Histogramm (Distplot)
Ein Histogramm ist eine grafische Darstellung der Verteilung numerischer Daten mithilfe aneinandergrenzender Balken. Jeder Balken steht für einen Wertebereich (Klasse), und seine Höhe entspricht der Häufigkeit der Daten in diesem Bereich.
Zuletzt geprüft
Kernaussage
Ein Histogramm ist eine grafische Darstellung der Verteilung numerischer Daten mithilfe aneinandergrenzender Balken.
Auf dieser Seite
Was ist ein Histogramm?
Ein Histogramm ist eine grafische Darstellung der Verteilung numerischer Daten mithilfe aneinandergrenzender Balken. Jeder Balken steht für einen Wertebereich (Klasse), und seine Höhe entspricht der Häufigkeit der Daten in diesem Bereich. Die horizontale Achse zeigt die Klassen, die vertikale Achse die Häufigkeit.
Histogramme werden für stetige Daten verwendet, Balkendiagramme dagegen für kategoriale Daten.
Wann wird ein Histogramm eingesetzt?
In folgenden Situationen sind Histogramme besonders nützlich:
- Analyse der Datenverteilung: Ein Histogramm stellt die Häufigkeitsverteilung der Daten grafisch dar. Es hilft, die Form der Verteilung zu verstehen, die zentrale Tendenz (Mittelwert, Median, Modalwert) zu erkennen und die Streuung der Daten zu beurteilen. Es kann Muster wie eine Normalverteilung, eine schiefe Verteilung, eine bimodale Verteilung oder Ausreißer sichtbar machen.
- Datenexploration: Histogramme eignen sich, um einen Datensatz zu erkunden und Einblicke in die enthaltenen Werte zu gewinnen. Sie zeigen Häufigkeit und Konzentration der Werte in bestimmten Bereichen bzw. Klassen. So lassen sich Cluster, Lücken oder ungewöhnliche Muster in den Daten erkennen.
- Erkennung von Ausreißern: Ein Histogramm kann helfen, Ausreißer bzw. Extremwerte in einem Datensatz zu erkennen. Ausreißer zeigen sich häufig als Balken, die deutlich höher oder niedriger sind als die übrigen. Wenn Sie die Ränder bzw. äußeren Enden des Histogramms betrachten, erkennen Sie Werte, die von der Hauptverteilung abweichen.
- Datenvorverarbeitung: Ein Histogramm kann bei der Vorverarbeitung von Daten helfen. So lassen sich damit zum Beispiel die Verteilungseigenschaften einer Variablen beurteilen, bevor über geeignete Datentransformationen wie Normierung oder Log-Transformation entschieden wird. Es kann auch helfen, die optimale Klasseneinteilung für die Diskretisierung stetiger Variablen festzulegen.
- Vergleich von Verteilungen: Histogramme eignen sich, um die Verteilungen verschiedener Variablen oder Datensätze zu vergleichen. Werden mehrere Histogramme im selben Diagramm dargestellt, lassen sich Form, Spannweite und zentrale Tendenz optisch vergleichen. Das hilft, Gemeinsamkeiten, Unterschiede oder Zusammenhänge zwischen Variablen zu erkennen.
- Qualitätslenkung und Prozessverbesserung: Histogramme werden in der Qualitätslenkung häufig eingesetzt, um Prozesse zu überwachen und zu verbessern. Sie veranschaulichen die Ausgabedaten eines Prozesses und zeigen, ob diese die geforderten Spezifikationen erfüllen bzw. innerhalb zulässiger Grenzen liegen. Abweichungen oder Auffälligkeiten im Histogramm können auf mögliche Probleme oder Verbesserungspotenziale hinweisen.
Hinweise zur richtigen Anwendung des Histogramms
- Der Stichprobenumfang sollte mindestens 20 betragen, damit die Daten aussagekräftig dargestellt werden
- Histogramme eignen sich, wenn der Stichprobenumfang mindestens 20 beträgt
- Kleine Stichprobenumfänge können dazu führen, dass in den einzelnen Balken des Histogramms zu wenige Daten liegen
- Bei einem Stichprobenumfang unter 20 sollten Sie ein Einzelwertdiagramm (Individual value plot) in Betracht ziehen
- Die zufällige Auswahl der Stichprobendaten ist wichtig
- Zufallsstichproben ermöglichen Verallgemeinerungen und Rückschlüsse auf die Grundgesamtheit
- Nicht zufällig erhobene Daten bilden die Grundgesamtheit möglicherweise nicht zutreffend ab.
Alternativen: Wann Sie kein Histogramm verwenden sollten
- Einzelwertdiagramm: Ist der Stichprobenumfang kleiner als 20, empfiehlt sich als Alternative ein Einzelwertdiagramm (Individual value plot).
Beispiel für ein Histogramm (Distplot)
Ein Qualitätsingenieur vergleicht Kolben von zwei verschiedenen Lieferanten. Er wählt von jedem Lieferanten zufällig 100 Kolben aus und misst ihre Länge. Um die Verteilungen der Stichprobendaten zu vergleichen, erstellt er ein Histogramm mit angepasster Verteilung und Gruppen. Die Schritte:
- Die erforderlichen Daten wurden erhoben.
- Analysieren Sie die Daten nun in Zometric Statistical Software unter https://statsai.zometric.com/.
- Das Histogramm (Distplot) finden Sie unter Statistical module> Graphical analysis > Histogram Distplot.
- Geben Sie im Werkzeug die Daten zusammen mit den weiteren Eingaben wie folgt ein:


6. Nach Ausführung des oben genannten Werkzeugs erhalten Sie folgende Ausgabe:

Anleitung: Histogramm (Distplot) erstellen
So gehen Sie vor:
- Melden Sie sich bei Zometric Statistical Software an unter https://statsai.zometric.com/
- Wählen Sie auf der Startseite Statistical Tool> Graphical analysis > Histogram Distplot.
- Geben Sie die Daten anschließend manuell ein, oder kopieren Sie die Daten vollständig (Strg+C) aus einer Excel-Tabelle und fügen Sie sie ein (Strg+V). Alternativ gibt es die Option Load Example, mit der Beispieldaten geladen werden.
- Ordnen Sie anschließend die Spalten den Parametern zu.
- Klicken Sie abschließend unten auf der Seite auf calculate, um die gewünschten Ergebnisse zu erhalten.
Das Dashboard des Histogramms (Distplot) ist in zwei Bereiche unterteilt.

Im linken Bereich befindet sich der Datenbereich (Data Pane). Im Data Pane bildet jede Zeile eine Teilgruppe. Die Daten können manuell eingegeben oder vollständig aus einer Excel-Tabelle kopiert (Strg+C) und hier eingefügt (Strg+V) werden.
Load example: Es werden Beispieldaten geladen.
Load File: Damit werden Excel-Daten direkt geladen.
Im rechten Bereich geben Sie lediglich Folgendes an:
Bin Size: Die Klassengröße, auch Klassenbreite oder Klassenintervall genannt, ist die Breite jedes Intervalls bzw. jeder Klasse in einem Histogramm. Beim Erstellen eines Histogramms wird der Datenbereich in gleich große Intervalle unterteilt, und für jedes Intervall wird gezählt, wie viele Datenpunkte hineinfallen.
Curve type:
- KDE: Im Zusammenhang mit Histogrammen bezeichnet der Kurventyp „kde“ die Kurve der Kerndichteschätzung (Kernel Density Estimation). Während Histogramme die Verteilung der Daten über Klassen und Balken darstellen, liefert eine KDE-Kurve eine glatte Schätzung der zugrunde liegenden Wahrscheinlichkeitsdichtefunktion (PDF) der Daten.
- Normal: Im Zusammenhang mit Histogrammen bezeichnet der Kurventyp „normal“ die Normalverteilungskurve, auch Gauß-Kurve oder Glockenkurve genannt. Die Normalverteilung ist eine symmetrische Wahrscheinlichkeitsverteilung, die in Statistik und Wahrscheinlichkeitstheorie weit verbreitet ist.
Histnorm:
- Percent: Die Höhe jeder Klasse gibt den prozentualen Anteil der Datenpunkte an der Gesamtzahl der Datenpunkte im Datensatz an.
- Probability: Die Höhe jeder Klasse gibt die Wahrscheinlichkeit an, dass ein Datenpunkt in diese Klasse fällt. Die Summe aller Klassenhöhen ist gleich 1.
- Probability Density: Die Histnorm-Einstellung Wahrscheinlichkeitsdichte berechnet die Wahrscheinlichkeitsdichtefunktion (PDF), indem sie die Häufigkeiten des Histogramms so normiert, dass die Fläche unter dem Histogramm gleich 1 ist.
- Density: Die Häufigkeit der Datenpunkte in jeder Klasse, normiert auf die Klassenbreite. Statt nur die absoluten Häufigkeiten je Klasse zu zeigen, stellt ein Dichtehistogramm die Daten so dar, dass die Fläche unter dem Histogramm in Summe eins ergibt. So lassen sich Verteilungen mit unterschiedlichen Stichprobenumfängen oder Klassenbreiten vergleichen
Download as Excel: Gibt das Ergebnis im Excel-Format aus, das sich leicht bearbeiten und über die Option load file erneut für Berechnungen laden lässt.
Häufig gestellte Fragen
Was ist ein Histogramm?
Ein Histogramm ist eine grafische Darstellung der Verteilung numerischer Daten mithilfe aneinandergrenzender Balken. Jeder Balken steht für einen Wertebereich, eine sogenannte Klasse, und seine Höhe entspricht der Häufigkeit der Daten in diesem Bereich. Die horizontale Achse zeigt die Klassen, die vertikale Achse die Häufigkeit. Histogramme werden für stetige Daten verwendet, Balkendiagramme für kategoriale Daten.
Wie viele Datenpunkte braucht man für ein Histogramm?
Der Stichprobenumfang sollte für ein aussagekräftiges Histogramm mindestens 20 betragen, da bei kleinen Stichproben in den einzelnen Balken zu wenige Daten liegen können. Haben Sie weniger als 20 Werte, verwenden Sie stattdessen ein Einzelwertdiagramm. Wichtig ist außerdem eine zufällige Auswahl der Stichprobe, damit das Histogramm die Grundgesamtheit abbildet.
Was ist der Unterschied zwischen einer KDE-Kurve und einer Normalverteilungskurve im Histogramm?
Eine KDE-Kurve (Kerndichteschätzung) liefert eine glatte Schätzung der zugrunde liegenden Wahrscheinlichkeitsdichtefunktion der Daten und folgt deren tatsächlicher Form. Eine Normalverteilungskurve legt die symmetrische, glockenförmige Gauß-Verteilung über das Histogramm, sodass Sie die Form der Daten mit einer Normalverteilung vergleichen können.
Was verrät ein Histogramm über Ihre Daten?
Ein Histogramm zeigt die Form der Verteilung, ihre zentrale Tendenz und ihre Streuung. Es kann normale, schiefe oder bimodale Verteilungen, Cluster, Lücken und Ausreißer an den Rändern sichtbar machen. In der Qualitätslenkung hilft es zu beurteilen, ob die Prozessausgabe die Spezifikationen erfüllt, und mehrere Histogramme lassen sich vergleichen, um Unterschiede zwischen Gruppen zu erkennen, etwa bei Kolben von zwei Lieferanten.
