Techniky vytvárania histogramov na zoskupených údajoch
Histogram je často používaný nástroj na prezentáciu údajov v štatistike, najmä pri práci so zoskupenými údajmi. Na rozdiel od bežného stĺpcového grafu, ktorý zobrazuje diskrétne kategórie, histogram zobrazuje frekvenčné rozdelenie číselných údajov zoskupených do intervalov tried. Prostredníctvom histogramu môžeme pozorovať vzory rozdelenia údajov, trendy (napr. zošikmenie doprava alebo doľava) a dokonca aj odhady tvaru rozdelenia (normálne, zošikmené, bimodálne atď.). Tento článok rozoberá techniky systematického vytvárania histogramov pre zoskupené údaje, od zostavenia tabuľky frekvenčného rozdelenia až po vykreslenie správneho histogramu.
1. Pochopenie zoskupených údajov a histogramov
Zoskupené údaje sú číselné údaje, ktoré boli zhrnuté do niekoľkých intervalov triedy. Napríklad výsledky testov študentov sa už nezobrazujú jednotlivo, ale sú zoskupené do rozsahov 40 – 49, 50 – 59, 60 – 69 atď. Každý interval má frekvenciu, čo je počet dátových bodov spadajúcich do daného intervalu.
Histogram je graf zložený z tesne rozmiestnených stĺpcov bez medzier (alebo s veľmi malými medzerami), pretože predstavuje súvislý rozsah hodnôt. Šírka stĺpca predstavuje dĺžku intervalu triedy, zatiaľ čo výška stĺpca predstavuje frekvenciu alebo hustotu frekvencií (v závislosti od toho, či sú šírky tried rovnaké alebo rôzne).
2. Zostavenie tabuľky rozdelenia frekvencií
Prvým krokom pri vytváraní histogramu je vytvorenie tabuľky rozdelenia frekvencií. Tento proces zvyčajne zahŕňa:
1. Určte minimálne a maximálne hodnoty údajov.
2. Vypočítajte rozsah = maximum − minimum.
3. Určte počet tried (k).
4. Určte dĺžku triedy (p) = rozsah / k (zaokrúhlené podľa potreby).
5. Usporiadajte intervaly hodín a vypočítajte frekvenciu v každom intervale.
Existuje niekoľko smerníc na určenie počtu tried. Jedným z populárnych je Sturgesov vzorec:
k = 1 + 3,3 log10(n)
kde n je počet dátových bodov. Výsledok k sa zaokrúhli na najbližšie celé číslo.
Jednoduchý príklad: ak n = 40, potom k ≈ 1 + 3,3 log10(40) ≈ 1 + 3,3(1,602) ≈ 6,29, takže je možné vybrať 6 alebo 7 tried.
3. Určenie hraníc tried a okrajov tried
Častou chybou pri vytváraní histogramov je zamieňanie hraníc tried s hranami tried.
– Limity tried sú čísla zapísané v intervaloch, napríklad 50–59.
– Hranice tried sú súvislé hranice, ktoré oddeľujú triedy tak, aby medzi triedami neexistovali žiadne „medzery“.
Ak sú dáta celé číslo, potom sa hrana triedy zvyčajne určí sčítaním a odčítaním 0,5.
Príklad:
– Interval 50–59 má hrany tried 49,5–59,5
– Interval 60–69 má hrany tried 59,5–69,5
Hrany triedy sa teda stretávajú v bode 59,5, takže histogram sa javí ako jednotný a skutočne spojitý.
Ak sú však údaje kontinuálnym meraním (napríklad výška v cm a môžu mať desatinné čísla), určenie hraníc tried závisí od presnosti merania. Princípom je vytvoriť hranice tried, ktoré sa neprekrývajú a nenechávajú žiadne medzery.
4. Určenie mierky na osi X a Y
Histogram má dve hlavné osi:
– Os X (horizontálna): zobrazuje intervaly tried (zvyčajne s použitím hrán tried na zabezpečenie kontinuity).
– Os Y (vertikálna): zobrazuje frekvenciu.
Ak majú všetky intervaly tried rovnakú šírku, výška stĺpca sa jednoducho meria pomocou frekvencie. Ak sú však šírky intervalov tried rôzne, výška stĺpca by sa mala merať pomocou hustoty frekvencie:
Hustota frekvencií = frekvencia / šírka triedy
Použitie hustoty je dôležité, aby plocha stĺpca bola úmerná skutočnej frekvencii. V opačnom prípade sa širšie triedy budú javiť ako „väčšie“ jednoducho kvôli svojej šírke, nie kvôli väčšiemu množstvu údajov.
5. Kreslenie histogramových stĺpcov
Po určení mierky a intervalov je ďalším krokom nakreslenie stĺpca.
Správna technika kreslenia histogramu:
1. Postupne označte hrany triedy na osi X.
2. V každom intervale nakreslite obdĺžnikový pruh, ktorého šírka zodpovedá danému intervalu.
3. Výška stĺpca zodpovedá frekvencii (alebo hustote frekvencií, ak šírky tried nie sú rovnaké).
4. Uistite sa, že stonky sú blízko seba (bez medzier).
5. Zadajte názov histogramu, označte osi X a Y a v prípade potreby aj jednotky.
Napríklad, ak sú intervaly tried 40–49, 50–59, 60–69 a ich príslušné frekvencie sú 5, 12, 18, potom bude lamela pre triedu 60–69 vyššia ako pre ostatné triedy, pretože jej frekvencia je najväčšia.
6. Čítanie a interpretácia histogramov
Histogram nie je len obrázok, ale analytický nástroj. Z histogramu vidíme:
– Trieda módu: trieda s najvyššou tyčou (najvyššia frekvencia).
– Tvar rozdelenia: symetrický, zošikmený doprava (pozitívna zošikmená hodnota), zošikmený doľava (negatívna zošikmená hodnota) alebo má dva vrcholy (bimodálny).
– Distribúcia údajov: či sú údaje koncentrované v určitom intervale alebo široko rozptýlené.
– Indikácia odchýlky: ak sa na konci nachádza trieda s nízkou frekvenciou, ktorá je oddelená od hlavnej skupiny.
Dobrú interpretáciu zvyčajne sprevádza stručný záver. Napríklad: „Väčšina údajov sa nachádza v rozmedzí 60 – 79, čo naznačuje, že skóre účastníkov sa zvyčajne nachádza v strednej kategórii.“
7. Bežné chyby
Tu je niekoľko chýb, ktorým sa treba vyhnúť:
1. Medzi stĺpcami nechajte medzeru, aby to vyzeralo ako stĺpcový graf.
2. Použitie hraníc tried, nie okrajov tried, takže v rozsahu údajov sú medzery.
3. Neupravovanie výšky stĺpca, keď je šírka triedy odlišná, čím sa porovnávanie frekvencií stáva skresleným.
4. Mierky osí sú nekonzistentné alebo nezačínajú na nule na frekvenčnej osi (môže to byť vizuálne zavádzajúce).
5. Intervaly tried nie sú po sebe idúce ani sa neprekrývajú, napríklad 50–60 a 60–70 bez vysvetlenia hrán tried.
8. Praktické tipy na zvýšenie informatívnosti histogramov
Pre ľahšie pochopenie histogramu:
– Používajte primeraný počet tried (zvyčajne 5 – 12 tried, v závislosti od množstva údajov).
– Vyhnite sa príliš úzkym intervalom (príliš veľa tried), pretože histogram sa stáva „zašumeným“.
– Vyhnite sa príliš širokým intervalom (príliš málo tried), pretože sa môže stratiť distribučný vzorec.
– V prípade potreby uveďte v správe zdroje údajov, veľkosť vzorky (n) a ďalšie informácie.
Ak používate softvér ako Excel, Tabuľky Google alebo štatistické aplikácie, vždy pochopte koncept hrany triedy a šírky triedy, aby výsledky histogramu neboli nesprávne.
Zatváranie
Technika vytvárania histogramu pre zoskupené dáta v podstate vyžaduje presnosť pri zostavovaní intervalov tried, určovaní hraníc tried a určovaní vhodných výšok stĺpcov. Ak sú intervaly tried rovnomerné, jednoducho použite ako výšku stĺpca frekvenciu. Ak intervaly nie sú rovnomerné, použite hustotu frekvencií na zachovanie spravodlivej a presnej vizualizácie. So správne zostaveným histogramom môžeme rýchlo získať prehľad o vzore rozloženia dát a robiť presnejšie interpretácie v štatistickej analýze.
Ak chcete, môžem pridať vzorové údaje a dokončiť kroky výpočtu, kým nebude histogram hotový (manuálne alebo pomocou Excelu/Tabuľiek).
