Artikel

1.6.4: Jenis Data - Matematik


Untuk memproses data tidak cukup hanya untuk memperolehnya. Sejak Galileo Galilei, yang mendesak untuk “mengukur apa yang dapat diukur, dan membuat yang dapat diukur apa yang tidak dapat diukur", Sains Eropah mengumpulkan pengalaman luar biasa dalam memindahkan acara di sekitarnya menjadi angka. Sebilangan besar instrumen kami adalah peranti yang menerjemahkan ciri persekitaran (mis. Suhu, jarak) ke bahasa berangka.

  • 1.6.4.1: Data pengukuran darjah, jam dan kilometer
  • 1.6.4.2: Gred dan t-shirt - peringkat data
  • 1.6.4.3: Warna, Nama dan Jantina - Data Nominal
    Data nominal, atau kategoris, tidak seperti peringkat, mustahil untuk disusun atau diselaraskan. Mereka jauh dari angka. Sebagai contoh, jika kita menetapkan nilai numerik untuk pria dan wanita (katakanlah, "1" dan "2"), itu tidak akan menunjukkan bahawa satu jenis kelamin entah bagaimana "lebih besar" daripada yang lain. Nilai pertengahan (seperti "1.5") juga sukar dibayangkan. Akibatnya, indeks nominal boleh dilabel dengan huruf, perkataan atau watak khas — tidak menjadi masalah.
  • 1.6.4.4: Pecahan, kiraan dan kedudukan- data sekunder
  • 1.6.4.5: Data tidak ada
  • 1.6.4.6: Outliers, dan cara mencarinya
  • 1.6.4.7: Mengubah data- asas transformasi
  • 1.6.4.8: Di dalam R
    Vektor dalam mod numerik, logik atau watak dan faktor sudah cukup untuk mewakili data sederhana. Namun, jika data terstruktur dan / atau berubah-ubah, seringkali ada keperluan untuk objek R yang lebih rumit: matriks, daftar dan bingkai data.
  • 1.6.4.9: Jawapan untuk latihan

Pelajaran 4

Di unit sebelumnya, pelajar membandingkan pertumbuhan linear dan eksponensial dan memerhatikan bahawa pertumbuhan eksponensial akhirnya mengatasi pertumbuhan linear (walaupun kuantiti yang menunjukkan pertumbuhan linear bermula dengan nilai yang jauh lebih besar). Mereka meneliti fenomena ini dan kemudian memerhatikan bahawa ia akan selalu berlaku pada nilai input yang cukup besar.

Dalam pelajaran ini, pelajar menyiasat bagaimana kuantiti yang tumbuh secara kuadratik dibandingkan dengan jumlah yang tumbuh secara eksponen. Mereka mengetahui dan berpendapat bahawa peningkatan fungsi eksponensial juga akhirnya melebihi fungsi kuadratik yang meningkat. Dengan memeriksa kuota berturut-turut untuk setiap jenis fungsi, pelajar melihat bahawa output fungsi kuadratik tidak dikalikan dengan faktor yang sama setiap kali input meningkat satu. Sebenarnya, kuota berturut-turut ini semakin kecil ketika input meningkat, sementara output fungsi eksponensial memiliki pengganda yang sama. Ketika mereka membandingkan dua jenis fungsi, mereka mengembangkan pemahaman mereka tentang ekspresi kuadratik dan bagaimana bentuk grafik berbeza antara kedua jenis fungsi tersebut.


Jadual Kekerapan: Contoh

Pelajaran ini membantu pelajar SMA belajar bagaimana menggunakan jadual kekerapan untuk mengatur data, dengan pelajaran video, contoh dan penyelesaian.

Dalam tinjauan, orang biasanya mengumpulkan banyak data, juga dikenal sebagai data mentah. Data mentah dapat disusun dalam jadual frekuensi.

A jadual kekerapan menunjukkan berapa kali setiap nilai berlaku. The mod adalah data dengan frekuensi tertinggi.

Contoh:
Data berikut menunjukkan markah ujian yang diperoleh oleh sekumpulan pelajar.

Lukis jadual kekerapan untuk data dan cari modnya.

Penyelesaian:
Teliti data membuat pukulan di lajur penghitungan untuk setiap kejadian data. Jumlah pukulan akan menjadi frekuensi data.

Modnya adalah 6 dan 8 kerana kedua-duanya mempunyai frekuensi tertinggi 5.

Membuat Jadual Kekerapan

Video ini menerangkan bagaimana perkara berikut diperoleh:
min dari jadual frekuensi, rata-rata dari jadual frekuensi dengan selang,
mod dari jadual frekuensi dan median dari jadual frekuensi

Cuba kalkulator Mathway dan penyelesaian masalah percuma di bawah untuk mempraktikkan pelbagai topik matematik. Cuba contoh yang diberikan, atau taipkan masalah anda sendiri dan periksa jawapan anda dengan penjelasan langkah demi langkah.

Kami mengalu-alukan maklum balas, komen dan pertanyaan anda mengenai laman web atau halaman ini. Sila hantarkan maklum balas atau pertanyaan anda melalui halaman Maklum Balas kami.


Satu sampel ujian-t

Uji t satu sampel membolehkan kita menguji sama ada min sampel (dari pemboleh ubah selang yang diedarkan secara normal) berbeza secara signifikan dari nilai yang dihipotesiskan. Sebagai contoh, menggunakan fail data hsb2, katakan kami ingin menguji sama ada skor penulisan purata (tulis) berbeza dengan 50. Kita boleh melakukan ini seperti yang ditunjukkan di bawah.

Purata pemboleh ubah tulis bagi sampel pelajar ini adalah 52.775, yang secara statistik berbeza secara signifikan dengan nilai ujian 50. Kami akan menyimpulkan bahawa kumpulan pelajar ini mempunyai min yang lebih tinggi pada ujian penulisan daripada 50.


Пройти курсы

Яециализация Coursera - это серия курсов, помогающих в совершенстве овладеть определенным навыком. Можно сразу записаться на специализацию или просмотреть курсы, из которых она состоит и выбрато ьот Подписываясь на курс, который входит в специализацию, вы автоматически подписываетесь на всю пзпц Можно завершить всего один курс, а потом сделать паузу в обучении или в любой момент отменить под Отслеживайте свои курсы и прогресс на панели управления учащегося.

Практический проект

В каждой специализации есть практический проект, который нужно успешно выполнить, чтобы заверии Если для практического проекта в специализации предусмотрен отдельный курс, прежде чем начате гашешешеше

Получите сертификат

Когда вы пройдете все курсы и завершите практический проект, вы получите сертификат, которым можно поделиться с потенциальными работодателями и коллегами.


Ukuran berterusan diukur pada skala berterusan yang boleh dibahagikan kepada pecahan, seperti suhu. Pemboleh ubah berterusan membolehkan pembahagian yang sangat baik, yang bermaksud jika anda dapat mengukur dengan tepat, anda dapat membandingkan dua item dan menentukan perbezaannya.

Pemboleh ubah diskrit diukur pada sekumpulan nilai tetap, seperti usia dalam tahun (bukan mikrodetik). Ini biasanya digunakan pada skala sewenang-wenang, seperti menilai tahap kebahagiaan anda, walaupun skala tersebut juga dapat berterusan.


Ringkasan

Dalam catatan ini, anda menemui pelbagai jenis data yang digunakan di seluruh statistik. Anda telah mengetahui perbezaan antara data berterusan & diskrit dan mengetahui apakah skala pengukuran nominal, ordinal, selang dan nisbah. Tambahan pula, anda sekarang tahu pengukuran statistik apa yang boleh anda gunakan pada jenis datat dan kaedah visualisasi yang betul. Anda juga belajar, dengan kaedah mana pemboleh ubah kategoris dapat diubah menjadi pemboleh ubah angka. Ini membolehkan anda membuat sebahagian besar analisis penerokaan pada set data tertentu.


6 Jenis Data dalam Statistik & # 038 Penyelidikan: Kunci dalam Sains Data

Sama ada anda seorang ahli perniagaan, pemasar, saintis data, atau profesional lain yang bekerja dengan beberapa jenis data, anda harus mengetahui senarai kunci jenis data.

Kenapa? Kerana pelbagai klasifikasi data membolehkan anda menggunakan pengukuran dengan betul dan dengan demikian untuk membuat keputusan dengan betul.

  • Jenis data yang paling biasa (dengan contoh) dalam statistik, penyelidikan, dan sains data. Cukup dijelaskan.
  • Infografik dalam bentuk PDF

Data Kualitatif vs Kuantitatif

1. Data kuantitatif

Data kuantitatif nampaknya paling mudah dijelaskan. Ini menjawab soalan-soalan utama seperti "berapa banyak," berapa "dan" berapa kerap ".

Data kuantitatif dapat dinyatakan sebagai angka atau dapat dikuantifikasikan. Secara sederhana, ia dapat diukur dengan pemboleh ubah berangka.

Data kuantitatif mudah diterima oleh manipulasi statistik dan dapat diwakili oleh pelbagai jenis statistik dan grafik seperti garis, grafik bar, plot penyebaran, dan lain-lain.

Contoh data kuantitatif:

  • Markah dalam ujian dan peperiksaan cth. 85, 67, 90 dan lain-lain
  • Berat seseorang atau subjek.
  • Ukuran kasut anda.
  • Suhu di sebuah bilik.

Terdapat 2 jenis data kuantitatif umum: data diskrit dan data berterusan. Kami akan menerangkannya kemudian dalam artikel ini.

2. Data kualitatif

Data kualitatif tidak dapat dinyatakan sebagai angka dan tidak dapat diukur. Data kualitatif terdiri daripada kata, gambar, dan simbol, bukan nombor.

Data kualitatif juga disebut data kategorik kerana maklumat dapat disusun mengikut kategori, bukan berdasarkan angka.

Data kualitatif dapat menjawab soalan seperti "bagaimana ini terjadi" atau dan "mengapa ini berlaku".

Contoh data kualitatif:

  • Warna cth. warna laut
  • Destinasi percutian kegemaran anda seperti Hawaii, New Zealand dan lain-lain.
  • Nama sebagai John, Patricia,… ..
  • Etnik seperti India Amerika, Asia, dll.

Terdapat 2 jenis data kualitatif umum: data nominal dan data ordinal. Kami akan menerangkannya selepas beberapa ketika.

Data Nominal vs Ordinal

3. Data nominal

Data nominal digunakan hanya untuk pelabelan pemboleh ubah, tanpa jenis nilai kuantitatif. Nama 'nominal' berasal dari kata Latin "nomen" yang bermaksud 'nama'.

Data nominal hanya menyebut sesuatu tanpa menerapkannya mengikut pesanan. Sebenarnya, data nominal hanya disebut "label".

Contoh Data Nominal:

  • Jantina (Wanita, Lelaki)
  • Warna rambut (Berambut perang, Coklat, Berambut coklat, Merah, dll.)
  • Status perkahwinan (Berkahwin, Bujang, Janda)
  • Etnik (Hispanik, Asia)

Seperti yang anda lihat dari contoh tidak ada susunan intrinsik kepada pemboleh ubah.

Warna mata adalah pembolehubah nominal yang mempunyai beberapa kategori (Biru, Hijau, Coklat) dan tidak ada cara untuk memerintahkan kategori ini dari tertinggi ke terendah.

4. Data biasa

Data biasa menunjukkan di mana nombor berada dalam urutan. Ini adalah perbezaan penting dari jenis data nominal.

Data biasa adalah data yang dimasukkan ke dalam beberapa urutan mengikut kedudukannya pada skala. Data biasa mungkin menunjukkan keunggulan.

Walau bagaimanapun, anda tidak boleh melakukan aritmetik dengan nombor ordinal kerana mereka hanya menunjukkan urutan.

Pemboleh ubah biasa dianggap sebagai pemboleh ubah kualitatif dan kuantitatif “di antara”.

Dengan kata lain, data ordinal adalah data kualitatif yang nilainya disusun.

Sebagai perbandingan dengan data nominal, yang kedua adalah data kualitatif yang nilainya tidak dapat diletakkan dalam urutan.

Kita juga boleh memberikan nombor pada data ordinal untuk menunjukkan kedudukan relatifnya. Tetapi kita tidak dapat membuat matematik dengan angka tersebut. Contohnya: "pertama, kedua, ketiga ... dll."

Contoh Data Biasa:

  • Orang pertama, kedua dan ketiga dalam pertandingan.
  • Gred huruf: A, B, C, dan lain-lain
  • Apabila syarikat meminta pelanggan menilai pengalaman penjualan pada skala 1-10.
  • Status ekonomi: rendah, sederhana dan tinggi.

Lebih banyak lagi mengenai topik ini ditambah dengan kuiz, anda boleh belajar dalam catatan kami: data nominal vs ordinal.

Data Discrete vs Continuous

Seperti yang telah kami sebutkan di atas, data diskrit dan berterusan adalah dua jenis data kuantitatif utama.

Dalam statistik, penyelidikan pemasaran, dan sains data, banyak keputusan bergantung pada sama ada data asasnya diskrit atau berterusan.

5. Data diskret

Data diskrit adalah kiraan yang hanya melibatkan bilangan bulat. Nilai diskrit tidak dapat dibahagikan kepada beberapa bahagian.

Contohnya, bilangan kanak-kanak dalam kelas adalah data diskrit. Anda boleh mengira keseluruhan individu. Anda tidak boleh mengira 1.5 kanak-kanak.

Dengan kata lain, data diskrit hanya memerlukan nilai tertentu. Pemboleh ubah data tidak boleh dibahagikan kepada bahagian yang lebih kecil.

Ia mempunyai sebilangan besar kemungkinan nilai cth. hari dalam sebulan.

Contoh data diskrit:

  • Bilangan pelajar dalam satu kelas.
  • Bilangan pekerja di sebuah syarikat.
  • Bilangan rumah berjalan dalam permainan besbol.
  • Bilangan soalan ujian yang anda jawab dengan betul

6. Data berterusan

Data berterusan adalah maklumat yang dapat dibahagikan secara bermakna kepada tahap yang lebih baik. Ia dapat diukur pada skala atau kontinum dan dapat memiliki hampir semua nilai angka.

Contohnya, anda boleh mengukur ketinggian anda pada skala yang sangat tepat - meter, sentimeter, milimeter dan lain-lain.

Anda boleh merakam data berterusan pada begitu banyak ukuran - lebar, suhu, masa, dan lain-lain. Di sinilah terletaknya perbezaan utama dari jenis data yang berbeza.

Pemboleh ubah berterusan boleh mengambil nilai antara dua nombor. Contohnya, antara 50 dan 72 inci, terdapat jutaan ketinggian yang mungkin: 52.04762 inci, 69.948376 inci dan lain-lain.

Peraturan yang baik untuk menentukan apakah data berterusan atau diskrit adalah bahawa jika titik pengukuran dapat dikurangkan menjadi separuh dan masih masuk akal, data tersebut berterusan.

Contoh data berterusan:

  • Jumlah masa yang diperlukan untuk menyelesaikan projek.
  • Ketinggian kanak-kanak.
  • Rakaman persegi sebuah rumah dua bilik tidur.
  • Kelajuan kereta.

Lebih banyak lagi mengenai topik yang dapat anda lihat dalam catatan terperinci kami mengenai data diskrit vs berterusan: dengan carta perbandingan.

Semua jenis data yang berbeza mempunyai tempat penting dalam statistik, penyelidikan, dan sains data.

Jenis data berfungsi bersama untuk membantu organisasi dan perniagaan dari semua industri membina proses membuat keputusan berdasarkan data yang berjaya.

Bekerja di bidang pengurusan data dan mempunyai kemahiran sains data yang baik melibatkan pemahaman yang mendalam tentang pelbagai jenis data dan kapan menggunakannya.


Pelajaran 1

Soalan A: Berapa banyak kerepek kentang dalam beg kerepek ini?

Soalan B: Berapakah bilangan kerepek khas dalam kantung kerepek?

Soalan C: Apakah jenis kerepek ini?

Soalan D: Apakah jenis kerepek yang disukai oleh pelajar di kelas ini?

1.2: Mewakili Data Mengenai Anda dan Rakan Sekelas Anda

Guru anda akan memberikan 3 soalan kepada anda.

  • Tulis soalan anda sendiri yang memerlukan data yang dikumpulkan dari kelas untuk dijawab.
  • Untuk setiap 4 soalan, tulis soalan tinjauan yang akan membantu anda mengumpulkan data dari kelas yang dapat dianalisis untuk menjawab soalan.
  • Ajukan 4 soalan tinjauan kepada 15 rakan sekelas dan catatkan respons mereka untuk mengumpulkan data.
  • Setelah mengumpulkan data kembali ke kumpulan anda.
  1. Apakah soalan anda sendiri yang memerlukan data yang dikumpulkan dari kelas untuk dijawab?
  2. Apakah 4 soalan tinjauan yang akan anda tanyakan kepada rakan sekelas anda?
  3. Ringkaskan data untuk setiap soalan dalam satu atau dua ayat dan bagikan hasilnya dengan kumpulan anda.
  4. Dengan kumpulan anda, tentukan persamaan jawapan bagi soalan nombor 1. Kemudian lakukan perkara yang sama untuk soalan bernombor 2 dan 3.
  5. Adakah soalan yang anda tulis sesuai dengan soalan dari nombor 1, 2, atau 3? Terangkan alasan anda.

Cari artikel berita yang menggunakan data berangka untuk membincangkan persoalan statistik.

Cari artikel berita yang menggunakan data kategorik untuk membincangkan persoalan statistik.

Ringkasan

Statistik adalah mengenai penggunaan data untuk menyelesaikan masalah atau membuat keputusan. Terdapat dua jenis data:

  • Data berangka dinyatakan menggunakan nombor. Contohnya, untuk menjawab soalan "Berapa tinggi pelajar di kelas ini?" anda akan mengukur ketinggian setiap pelajar yang akan menghasilkan data berangka.
  • Data kategori dinyatakan menggunakan ciri. Sebagai contoh, untuk menjawab soalan "Apakah jenama telefon yang digunakan orang?" anda akan meninjau beberapa orang dan jawapan mereka menghasilkan data kategori.

Soalan yang anda tanyakan menentukan jenis data yang anda kumpulkan dan adakah atau tidak kebolehubahan dalam data yang dikumpulkan. Pada nilai sebelumnya, anda mengetahui bahawa terdapat perbezaan dalam set data jika tidak semua nilai dalam set data sama. Ini adalah contoh soalan statistik kerana mereka dijawab dengan mengumpulkan data yang mempunyai kebolehubahan:

  • "Berapa ukuran kelas rata-rata di sekolah ini?" akan menghasilkan data berangka dengan beberapa kebolehubahan.
  • "Apa warna kegemaran pelajar di kelas ini?" akan menghasilkan data kategori dengan beberapa kebolehubahan.

Ini adalah contoh soalan bukan statistik kerana mereka dijawab dengan mengumpulkan data yang tidak berbeza:

  • "Berapa banyak pelajar yang berada di daftar untuk kelas ini?" akan menghasilkan data berangka yang tidak berbeza. Hanya ada satu nilai dalam kumpulan data, jadi tidak ada kebolehubahan.
  • "Warna apa penanda ini?" akan menghasilkan data kategori yang tidak berbeza. Hanya ada satu nilai dalam kumpulan data, jadi tidak ada kebolehubahan.

Penyertaan Glosari

Data kategoris adalah data di mana nilainya adalah kategori. Sebagai contoh, baka 10 anjing yang berbeza adalah data kategori. Contoh lain ialah warna 100 bunga yang berbeza.

Pertanyaan bukan statistik adalah pertanyaan yang dapat dijawab oleh pengukuran atau prosedur tertentu di mana tidak ada perubahan yang diharapkan, misalnya:

  • Berapa tinggi bangunan itu?
  • Sekiranya saya berlari pada jarak 2 meter sesaat, berapa lama masa saya berlari sejauh 100 meter?

Data berangka, juga disebut data pengukuran atau kuantitatif, adalah data di mana nilainya adalah angka, ukuran, atau kuantiti. Contohnya, berat 10 anjing berbeza adalah data berangka.

Soalan statistik adalah soalan yang hanya dapat dijawab dengan menggunakan data dan di mana kami menjangkakan data tersebut mempunyai kebolehubahan, misalnya:

  • Siapa artis muzik paling popular di sekolah anda?
  • Bilakah pelajar di kelas anda biasanya makan malam?
  • Bilik darjah mana di sekolah anda yang paling banyak buku?

Nama dan logo Ilustrasi Matematik tidak tertakluk pada lesen Creative Commons dan tidak boleh digunakan tanpa persetujuan bertulis Illustratif Matematik terlebih dahulu dan jelas.

Buku ini merangkumi gambar domain awam atau gambar berlesen terbuka yang dilindungi hak cipta oleh pemiliknya masing-masing. Gambar berlesen secara terbuka tetap di bawah syarat lesen masing-masing. Lihat bahagian atribusi gambar untuk maklumat lebih lanjut.


Jadual Frekuensi dan Kekerapan

The kekerapan dari nilai data tertentu ialah berapa kali nilai data berlaku.

Sebagai contoh, jika empat pelajar mempunyai skor 80 dalam matematik, dan kemudian skor 80 dikatakan mempunyai frekuensi 4. Frekuensi nilai data sering diwakili oleh f.


A jadual kekerapan dibina dengan mengatur nilai data yang dikumpulkan dalam urutan magnitud menaik dengan frekuensi yang sepadan.

Contoh 5

Markah yang diberikan untuk tugasan yang ditetapkan untuk kelas Tahun 8 yang terdiri daripada 20 orang pelajar adalah seperti berikut:
6 7 5 7 7 8 7 6 9 7
4 10 6 8 8 9 5 6 4 8

Kemukakan maklumat ini dalam jadual kekerapan.

Penyelesaian:

Untuk membina jadual kekerapan, kami meneruskan seperti berikut:

Bentukkan jadual dengan tiga lajur. Lajur pertama menunjukkan apa yang disusun dalam urutan menaik (iaitu tanda). Tanda terendah adalah 4. Oleh itu, mulakan dari 4 pada lajur pertama seperti gambar di bawah.

Lihat senarai markah. Tanda pertama dalam senarai adalah 6, jadi letakkan tanda penghitungan dengan 6 di lajur kedua. Tanda kedua dalam senarai adalah 7, jadi letakkan tanda penghitungan dengan 7 di lajur kedua. Tanda ketiga dalam senarai adalah 5, jadi letakkan tanda penghitungan dengan 5 di lajur ketiga seperti yang ditunjukkan di bawah.

Kami meneruskan proses ini sehingga semua markah dalam senarai dihitung.

Hitung bilangan markah untuk setiap tanda dan tuliskan di lajur ketiga. Jadual frekuensi selesai adalah seperti berikut:

Secara umum:

Kami menggunakan langkah-langkah berikut untuk membina jadual kekerapan:

Bentukkan jadual dengan tiga lajur. Kemudian pada lajur pertama, tuliskan semua nilai data mengikut urutan besaran menaik.

Untuk melengkapkan lajur kedua, lihat senarai nilai data dan letakkan satu tanda penghitungan di tempat yang sesuai di lajur kedua untuk setiap nilai data. Apabila penghitungan kelima dicapai untuk tanda, lukiskan garis mendatar melalui empat tanda penghitungan pertama seperti yang ditunjukkan untuk 7 dalam jadual frekuensi di atas. Kami meneruskan proses ini sehingga semua nilai data dalam senarai dihitung.

Hitung jumlah markah untuk setiap nilai data dan tuliskan di lajur ketiga.

Selang Kelas (atau Kumpulan)

Apabila kumpulan nilai data tersebar, sukar untuk mengatur jadual frekuensi untuk setiap nilai data kerana akan ada terlalu banyak baris dalam tabel. Oleh itu, kami mengumpulkan data ke dalam selang kelas (atau kumpulan) untuk membantu kami mengatur, mentafsirkan dan menganalisis data.

Sebaiknya, kita mesti mempunyai antara lima hingga sepuluh baris dalam jadual kekerapan. Ingatlah perkara ini semasa menentukan ukuran selang kelas (atau kumpulan).

Setiap kumpulan bermula pada nilai data yang merupakan gandaan dari kumpulan itu. Sebagai contoh, jika ukuran kumpulan adalah 5, maka kumpulan harus bermula pada 5, 10, 15, 20 dan lain-lain. Begitu juga, jika saiz kumpulan adalah 10, maka kumpulan harus bermula pada 10, 20, 30, 40 dll.

The kekerapan kumpulan (atau selang kelas) adalah bilangan nilai data yang berada dalam julat yang ditentukan oleh kumpulan itu (atau selang kelas).

Contoh 6

Jumlah panggilan dari pengguna kenderaan setiap hari untuk perkhidmatan di tepi jalan dicatatkan untuk bulan Disember 2003. Hasilnya adalah seperti berikut:

Sediakan jadual kekerapan untuk set nilai data ini.

Penyelesaian:

Untuk membina jadual kekerapan, kami meneruskan seperti berikut:

Langkah 1: Bina jadual dengan tiga lajur, dan kemudian tulis kumpulan data atau selang kelas di lajur pertama. Ukuran setiap kumpulan adalah 40. Jadi, kumpulan akan bermula pada 0, 40, 80, 120, 160 dan 200 untuk memasukkan semua data. Perhatikan bahawa sebenarnya kita memerlukan 6 kumpulan (1 lebih banyak daripada yang kita fikirkan dahulu).

Langkah 2: Lihat senarai nilai data. Untuk nilai data pertama dalam senarai, 28, letakkan tanda penghitungan terhadap kumpulan 0-39 di lajur kedua. Untuk nilai data kedua dalam senarai, 122, letakkan tanda penghitungan terhadap kumpulan 120-159 pada lajur kedua. Untuk nilai data ketiga dalam senarai, 217, letakkan tanda penghitungan terhadap kumpulan 200-239 di lajur kedua.

Kami meneruskan proses ini sehingga semua nilai data dalam set dihitung.

Langkah 3: Hitung jumlah markah untuk setiap kumpulan dan tuliskan di lajur ketiga. Jadual frekuensi selesai adalah seperti berikut:

Syarat Utama

Hak cipta 2000-2020 mathsteacher.com Pty Ltd. Hak cipta terpelihara.
Nombor Perniagaan Australia 53 056 217 611

Sila baca Terma dan Syarat Penggunaan Laman web ini dan Privasi dan Polisi Lain kami.
Sekiranya anda mengalami kesukaran ketika menggunakan Laman web ini, beritahu kami melalui borang maklum balas atau dengan menghubungi nombor telefon kenalan.


Tonton videonya: Micro Teaching Matematik Tingkatan 2 Sukatan Kecenderungan Memusat (Oktober 2021).