfico de columna, o la relación entre dos variables numéricas en un gráfico XY, hay otro tipo de tabla de Excel que se ocupa de una sola variable. Es la representación visual de una distribución de frecuencia, un concepto que es absolutamente fundamental para los métodos estadísticos intermedios y avanzados.
Una distribución de frecuencia está destinada a mostrar cuántas instancias hay de cada valor de una variable. Por ejemplo:
- El número de personas que pesan 100 libras, 101 libras, 102 libras, etc.
- El número de automóviles que obtienen 18 millas por galón (mpg), 19 mpg, 20 mpg, etc.
- El número de casas que cuestan entre $ 200,001 y $ 205,000, entre $ 205,001 y $ 210,000, y así sucesivamente
Debido a que generalmente redondeamos las mediciones a algún nivel conveniente de precisión, una distribución de frecuencia tiende a agrupar mediciones individuales en clases. Usando los ejemplos que acaban de dar, dos personas que pesan 100.2 y 100.4 libras podrían clasificarse como 100 libras; Dos autos que obtienen 18.8 y 19.2 mpg podrían agruparse a 19 mpg; y cualquier cantidad de casas que cuestan entre $ 220,001 y $ 225,000 se tratarían como en el mismo nivel de precio.
Como generalmente se muestra, el gráfico de una distribución de frecuencia coloca los valores de la variable en su eje horizontal y el recuento de instancias en el eje vertical. La Figura 1.10 muestra una distribución de frecuencia típica.
¿Cómo se interpreta una distribución de frecuencias?
Las distribuciones de frecuencia son pantallas visuales que organizan y presentan recuentos de frecuencia para que la información pueda interpretarse más fácilmente.
Las distribuciones de frecuencia pueden mostrar frecuencias absolutas o frecuencias relativas, como proporciones o porcentajes.
¿Cómo mostramos una distribución de frecuencia?
Se puede mostrar una distribución de frecuencia de datos en una tabla o gráfico. Algunos métodos comunes para mostrar distribuciones de frecuencia incluyen tablas de frecuencia, histogramas o gráficos de barras.
Tablas de frecuencia
Una tabla de frecuencia es una forma simple de mostrar el número de ocurrencias de un valor o característica particular.
Por ejemplo, si hemos recopilado datos sobre la altura de una muestra de 50 niños, podríamos presentar nuestros hallazgos como:
Altura de los niños
Los datos también se pueden presentar en forma gráfica.
Gráficos de frecuencia
Los histogramas y los gráficos de barras son pantallas visuales de frecuencias utilizando columnas trazadas en un gráfico. El eje y (eje vertical) generalmente representa el recuento de frecuencia, mientras que el eje x (eje horizontal) generalmente representa la variable que se está midiendo.
Un histograma es un tipo de gráfico en el que cada columna representa una variable numérica, en particular la que es continua y/o agrupada.
Un histograma muestra la distribución de todas las observaciones en un conjunto de datos cuantitativo. Es útil para describir la forma, el centro y la propagación para comprender mejor la distribución del conjunto de datos.
¿Cómo se puede describir una distribución de datos?
Describir distribuciones es una de las habilidades clave que necesitará para obtener un puntaje alto en el examen de estadísticas AP®. Si necesita pruebas de esto, simplemente pase por algunas preguntas de examen anteriores, que se pueden encontrar en el sitio web de CollegeBoard. Notará que la primera pregunta de respuesta gratuita es casi siempre una pregunta que le exige que mire un gráfico y lo describa.
En este punto, puede estar pensando: “¿Qué tan difícil podría ser simplemente describir algo? ¡Describo las cosas todo el tiempo! » Desafortunadamente, describir las distribuciones para las estadísticas de AP® no es como describir una película que viste el fin de semana pasado. Definitivamente hay una forma correcta y incorrecta de hacerlo, y los evaluadores de los evaluadores en CollegeBoard esperan que pase por pasos específicos y use un lenguaje específico.
Use esta revisión de estadísticas de AP® Quick para aprender todo lo que necesita para describir las distribuciones. Revisaremos todos los conceptos relevantes, veremos algunos ejemplos y terminaremos con algunas preguntas de práctica. ¡Estarás listo para examinar en poco tiempo!
Antes de aprender a describir las distribuciones, obviamente es importante comprender cuáles son. Una distribución es el conjunto de números observados a partir de alguna medida que se toma. Por ejemplo, el siguiente histograma representa la distribución de alturas observadas de los cerezos negros. Los puntajes entre 70-85 pies son los más comunes, mientras que las puntuaciones más altas y más bajas son menos comunes. Las alturas más comúnmente observadas estaban entre 75-80 pies, de los cuales el investigador encontró 10 casos.
Artículos Relacionados:
