Шпаргалка: Лекции по статистике
3 3 3 2 5 5 4 4 4 3 4 3 4 5 4
4 4 4 3 3 4 3 4 3 2 3 2 3 3 3
При таком представлении информации трудно делать какие-либо выводы об успеваемости. Произведем группировку данным путем подсчета количества различных оценок.
| оценки | 2 | 3 | 4 | 5 |
| количество | 4 | 6 | 8 | 7 |
Как видим, вместо 45 чисел осталось 8, при этом повысилась информативность таблицы, более 50% студентов сдали предмет на хорошо и отлично. Данный пример показывает, что эти данные лучше сгруппировать, то есть разделить их на однородные группы по некоторому признаку. Благодаря группировке данные приобретают систематизированный вид. Если данные систематизированы по времени, то моделью группировки будет временный ряд. Если же по любому другому признаку - то ряд распределения. А для количественных признаков - вариационный ряд.
Пусть Х - одномерный количественный признак и в результате n его измерений наблюдалось n его значений x(1),x(2).....x(n), среди которых могут быть одинаковые. Эти значения называют вариантами. Пуст среди имеющихся n вариант имеется k различных
.Причем x1 встречается m1 раз, xk - mk раз. Понятно, что 
.
Определение.
Вариационным рядом называется последовательность различных вариант. записанных в возрастающем порядке вместе с соответствующими частотами. Вариационный ряд обычно записывается в одном из видов: в таблице с частотами mi, через относительные частоты Wi=mi/n. В зависимости от типа признака различают дискретные и интервальные вариационные ряды. В зависимости от объема исходных данных и области допустимых значений одномерного количественного признак, частотные распределения также подразделяются на дискретные и интервальные. Если различных вариант очень много (более 10-15), то эти варианты группируют, выбирая определенное число интервалов группировки и получая таким образом интервальное частотное распределение. Алгоритм группировки массива данных 
состоит из следующих шагов:
1. находят минимальную и максимальную варианты
2. весь диапазон значений признака [Xmin,Xmax] разбивают на к интервалов одинаковой длины 
.
Число К обычно берется в пределах 10-15. Редки случаи, когда требуется более 25 и менее 8 группировок. Существуют формулы для определения “оптимального” значения К и построения таким образом оптимального распределения частот. Формула Старджеса 
. Для больших n эта формула дает оценку снизу для К.
3. находят граничные точки каждого из интервалов 
и т.д.
4. подсчитываем число вариант Mi, попавших в интервал 
, причем варианты, попавшие на границы интервалов, относят только к одному из интервалов, результат заносят в таблицу 
.
Пример 2.
Приведем вариационный ряд почасовой оплаты 303 рабочих промышленности
| Xi | 2.49 | 2.50 | 2.51 | 2.52 | 2.53 | 2.54 | 2.55 | 2.56 | 2.57 | 2.58 | 2.59 | 2.6 | 2.61 |
| Mi | 1 | 4 | 1 | 1 | 0 | 3 | 2 | 0 | 3 | 2 | 1 | 8 | 1 |
| 2.62 | 3 | 2.72 | 9 | 2.82 | 11 | 2.92 | 6 | 3.02 | 2 | 3.12 | 0 | 3.22 | 1 | 3.32 | 1 |
| 2.63 | 0 | 2.73 | 3 | 2.83 | 3 | 2.93 | 2 | 3.03 | 0 | 3.13 | 0 | 3.23 | 0 | 3.33 | 0 |
| 2.64 | 5 | 2.74 | 10 | 2.84 | 4 | 2.94 | 4 | 3.04 | 3 | 3.14 | 2 | 3.24 | 0 | 3.34 | 2 |
| 2.65 | 7 | 2.75 | 11 | 2.85 | 7 | 2.95 | 8 | 3.05 | 4 | 3.15 | 4 | 3.25 | 3 | 3.35 | 2 |
| 2.66 | 3 | 2.76 | 4 | 2.86 | 5 | 2.96 | 5 | 3.06 | 2 | 3.16 | 2 | 3.26 | 1 | 3.36 | 0 |
| 2.67 | 2 | 2.77 | 2 | 2.87 | 3 | 2.97 | 2 | 3.07 | 0 | 3.17 | 0 | 3.27 | 0 | 3.37 | 1 |
| 2.68 | 3 | 2.78 | 9 | 2.88 | 8 | 2.98 | 3 | 3.08 | 2 | 3.18 | 2 | 3.28 | 0 | ||
| 2.69 | 2 | 2.79 | 5 | 2.89 | 4 | 2.99 | 1 | 3.09 | 0 | 3.19 | 1 | 3.29 | 0 | ||
| 2.70 | 14 | 2.8 | 22 | 2.90 | 16 | 3.0 | 9 | 3.10 | 7 | 3.20 | 4 | 3.30 | 4 | ||
| 2.71 | 4 | 2.81 | 3 | 2.91 | 3 | 3.01 | 1 | 3.11 | 0 | 3.21 | 0 | 3.31 | 0 |
Построим для данного ряда интервальное частотное распределение.
1. X min = 2,49 Xmax=3,37
2. 
Для удобства вычислений возьмем К=10. и т.д.
Для наглядного представления дискретных частотных распределений могут применяться вертикальные линии. Каждый из примеров можно рассматривать либо как выборку, либо как генеральную совокупность. Обычно данные собирают и анализируют для практических результатов.
пример.
Абсолютное частотное распределение прибыли 100 крупных межнациональных компаний, базирующихся в США за 1988 г.
| Класс компании, размер прибыли, млн.$ | Число компаний в классе | |
| -1500-0 | 3 | ||| |
| 0-500 | 41 | |||| |||| |||| |||| |||| |||| |||| |||| |||| |||| | |
| 500 - 1000 | 32 | |||| |||| |||| |||| |||| |||| |||| |||| |
| 1000 - 1500 | 9 | |||| |||| | |
| 1500 - 2000 | 6 | |||| || |
| 2000 - 2500 | 6 | |||| || |
| 2500 - 5500 | 3 | ||| |
3. Графическое изображение статистических данных.
Обычно табличное распределение частот дополняют его графическим представлением. Схематически все множество графических представлений статистических данных разделяют на два класса: диаграммы и линейные изображения. К классу линейных графиков относятся полигон, кумулятивная кривая, кривая концентрации, огива.
Полигоном частот называют ломаную, отрезки которой соединяют точки
Иногда крайние точки соединяют с точками, имеющими нулевую ординату.
пример. (с оценками)
Полигоном относительных частот называют ломаную, отрезки которой соединяют точки 
.
Замечание.
Если на ось абсцисс наносить возможные исходы событий, а на ось ординат - вероятности этих исходов, то ломаная линия, характеризующая изменение вероятностей различных исходов событий при испытаниях называется полигоном распределения вероятностей.
Кумулятивная кривая (кривая сумм) - ломаная, составленная по последовательно суммированным, т.е. накопленным частотам или относительным частотам. При построении кумулятивной кривой дискретного признака на ось абсцисс наносятся значения признака, а ординатами служат нарастающие итоги частот. Соединением вершин ординат прямыми линиями получают кумуляту. При построении кумуляты интервального признака, на ось абсцисс откладываются границы интервалов и верхним значениям присваивают накопленные частоты. Кумулятивную кривую называют полигоном накопленных частот.