Histogramm (Histogram Flexi)
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, engl. Bin), 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.
Wann wird ein Histogramm eingesetzt?
In folgenden Situationen sind Histogramme besonders nützlich:
- Analyse der Datenverteilung: Es liefert eine visuelle Darstellung der Häufigkeitsverteilung der Daten. Histogramme helfen, die Form der Verteilung zu verstehen, die zentrale Tendenz (Mittelwert, Median, Modalwert) zu erkennen und die Streuung bzw. Variabilität der Daten zu beurteilen. Sie können Muster wie Normalverteilung, schiefe Verteilung, 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 Häufungen, Lücken oder ungewöhnliche Muster in den Daten erkennen.
- Erkennung von Ausreißern: Ein Histogramm kann helfen, Ausreißer oder Extremwerte in einem Datensatz zu erkennen. Ausreißer zeigen sich oft als Balken, die deutlich höher oder niedriger sind als die übrigen. Durch Betrachtung der Ränder bzw. äußeren Enden des Histogramms lassen sich Werte erkennen, die von der Hauptverteilung abweichen.
- Datenvorverarbeitung: Es kann bei der Datenvorverarbeitung helfen. Beispielsweise lassen sich damit 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 zum Vergleich der Verteilungen verschiedener Variablen oder Datensätze. Werden mehrere Histogramme in einem Diagramm dargestellt, lassen sich Form, Wertebereich und zentrale Tendenz visuell vergleichen. Das hilft, Gemeinsamkeiten, Unterschiede oder Zusammenhänge zwischen Variablen zu erkennen.
- Qualitätssicherung und Prozessverbesserung: Histogramme werden in der Qualitätssicherung häufig zur Überwachung und Verbesserung von Prozessen eingesetzt. Mit ihnen lassen sich Prozessdaten darstellen und beurteilen, ob sie 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
- Für eine aussagekräftige Darstellung der Daten sollte der Stichprobenumfang 20 oder größer sein
- Histogramme eignen sich bei einem Stichprobenumfang von mindestens 20
- Bei kleinem Stichprobenumfang enthalten die einzelnen Balken möglicherweise zu wenige Daten
- 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 repräsentieren die Grundgesamtheit möglicherweise nicht korrekt.
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 (Flexi)
Um den korrekten Sitz von Shampooflaschen-Verschlüssen zu prüfen, muss ein Qualitätsingenieur sicherstellen, dass sie weder zu locker noch zu fest sitzen. Sitzen die Verschlüsse nicht fest, können sie beim Versand abfallen, während zu fest sitzende Verschlüsse schwer zu öffnen sind. Um das zum Öffnen erforderliche Drehmoment zu beurteilen, zieht der Ingenieur eine Zufallsstichprobe von 68 Flaschen und führt Prüfungen durch.
Im Rahmen der ersten Untersuchung erstellt der Ingenieur ein Histogramm der Drehmomentmessungen, um die Verteilung der Daten zu untersuchen. Die Schritte:
- Die erforderlichen Daten wurden erhoben.
- Analysieren Sie die Daten nun in Zometric Statistical Software unter https://statsai.zometric.com/.
- Histogram(Flexi) finden Sie unter Statistical module> Graphical analysis > Histogram(Flexi).
- 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 (Flexi) 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(Flexi).
- 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 von Histogram (Flexi) 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 heruntergeladen.
Load File: Damit werden Excel-Daten direkt geladen.
Im rechten Bereich geben Sie lediglich Folgendes an:
Number of bins: Anzahl der Intervalle bzw. Gruppen, in die der Wertebereich der Daten unterteilt wird.
Aggregate Y value:
- Sum: Die Gesamtzahl aller im Histogramm dargestellten Datenpunkte.
- Average (Avg): Der Mittelwert der Datenpunkte, berechnet als Summe aller Datenpunkte geteilt durch ihre Anzahl.
- Minimum (Min): Der kleinste Wert im Datensatz, dargestellt durch den linken Rand des Histogramms.
- Maximum (Max): Der größte Wert im Datensatz, dargestellt durch den rechten Rand des Histogramms.
- Count: Gibt die Anzahl bzw. Häufigkeit der Datenpunkte in jeder Klasse an. Die Höhe jeder Klasse entspricht der Anzahl der Datenpunkte, die in diese Klasse fallen.
Summary Statistics: Zeigt die Ergebnisse für count, mean, stdev, min, max, 25%, 50% und 75%.
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 ergibt 1.
- Probability Density: Die Histnorm-Option Probability Density berechnet die Wahrscheinlichkeitsdichtefunktion (PDF), indem die Häufigkeiten des Histogramms so normiert werden, dass die Fläche unter dem Histogramm 1 beträgt.
- Density: Die Häufigkeit der Datenpunkte in jeder Klasse, normiert auf die Klassenbreite. Statt nur die rohen Häufigkeiten je Klasse zu zeigen, stellt ein Dichtehistogramm die Daten so dar, dass die Fläche unter dem Histogramm eins ergibt; damit lassen sich Verteilungen mit unterschiedlichen Stichprobenumfängen oder Klassenbreiten vergleichen
Marginal: Im Zusammenhang mit Histogrammen bezeichnet „marginal“ in der Regel die Einzelverteilung einer einzelnen Variablen, dargestellt durch ein Histogramm, ohne Berücksichtigung von Zusammenhängen oder Wechselwirkungen mit anderen Variablen.
Color Categorization: Die farbliche Kategorisierung weist verschiedenen Kategorien oder Gruppen in den Daten unterschiedliche Farben zu und erleichtert so die visuelle Unterscheidung und das Verständnis der Datenverteilung über die Segmente hinweg.
Bar Color: Die Balkenfarbe bezeichnet die Verwendung bestimmter Farben für einzelne Balken, die verschiedene Kategorien oder Gruppen von Daten darstellen, und erleichtert so die klare und sofortige Zuordnung jedes Segments. Sie gilt nicht, wenn Farbkategorien ausgewählt sind.
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
Wofür wird ein Histogramm verwendet?
Ein Histogramm zeigt die Verteilung numerischer Daten mithilfe aneinandergrenzender Balken; jeder Balken umfasst einen Wertebereich, und seine Höhe zeigt, wie viele Werte hineinfallen. Es dient dazu, Form, Lage und Streuung von Daten zu analysieren, Häufungen und Lücken zu erkunden, Ausreißer zu erkennen, Verteilungen zu vergleichen und zu prüfen, ob die Prozessergebnisse die Spezifikationen erfüllen.
Wie viele Beobachtungen sollte ein Histogramm haben?
Verwenden Sie ein Histogramm bei einem Stichprobenumfang von mindestens 20; bei kleineren Stichproben enthalten die einzelnen Balken möglicherweise zu wenige Daten. Bei weniger als 20 Werten ist ein Einzelwertdiagramm die bessere Wahl. Erheben Sie die Daten zufällig, denn nicht zufällig erhobene Daten repräsentieren die Grundgesamtheit möglicherweise nicht.
Was bedeuten die Histnorm-Optionen Percent, Probability und Density?
Bei Percent ist die Höhe jedes Balkens der prozentuale Anteil der Datenpunkte in dieser Klasse. Bei Probability ist jede Höhe die Wahrscheinlichkeit, dass ein Punkt in diese Klasse fällt, und die Höhen ergeben zusammen 1. Probability Density und Density normieren die Häufigkeiten so, dass die Fläche unter dem Histogramm 1 beträgt; so lassen sich Verteilungen mit unterschiedlichen Stichprobenumfängen oder Klassenbreiten vergleichen.
Was ist der Unterschied zwischen einem Histogramm und einem Balkendiagramm?
Ein Histogramm wird für stetige Daten verwendet, wobei die Balken aneinandergrenzende Wertebereiche abdecken, während ein Balkendiagramm für kategoriale Daten verwendet wird. Im Flexi-Histogramm können Sie außerdem mit der farblichen Kategorisierung verschiedenen Gruppen in den Daten unterschiedliche Farben zuweisen.
