相对频率计算器 - 频率分布

频数是统计学中最基础的概念之一：它只是统计数据集中每个数值出现的次数。相对频率更进一步，把每个次数表示为观测总数中的比例，将原始计数转换为分数或百分比，因此无论数据集大小如何都具有可比意义。单独看频数 6 很难解释；相对频率 30% 会立刻告诉你，近三分之一的观测值取了这个数值。 计算方法很直接。对数据集中的每个不同数值，统计它出现的次数——这就是绝对频数。然后用该次数除以数据点总数。乘以 100 可表示为百分比。例如，在 20 次掷骰数据中，数值 3 出现 4 次，则频数为 4，相对频率为 4/20 = 0.20，即 20%。所有不同数值的相对频率之和始终为 1（或 100%），这是一个有用的合理性检查。 累计频数是在按序排列的数值中逐步累加频数得到的。数值 v 处的累计频数，是小于或等于 v 的观测值总数。类似地，数值 v 处的累计相对频率（也称经验 CDF）是观测值 ≤ v 的比例。数据集中最大值处的累计相对频率始终恰好为 1.0（100%）。 在教育和评估中，相对频率表用于描述考试分数、成绩或调查回答的分布。面对 30 名学生，教师可以立即看到各分数段所占比例，以及分布大致是对称、左偏还是右偏。在市场研究中，相对频率能以高管和客户容易理解的形式汇总客户满意度评分、产品偏好和人口统计类别。 在质量控制和制造业中，频率分布是统计过程控制（SPC）的基础。工程师通过绘制缺陷数、尺寸或过程测量值随时间变化的相对频率，可以在产品质量受影响前发现漂移、异常波动或系统性变化。帕累托图——按频数排序的条形图——是识别少数主要缺陷类型的标准工具，其依据是常见的原则：20% 的原因往往解释 80% 的缺陷。 在概率论中，大数定律指出，随着随机试验次数增加，观测到的相对频率会收敛到理论概率。这个联系使相对频率表成为实验数据与理论概率分布之间的经验桥梁。对于 10 次抛硬币的小数据集，正面的相对频率可能远离 0.5；而抛 10,000 次时，它会非常接近。相对频率计算器可让你直接用任意数据集探索这种收敛。 一个实用提示：计算器会先按数值升序排序，再计算频数。如果你的数据集包含分类标签而不是数字，需要先将其编码为数字（例如把调查回答 Never/Sometimes/Always 编码为 1/2/3）再输入。