先确定每次到底在数什么
统计神圣计划相关资料的频率前,应先明确计数单位。一行数据可能代表一次事件、一条来源记录或一个汇总区间。若一行里已经包含十次事件,再按行数计算事件占比,就混淆了单位。表头应写明记录对象与计数方法。
频数是某类对象出现的次数,频率则是该次数与对应样本总量的比值。两者都需要范围。单独写“出现九次”,不知道在多少次观察中出现,无法理解其相对规模;单独写“占比很高”,又缺少能够复算的数字。
从四十条示例记录计算
假设示例总体包含四十条记录,其中目标类别为九条。如果四十条均有效,占比是九除以四十,等于百分之二十二点五。其余三十一条的合计占比为百分之七十七点五,两者相加为百分之百。
若四十条中有五条结果缺失,已知的目标记录仍为九条,那么目标类别占总体记录的比例仍可写成九除以四十,但这是“已知目标条数占预期总体”的比例。若只在三十五条已知结果中计算,九除以三十五约为百分之二十五点七一。两个口径必须标清。
缺失不能悄悄从表里消失
缺失资料为何没有取得,会影响解释。若缺失随机发生,与目标类别有关的信息有限;若某一类别更容易缺失,已知记录可能偏向其他类别。仅靠算术无法判断缺失机制,报告应保存缺失数量和已知原因。
推荐同时列出总体数量、有效数量、缺失数量、目标数量和使用的分母。这样读者能够直接检查四十等于三十五加五,也能确认九条目标记录包含在有效记录之内。若数字不能对应,先回到原表排查,不用调整百分比掩盖差额。
重复、互斥和多选会改变合计关系
分类是否互斥也要说明。如果每条记录只能属于一个类别,各类别频数合计应等于有效数量。若允许一条记录同时带多个标签,各标签占比之和可能超过百分之百,这不一定是计算错误,但表格必须说明多选规则。
去重也应在计数前完成并留下依据。两个来源引用同一事件,如果目标是事件频率,应按事件标识判断;如果没有稳定标识,就先人工核对可疑项。不能仅凭标题相同就删除,因为同名但不同日期的记录可能确实是不同事件。
舍入只发生在最后展示环节
计算时保留原始分数或足够精度,展示时再统一小数位。三类各一条、总计三条时,每类展示为百分之三十三点三三,合计显示百分之九十九点九九,这是舍入造成的,并不是少了一条。可以在表下注明舍入差异。
最终文字最好同时给出次数与分母,例如“九条,占三十五条有效记录的约百分之二十五点七一”。这比一个孤立百分比更容易复核。历史频率表达本次样本的构成,不自动等于未来事件概率,更不能直接当作效果承诺。