累积频率

累积频率 (Cumulative Frequency)

累积频率 (Cumulative Frequency) 是指数据集中小于或等于某一特定数值的观测值所占的比例（或频数之和）。它通过对数据按大小排序后逐次累加频数或频率得到，是描述性统计学中揭示数据整体分布特征的基础工具。累积频率与概率论中的累积分布函数 (Cumulative Distribution Function, CDF) 概念相通，两者在数理逻辑上一脉相承，且在大样本条件下通过大数定律收敛于总体分布。

定义与计算方法

设一组包含 $n$ 个观测值的数据集 $x_1, x_2, \ldots, x_n$，将其按升序排列后，对于任意实数 $t$，-于或等于 $t$ 的观测值个数称为累积频数 (Cumulative Count)，记为 $F(t)$。累积频率则为：

累积频率可分为两种方向：向上累积（小于某值的频率之和）和向下累积（大于某值的频率之和）。实践中以向上累积最为常用。

计算示例

某班级考试成绩数据如下（共50人）：

| 分数段 | 人数（频数） | 累积频数 | 累积频率 | |:---:|:---:|:---:|:---:| | 60分以下 | 5 | 5 | 10\% | | 60–70分 | 10 | 15 | 30\% | | 70–80分 | 15 | 30 | 60\% | | 80–90分 | 12 | 42 | 84\% | | 90分以上 | 8 | 50 | 100\% |

从表中可以直接读出：全班 60\% 的学生成绩低于80分，84\% 的学生成绩低于90分。这种"低于某值占比多少"的信息正是累积频率的核心价值所在。

累积频率分布图

累积频率的图形化表达主要包括：累积频率折线图和累积频率曲线图（又称 Ogive 曲线）。绘制时，横轴表示数据的分组或取值，纵轴表示累积频率（以百分比表示）。向上累积曲线从0\%开始逐步上升至100\%，在数据密集的区域斜率较大（陡峭），在数据稀疏的区域斜率较小（平缓）。

累积频率曲线与洛伦兹曲线 (Lorenz Curve) 有着密切联系。洛伦兹曲线本身即为一种特殊的累积频率曲线——将人口按收入从低到高排列后，纵轴表示收入的累积百分比。二者之间围成的面积可计算基尼系数 (Gini Coefficient)，衡量不平等程度。

应用领域

描述性统计与百分位数

累积频率最直接的应用是计算百分位数和四分位数。-中位数即累积频率达到 50\% 时对应的数值，第一四分位数 (Q1) 对应 25\%，第三四分位数 (Q3) 对应 75\%。通过累积频率，可以快速回答以下问题："有百分之多少的数据低于某一阈值？"

在箱形图 (Box Plot) 中，Q1、中位数、Q3 正是通过累积频率确定的，它们构成了数据分布的五数概括法的核心要素。

质量控制与帕累托分析

在质量管理与精益生产（Lean Manufacturing）领域，帕累托图 (Pareto Chart) 将柱状图（表示各缺陷类型的频数）与累积频率折线图（表示累积百分比）叠加在同一张图中。这一工具基于帕累托法则（80/20法则），帮助管理者识别"关键的少数"——即占累积频率80\%的前几类问题，集中资源优先解决。

社会科学与收入分配

在人口学和教育学中，累积频率用于分析收入分布、受教育年限分布、年龄结构等社会现象。通过比较不同群体（如城乡、性别、区域）的累积频率曲线，可以直观揭示社会分层与不平等状况。例如，-教育成就的累积频率曲线若在某群体下方向上偏移，意味着该群体的整体教育水平偏低。

金融风控与信用评分

在信用评分模型中，累积频率用于刻画不同信用分数段对应的违约概率分布。信用机构绘制累积违约频率曲线来设定授信阈值：若某分数段以下涵盖了全部坏账的 80\%，则该分数即为拒绝放贷的参考临界线。ROC 曲线中的真正率 (TPR) 本质上也是一种累积频率。

教育评估与标准化考试

标准化考试中，累积频率用于计算百分等级 (Percentile Rank)。考生的原始分数通过累积频率转化为相对位置排名，例如百分等级为85意味着该考生的成绩高于85\%的参考者。这一转化使得跨不同科目、不同难度试卷的成绩具有可比性。

累积频率与概率分布

在概率论中，连续型随机变量 $X$ 的累积分布函数定义为：

这正是累积频率在无穷总体（概率分布）中的推广形式。对于样本数据，经验累积分布函数 (Empirical Cumulative Distribution Function, ECDF) 定义为：

其中 $I(\cdot)$ 为指示函数。ECDF 是总体 CDF 的一致估计量——根据格里文科-坎特利定理 (Glivenko-Cantelli Theorem)，当样本量增大时，ECDF 几乎必然均匀收敛于真实的 CDF。

注意事项

使用累积频率时需注意以下几个问题：

1. 组距一致性：分组数据的组距应尽量保持一致，否则累积频率曲线的形状可能被扭曲。
2. 极端值影响：极端值的存在会使累积频率在某一端的增长变得非常缓慢或异常陡峭，影响对整体分布的解释。
3. 样本量差异：不同样本量之间的累积频率比较应当谨慎——建议统一转换为百分比形态而非比较绝对累积频数。
4. 信息损失：将连续数据分组后计算累积频率会损失部分原始信息（信息损失问题），组距越粗损失越大。

与其他统计工具的关系

累积频率、频率分布表和直方图三者互为补充：频率分布表提供局部的密度信息，累积频率提供整体的累计信息，直方图提供直观的形态展现。在探索性数据分析 (EDA) 中，同时观察直方图与累积频率曲线，可以既看到数据分布的"峰谷形态"，又看到"占比结构"，是数据初步分析的标准流程之一。

总而言之，累积频率以简洁直观的方式揭示了数据从低到高的整体累积结构，将局部频数信息转化为全局占比视角，是连接原始数据与统计推断的桥梁。从描述性统计的根本工具到机器学习中ROC曲线的评估基础，累积频率始终是数据分析师与研究者不可或缺的基础素养。理解并善用累积频率，是掌握数据分析思维的第一步，也是通往更复杂统计建模的重要基石。