Frekvence je počet opakování události v daném časovém období. Karta, na druhé straně, je součet se opětné nebo setkání různých prvků.
Pokud jde o myšlenku akumulované frekvence, tento koncept se objevuje v oblasti statistiky, kde frekvence je chápána jako počet opakování určité události ve vzorku nebo v experimentu.
Tento počet opakování je znám jako absolutní frekvence. Pokud vydělíme absolutní frekvenci velikostí vzorku, dostaneme relativní frekvenci.
Z těchto údajů, můžeme vypočítat dva typy z kumulativního frekvence: na kumulativní absolutní frekvenci a kumulativní relativní četnost.
Karta absolutní frekvence (někdy jednoduše nazvaný kumulované frekvence) udává počet absolutních kmitočtů pro všechny události, že v objednaném seznamu, jsou menší než nebo stejné na určitou hodnotu.
Vezměte si případ gólů zaznamenaných fotbalistou po dobu pěti let. Tyto údaje tvoří statistický vzorek:
14, 12, 14, 11, 15
Absolutní frekvence 14, například, je 2, protože 14 se objeví 2 -krát ve vzorku. To znamená, že sportovec v posledních pěti letech zaznamenal 14 gólů ve 2 různých sezónách. Výpočet nahromaděného absolutní frekvence pro tuto hodnotu (14) je 4: existuje 4 hodnoty ve vzorku, které jsou rovné nebo menší než 14.
Další kumulativní frekvenci, kterou můžeme vypočítat, je kumulativní relativní frekvence. V tomto případě musíme vydělit kumulovanou absolutní frekvenci celkovým vzorkem. Vrátíme-li se k předchozímu příkladu, protože kumulovaná absolutní frekvence 14 je 4 a celkový počet čísel ve statistickém vzorku je 5, kumulovaná relativní frekvence je 0,8.
S cílem formulovat distribuci tohoto pojmu v matematické rovnici, aniž by došlo k použití tabulky, je možné jej přizpůsobit tomu, čemu se říká kumulativní rozdělení pravděpodobnosti. V oblasti statistiky a pravděpodobnosti mluvíme o rozdělení pravděpodobnosti, aby odkazovalo na funkci, která je aplikována na proměnnou, a dává událostem, které jsou na ní definovány, různé pravděpodobnosti výskytu.
Je důležité si uvědomit, že při extrapolaci kumulativní chyby distribuce kmitočtu mohou nastat například nesledování distribuce pravděpodobnosti po překročení pozorovaného rozsahu. V tomto rámci máme různé metody k provedení stejného procesu, jako je normální , exponenciální , Gumbelova a Paretova distribuce.
Další možností je zavedení nespojitosti mezi daty, což může být velmi prospěšné, pokud extrémní hodnoty a konec distribuce jsou daleko od střední hmotnosti. Jednou z aplikací této metody je analýza srážení, když se klimatické změny mění podle vlivu proudů.
Po tom všem je jasné, že vytvoření predikce založené na kumulativním rozdělení frekvence přináší určitou míru chyby, která není vždy přijatelná. Pro minimalizaci zbytečných výsledků se doporučuje vyhnout se případům, ve kterých se podmínky datových rozsahů, které mají být porovnány, velmi liší.