Techniki tworzenia histogramów na danych grupowanych
Histogram to często używane narzędzie prezentacji danych w statystyce, szczególnie w przypadku danych pogrupowanych. W przeciwieństwie do zwykłego wykresu słupkowego, który prezentuje kategorie dyskretne, histogram przedstawia rozkład częstości danych liczbowych pogrupowanych w przedziały klasowe. Za pomocą histogramu możemy obserwować wzorce rozkładu danych, trendy (np. przesunięcie w prawo lub w lewo), a nawet oszacować kształt rozkładu (normalny, skośny, bimodalny itd.). W tym artykule omówiono techniki systematycznego tworzenia histogramów dla danych pogrupowanych, od konstruowania tabeli rozkładu częstości po narysowanie poprawnego histogramu.
1. Zrozumienie danych grupowanych i histogramów
Dane zgrupowane to dane liczbowe podsumowane w kilku przedziałach klasowych. Na przykład wyniki testów uczniów nie są już wyświetlane indywidualnie, lecz grupowane w zakresach 40–49, 50–59, 60–69 itd. Każdy przedział ma częstotliwość, czyli liczbę punktów danych przypadającą na ten przedział.
Histogram to wykres złożony z blisko siebie położonych słupków bez przerw (lub z bardzo małymi przerwami), ponieważ przedstawia ciągły zakres wartości. Szerokość słupka reprezentuje długość przedziału klas, a wysokość – częstotliwość lub gęstość częstotliwości (w zależności od tego, czy szerokości klas są takie same, czy różne).
2. Kompilacja tabeli rozkładu częstości
Pierwszym krokiem w tworzeniu histogramu jest skonstruowanie tabeli rozkładu częstości. Proces ten zazwyczaj obejmuje:
1. Określ wartość minimalną i maksymalną danych.
2. Oblicz zakres = maksimum − minimum.
3. Określ liczbę klas (k).
4. Określ długość klasy (p) = zakres / k (w razie potrzeby zaokrąglając).
5. Ustal przerwy w zajęciach i oblicz częstotliwość zajęć w każdej przerwie.
Istnieje kilka wytycznych dotyczących określania liczby klas. Jednym z popularnych jest wzór Sturgesa:
k = 1 + 3,3 log10(n)
gdzie n to liczba punktów danych. Wynik k jest zaokrąglany do najbliższej liczby całkowitej.
Prosty przykład: jeśli n = 40, to k ≈ 1 + 3,3 log10(40) ≈ 1 + 3,3(1,602) ≈ 6,29, więc można wybrać 6 lub 7 klas.
3. Określanie granic klas i krawędzi klas
Częstym błędem popełnianym przy tworzeniu histogramów jest mylenie granic klas z krawędziami klas.
– Granice klas to liczby zapisane w odstępach, na przykład 50–59.
– Granice klasowe to ciągłe granice, które oddzielają klasy w taki sposób, że nie ma między nimi żadnych „przerw”.
Jeśli dane są liczbami całkowitymi, wówczas krawędź klasy jest zwykle określana poprzez dodanie i odjęcie 0,5.
Konto:
– Przedział 50–59 ma krawędzie klas 49,5–59,5
– Przedział 60–69 ma krawędzie klas 59,5–69,5
W ten sposób krawędzie klas spotykają się przy 59,5, przez co histogram wydaje się jednolity i naprawdę ciągły.
Jeśli jednak dane są pomiarami ciągłymi (na przykład wzrost w centymetrach, z wartościami dziesiętnymi), wyznaczanie granic klas opiera się na dokładności pomiaru. Zasada polega na tworzeniu granic klas, które nie nakładają się na siebie i nie pozostawiają luk.
4. Określ skalę na osiach X i Y
Histogram ma dwie główne osie:
– Oś X (pozioma): wyświetla przedziały klas (zwykle wykorzystując krawędzie klas w celu zapewnienia ciągłości).
– Oś Y (pionowa): wyświetla częstotliwość.
Jeśli wszystkie przedziały klasowe mają taką samą szerokość, wysokość słupka mierzy się po prostu za pomocą częstotliwości. Jeśli jednak szerokości przedziałów klasowych są różne, wysokość słupka należy mierzyć za pomocą gęstości częstotliwości:
Gęstość częstotliwości = częstotliwość / szerokość klasy
Użycie gęstości jest ważne, aby obszar słupka był proporcjonalny do rzeczywistej częstości. W przeciwnym razie szersze klasy będą wydawać się „większe” po prostu ze względu na swoją szerokość, a nie ze względu na większą ilość danych.
5. Rysowanie słupków histogramu
Gdy już ustalimy skalę i interwały, następnym krokiem będzie narysowanie paska.
Prawidłowa technika rysowania histogramu:
1. Zaznacz krawędzie klas na osi X w kolejności sekwencyjnej.
2. W każdym odstępie narysuj prostokątny pasek, którego szerokość odpowiada temu odstępowi.
3. Wysokość paska odpowiada częstotliwości (lub gęstości częstotliwości, jeśli szerokości klas nie są takie same).
4. Upewnij się, że łodygi są blisko siebie (bez przerw).
5. Nadaj histogramowi tytuł, opisz osie X i Y, a także, jeśli to konieczne, podaj jednostki.
Na przykład, jeśli przedziały czasowe zajęć wynoszą 40–49, 50–59, 60–69, a ich odpowiednie częstotliwości wynoszą 5, 12, 18, to poprzeczka dla klasy 60–69 będzie umieszczona wyżej niż dla innych klas, ponieważ jej częstotliwość jest największa.
6. Odczyt i interpretacja histogramów
Histogram to nie tylko obraz, ale narzędzie analityczne. Na histogramie możemy zobaczyć:
– Klasa modalna: klasa z najwyższym słupkiem (najwyższą częstotliwością).
– Kształt rozkładu: symetryczny, pochylony w prawo (skos dodatni), pochylony w lewo (skos ujemny) lub mający dwa szczyty (bimodalny).
– Dystrybucja danych: czy dane są skoncentrowane w pewnym przedziale czasu, czy też szeroko rozproszone.
– Wskaźnik wartości odstających: jeśli na końcu znajduje się klasa o małej częstości występowania, oddzielona od grupy głównej.
Dobra interpretacja zazwyczaj zawiera krótkie podsumowanie. Na przykład: „Większość danych mieści się w przedziale 60–79, co wskazuje, że wyniki uczestników plasują się w środkowej kategorii”.
7. Typowe błędy
Oto kilka błędów, których należy unikać:
1. Zostaw odstęp między słupkami, aby wyglądało to jak wykres słupkowy.
2. Używanie granic klas, a nie krawędzi klas, przez co w zakresie danych pojawiają się luki.
3. Brak dostosowania wysokości paska, gdy szerokość klasy jest różna, co może powodować stronniczość porównania częstotliwości.
4. Skale osi są niespójne lub nie zaczynają się od zera na osi częstotliwości (może to być mylące wizualnie).
5. Przedziały klasowe nie są następujące po sobie ani nie nakładają się, na przykład 50–60 i 60–70 bez wyjaśnienia granic klasowych.
8. Praktyczne wskazówki, jak zwiększyć informacyjność histogramów
Aby histogram był łatwiejszy do zrozumienia:
– Użyj rozsądnej liczby klas (na ogół 5–12 klas, w zależności od ilości danych).
– Unikaj zbyt wąskich przedziałów (zbyt wielu klas), ponieważ histogram stanie się „zaszumiony”.
– Unikaj zbyt szerokich przedziałów (zbyt małej liczby klas), ponieważ może to spowodować utratę wzorca rozkładu.
– W raporcie należy uwzględnić źródła danych, wielkość próby (n) i inne informacje, jeżeli są potrzebne.
Jeśli korzystasz z oprogramowania, takiego jak Excel, Arkusze Google lub aplikacji statystycznych, zawsze staraj się zrozumieć koncepcję krawędzi i szerokości klasy, aby wyniki histogramu nie były błędne.
Zamknięcie
Technika tworzenia histogramu dla danych zgrupowanych wymaga precyzji w konstruowaniu przedziałów klas, określaniu granic klas i określaniu odpowiedniej wysokości słupków. Jeśli przedziały klas są jednorodne, wystarczy użyć częstotliwości jako wysokości słupka. Jeśli przedziały nie są jednorodne, należy użyć gęstości częstotliwości, aby uzyskać rzetelną i dokładną wizualizację. Dzięki poprawnie skonstruowanemu histogramowi możemy szybko uzyskać przegląd wzorca rozkładu danych i dokonać dokładniejszych interpretacji w analizie statystycznej.
Jeśli chcesz, mogę dodać przykładowe dane i wykonać kroki obliczeniowe, aż histogram będzie gotowy (ręcznie lub za pomocą programu Excel/Arkuszy).
