Technieken voor het maken van histogrammen op gegroepeerde gegevens
Een histogram is een veelgebruikt hulpmiddel voor datavisualisatie in de statistiek, met name bij gegroepeerde data. In tegenstelling tot een gewoon staafdiagram, dat discrete categorieën weergeeft, toont een histogram de frequentieverdeling van numerieke data, gegroepeerd in klasse-intervallen. Met behulp van een histogram kunnen we patronen in de dataverdeling, trends (bijvoorbeeld scheefheid naar rechts of links) en zelfs een schatting van de vorm van de verdeling (normaal, scheef, bimodaal, enzovoort) observeren. Dit artikel bespreekt technieken voor het systematisch maken van histogrammen voor gegroepeerde data, van het opstellen van een frequentieverdelingstabel tot het tekenen van een correct histogram.
1. Gegroepeerde gegevens en histogrammen begrijpen
Gegroepeerde data is numerieke data die is samengevat in verschillende intervallen. Zo worden bijvoorbeeld de toetsresultaten van studenten niet langer individueel weergegeven, maar gegroepeerd in bereiken zoals 40-49, 50-59, 60-69, enzovoort. Elk interval heeft een frequentie, oftewel het aantal datapunten dat binnen dat interval valt.
Een histogram is een grafiek die bestaat uit dicht bij elkaar geplaatste balken zonder (of met zeer kleine) tussenruimtes, omdat het een continu bereik van waarden weergeeft. De breedte van de balk geeft de lengte van het klasse-interval weer, terwijl de hoogte van de balk de frequentie of frequentiedichtheid weergeeft (afhankelijk van of de klassebreedtes gelijk of verschillend zijn).
2. Het samenstellen van een frequentieverdelingstabel
De eerste stap bij het maken van een histogram is het opstellen van een frequentieverdelingstabel. Dit proces omvat doorgaans:
1. Bepaal de minimum- en maximumwaarden van de gegevens.
2. Bereken het bereik = maximum − minimum.
3. Bepaal het aantal klassen (k).
4. Bepaal de klassenlengte (p) = bereik / k (naar behoefte afronden).
5. Bepaal de klassenintervallen en bereken de frequentie bij elk interval.
Er bestaan verschillende richtlijnen voor het bepalen van het aantal klassen. Een populaire is de formule van Sturges:
k = 1 + 3,3 log10(n)
waarbij n het aantal datapunten is. Het resultaat van k wordt afgerond naar het dichtstbijzijnde hele getal.
Eenvoudig voorbeeld: als n = 40, dan is k ≈ 1 + 3,3 log10(40) ≈ 1 + 3,3(1,602) ≈ 6,29, dus kunnen er 6 of 7 klassen worden geselecteerd.
3. Het bepalen van klassegrenzen en klasse-randen
Een veelgemaakte fout bij het maken van histogrammen is het verwarren van klasse-grenzen met klasse-randen.
– De grenzen van een klas zijn getallen die in intervallen worden weergegeven, bijvoorbeeld 50-59.
– Klasse-grenzen zijn doorlopende grenzen die klassen van elkaar scheiden, zodat er geen 'gaten' tussen klassen zijn.
Als de gegevens een geheel getal zijn, wordt de klasse-rand meestal bepaald door er 0,5 bij op te tellen en er vervolgens weer vanaf te trekken.
Conto:
– Het interval 50–59 heeft klasse-grenzen van 49,5–59,5
– Het interval 60–69 heeft klasse-grenzen van 59,5–69,5
De randen van de klassen komen dus samen bij 59,5, waardoor het histogram uniform en werkelijk continu lijkt.
Als de gegevens echter een continue meting betreffen (bijvoorbeeld lengte in cm, met mogelijke decimalen), hangt het bepalen van de klasse-grenzen af van de nauwkeurigheid van de meting. Het principe is om klasse-grenzen te creëren die elkaar niet overlappen en geen gaten laten.
4. Bepaal de schaal op de X- en Y-as.
Het histogram heeft twee hoofdassen:
– X-as (horizontaal): geeft klasse-intervallen weer (meestal met behulp van klasse-randen om continuïteit te garanderen).
– Y-as (verticaal): geeft de frequentie weer.
Als alle klasse-intervallen dezelfde breedte hebben, wordt de balkhoogte eenvoudigweg gemeten aan de hand van de frequentie. Als de breedtes van de klasse-intervallen echter verschillen, moet de balkhoogte worden gemeten aan de hand van de frequentiedichtheid.
Frequentiedichtheid = frequentie / klassebreedte
Het gebruik van dichtheid is belangrijk, zodat het balkoppervlak in verhouding staat tot de werkelijke frequentie. Anders lijken bredere klassen "groter" simpelweg vanwege hun breedte, en niet vanwege de grotere hoeveelheid gegevens.
5. Het tekenen van histogrambalken
Zodra de schaal en de intervallen zijn bepaald, is de volgende stap het tekenen van de balk.
De juiste techniek voor het tekenen van een histogram:
1. Markeer de randen van de klassen in de juiste volgorde op de X-as.
2. Teken bij elk interval een rechthoekige balk waarvan de breedte overeenkomt met dat interval.
3. De hoogte van de balk komt overeen met de frequentie (of frequentiedichtheid als de klassenbreedtes niet gelijk zijn).
4. Zorg ervoor dat de stengels dicht bij elkaar staan (zonder tussenruimte).
5. Geef het histogram een titel, label de X- en Y-assen en voeg indien nodig eenheden toe.
Als de klassenintervallen bijvoorbeeld 40-49, 50-59 en 60-69 zijn, en de bijbehorende frequenties 5, 12 en 18, dan zal de balk voor klasse 60-69 hoger liggen dan die van de andere klassen, omdat deze het vaakst voorkomt.
6. Histogrammen lezen en interpreteren
Een histogram is niet zomaar een afbeelding, maar een analytisch hulpmiddel. Aan de hand van een histogram kunnen we het volgende aflezen:
– Modusklasse: klasse met de hoogste balk (hoogste frequentie).
– Vorm van de verdeling: symmetrisch, scheef naar rechts (positieve scheefheid), scheef naar links (negatieve scheefheid) of met twee pieken (bimodaal).
– Gegevensverdeling: of de gegevens geconcentreerd zijn in een bepaald interval of wijd verspreid zijn.
– Uitschieterindicatie: als er aan het einde een klasse is met een lage frequentie die afwijkt van de hoofdgroep.
Een goede interpretatie gaat meestal vergezeld van een korte conclusie. Bijvoorbeeld: "Het merendeel van de gegevens valt in het bereik van 60-79, wat aangeeft dat de scores van de deelnemers zich over het algemeen in de middelste categorie bevinden."
7. Veelvoorkomende fouten
Hieronder volgen enkele veelgemaakte fouten:
1. Laat ruimte tussen de balken zodat het eruitziet als een staafdiagram.
2. Er worden klasse-grenzen gebruikt in plaats van klasse-randen, waardoor er hiaten in het gegevensbereik ontstaan.
3. De balkhoogte niet aanpassen wanneer de klassebreedte verschilt, waardoor de frequentievergelijking vertekend raakt.
4. De schaalverdeling van de assen is inconsistent of begint niet bij nul op de frequentie-as (kan visueel misleidend zijn).
5. De klassenintervallen zijn niet opeenvolgend of overlappend, bijvoorbeeld 50-60 en 60-70 zonder uitleg van de klassengrenzen.
8. Praktische tips om histogrammen informatiever te maken
Om het histogram beter te begrijpen:
– Gebruik een redelijk aantal klassen (doorgaans 5 tot 12 klassen, afhankelijk van de hoeveelheid gegevens).
– Vermijd te smalle intervallen (te veel klassen), want het histogram wordt dan "ruisig".
– Vermijd te brede intervallen (te weinig klassen), omdat het verdelingspatroon dan verloren kan gaan.
– Vermeld in het rapport de gegevensbronnen, de steekproefomvang (n) en andere relevante informatie indien nodig.
Als u software zoals Excel, Google Sheets of statistische toepassingen gebruikt, is het belangrijk dat u het concept van klasserand en klassebreedte begrijpt, zodat de histogramresultaten correct zijn.
Sluitend
De techniek voor het maken van een histogram voor gegroepeerde data vereist precisie bij het construeren van klasse-intervallen, het bepalen van klasse-grenzen en het bepalen van de juiste balkhoogtes. Als de klasse-intervallen uniform zijn, gebruik dan simpelweg de frequentie als balkhoogte. Als de intervallen niet uniform zijn, gebruik dan de frequentiedichtheid om een eerlijke en nauwkeurige visualisatie te behouden. Met een correct geconstrueerd histogram kunnen we snel een overzicht krijgen van het dataverdelingspatroon en nauwkeurigere interpretaties maken in statistische analyses.
Indien gewenst kan ik voorbeeldgegevens toevoegen en de berekeningsstappen voltooien totdat het histogram klaar is (handmatig of met Excel/Sheets).
