频数分布

频数分布 (Frequency Distribution)

频数分布（Frequency Distribution）是描述统计学中最基础的数据组织方式，指将观测数据按某一分类标准划分为互不相交的若干组（或类别），并统计落入每一组中的观测个数（即频数，Frequency）所形成的系统性汇总。频数分布将杂乱无章的原始数据转化为结构化的表格或图形，使研究者能够直观把握数据的集中趋势、离散程度与分布形态，是一切统计分析的起点。

绝对频数、相对频数与累计频数

频数分布包含三个逐层递进的概念层次：

• 绝对频数（Absolute Frequency）：记作 $n_i$ 或 $f_i$，表示第 $i$ 个类别或区间中直接观测到的数据点个数。若共有 $k$ 个组，则 $\sum_{i=1}^{k} n_i = n$，其中 $n$ 为样本总量。
• 相对频数（Relative Frequency）：定义为 $p_i = n_i / n$，即该组频数占总观测数的比例。相对频数满足 $\sum_{i=1}^{k} p_i = 1$，常用于比较不同样本量下的分布结构。
• 累计频数（Cumulative Frequency）：对于有序类别（尤其是定量数据分组），第 $i$ 组的累计频数 $F_i = \sum_{j=1}^{i} n_j$，表示不超过该组上限的观测总数。对应的累计相对频数 $F_i / n$ 构成了经验分布函数（EDF）的离散版本。

相对频数在样本量 $n \to \infty$ 时将依概率收敛于真实概率分布中的对应概率（由大数定律保证），从而为推断统计学中"用样本推断总体"的逻辑提供了经验基础。

分类数据的频数分布

对于分类数据（Categorical Data），频数分布的构造最为直接：将每个类别作为一组，直接计数即可。例如，对 200 名消费者的品牌偏好调查结果可整理为：

此处顺序无关紧要，各组独立呈现。若分类变量本身具有内在顺序（如教育程度：小学、初中、高中、大学及以上），则累计频数具有自然的累积意义。分类数据的频数分布构成列联表（Contingency Table）的一维基础，也是卡方拟合优度检验中被比较的"观测频数"的直接来源。

定量数据的频数分布：分组与组距

对于定量数据（Quantitative Data），构造频数分布需要先将数值范围划分为若干连续的组区间（Class Intervals），再统计落入各区间的观测数。这一过程涉及以下关键决策：

• 组数 $k$：组数过少会掩盖分布细节，过多则噪声主导，经验法则（如 Sturges 公式 $k \approx 1 + \log_2 n$ 或 Scott 准则）常被用于确定合适的组数。
• 组距（Class Width）：通常取等组距以简化比较，记组距为 $h = (\max - \min)/k$，实际使用中常对 $h$ 取整或取便于阅读的数值。
• 组限（Class Limits）：每组的上界和下界，须明确界定边界归属以避免重叠（通常约定"上组限不在内"原则，即 $[L_i, U_i)$ 左闭右开）。
• 组中值（Class Midpoint）：$m_i = (L_i + U_i) / 2$，在后续计算均值、方差等汇总统计量时作为各组的代表值。

频数分布与直方图

频数分布最常用的可视化形式是直方图（Histogram）：横轴为组区间，纵轴为频数（或频数密度 $n_i / h$），由一系列相邻的矩形条组成。与条形图（Bar Chart）不同，直方图的矩形条之间不留空隙，以强调数据的连续性。当使用频数密度而非绝对频数作为纵轴时，每个矩形的面积等于该组的相对频数，所有矩形面积之和为 1——这一性质使得直方图在 $n \to \infty$ 且组距 $h \to 0$ 时逼近真实的概率密度函数（PDF），从而成为密度估计的直观入口。

直方图的形状提供了关于数据偏度（Skewness）、峰度（Kurtosis）和多模态（Multimodality）的初步判断——对称的直方图暗示数据可能来自正态分布；右偏（正偏）常见于收入分布、价格分布等经济变量；双峰或多峰则可能暗示样本由两个或多个异质子群体混合而成。

与理论概率分布的关系

频数分布是样本层面的经验描述，而概率分布（Probability Distribution）是总体层面的理论模型。二者通过拟合优度检验（如卡方拟合优度检验）建立联系：给定一个理论分布 $F_0$（如正态、泊松或二项分布），比较各组观测频数 $O_i$ 与期望频数 $E_i = n \cdot P_0(\text{第 }i\text{ 组})$ 之间的差异。检验统计量：

在零假设下近似服从卡方分布 $\chi^2_{k-m-1}$（$m$ 为估计参数的个数）。若 $\chi^2$ 值过大，则拒绝"数据来自该理论分布"的零假设。这一框架是所有非参数检验中最为经典和广泛使用的方法之一。

频数分布表的编制规范

一份规范的频数分布表应包含以下列：组别（或组区间）、组中值（定量数据）、绝对频数、相对频数、累计频数、累计相对频数。表的底部通常附有合计行以验证加总结果。在学术论文和研究报告中，频数分布表是展示数据基本特征的标配——它不仅是对数据的忠实呈现，更是对后续更复杂统计方法（如回归分析、方差分析）中隐含的分布假设的一次初步诊断。若频数分布表显示严重偏态或极端离群值，研究者应考虑数据变换（如Box-Cox 变换）或选择对分布不敏感的非参数方法。

经济学与管理学中的应用

频数分布在经济学中无处不在。在收入分布研究中，统计部门发布的分组收入频数表（如按收入区间分组的家庭数或人口数）是测算基尼系数、洛伦兹曲线和贫困率的基础原料——基尼系数的离散计算公式直接从频数分布中导出：$G = 1 - \sum_{i=1}^{k} p_i (2Q_i - w_i)$，其中 $Q_i$ 为累计收入份额，$w_i$ 为人口份额。在市场研究中，消费者对价格区间的接受频数构成了需求曲线的经验估计起点。在劳动经济学中，教育年限的频数分布反映了人力资本的存量结构；在金融计量学中，日收益率的频数分布的厚尾特征（厚尾）是金融风险建模的关键经验事实——高频的极端收益远超出正态分布的预测，驱动了 GARCH 族模型和极值理论的发展。在质量控制中，缺陷数的频数分布是构建控制图和进行过程能力分析的基础数据输入。

频数分布看似简单，却是统计学大厦最底层的基石。从数据收集的第一步整理，到假设检验中观测与期望的比较，再到贝叶斯统计中先验与后验的更新——频数分布始终是数据向信息转化的第一道关口。它早于一切精致的模型和复杂的推断，却也因此构成了所有后续分析的信息原点。