# Στατιστική — κατανομές συχνοτήτων

> Ομαδοποίηση δεδομένων και ιστόγραμμα.

Μαθηματικά, Γ΄ ΕΠΑΛ. https://www.akademio.gr/el/epal-c/math/frequency-distributions

## Τι θα μάθεις

- Να ξεχωρίζεις ποιοτικές, ποσοτικές διακριτές και ποσοτικές συνεχείς μεταβλητές.
- Να φτιάχνεις πίνακα συχνοτήτων με σχετικές και αθροιστικές συχνότητες.
- Να ομαδοποιείς δεδομένα σε κλάσεις ίσου πλάτους και να βρίσκεις τα κέντρα τους.
- Να διαβάζεις και να κατασκευάζεις ιστόγραμμα.

## Πολλά νούμερα, μία εικόνα

Ο υπεύθυνος ενός συνεργείου σέρβις κρατά για κάθε αυτοκίνητο πόσα λεπτά κράτησε η δουλειά. Στο τέλος του μήνα έχει εκατοντάδες αριθμούς. Διαβασμένοι ένας-ένας δεν λένε τίποτα. Οργανωμένοι σε πίνακα, απαντούν σε ερωτήσεις που έχουν αξία: πόσα ραντεβού χωράνε σε ένα πρωινό; Τι ποσοστό των δουλειών ξεπερνά τη μία ώρα;

Αυτή είναι η δουλειά της **περιγραφικής στατιστικής**: να κάνει πολλά δεδομένα **λίγους αριθμούς και μία εικόνα**.

## Λίγες λέξεις πρώτα

- **Πληθυσμός** είναι όλο το σύνολο που μας ενδιαφέρει (όλα τα αυτοκίνητα που πέρασαν από το συνεργείο). **Δείγμα** είναι το κομμάτι του που εξετάζουμε στην πράξη.
- **Μεταβλητή** είναι το χαρακτηριστικό που μετράμε. Είναι:
  - **ποιοτική**, όταν οι τιμές της δεν είναι αριθμοί: είδος βλάβης, μάρκα, χρώμα,
  - **ποσοτική διακριτή**, όταν παίρνει μεμονωμένες τιμές, συνήθως από μέτρηση πλήθους: βλάβες ανά βάρδια, παιδιά ανά οικογένεια,
  - **ποσοτική συνεχής**, όταν μπορεί να πάρει οποιαδήποτε τιμή σε ένα διάστημα: χρόνος, βάρος, μήκος, θερμοκρασία.

Το είδος της μεταβλητής αποφασίζει τι πίνακα και τι διάγραμμα φτιάχνεις.

## Ο πίνακας συχνοτήτων

Αν μια τιμή $x_i$ εμφανίζεται $\nu_i$ φορές σε ένα δείγμα μεγέθους $\nu$:

| Μέγεθος              | Τύπος                      | Τι λέει                                   |
| -------------------- | -------------------------- | ----------------------------------------- |
| συχνότητα            | $\nu_i$                    | πόσες φορές εμφανίστηκε η τιμή            |
| σχετική συχνότητα    | $f_i = \dfrac{\nu_i}{\nu}$ | τι μερίδιο του δείγματος είναι            |
| σε ποσοστό           | $f_i\% = 100 f_i$          | το ίδιο, στα εκατό                        |
| αθροιστική συχνότητα | $N_i$                      | πόσες τιμές είναι **μέχρι και** την $x_i$ |
| αθροιστική σχετική   | $F_i\%$                    | τι ποσοστό είναι μέχρι και την $x_i$      |

Δύο έλεγχοι που δεν κοστίζουν τίποτα: οι συχνότητες αθροίζουν $\nu$, και οι σχετικές συχνότητες αθροίζουν $1$ (δηλαδή $100\%$). Η τελευταία αθροιστική είναι πάντα $\nu$ και $100\%$.

> **Πρόσεχε**
>
> Οι **αθροιστικές** συχνότητες έχουν νόημα μόνο όταν οι τιμές **έχουν σειρά**, δηλαδή στις ποσοτικές μεταβλητές. «Μέχρι και κόκκινο» δεν σημαίνει τίποτα· «μέχρι και $2$ βλάβες» σημαίνει.

## Ομαδοποίηση σε κλάσεις

Μια συνεχής μεταβλητή σπάνια επαναλαμβάνει ακριβώς την ίδια τιμή: $34$ λεπτά, $35$, $36$… Ένας πίνακας με μία γραμμή ανά τιμή θα ήταν τόσο μακρύς όσο τα ίδια τα δεδομένα. Γι' αυτό τις τιμές τις **ομαδοποιούμε σε κλάσεις**, διαστήματα της μορφής $[\alpha, \beta)$: κλειστά αριστερά, ανοιχτά δεξιά, ώστε κάθε τιμή να πέφτει σε **μία ακριβώς** κλάση.

Τα βήματα:

1. **Εύρος:** $R = $ μεγαλύτερη τιμή $-$ μικρότερη τιμή.
2. **Πλήθος κλάσεων** $k$: συνήθως από $5$ ως $8$· σε μικρά δείγματα λιγότερες.
3. **Πλάτος:** $c = \dfrac{R}{k}$, στρογγυλεμένο **προς τα πάνω**, ώστε οι κλάσεις να χωρέσουν όλες τις τιμές.
4. **Κέντρο** κάθε κλάσης: το μέσο του διαστήματος, $\dfrac{\alpha + \beta}{2}$. Στους υπολογισμούς αντιπροσωπεύει όλες τις τιμές της κλάσης.

## Ιστόγραμμα

Το **ιστόγραμμα** είναι η εικόνα μιας ομαδοποιημένης κατανομής. Στον οριζόντιο άξονα βάζεις τις κλάσεις, και πάνω από καθεμία ένα ορθογώνιο με ύψος τη συχνότητά της (όταν οι κλάσεις έχουν ίσο πλάτος). Τα ορθογώνια **ακουμπούν** μεταξύ τους, γιατί η μεταβλητή είναι συνεχής: το $30$ είναι ταυτόχρονα το τέλος της μίας κλάσης και η αρχή της επόμενης.

Αν ενώσεις τα μέσα των πάνω πλευρών με ευθύγραμμα τμήματα, παίρνεις το **πολύγωνο συχνοτήτων**.

Σε διακριτή ή ποιοτική μεταβλητή φτιάχνεις **ραβδόγραμμα**: χωριστές ράβδους με κενά ανάμεσα, γιατί ανάμεσα στις $2$ και στις $3$ βλάβες δεν υπάρχει τίποτα.

*Διαδραστικό στη σελίδα: Χρόνοι επισκευής σε ένα συνεργείο*

> **Κλειδί**
>
> Ο πίνακας συχνοτήτων δεν «χάνει» δεδομένα, τα **οργανώνει**. Κάθε ερώτηση του τύπου «τι ποσοστό είναι κάτω από…» ή «πόσα είναι ανάμεσα σε…» απαντιέται από τις αθροιστικές σχετικές συχνότητες με μία αφαίρεση.
>
> Το τίμημα της ομαδοποίησης: μέσα σε μια κλάση δεν ξέρεις πια τις ακριβείς τιμές, μόνο πόσες είναι.

> **Θυμήσου**
>
> - $\nu_1 + \nu_2 + \dots + \nu_k = \nu$ και $f_1 + f_2 + \dots + f_k = 1$.
> - $N_i$: πόσες τιμές είναι **μέχρι και** την $i$-οστή τιμή ή κλάση.
> - Πλάτος κλάσης $c = \frac{R}{k}$, **προς τα πάνω**. Κλάσεις $[\alpha, \beta)$.
> - Ιστόγραμμα για συνεχείς (κολλητά ορθογώνια), ραβδόγραμμα για διακριτές και ποιοτικές (με κενά).

## Παραδείγματα

### Παράδειγμα 1: Σε \$20\$ βάρδιες μιας γραμμής εμφιάλωσης καταγράφηκαν οι βλάβες: 0, 1, 2, 1, 0, 3, 1, 2, 1, 0, 1, 2, 4, 1, 0, 2, 1, 3, 1, 2. Φτιάξε τον πίνακα συχνοτήτων

1. **Η μεταβλητή** (βλάβες ανά βάρδια) είναι ποσοτική διακριτή, με τιμές $0$ ως $4$. Μετράω πόσες φορές εμφανίζεται η καθεμία.
2. | Βλάβες $x_i$ | $\nu_i$ | $f_i\%$ | $N_i$ | $F_i\%$ |
   | ------------ | ------- | ------- | ----- | ------- |
   | $0$          | $4$     | $20$    | $4$   | $20$    |
   | $1$          | $8$     | $40$    | $12$  | $60$    |
   | $2$          | $5$     | $25$    | $17$  | $85$    |
   | $3$          | $2$     | $10$    | $19$  | $95$    |
   | $4$          | $1$     | $5$     | $20$  | $100$   |
   | Σύνολο       | $20$    | $100$   |       |         |
3. **Ανάγνωση:** στο $85\%$ των βαρδιών έγιναν το πολύ $2$ βλάβες ($F_3\%$). Τρεις ή περισσότερες βλάβες έγιναν στο $100 - 85 = 15\%$.

### Παράδειγμα 2: Οι χρόνοι επισκευής (σε λεπτά) για \$20\$ αυτοκίνητα ήταν: 32, 45, 27, 38, 51, 36, 29, 42, 34, 59, 20, 37, 48, 33, 41, 26, 35, 44, 39, 31. Ομαδοποίησέ τους σε \$4\$ κλάσεις ίσου πλάτους

1. **Εύρος:** μεγαλύτερη τιμή $59$, μικρότερη $20$, άρα $R = 39$.

   **Πλάτος:** $c = \dfrac{39}{4} = 9{,}75$, και προς τα πάνω $c = 10$ λεπτά.
2. **Κλάσεις** από το $20$: $[20, 30)$, $[30, 40)$, $[40, 50)$, $[50, 60)$. Μοιράζω τις τιμές:
   | Κλάση      | Κέντρο | $\nu_i$ | $f_i\%$ | $F_i\%$ |
   | ---------- | ------ | ------- | ------- | ------- |
   | $[20, 30)$ | $25$   | $4$     | $20$    | $20$    |
   | $[30, 40)$ | $35$   | $9$     | $45$    | $65$    |
   | $[40, 50)$ | $45$   | $5$     | $25$    | $90$    |
   | $[50, 60)$ | $55$   | $2$     | $10$    | $100$   |
3. **Έλεγχος:** $4 + 9 + 5 + 2 = 20$. Το $30$ θα πήγαινε στη δεύτερη κλάση, όχι στην πρώτη, γιατί η $[20, 30)$ είναι ανοιχτή δεξιά.

   **Ανάγνωση:** το $65\%$ των δουλειών τελειώνει σε λιγότερο από $40$ λεπτά. Αυτή είναι η πληροφορία που χρειάζεται όποιος κλείνει ραντεβού.

### Παράδειγμα 3: Σε ζύγιση \$40\$ σακιών λιπάσματος, οι τέσσερις κλάσεις βάρους έχουν σχετικές συχνότητες \$10\\%\$, \$30\\%\$, άγνωστη, και \$20\\%\$. Βρες τη συχνότητα της τρίτης κλάσης και την αθροιστική συχνότητα ως αυτήν

1. **Η σχετική συχνότητα που λείπει:** όλες μαζί κάνουν $100\%$, άρα $f_3\% = 100 - 10 - 30 - 20 = 40$.
2. **Συχνότητα:** $\nu_3 = 0{,}40 \cdot 40 = 16$ σακιά.
3. **Αθροιστική ως την τρίτη κλάση:** $\nu_1 = 0{,}10 \cdot 40 = 4$ και $\nu_2 = 0{,}30 \cdot 40 = 12$, οπότε $N_3 = 4 + 12 + 16 = 32$.

   **Έλεγχος:** $N_3$ είναι το $80\%$ του $40$, και πράγματι $10 + 30 + 40 = 80$. Τα υπόλοιπα $8$ σακιά είναι η τέταρτη κλάση, το $20\%$.

## Ερωτήσεις

1. Ένα τηλεφωνικό κέντρο υποστήριξης καταγράφει τη διάρκεια κάθε κλήσης. Τι είδους μεταβλητή είναι η διάρκεια;
   - Ποσοτική συνεχής
   - Ποσοτική διακριτή
   - Ποιοτική
   - Αθροιστική
2. Σε δείγμα $60$ εξαρτημάτων, τα $12$ είχαν μια μικρή ατέλεια. Ποια είναι η σχετική συχνότητα των εξαρτημάτων με ατέλεια;
   - $20\%$
   - $12\%$
   - $5\%$
   - $48\%$
3. Σε έναν πίνακα με $5$ τιμές, οι σχετικές συχνότητες των τεσσάρων είναι $0{,}10$, $0{,}25$, $0{,}30$ και $0{,}15$. Πόση είναι η πέμπτη;
   - $0{,}20$
   - $0{,}80$
   - $0{,}25$
   - Δεν βρίσκεται χωρίς το $\nu$
4. Σε πίνακα με τον αριθμό παιδιών ανά οικογένεια, στη γραμμή $x_i = 2$ η αθροιστική συχνότητα είναι $N_i = 34$. Τι σημαίνει αυτό;
   - $34$ οικογένειες έχουν το πολύ $2$ παιδιά
   - $34$ οικογένειες έχουν ακριβώς $2$ παιδιά
   - $34$ οικογένειες έχουν από $2$ παιδιά και πάνω
   - Οι οικογένειες έχουν συνολικά $34$ παιδιά
5. Σε ένα δείγμα η μικρότερη τιμή είναι $112$ και η μεγαλύτερη $160$. Θέλεις $6$ κλάσεις ίσου πλάτους. Ποιο πλάτος παίρνεις;
   - $8$
   - $48$
   - $6$
   - $26{,}7$
6. Ποιο είναι το κέντρο της κλάσης $[30, 40)$;
   - $35$
   - $10$
   - $30$
   - $39$
7. Γιατί τα ορθογώνια ενός ιστογράμματος ακουμπούν μεταξύ τους, ενώ οι ράβδοι ενός ραβδογράμματος όχι;
   - Γιατί η μεταβλητή είναι συνεχής και οι κλάσεις συνορεύουν
   - Γιατί το ιστόγραμμα έχει πάντα περισσότερα δεδομένα
   - Γιατί στο ιστόγραμμα οι συχνότητες είναι πάντα ίσες
   - Γιατί έτσι είναι πιο ευανάγνωστο, χωρίς άλλο λόγο
8. Σε κατανομή χρόνων παράδοσης, η αθροιστική σχετική συχνότητα ως την κλάση $[40, 50)$ είναι $F\% = 70$. Τι ποσοστό των παραδόσεων χρειάστηκε $50$ λεπτά ή περισσότερο;
   - $30\%$
   - $70\%$
   - $20\%$
   - Δεν βρίσκεται χωρίς τις συχνότητες

## Ασκήσεις

1. Από $120$ πελάτες ενός καταστήματος ηλεκτρικών ειδών, οι $18$ πλήρωσαν με μετρητά. Ποια είναι η σχετική συχνότητα, σε ποσοστό;
2. Σε $10$ μέρες το κατάστημα Α πούλησε τόσα κλιματιστικά: 3, 5, 4, 3, 6, 5, 3, 4, 5, 3. Το κατάστημα Β, σε $20$ μέρες, πούλησε το πολύ $4$ κλιματιστικά στις $11$ από αυτές. Ποιο κατάστημα είχε μεγαλύτερο ποσοστό ημερών με το πολύ $4$ πωλήσεις;
3. Οι διάμετροι $8$ σωλήνων, σε mm, είναι: 165, 152, 181, 170, 159, 187, 174, 163. Τις ομαδοποιείς σε $4$ κλάσεις ίσου πλάτους, με αρχή την ελάχιστη τιμή. Ποιο είναι το πλάτος κλάσης, και πόσοι σωλήνες πέφτουν στη δεύτερη κλάση;
4. Ζυγίστηκαν $50$ σακιά ζωοτροφής. Στην κλάση $[48, 49)$ kg έπεσαν $5$, στην $[49, 50)$ $15$, στην $[50, 51)$ $20$ και στην $[51, 52)$ $10$.
   α) Ποια είναι η σχετική συχνότητα της κλάσης $[50, 51)$;
   β) Τι ποσοστό των σακιών ζυγίζει λιγότερο από $50$ kg;
   γ) Ποιο είναι το κέντρο της κλάσης $[51, 52)$;
5. Ένα δείγμα $40$ μετρήσεων είναι χωρισμένο σε $4$ κλάσεις. Η πρώτη έχει $6$ μετρήσεις, η τρίτη $14$, και η τέταρτη έχει σχετική συχνότητα $10\%$. Πόσες μετρήσεις έχει η δεύτερη;
6. Ρωτήθηκαν $200$ εργαζόμενοι ενός εργοστασίου πόσα λεπτά κάνουν για να έρθουν στη δουλειά. Οι αθροιστικές σχετικές συχνότητες $F_i\%$ για τις κλάσεις $[0, 10)$, $[10, 20)$, $[20, 30)$ και $[30, 40)$ είναι $15\%$, $40\%$, $80\%$ και $100\%$.
   α) Ποια είναι η σχετική συχνότητα $f_i\%$ κάθε κλάσης;
   β) Πόσοι εργαζόμενοι είναι σε κάθε κλάση;
   γ) Πόσοι εργαζόμενοι κάνουν τουλάχιστον $20$ λεπτά;

---

Οι απαντήσεις, τα διαδραστικά και τα παιχνίδια είναι στη σελίδα της ενότητας: https://www.akademio.gr/el/epal-c/math/frequency-distributions
