Pokud narazíte na spojité proměnné , je často nejlepší zobrazení dat pomocí histogramu. Spojité proměnné jsou ty, které mohou teoreticky vzít na nekonečné možnosti hodnot , jako je například hmotnost . Výhodou vynesením hustotu ve srovnání s relativní frekvence histogramu je , žehustota histogram může odhalit pravděpodobnost v případě, že histogram má dostatečně velký vzorek a dostatečně malé buňky . Tento proces netrvá práci a může říct mnohem víc o vašich data.Things budete potřebovat
Soubor dat
papír
pero nebo tužku
Zobrazit další instrukce
1
Vezměte data z vašeho vzorku a pozemek je v relativní četnosti histogramu. Představte si, žeúdaje se týká porodní hmotnost 100 narozených dětí v místní nemocnici . X – osa vašeho histogramu bude vyhrazeno pro váhy , zatímco osa y bude měřit relativní frekvenci. Počínaje 0 na xy protíná , vytvořit řadu hash značek rovnoměrně rozložených vyčlenit vaše buňky . Každá následující buňka určí zvýšení 2 oz ; proto bude 8 buňky v každém libru. Označit hmotnost každé buňky . Na ose y , vytvořit čtyři hash značky rovnoměrně rozloženo v intervalu 0,25 a označit je tak, aby 0 je v průsečíku a 1 je na nejvyšší křížek .
2
Zaznamenat údaje . V případě, že jsou 30 dětí , jejichž porodní hmotnost spadat do buňky , která obsahuje závaží mezi 6 liber a 6 liber 2 oz , například , v horní části lišty měla sladit s relativní četností 0,3 na ose y .
3
Převést histogram relativní hustoty četnosti histogramu o škálování . Chcete-li to provést, použijte rovnici pro relativní hustoty frekvence: . Klipart
Relativní hustota frekvence = relativní četnost /šířka buňky
Proto by v tomto příkladu RFD = relativní četnost /8. Nyní buňky mít stejnou šířku , ale osm krát vyšší než v první iteraci svého histogramu . Vzhledem k tomu,součet výšek bar byl roven jedné v první iteraci , nyníplocha tyčí je roven jedné v relativní hustoty četnosti histogramu.