A gyakorisági eloszlás az adatok (mért értékek, jellemző értékek) statisztikai leírásának módszere . Matematikailag a gyakorisági eloszlás egy olyan függvény, amely mindenekelőtt minden indikátor ideális értékét határozza meg, mivel ez az érték általában már mérve van. Egy ilyen eloszlás táblázat vagy grafikon formájában ábrázolható funkcionális egyenletek modellezésével . A leíró statisztikában a gyakorisági eloszlásnak számos matematikai függvénye van, amelyeket a gyakorisági eloszlás kiegyenlítésére és elemzésére használnak (például a Gauss-normális eloszlást ).
Az adatok mennyisége (mért értékek, felmérési adatok) az első eredeti rendezetlen lista. Először is rendezni kell. Az eredeti listától ebben az esetben a kvantilisek (statisztikai szórás), a valószínű eltérés és a szórás ( ökölszabály : szórás = távolság / 6) enyhe eltérése lehet .
Ezután minden értékhez értéket rendelünk, és összegezzük őket. Általában az abszolút frekvenciát kapjuk. Az abszolút gyakorisági adatok alapján kiszámítjuk a mintaértékek teljes számát és kiszámítjuk a relatív gyakoriságokat. Most van egy rendezett értékpár-készletünk (a karakterisztikus értékek és a hozzájuk tartozó relatív gyakoriságok), az ún.
Adjuk össze a relatív gyakoriságokat, kezdve a legkisebb jellemző értékkel, és rendeljük hozzá minden jellemzőhöz az összeg értékét (beleértve a saját hozzájárulását is), így az eloszlást kapjuk . Ez minden jellemző értéknél azt jelzi, hogy mekkora aránya kisebb vagy egyenlő a megfelelő jellemző értéknél. A százalékos érték 0-tól kezdődik, és 1-ig vagy 100-ig terjed. Grafikusan ezt egy gyenge , monoton növekvő görbe ábrázolja , amely megnyúlt S-alakú. Számos kísérlet van arra, hogy az eloszlási eredményeket funkcionális egyenletekkel reprodukálják . Az összeg-eloszlás a jellemzők értékétől függően a gyakorisági eloszlás legegyszerűbb ábrázolásának módja.
A szabályok szerint a jellemző értékek osztályozása is szükséges . Ez az eljárás például 10 vagy 20 egyenlő szélességű osztályra osztja fel az előforduló értékek tartományát (a széleken ritka értékek (lásd a " kiugró értékeket "), néha nagyobb osztályokba csoportosítva). Ezután a függvény sűrűségét, az eloszlásfüggvény deriváltját az érték karakterisztikája szerint határozzuk meg folytonos eloszlás esetén. Ráadásul a gyakoriság nemcsak számlálással, hanem például mérlegeléssel is meghatározható. Ekkor tömegeloszlást kapunk eloszlási sorozat helyett. Elvileg bármilyen additív mennyiség használható a frekvencia mérésére. Ha egy véletlenszerű minta nagyon eltér a normál eloszlástól (haranggörbe), akkor az adatok torzíthatók hatások vagy trendek kiválasztásával. Különféle statisztikai tesztek kínálnak következtetéseket vagy varianciaanalízist . Ha a mintanagyság több részhalmaz (életkori megoszlás, szakmák, csoportok) szuperpozíciójában van, akkor a gyakoriságok eloszlása a maximumok helyett is lehet két- vagy többváltozós.