Ryhmiteltyjen tietojen histogrammien tekemisen tekniikat
Histogrammi on tilastotieteessä usein käytetty tiedon esitystyökalu, erityisesti ryhmiteltyjä tietoja käsiteltäessä. Toisin kuin tavallinen pylväsdiagrammi, joka näyttää diskreetit luokat, histogrammi näyttää numeerisen tiedon frekvenssijakauman luokkaväleihin ryhmiteltynä. Histogrammin avulla voimme havaita tiedon jakaumakuvioita, trendejä (esim. vinoutumista oikealle tai vasemmalle) ja jopa arvion jakauman muodosta (normaali, vino, bimodaalinen ja niin edelleen). Tässä artikkelissa käsitellään tekniikoita histogrammien systemaattiseen luomiseen ryhmitellyille tiedoille frekvenssijakaumataulukon rakentamisesta oikean histogrammin piirtämiseen.
1. Ryhmiteltyjen tietojen ja histogrammien ymmärtäminen
Ryhmitelty data on numeerista dataa, joka on koottu useisiin luokka-aikojen välisiin tietoihin. Esimerkiksi opiskelijoiden testituloksia ei enää näytetä yksittäin, vaan ne on ryhmitelty alueille 40–49, 50–59, 60–69 ja niin edelleen. Jokaisella aikavälillä on frekvenssi, joka on kyseiseen väliin osuvien datapisteiden lukumäärä.
Histogrammi on kaavio, joka koostuu lähekkäin olevista pylväistä, joissa ei ole aukkoja (tai on hyvin pieniä aukkoja), koska se edustaa jatkuvaa arvoaluetta. Pylvään leveys edustaa luokkavälin pituutta, kun taas pylvään korkeus edustaa taajuutta tai taajuustiheyttä (riippuen siitä, ovatko luokkien leveydet samat vai erilaiset).
2. Frekvenssijakaumataulukon laatiminen
Histogrammin luomisen ensimmäinen vaihe on frekvenssijakaumataulukon laatiminen. Tämä prosessi sisältää tyypillisesti seuraavat vaiheet:
1. Määritä datan vähimmäis- ja enimmäisarvot.
2. Laske väli = maksimi − minimi.
3. Määritä luokkien lukumäärä (k).
4. Määritä luokan pituus (p) = vaihteluväli / k (pyöristetään tarvittaessa).
5. Järjestä luokkien välit ja laske kunkin välin frekvenssi.
Luokkien lukumäärän määrittämiseen on useita ohjeita. Yksi suosittu on Sturgesin kaava:
k = 1 + 3,3 log10(n)
jossa n on datapisteiden lukumäärä. k:n tulos pyöristetään lähimpään kokonaislukuun.
Yksinkertainen esimerkki: jos n = 40, niin k ≈ 1 + 3,3 log10(40) ≈ 1 + 3,3(1,602) ≈ 6,29, joten voidaan valita 6 tai 7 luokkaa.
3. Luokkarajojen ja luokkareunojen määrittäminen
Yleinen virhe histogrammeja luotaessa on sekoittaa luokkarajat luokkareunoihin.
– Luokkarajat ovat välein kirjoitettuja numeroita, esimerkiksi 50–59.
– Luokkarajat ovat jatkuvia rajoja, jotka erottavat luokat toisistaan siten, ettei luokkien välille jää ”aukkoja”.
Jos data on kokonaisluku, luokan reuna määritetään yleensä lisäämällä ja vähentämällä 0,5.
Contoh:
– Välillä 50–59 on luokkareunat 49,5–59,5
– Välillä 60–69 on luokkareunat 59,5–69,5
Näin ollen luokan reunat kohtaavat kohdassa 59,5, joten histogrammi näyttää yhtenäiseltä ja todella jatkuvalta.
Jos data kuitenkin on jatkuva mitta (esimerkiksi pituus senttimetreinä ja voi sisältää desimaaleja), luokkarajojen määrittäminen riippuu mittauksen tarkkuudesta. Periaatteena on luoda luokkarajat, jotka eivät mene päällekkäin eivätkä jätä aukkoja.
4. Määritä X- ja Y-akselien mittakaava
Histogrammilla on kaksi pääakselia:
– X-akseli (vaakasuora): näyttää luokkien välit (yleensä käytetään luokkareunoja jatkuvuuden varmistamiseksi).
– Y-akseli (pystysuora): näyttää taajuuden.
Jos kaikilla luokkaväleillä on sama leveys, pylvään korkeus mitataan yksinkertaisesti käyttämällä taajuutta. Jos luokkavälien leveydet ovat kuitenkin erilaiset, pylvään korkeus tulisi mitata käyttämällä taajuustiheyttä:
Taajuustiheys = taajuus / luokan leveys
Tiheyden käyttö on tärkeää, jotta pylvään pinta-ala on verrannollinen todelliseen taajuuteen. Muuten leveämmät luokat näyttävät "suuremmilta" pelkästään leveytensä vuoksi, eivät suuremman datamäärän vuoksi.
5. Histogrammipalkkien piirtäminen
Kun asteikko ja välit on määritetty, seuraava vaihe on pylvään piirtäminen.
Oikea tekniikka histogrammin piirtämiseen:
1. Merkitse luokkareunat X-akselille peräkkäin.
2. Piirrä jokaiselle välille suorakaiteen muotoinen palkki, jonka leveys vastaa kyseistä väliä.
3. Palkin korkeus vastaa taajuutta (tai taajuustiheyttä, jos luokkien leveydet eivät ole samat).
4. Varmista, että varret ovat lähellä toisiaan (ilman rakoja).
5. Anna histogrammille otsikko, nimeä X- ja Y-akselit ja tarvittaessa yksiköt.
Esimerkiksi jos luokkien välit ovat 40–49, 50–59, 60–69 ja niiden vastaavat frekvenssit ovat 5, 12 ja 18, niin luokan 60–69 rima on korkeampi kuin muiden luokkien, koska sen frekvenssi on suurin.
6. Histogrammien lukeminen ja tulkinta
Histogrammi ei ole vain kuva, vaan analyyttinen työkalu. Histogrammista voimme nähdä:
– Moodiluokka: luokka, jolla on korkein palkki (korkein taajuus).
– Jakauman muoto: symmetrinen, vino oikealle (positiivinen vinous), vino vasemmalle (negatiivinen vinous) tai kaksi huippua (bimodaalinen).
– Datan jakauma: onko data keskittynyt tietylle aikavälille vai onko se hajautettu laajalle.
– Poikkeavuusindikaattori: jos lopussa on luokka, jolla on pieni esiintymistiheys ja joka eroaa pääryhmästä.
Hyvään tulkintaan liittyy yleensä lyhyt johtopäätös. Esimerkiksi: ”Suurin osa tiedoista sijoittuu välille 60–79, mikä osoittaa, että osallistujien pisteet ovat yleensä keskiluokkaa.”
7. Yleisiä virheitä
Tässä on joitakin vältettäväksi tarkoitettuja virheitä:
1. Jätä palkkien väliin tilaa, jotta se näyttää pylväsdiagrammilta.
2. Käytetään luokkarajoja, ei luokkareunoja, joten data-alueella on aukkoja.
3. Palkin korkeutta ei muuteta, kun luokkien leveys on erilainen, jolloin frekvenssivertailu vääristyy.
4. Akselien asteikot ovat epäjohdonmukaisia tai eivät ala nollasta taajuusakselilla (voi olla visuaalisesti harhaanjohtavaa).
5. Luokkien välit eivät ole peräkkäisiä tai päällekkäisiä, esimerkiksi 50–60 ja 60–70 ilman luokkareunojen selitystä.
8. Käytännön vinkkejä histogrammien informatiivisemmiksi tekemiseen
Histogrammin ymmärtämisen helpottamiseksi:
– Käytä kohtuullista määrää luokkia (yleensä 5–12 luokkaa datan määrästä riippuen).
– Vältä liian kapeita välejä (liian monta luokkaa), koska histogrammista tulee ”kohinainen”.
– Vältä liian laajoja välejä (liian vähän luokkia), koska jakaumakuvio saattaa kadota.
– Sisällytä raporttiin tarvittaessa tietolähteet, otoskoko (n) ja muita tietoja.
Jos käytät ohjelmistoja, kuten Exceliä, Google Sheetsiä tai tilastollisia sovelluksia, ymmärrä aina luokkareunan ja luokkaleveyden käsitteet, jotta histogrammin tulokset eivät ole vääriä.
Sulkeminen
Ryhmiteltyjen tietojen histogrammin luontitekniikka vaatii tarkkuutta luokkavälien rakentamisessa, luokkarajojen määrittämisessä ja sopivien pylväskorkeuksien määrittämisessä. Jos luokkavälit ovat yhdenmukaiset, käytä pylväskorkeutena yksinkertaisesti frekvenssiä. Jos välit eivät ole yhdenmukaisia, käytä tiheysfrekvenssiä oikeudenmukaisen ja tarkan visualisoinnin ylläpitämiseksi. Oikein rakennetun histogrammin avulla voimme nopeasti saada yleiskuvan datan jakautumismallista ja tehdä tarkempia tulkintoja tilastollisessa analyysissä.
Voin halutessasi lisätä esimerkkidataa ja suorittaa laskutoimitukset, kunnes histogrammi on valmis (manuaalisesti tai Excelillä/Sheetsillä).
