Klassenverdeling

Klassenverdeling is een statistische methode om een dataset te verdelen over klassen of klassenintervallen, zodat de frequentie van waarnemingen binnen elk interval kan worden weergegeven. Deze indeling maakt het mogelijk om data compact te beschrijven en visualisaties zoals histogrammen te construeren. Voor continue variabelen wordt het meetbereik in klassen gesplitst; bij discrete variabelen kunnen categorieën gebruikt worden.

Bij het maken van een klassenverdeling worden meestal het aantal klassen en de klassebreedte bepaald. Een eenvoudige benadering is de breedte te kiezen als (max - min) / k, waarbij k het gewenste aantal klassen is. De grenzen worden zodanig gekozen dat elke waarneming in precies één klasse valt; grenzen worden vaak als gehele of halfopen intervallen gezet. Diverse regels geven aanbevelingen voor k, zoals Sturges' regel (k ongeveer 1 + log2(n)), Scott’s regel en Freedman-Diaconis-regel, afhankelijk van de dataset en gewenste nauwkeurigheid.

Uit een klassenverdeling kunnen absolute frequenties (aantal waarnemingen per klasse), relatieve frequenties en cumulatieve frequenties afgeleiden. Deze informatie ondersteunt descriptieve analyse en wordt gebruikt voor het construeren van histogrammen en voor het inspecteren van de vorm van de verdeling. Een voorbeeld: een dataset met leeftijden kan worden verdeeld in klassen zoals 0-9, 10-19, 20-29, enz., waarna het aantal personen per klasse wordt geteld.

Beperkingen: de keuze voor het aantal klassen en de grenzen kan de interpretatie beïnvloeden en informatieverlies veroorzaken. Bij grote variabiliteit of scheve verdelingen kunnen andere indelingskeuzes nuttig zijn. In het algemeen dient klassenverdeling als hulpmiddel voor data-inspectie en niet als een exacte representatie van alle details.