在同一变量数列中,组距的大小和组数的多少的关系是

说实话，在写报告之前，我已经多次遇到过这种组数与组距的反比关系。
例如，去年我的公司汇总了销售数据，我们有数千个数据点。
我们首先尝试了1 0组，但各组之间的差距似乎很大。
正如您所看到的，一个团体的销售额可以从 1 0,000 到 5 0,000 不等。
这个范围太大了，以至于无法知道哪个分支特别好。
说实话，我当时不太明白。
我们应该把它分成1 00组吗？后来隔壁同事提醒我分成2 0人一组，组距立刻缩小到2 万到4 万左右。
我们现在可以清楚地看到，Q3 和Q4 是销售高峰，即使是小团队也能看到一个又一个季度的爆发式销售。

有趣的是，组距离舍入是一种痛苦。
我有一个数据精度为0.01 的项目。
0.01 的组间距被认为是最合适的。
但是领导说要把报告给老板看，他说0.01 太好了，就改成了0.1 发现很多组只有一个数据点，所以最终改成0.2 我自己没有运行过，但我记得数据大约是组中位数，问题比较多。
例如，对于0.2 -0.4 组，中位数为0.3 ，但实际数据在0.3 5 至0.2 5 之间。
0.3 真的能代表这个吗？有时它不像查看组内的范围那么直观。

“不重、不漏”是对体验的真正考验。
有一次，当我们按收入划分客户群时，我们碰巧发现有人被夹在两组中间。
比如你的年收入是5 0万，打分的时候是A还是B？后来通过将边界更改为 4 9 0,000 和 5 1 0,000，避免了这个问题。
但是，如果数据本身存在跳跃点——例如，如果你的工资是 5 000 或 6 000，然后突然变成 2 0000——最好在分组时隔离这些极值。
否则整个分布将会倾斜。

小组的数量实际上取决于您的心情。
我们的老统计学家曾经说过，看数据就像切蛋糕。
要小心，因为如果切得太厚，奶油可能会渗出。
如果你把它切得太薄，你将无法找到一个好的角度。
他教我怎么做。
首先，我们通过将总距离除以目标组的数量来计算组距离。
例如，假设总距离为1 00，你将目标分为1 0组，组距离为1 0然后我们查看数据中最密集的地方。
如果空间可以容纳3 到5 组，那么组数就足够了。
如果某条特定数据仅适合两组，则可能组数过多。

什么是变量数列?试述编制单项式变量数列和组距变量数列的适用范围。

说白了，顺序变量就是按分组在一起的标记数量对数据集进行排列。
其实很简单。
主要分为单项变量系列和群距变量系列两种。
首先，我们来谈谈最重要的事情。
单项变量系列中的每一组只有一个变量值。
例如，在我们去年运行的项目中，每个变量的值都是唯一的。
另外，这种级数适合离散变量变化不太大的情况，大约3 000步。
另一个是决定性的。
系列的变量区间组按照一定的距离排列，适用于变量取值较大、数据变化较大的情况。
一开始我以为系列区间只能用于大量数据，后来发现我错了。
一般比较适合数据变化量较大的情况。
等等，有一个。
在组成一系列区间组时，必须注意确保组大小既不能太大也不能太窄，否则会影响数据的准确性。
我认为值得尝试一下，看看哪个系列最适合您的数据。

编制变量数列组数大小有什么影响

首先确定群组距离，并以整体距离作为参考。
在浓度变化的区域，群体之间的距离要合理。
整数组限制很容易计算，更方便的是 5 或 1 0 倍。
最小值在下限，最大值在上限，没有单位缺失。
连续变量，限制重叠，上限进入下一组，离散变量，限制不重复，点除以整数值。

请问什么是单项式数列 每个变量值是一个组

单项系列分别对每个值进行分组。
说白了，就是对每个数字分别进行排名。
上周我刚刚处理了一个销售数据，正好是这样的。

特点是清晰。
这些变化很小，而且价值不大。
我手头的项目只有6 个值，单独排列最直观。

适用场景不多。
例如，在质检数据中，每个值都很重要。
如果值很多的话，肯定不行。

它与组距离类型不同。
分组公式将值组合在一起。
比如年龄分为2 0-3 0岁。
单项式的每个值被分开，距离表达式被组合在一起。

等距离类型和不等距离类型都是组距离类型。
单项式没有这些技巧。
说白了，就是看数值是不是太多了。
你自己看看吧。