هیستوگرام ها

هیستوگرام نموداری است که به شما امکان می دهد توزیع فرکانس (شکل) زیربنایی مجموعه ای از داده های پیوسته را کشف کرده و نشان دهید. این اجازه می دهد تا داده ها را برای توزیع زیربنایی آن (به عنوان مثال، توزیع نرمال)، نقاط پرت، چولگی و غیره بررسی کنید. نمونه ای از یک هیستوگرام و داده های خامی که از آن ساخته شده است، در زیر نشان داده شده است:

چگونه می توان یک هیستوگرام از یک متغیر پیوسته ساخت؟

برای ساختن یک هیستوگرام از یک متغیر پیوسته، ابتدا باید داده ها را به بازه هایی تقسیم کنید که bins نامیده می شوند. در مثال بالا، سن به سطل های زباله تقسیم شده است که هر سطل نشان دهنده یک دوره 10 ساله است که از 20 سال شروع می شود. هر سطل حاوی تعداد دفعات نمرات در مجموعه داده است که در آن سطل وجود دارد. برای مجموعه داده های بالا، فرکانس های هر سطل به همراه امتیازهایی که به فرکانس در هر بن کمک می کنند جدول بندی شده اند (به زیر مراجعه کنید):

توجه داشته باشید که برخلاف نمودار میله ای، هیچ «شکافی» بین میله ها وجود ندارد (اگرچه ممکن است برخی از میله ها «غایب» باشند و هیچ فرکانسی را منعکس نمی کنند). این به این دلیل است که یک هیستوگرام یک مجموعه داده پیوسته را نشان می دهد، و به این ترتیب، هیچ شکافی در داده ها وجود ندارد (اگرچه باید تصمیم بگیرید که آیا نمرات را در مرزهای bin ها گرد کنید یا به پایین).

به 10000 دانشجو، دانشگاهی و متخصصی بپیوندید که بر آمار Laerd تکیه دارند. از تور پلن ها و قیمت ها استفاده کنید

انتخاب پهنای سطل مناسب

هیچ پاسخ درست یا غلطی در مورد اینکه سطل زباله چقدر باید باشد وجود ندارد، اما قوانین سرانگشتی وجود دارد. باید مطمئن شوید که سطل ها خیلی کوچک یا خیلی بزرگ نباشند. هیستوگرام قبلی را در نظر بگیرید (به بالا مراجعه کنید): هیستوگرام های زیر از داده های مشابهی استفاده می کنند، اما دارای سطل های بسیار کوچکتر یا بزرگتر هستند، همانطور که در زیر نشان داده شده است:

از هیستوگرام سمت چپ می توانیم ببینیم که عرض bin بسیار کوچک است، زیرا داده های فردی بیش از حد را نشان می دهد و اجازه نمی دهد الگوی زیرین (توزیع فرکانس) داده ها به راحتی دیده شود. در انتهای دیگر مقیاس، نمودار سمت راست است، جایی که سطل ها خیلی بزرگ هستند، و دوباره، ما نمی توانیم روند اساسی در داده ها را پیدا کنیم.

هیستوگرام ها بر اساس مساحت هستند، نه ارتفاع میله ها

در یک هیستوگرام ، منطقه نوار است که نشان دهنده فراوانی وقایع برای هر سطل است. این بدان معناست که ارتفاع نوار لزوماً نشانگر عدم وقوع نمرات در هر سطل جداگانه نیست. این محصول ارتفاع است که با عرض سطل ضرب شده است که نشان دهنده فرکانس وقایع در آن سطل است. یکی از دلایلی که ارتفاع میله ها اغلب به طور نادرست ارزیابی می شود به عنوان فرکانس و نه مساحت نوار به این دلیل است که بسیاری از هیستوگرام ها اغلب دارای میله های به همان اندازه (سطل) هستند و در این شرایط قد ، قداز سطل بازتاب فرکانس است.

تفاوت بین نمودار نوار و هیستوگرام چیست؟

تفاوت عمده این است که یک هیستوگرام فقط برای ترسیم فرکانس وقایع نمره در یک مجموعه داده مداوم که به کلاس ها تقسیم شده است ، به نام سطل ها استفاده می شود. از طرف دیگر ، نمودارهای نوار می توانند برای بسیاری از متغیرهای دیگر از جمله مجموعه داده های نظم و اسمی مورد استفاده قرار گیرند.