Razdioba frekvencija

Promatrajući dobivene podatke često se može uočiti da među njima ima više jednakih.
Kako bi si olakšali njihov statističku analizu trebamo ih grupirati u razrede.
To činimo na način da sve međusobno jednake vrijednost stavimo u jedan razred i svim
vrijednostima koje su se ponavljale dodjelimo vrijednost frekvencije ponavljanja.
U tom slučaju možemo reći da je S statistički skup s grupiranim elementima.

Definicija 2

Neka je S statistički skup od N elemenata (tj. S=N). Kažemo da je fi apsolutna frekvencija

i-tog razreda ako u tom razredu ima fi jednakih elemenata statističkog skupa. Broj:

1
pi  f ri  fi , i=1,2, …,k
N

nazivamo relativna frekvencija i-tog razreda.

Suma svih apsolutnih frekvencija jednaka je ukupnom broju elemenata statističkog skupa, tj.:

f
i 1
i  N , k je broj grupacija jednakih elemenata kojima pripada i -ta frekvencija
k k

 pi  fri  1.
i 1 i 1

Primjer Prikupljeni su podaci o broju članova obitelji na osnovi 70 anketiranih studenata, te

uređeni po veličini :
1112222222333333333333333333333333344444444444444444444444444555555666

xi (broj članova f i (apsolutna pi (relativna frekvencija,struktura u

obitelji) frekvencija) %)
1 3 4.29
2 7 10.00
3 25 35.71
4 26 37.14
5 6 8.57
6 3 4.29
Ukupno    70 100.00

Napomena Pri računanju relativne frekvencije koristimo zaokruživanje rezultata na 2.

decimalu, te izraz:
1
pi  f ri  f i , i  1, 2,..., m
N
Često je dobivene podatke potrebno grupirati u tzv. „razrede“ ili nam kao takvi već dolaze na
statističku obradu i analizu.
Trebamo se držati principa: što je broj mjerenja manji, treba i broj razreda biti manji i
obratno.

1
Razredi moraju biti jednaki po veličini, tj. svaki od njih mora obuhvatiti jednako veliki
interval.
Kako bismo odredili koliko nam treba iznositi interval pojedinog razreda u koji svrstavamo
podatke, „raspon“ dobivenih rezultata (podataka) podijelimo sa željenim brojem razreda.
„Rasponom“ nazivamo razliku između najvećeg i najmanjeg rezultata.1

Granice razreda mogu biti:

 Nominalne (npr. 18-19, 20-21, 22-23, 24-25....)

 Prave (npr. 18-20, 20-22, 22-24,...)
 Precizne (npr. 17.5-19.5, 19.5-21.5, 21.5-23.5,....)

Primjer

Na jednom čovjeku je izvršeno 50 mjerenja vremena reakcije na određeni podražaj i dobiveni

su rezultati (u tisućinkama sekunde):

196 173 186 189 173 165 167 160 140 174 180 151 157 164 154 169 190 180 163
157 169 167 165 160 177 165 157 177 159 175 166 173 185 177 184 183 162 192
174 162 165 172 158 169 146 170 171 169 168 153

Rješenje:

Raspon je u ovom slučaju 196-140 = 56.

Uzmimo da smo odlučili raditi s 12 razreda. Naš interval će biti 56/12 = 4,67  5.
Započnimo s najmanjim podatkom 140 (može se započeti i nekim drugim brojem koji je
ispod najnižeg rezultata):

Razred
140-145
145-150
150-155
155-160
160-165
165-170
170-175
175-180
180-185
185-190
190-195
195-200

1
Petz, B., Osnovne statističke metode za nematematičare, 5. izdanje, str. 46 , Naklada Slap, Zagreb,1997.

2
Primjer (U koliko je mjerenje izvršeno na točnost od jedne jedinice)

1. pravilo 2. pravilo
140-144 139.5-144.5
145-149 144.5-149.5
150-154 149.5-154.5
155-159 154.5-159.5
itd. itd.

(2. pravilo poštivamo ovako: 145-144=1; 1/2=0.5;  140-0.5=139.5; i 144+0.5=144.5, te

dobivmo granice 139.5-144.5)

Primjer (U koliko je mjerenje provedeno na točnost od 0.5 jedinica)

1. pravilo 2. pravilo
140-144.5 139.75-144.75
145-149.5 144.75-149.75
150-154.5 149.75-154.75
155-159.5 154.75-159.75
itd. itd.

(145-144.5=0.5; 0.5/2=0.25;  140-0.25=139.75 i 144.5+0.25=144.75, te dobivmo granice

139.75-144.75)

Frekvencije pojavljivanja rezultata se iskažu prema broju podataka koji se nalaze u pojedinim
razredima.
Primjer
Razred Frekvencija rezultata f i
140-145 1
145-150 1
150-155 3
155-160 5
160-165 6
165-170 12
170-175 8
175-180 4
180-185 4
185-190 3
190-195 2
195-200 1
k 50
 fi  N
i

Napomena Kontrola da smo sve podatke uzeli u obzir je da suma svih frekvencija mora biti
k
jednaka broju podataka koje smo dobili ispitivanjem (  fi  N ), ali da li je svaki podatak
i
uzet u obzir u pravom razredu ne možemo lako kontrolirati.

3
Sve veličine koje iz podataka smještenim u razredima izračunavamo računamo pomoću
sredine razreda. Sredina xi predstavlja cijeli razred kojemu pripada odgovarajuća frekvencija.

Primjer
Razred Frekvencija rezultata f i Sredina razreda xi
140-145 1 142.5
145-150 1 147.5
150-155 3 152.5
155-160 5 157.5
160-165 6 162.5
165-170 12 167.5
170-175 8 172.5
175-180 4 177.5
180-185 4 182.5
185-190 3 187.5
190-195 2 192.5
195-200 1 197.5

140  145
Način računanja: npr. x1   142.5 .
2

Ako elemente statističkog skupa grupiramo u razrede i odredimo pripadne frekvencije, onda
kažemo da smo definirali razdiobu (distribuciju) frekvencija.
Na taj način i-tom razredu pridružen je uređeni par (xi, fi), gdje je xi sredina i-tog razreda.
Skup svih uređenih parova (xi, fi), i = 1, 2,…, k nazivamo empirijska razdioba statističkog
skupa.
Ovu razdiobu za koju kažemo da je statistički skup s grupiranim elementima često pišemo kao

 x1 x2 xk 
    (xi , f ri ) : i = 1, , k .
 f r1 f r2 f rk 

Empirijsku razdiobu možemo prikazati grafički, tako da se u koordinatni sustav unose točke
(xi, fi), koje spojene dužinama daju poligon frekvencija.
Primjer2

Neka imamo empirijske podatke dane tablicama

Tabica 1. Tablica 2.

sredina razreda
x fi fri i razred ( xi ) fi fri

0 2 0.08 1 3.30 - 3.40 3.35 2 2/24

1 3 0.12 2 3.40 - 3.50 3.45 2 2/24
2 4 0.16 3 3.50 - 3.60 3.55 6 6/24

2
Galić,R., Statistika, Elektrotehnički fakultet Osijek, Osijek, 2004. , str. 245 i 247

4
 3 6 0.24 4 3.60 - 3.70 3.65 7 7/24
4 7 0.28 5 3.70 - 3.80 3.75 4 4/24
5 2 0.08 6 3.80 - 3.90 3.85 3 3/24
k k


i
fi  N 24 f
i
i N 24

fi fi
7 7
6 6
5 5
4 4
3 3
2 2
1 1

1 2 3 4 5 6 xi 3.35 3.45 3.55 3.65 3.75 3.85 xi

Slika 1. Slika 2.

Slika 1. prikazuje podatke iz Tablice 1., a Slika 2. prikazuje podatke iz Tablice 2.

Empirijsku razdiobu možemo prikazati i uz pomoć histograma.

Rf
fi 1.0
7
6 0.9
5 0.4
4 0.3
3
0.2
2
1 0.1

3.3 3.4 3.5 3.6 3.7 3.8 3.9 xi 0 1 2 3 4 5 6 xi

Slika 3. Slika 4.

Razdioba relativnih frekvencija iz Tablice 1. je prikazana na Slici 4., dok je na Slici 3.

prikazan histogram koji grafički prikazuje razdiobu frekvencija iz Tablice 2.

Napomena Za empirijsku razdiobu ( xi , f ri ), i  1, 2,..., k kažemo da je približno

distributivna nekoj teorijskoj razdiobi (binomnoj, normalnoj i dr.), ako se njen poligon
frekvencija približno podudara s krivuljom odgovarajuće teorijske razdiobe.

5
Određeni uvid u zakonitost razdioba frekvencije daje kumulativna funkcija koja je
definirana sljedećim formulama; (oznake: s t se označava pozicija podatka u kumulativnom
nizu, sa x označavamo vrijednost podatka za koji postoji određena frekvencija
pojavljivanja f x .
f
Za računanje pomoću relativne frekvencije t  , K (t )   x (ili oznaka S x  xi  )
x t N
i
za računanje pomoću apsolutne frekvencije t  , K (t )   f x (ili oznaka Fx  xi  ).
x t

Kumulativna funkcija se isto može grafički prikazati. Njezin graf je stepenasta funkcija.

Primjer

Korištenjem trećeg stupca Tablice 1. mogu se izračunati vrijednosti pripadne kumulativne

funkcije:
za t < 0, K(t) = 0,
2 2 3 5 2 3 4 9
K (0)  , K (1)    , K (2)     ,
26 26 26 26 26 26 26 26

2 3 4 6 15 2 3 4 6 7 22
K (3)      , K(4) =      ,
26 26 26 26 26 26 26 26 26 26 26

2 3 4 6 7 2 24
K(5) =       ,
26 26 26 26 26 26 26
t  6, K(t) = 1.
Tablica 1 je dopunjena novim stupcem s vrijednostima kumulativne funkcije čije su
vrijednosti izračunate preko relativne frekvencije.

x fx frx K(t)
0 2 0.08 0.08
1 3 0.12 0.20
2 4 0.16 0.36
3 6 0.24 0.60
4 7 0.28 0.88
5 2 0.08 0.96
6 1 0.04 1
 26 1
Tablica 3.

Graf ove kumulativne funkcije na osnovi podataka iz Tablice 3. izgleda ovako

6
 K (t )
1.0
0.8
0.6
0.4
0.2

1 2 3 4 5 6 t

Slika 5.