Вероятность и статистика · объяснение и практика

Как найти моду категориальных данных и распознать несколько мод

Находим наиболее частую категорию по таблице частот, учитываем ничью и различаем модальную категорию с большинством всех наблюдений.

Рука ставит оранжевый столбик между двумя синими столбиками разной высоты.

В теме Частоты и изображения данных · Учебная карта

Главная мысль

Мода категориальных данных — категория с наибольшей частотой. Максимум может делиться между несколькими категориями. Для номинальных названий среднее арифметическое не заменяет модальную категорию.

Как считать, не превращая названия в числа

В опросе о способе добраться до школы получены категории: пешком —8, автобус —6, велосипед —3. Модальная категория «пешком», поскольку её частота 8 самая высокая. Делить сумму слов на число ответов бессмысленно. Даже если присвоить способам коды 1,2,3, среднее кодов зависит от произвольной нумерации.

При этом 8 из 17 меньше половины. Мода не обязательно представляет большинство всех ответов: она лишь превосходит каждую отдельную другую категорию по частоте. Фраза «большинство ходит пешком» здесь неверна. Корректнее сказать «самая частая категория — пешком» и при необходимости указать её долю 8/17.

Что делать при нескольких максимумах

Пусть ответы о напитке распределились: вода —5, чай —5, сок —2. Имеются две категории с одинаковой максимальной частотой. Нельзя выбрать одну только потому, что она первой записана в таблице. Следует сообщить обе модальные категории и число 5, если задача допускает несколько мод.

Если все категории встречаются одинаково часто, единственной моды нет. В учебных соглашениях такой набор иногда называют немодальным, а иногда перечисляют все равные максимумы. Чтобы ответ был однозначным, лучше прямо описать равенство частот. Это точнее, чем выдавать первую строку результата программы за статистически выделенную категорию.

Пример

Категории А, Б, В имеют частоты 4,7,7. Что можно утверждать?

Б иВ делят максимальную частоту 7. Ни одна из них не является единственной модой. Их совместная доля — отдельный показатель и не превращает пару в одну исходную категорию.

Как подготовка данных меняет моду

Записи «автобус»,«Автобус» и«автобус » могут обозначать одну категорию, но программа сочтёт их разными без согласованной очистки. Сначала устанавливают правило объединения регистра, пробелов и опечаток. Такое правило должно сохранять смысл: «пешком» и«самокат» нельзя объединить только ради увеличения частоты удобной группы.

Пропуски также требуют решения. Если отсутствие ответа не является самостоятельным способом передвижения, его учитывают отдельно от содержательных категорий. Удаление пропусков меняет знаменатель долей, хотя частоты ответивших могут сохраниться. Мода зависит и от группировки числовых данных в интервалы: модальный интервал не равен точной наиболее частой исходной величине. Поэтому вместе с модой важно назвать объект счёта и выполненные преобразования.

От чтения к действию

А теперь — вы

Категории имеют частоты А = 3, Б = 5, В = 2. Какая категория модальная?

Частые вопросы

Самая частая категория всегда превышает 50%?

Нет. Она может быть крупнейшей среди нескольких категорий и при этом составлять меньшинство всех наблюдений.

Можно ли усреднить числовые коды названий?

Для номинальных категорий такое среднее не имеет устойчивого содержательного смысла: коды назначены произвольно.

Источники и работа с материалом

Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.

Продолжить разбираться