Frequentietabellen kunnen handig zijn om het aantal voorkomens van een bepaald type datum binnen een dataset te beschrijven. Frequentietabellen, ook wel frequentieverdelingen genoemd, zijn een van de meest elementaire hulpmiddelen voor het weergeven van beschrijvende statistieken. Frequentietabellen worden veel gebruikt als een overzicht in één oogopslag voor de distributie van gegevens; ze zijn gemakkelijk te interpreteren en ze kunnen grote datasets op een vrij beknopte manier weergeven. Frequentietabellen kunnen helpen om duidelijke trends binnen een dataset te identificeren en kunnen worden gebruikt om gegevens tussen datasets van hetzelfde type te vergelijken. Frequentietabellen zijn echter niet geschikt voor elke toepassing. Ze kunnen extreme waarden verdoezelen (meer dan X of minder dan Y), en ze lenen zich niet voor analyses van de scheefheid en kurtosis van de gegevens.
Snelle gegevensvisualisatie
Frequentietabellen kunnen snel uitbijters en zelfs significante trends binnen een dataset onthullen met niet veel meer dan een vluchtige inspectie. Een docent kan bijvoorbeeld de cijfers van leerlingen voor een tussentijdse periode op een frequentietabel weergeven om snel te zien hoe haar klas het in het algemeen doet. Het getal in de frequentiekolom staat voor het aantal studenten dat dat cijfer krijgt; voor een klas van 25 leerlingen kan de frequentieverdeling van de ontvangen lettercijfers er ongeveer als volgt uitzien: Cijferfrequentie A...7 B...13 C...3 D...2
Relatieve overvloed visualiseren
Frequentietabellen kunnen onderzoekers helpen om de relatieve hoeveelheid van elke specifieke doelgegevens in hun steekproef te onderzoeken. Relatieve overvloed geeft aan hoeveel van de gegevensset uit de doelgegevens bestaat. Relatieve abundantie wordt vaak weergegeven als een frequentiehistogram, maar kan eenvoudig worden weergegeven in een frequentietabel. Overweeg dezelfde frequentieverdeling van tussentijdse cijfers. Relatieve overvloed is gewoon het percentage van de studenten dat een bepaald cijfer heeft behaald, en kan nuttig zijn voor het conceptualiseren van gegevens zonder erover na te denken. Met de toegevoegde kolom die het percentage van elk cijfer weergeeft, kunt u bijvoorbeeld gemakkelijk zie dat meer dan de helft van de klas een B scoort, zonder de gegevens tot in detail te hoeven onderzoeken.
Graad Frequentie Relatieve Overvloed (% frequentie) A...7...28% B...13...52% C...3...12% D...2...8%
Complexe gegevenssets moeten mogelijk in intervallen worden ingedeeld
Een nadeel is dat het lastig is om complexe datasets die op een frequentietabel worden weergegeven, te doorgronden. Grote datasets kunnen worden onderverdeeld in intervalklassen voor eenvoudige visualisatie met behulp van een frequentietabel. Als je bijvoorbeeld de volgende 100 mensen zou vragen wat hun leeftijd was, zou je waarschijnlijk een breed scala aan antwoorden krijgen, variërend van drie tot drieënnegentig. In plaats van rijen voor elke leeftijd in uw frequentietabel op te nemen, kunt u de gegevens indelen in intervallen, zoals 0 - 10 jaar, 11 - 20 jaar, 21 - 30 jaar enzovoort. Dit wordt ook wel een gegroepeerde frequentieverdeling genoemd.
Frequentietabellen kunnen scheeftrekken en kurtosis verdoezelen
Tenzij weergegeven op een histogram, zijn scheefheid en kurtosis van gegevens mogelijk niet meteen duidelijk in een frequentietabel. De scheefheid vertelt u in welke richting uw gegevens neigen. Als cijfers zouden worden weergegeven over de X-as van een grafiek die de frequentie van tussentijdse cijfers voor onze 25 studenten hierboven weergeeft, zou de verdeling scheeftrekken naar de A's en B's. Kurtosis vertelt je over de centrale piek van je gegevens -- of het in lijn zou vallen met een normale verdeling, wat een mooie vloeiende belcurve is, of lang en scherp zou zijn. Als u in ons voorbeeld de cijfers voor de middellange termijn in een grafiek uitzet, ziet u een hoge piek bij B met een scherpe daling in de verdeling van de lagere cijfers.