Fordele og ulemper ved en frekvenstabel

Frekvensborde kan være nyttige til at beskrive antallet af forekomster af en bestemt type nulpunkt i et datasæt. Frekvensborde, også kaldet frekvensfordelinger, er et af de mest basale værktøjer til visning af beskrivende statistik. Frekvenstabeller bruges bredt som et hurtigt overblik over distributionen af data; de er lette at fortolke, og de kan vise store datasæt på en ret kortfattet måde. Frekvenstabeller kan hjælpe med at identificere åbenlyse tendenser i et datasæt og kan bruges til at sammenligne data mellem datasæt af samme type. Frekvensborde er imidlertid ikke passende til hver applikation. De kan skjule ekstreme værdier (mere end X eller mindre end Y), og de egner sig ikke til analyser af skævheden og kurtosen i dataene.
Rapid Data Visualization

Frekvensstabeller kan hurtigt afsløre udligere og endda betydelige tendenser inden for et datasæt med ikke meget mere end en kortvarig inspektion. For eksempel kan en lærer muligvis vise elevernes karakterer for en midtvejsperiode på en frekvenstabel for at få et hurtigt kig på, hvordan hendes klasse generelt går. Nummeret i frekvenssøjlen repræsenterer antallet af studerende, der modtager denne karakter; for en klasse på 25 studerende kan frekvensfordelingen af modtagne brevkarakterer se sådan ud: Gradfrekvens A .............. 7 B ........... ..13 C .............. 3 D .............. 2 - Visualisering af relativ overflod

Frekvensborde kan hjælpe forskere med at undersøge den relative forekomst af hver enkelt måldata i deres prøve. Relativ overflod repræsenterer hvor meget af datasættet, der består af måldataene. Relativ overflod er ofte repræsenteret som et frekvenshistogram, men kan let vises i en frekvenstabel. Overvej den samme frekvensfordeling af midtvejsgrader. Relativ overflod er simpelthen procentdelen af de studerende, der har fået en bestemt karakter, og kan være nyttige til at konceptualisere data uden at overtænke dem. For eksempel med den tilføjede kolonne, der viser den procentvise forekomst af hver karakter, kan du nemt se, at mere end halvdelen af klassen scorede en B, uden at skulle undersøge dataene meget detaljeret.

Karakterfrekvensrelativ Overflod (% frekvens) A .............. 7 .............. 28% B ............ .13 ............ 52% C .............. 3 ............. 12% D. ............ 2 .............. 8%
Komplekse datasæt kan være nødvendigt at klassificere i intervaller

En ulempe er, at det er vanskeligt at forstå komplekse datasæt, der vises på en frekvenstabel. Store datasæt kan opdeles i intervalklasser for let visualisering ved hjælp af en frekvenstabel. For eksempel, hvis du spurgte de næste 100 personer, du ser, hvad deres alder var, ville du sandsynligvis få en bred vifte af svar, der spænder overalt fra tre til treoghalvfems. I stedet for at inkludere rækker for hver alder i din frekvenstabel, kan du klassificere dataene i intervaller, såsom 0 - 10 år, 11 - 20 år, 21 - 30 år og så videre. Dette kan også benævnes en grupperet frekvensfordeling.
Frekvenstabeller kan skjule skævhed og kurtose

Medmindre de vises på et histogram, kan skevhed og kurtose af data muligvis ikke fremgå i en frekvenstabel. Skævheden fortæller dig, hvilken retning dine data har tendens til. Hvis karakterer blev vist på tværs af X-aksen på en graf, der viser hyppigheden af midtvejs karakterer for vores 25 studerende ovenfor, ville fordelingen skeive mod A'erne og B'erne. Kurtosis fortæller dig om de centrale toppe i dine data - om de ville falde på linje med en normal fordeling, som er en dejlig glat klokkekurve, eller være høj og skarp. Hvis du tegner midtvejs karakterer i vores eksempel, vil du finde en høj top ved B med et skarpt dropoff i fordelingen af lavere kvaliteter.