UKURAN KECENDERUNGAN MEMUSAT:min,mod,median

Ukuran kecenderungan Memusat
-menggunakan beberapa manipulasi untuk mengira dan muncul beberapa statistik yang menggambarkan kepusatan data yang dikaji.




Min
-Purata markah yang dipanggil purata aritmetik kepada taburan data.
-Dipengaruhi oleh perubahan nilai dalam taburan terutamanya nilai terendah atau tertinggi.
-Jumlah skor atau markat sisihan daripada min adalah bersamaan sifar.



DATA TAK TERKUMPUL: 
_                                                       
X =MIN
Ex=JUMLAH KES
N=BILANGAN KES



DATA TERKUMPUL:
          
                                    

                           

Min bagi suatu set data terkumpul, , ditakrifkan sebagai

                           

di mana  ialah kekerapan bagi kelas yang berkenaan, dan  ialah penanda kelas.  






Median
-Menggambarkan titik tengah  seluruh taburan data.
-Data tidak terkumpul perlu disusun secara ordinal iaitu dari  nilai kecil ke besar.


DATA TERKUMPUL:
                                   Median=Xr +[ (0.5) (N) - KK] x J
                                                                     K
                                                                 
Xr=Nilai bawah had sebenar pada kelas yang mengandungi median.
KK=Kekerapan kumulatif bagi bawah kelas yang mengandungi median.
K=Kekerapan pada kelas yang mengandungi median.
J=Julat iaitu hasil tolak selang kelas.
N=Jumlah Kes.


DATA TIDAK TERKUMPUL:

                                     Median=Hasil tambah titik tengah  
                                                                    2




Mod
-Mempunyai kekerapan paling banyak dan tertinggi.
Indeks paling mudah untuk menggambarkan ukuran kecenderungan memusat



Mod = Lmo = (    d1   )W
                          d1+d2


Lmo=Had bawah kelas mod
d1    =Hasil kekerapan kelas mod tolak dengan kekerapan sebelumnya.
d2    = Hasil kekerapan keatas mod ditolak dengan kekerapan kelas selepasnya.  




KEBAIKAN MIN,MOD DAN MEDIAN
-Min,mod,media boleh menghasilkan pelbagai jenis dan bentuk keluk.
-Min paling sesuai digunakan untuk tujuan inferensi kepada populasi.