We are now stuck as to which mode b

We are now stuck as to which mode best describes the central tendency of the data. This is particularly problematic when we have continuous data because we are more likely not to have any one value that is more frequent than the other. For example, consider measuring 30 peoples' weight (to the nearest 0.1 kg). How likely is it that we will find two or more people with exactly the same weight (e.g., 67.4 kg)? The answer, is probably very unlikely - many people might be close, but with such a small sample (30 people) and a large range of possible weights, you are unlikely to find two people with exactly the same weight; that is, to the nearest 0.1 kg. This is why the mode is very rarely used with continuous data.

ผลลัพธ์ (ไทย) 1:

เราตอนนี้จะติดอยู่กับโหมดที่ส่วนอธิบายแนวโน้มกลางของข้อมูล นี้เป็นปัญหาโดยเฉพาะอย่างยิ่งเมื่อเรามีข้อมูลอย่างต่อเนื่องเนื่องจากเรามักไม่มีค่าใด ๆ หนึ่งที่บ่อยขึ้นกว่าอื่น ๆ ตัวอย่าง พิจารณาวัดน้ำหนัก 30 คน (ถึง 0.1 kg ที่ใกล้ที่สุด) ความน่าเป็นที่เราจะค้นหาอย่าง น้อยสองคน ด้วยเหมือนกันน้ำหนัก (เช่น 67.4 กก.) ตอบ คือคงยากมาก- หลายคนอาจปิด แต่ ด้วยเช่นตัวเล็กอย่าง (30 คน) และน้ำหนักได้หลากหลาย คุณไม่น่าจะพบคนสองคน ด้วยเหมือนกันน้ำหนัก นั่นคือ ถึงสุด 0.1 kg นี่คือเหตุผลที่มากไม่ค่อยได้ใช้โหมดกับข้อมูลอย่างต่อเนื่อง

ผลลัพธ์ (ไทย) 2:

เราจะติดอยู่ในขณะนี้เป็นที่โหมดที่ดีที่สุดอธิบายถึงแนวโน้มเข้าสู่ส่วนกลางของข้อมูล นี้คือเรามีปัญหาโดยเฉพาะอย่างยิ่งเมื่อมีข้อมูลอย่างต่อเนื่องเพราะเรามีแนวโน้มมากขึ้นที่จะไม่มีค่าใด ๆ หนึ่งที่เป็นบ่อยมากขึ้นกว่าที่อื่น ๆ ตัวอย่างเช่นพิจารณาการวัดน้ำหนัก 30 ประชาชน (ที่ใกล้ที่สุด 0.1 กิโลกรัม) วิธีมีแนวโน้มที่จะเป็นว่าเราจะหาคนสองคนหรือมากกว่าตรงกับน้ำหนักเดียวกัน (เช่น 67.4 กิโลกรัม)? คำตอบอาจจะเป็นไปได้ยากมาก - หลาย ๆ คนอาจจะใกล้เคียง แต่ด้วยเช่นกลุ่มตัวอย่างขนาดเล็ก (30 คน) และช่วงใหญ่ของน้ำหนักเป็นไปได้คุณไม่น่าจะหาสองคนที่มีน้ำหนักตรงเดียวกัน นั่นคือการที่ใกล้ที่สุด 0.1 กิโลกรัม นี่คือเหตุผลที่โหมดที่มีการใช้มากไม่ค่อยมีข้อมูลอย่างต่อเนื่อง

ผลลัพธ์ (ไทย) 3:

ตอนนี้เรากำลังติดอยู่เป็นโหมดที่ดีที่สุดอธิบายแนวโน้มกลางของข้อมูล นี้เป็นปัญหาโดยเฉพาะอย่างยิ่งเมื่อเรามีข้อมูลอย่างต่อเนื่อง เพราะเราอาจจะไม่มีค่าหนึ่งที่ขึ้นบ่อยกว่าคนอื่น ๆ ตัวอย่างเช่นพิจารณาวัดน้ำหนัก 30 คน ( ใกล้ที่สุด 0.1 กิโลกรัม ) อย่างไรอาจเป็นว่า เราจะหา 2 คนหรือมากกว่าโดยตรงน้ำหนักเดียวกัน ( เช่นกรัมเด็กก ) คำตอบอาจจะยากมาก - หลายคนอาจจะปิด แต่ด้วยเช่นตัวอย่างขนาดเล็ก ( 30 คน ) และช่วงใหญ่ของน้ำหนักที่เป็นไปได้ คุณจะไม่น่าจะหา 2 คน กับตรงน้ำหนักเดียวกัน นั่นคือ ไปที่ใกล้ที่สุด 0.1 กิโลกรัม นี่คือเหตุผลที่โหมดมากไม่ค่อยใช้กับข้อมูลแบบต่อเนื่อง