Histogramme avec distribution (Histogram Distplot)
Un histogramme est une représentation graphique de la distribution de données numériques à l'aide de barres adjacentes. Chaque barre représente une plage de valeurs (classe), et sa hauteur correspond à la fréquence des données dans cette plage.
Dernière révision
Point clé
Un histogramme est une représentation graphique de la distribution de données numériques à l'aide de barres adjacentes.
Sur cette page
Qu'est-ce qu'un histogramme ?
Un histogramme est une représentation graphique de la distribution de données numériques à l'aide de barres adjacentes. Chaque barre représente une plage de valeurs (classe), et sa hauteur correspond à la fréquence des données dans cette plage. L'axe horizontal montre les classes, tandis que l'axe vertical montre la fréquence.
Les histogrammes servent pour les données continues, tandis que les diagrammes à barres servent pour les données catégorielles.
Quand utiliser un histogramme ?
Voici quelques situations où il est particulièrement utile :
- Analyse de la distribution des données: il offre une représentation visuelle de la distribution de fréquence des données. Il aide à comprendre la forme de la distribution, à identifier la tendance centrale (moyenne, médiane, mode) et à évaluer la dispersion ou la variabilité des données. Il peut révéler des motifs comme une distribution normale, une distribution asymétrique, une distribution bimodale ou des valeurs aberrantes.
- Exploration des données: il est utile pour explorer un jeu de données et mieux comprendre les valeurs qu'il contient. Il permet de voir la fréquence et la concentration des valeurs dans des plages ou classes précises. Cela peut aider à repérer des regroupements, des vides ou des motifs inhabituels dans les données.
- Détection des valeurs aberrantes: il peut aider à repérer les valeurs aberrantes ou extrêmes d'un jeu de données. Les valeurs aberrantes apparaissent souvent sous forme de barres nettement plus hautes ou plus basses que les autres. En examinant les queues ou les extrémités de l'histogramme, vous pouvez repérer les valeurs qui s'écartent de la distribution principale.
- Prétraitement des données: il peut faciliter les tâches de prétraitement des données. Par exemple, il peut servir à évaluer les caractéristiques de distribution d'une variable avant de choisir les transformations de données appropriées, comme la normalisation ou les transformations logarithmiques. Il peut aussi aider à déterminer la meilleure stratégie de découpage en classes pour discrétiser des variables continues.
- Comparaison de distributions: il est utile pour comparer les distributions de différentes variables ou de différents jeux de données. En traçant plusieurs histogrammes sur le même graphique, vous pouvez comparer visuellement leurs formes, leurs étendues et leurs tendances centrales. Cela peut aider à repérer des similitudes, des différences ou des relations entre variables.
- Maîtrise de la qualité et amélioration des procédés: il est très utilisé en maîtrise de la qualité pour surveiller et améliorer les procédés. Il peut servir à visualiser les données de sortie d'un procédé et à évaluer si elles respectent les spécifications souhaitées ou restent dans des limites acceptables. Les écarts ou anomalies de l'histogramme peuvent signaler des problèmes potentiels ou des pistes d'amélioration.
Recommandations pour bien utiliser l'histogramme
- L'effectif de l'échantillon doit être de 20 ou plus pour une représentation efficace des données
- L'histogramme convient lorsque l'effectif de l'échantillon est d'au moins 20
- De petits effectifs d'échantillon peuvent laisser trop peu de données dans chaque barre de l'histogramme
- Envisagez un graphique des valeurs individuelles (Individual value plot) si l'effectif de l'échantillon est inférieur à 20
- La sélection aléatoire des données de l'échantillon est importante
- Les échantillons aléatoires permettent des généralisations et des inférences sur la population
- Des données recueillies de façon non aléatoire peuvent ne pas représenter fidèlement la population.
Alternatives : quand ne pas utiliser l'histogramme
- Graphique des valeurs individuelles (Individual Value Plot) : si l'effectif de l'échantillon est inférieur à 20, il est conseillé de choisir plutôt un graphique des valeurs individuelles.
Exemple d'histogramme avec distribution
Un ingénieur qualité compare des pistons de deux fournisseurs différents. Il sélectionne au hasard et mesure la longueur de 100 pistons de chaque fournisseur. Pour comparer les distributions des données d'échantillon, il crée un histogramme avec ajustement et groupes. Les étapes sont les suivantes :
- Recueillir les données nécessaires.
- Analysez ensuite les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
- Pour trouver Histogram Distplot, choisissez Statistical module> Graphical analysis > Histogram Distplot.
- Dans l'outil, saisissez les données ainsi que les autres paramètres comme suit :


6. Après exécution de l'outil, les résultats obtenus sont les suivants :

Comment réaliser un histogramme avec distribution
La marche à suivre est la suivante :
- Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
- Sur la page d'accueil, choisissez Statistical Tool> Graphical analysis > Histogram Distplot.
- Ensuite, saisissez les données manuellement, ou copiez (Ctrl+C) l'ensemble des données d'une feuille Excel et collez-les (Ctrl+V) ici, ou encore utilisez l'option Load Example pour charger les données d'exemple.
- Ensuite, associez les colonnes aux paramètres.
- Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.
Dans le tableau de bord de Histogram Distplot, la fenêtre est divisée en deux parties.

La partie gauche contient le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement, ou vous pouvez copier (Ctrl+C) l'ensemble des données d'une feuille Excel et les coller (Ctrl+V) ici.
Load example : des données d'exemple sont chargées.
Load File: permet de charger directement les données Excel.
Dans la partie droite, il suffit d'indiquer :
Bin Size : la taille de classe, aussi appelée largeur de classe ou intervalle de classe, désigne la largeur de chaque intervalle ou classe utilisé dans un histogramme. Pour construire un histogramme, l'étendue des données est divisée en intervalles de même taille, et le nombre de points de données qui tombent dans chaque intervalle est compté.
Curve type :
- KDE : dans le contexte des histogrammes, le type de courbe « kde » désigne la courbe d'estimation par noyau de la densité (Kernel Density Estimation). Alors que les histogrammes montrent la distribution des données par des classes et des barres, une courbe KDE fournit une estimation lissée de la fonction de densité de probabilité (PDF) sous-jacente des données.
- Normal : dans le contexte des histogrammes, le type de courbe « normal » désigne la courbe de la distribution normale, aussi appelée courbe de Gauss ou courbe en cloche. La distribution normale est une distribution de probabilité symétrique très utilisée en statistique et en théorie des probabilités.
Histnorm :
- Percent : la hauteur de chaque classe représente le pourcentage de points de données par rapport au nombre total de points du jeu de données.
- Probability : la hauteur de chaque classe représente la probabilité qu'un point de données tombe dans cette classe. La somme de toutes les hauteurs de classes est égale à 1.
- Probability Density : le histnorm de densité de probabilité calcule la fonction de densité de probabilité (PDF) en normalisant les effectifs de l'histogramme de sorte que l'aire sous l'histogramme soit égale à 1.
- Density : la fréquence des points de données dans chaque classe, normalisée par la largeur de classe. Au lieu de n'afficher que les effectifs bruts de chaque classe, un histogramme de densité représente les données de façon que l'aire sous l'histogramme soit égale à un, ce qui permet de comparer des distributions d'effectifs d'échantillon ou de largeurs de classe différentes
Download as Excel: affiche le résultat au format Excel ; il peut être facilement modifié puis rechargé pour de nouveaux calculs avec l'option Load File.
Questions fréquentes
Qu'est-ce qu'un histogramme ?
Un histogramme est une représentation graphique de la distribution de données numériques à l'aide de barres adjacentes. Chaque barre représente une plage de valeurs, appelée classe, et sa hauteur correspond à la fréquence des données dans cette plage. L'axe horizontal montre les classes et l'axe vertical la fréquence. Les histogrammes servent pour les données continues, tandis que les diagrammes à barres servent pour les données catégorielles.
De combien de points de données a-t-on besoin pour un histogramme ?
L'effectif de l'échantillon doit être de 20 ou plus pour un histogramme efficace, car de petits échantillons peuvent laisser trop peu de données dans chaque barre. Si vous avez moins de 20 valeurs, utilisez plutôt un graphique des valeurs individuelles. La sélection aléatoire de l'échantillon est aussi importante pour que l'histogramme représente la population.
Quelle est la différence entre une courbe KDE et une courbe normale sur un histogramme ?
Une courbe KDE (estimation par noyau de la densité) donne une estimation lissée de la fonction de densité de probabilité sous-jacente des données, en suivant leur forme réelle. Une courbe normale superpose la distribution gaussienne symétrique en cloche, ce qui permet de comparer la forme des données à une distribution normale.
Que peut vous apprendre un histogramme sur vos données ?
Un histogramme montre la forme de la distribution, sa tendance centrale et sa dispersion. Il peut révéler des distributions normales, asymétriques ou bimodales, des regroupements, des vides et des valeurs aberrantes dans les queues. En maîtrise de la qualité, il aide à évaluer si la sortie du procédé respecte les spécifications, et plusieurs histogrammes peuvent être comparés pour voir les différences entre groupes, comme des pistons de deux fournisseurs.
