히스토그램 분포도(Histogram Distplot)
히스토그램은 인접한 막대를 사용하여 수치 데이터의 분포를 그래프로 나타낸 것입니다. 각 막대는 값의 범위(구간)를 나타내며, 막대의 높이는 그 범위에 속하는 데이터의 도수에 해당합니다.
최종 검토
핵심 요점
히스토그램은 인접한 막대를 사용하여 수치 데이터의 분포를 그래프로 나타낸 것입니다.
히스토그램이란?
히스토그램은 인접한 막대를 사용하여 수치 데이터의 분포를 그래프로 나타낸 것입니다. 각 막대는 값의 범위(구간)를 나타내며, 막대의 높이는 그 범위에 속하는 데이터의 도수에 해당합니다. 가로축은 구간을, 세로축은 도수를 나타냅니다.
히스토그램은 연속형 데이터에 사용하고, 막대 그래프는 범주형 데이터에 사용합니다.
히스토그램은 언제 사용합니까?
히스토그램이 특히 유용한 상황은 다음과 같습니다.
- 데이터 분포 분석: 데이터의 도수분포를 시각적으로 보여 줍니다. 분포의 모양을 이해하고, 중심 경향(평균, 중앙값, 최빈값)을 파악하며, 데이터의 산포 또는 변동성을 평가하는 데 도움이 됩니다. 정규분포, 치우친 분포, 쌍봉 분포, 특이치와 같은 패턴을 드러낼 수 있습니다.
- 데이터 탐색: 데이터 집합을 탐색하고 그 안에 담긴 값에 대한 통찰을 얻는 데 유용합니다. 특정 범위나 구간 안에 있는 값의 도수와 집중도를 볼 수 있습니다. 이를 통해 데이터의 군집, 공백, 특이한 패턴을 식별할 수 있습니다.
- 특이치 탐지: 데이터 집합에서 특이치 또는 극단값을 식별하는 데 도움이 됩니다. 특이치는 흔히 다른 막대보다 눈에 띄게 높거나 낮은 막대로 보입니다. 히스토그램의 꼬리 또는 양 끝을 살펴보면 주된 분포에서 벗어난 값을 찾을 수 있습니다.
- 데이터 전처리: 데이터 전처리 작업에 도움이 됩니다. 예를 들어 정규화나 로그 변환과 같은 적절한 데이터 변환을 결정하기 전에 변수의 분포 특성을 평가하는 데 사용할 수 있습니다. 또한 연속형 변수를 이산화하기 위한 최적의 구간화 전략을 정하는 데에도 도움이 됩니다.
- 분포 비교: 서로 다른 변수나 데이터 집합의 분포를 비교하는 데 유용합니다. 여러 히스토그램을 같은 그래프에 그리면 모양, 범위, 중심 경향을 시각적으로 비교할 수 있습니다. 이는 변수 간의 유사점, 차이점 또는 관계를 식별하는 데 도움이 됩니다.
- 품질 관리와 공정 개선: 공정을 모니터링하고 개선하기 위해 품질 관리에서 널리 사용됩니다. 공정 산출 데이터를 시각화하고 원하는 규격을 충족하는지 또는 허용 한계 안에 있는지 평가하는 데 사용할 수 있습니다. 히스토그램의 편차나 이상은 잠재적인 문제나 개선 기회를 나타낼 수 있습니다.
히스토그램의 올바른 사용 지침
- 데이터를 효과적으로 나타내려면 표본 크기가 20 이상이어야 합니다
- 표본 크기가 20 이상일 때 적합합니다
- 표본 크기가 작으면 각 히스토그램 막대에 데이터가 충분하지 않을 수 있습니다
- 표본 크기가 20 미만이면 개별 값 그림 사용을 고려하십시오
- 표본 데이터를 무작위로 선택하는 것이 중요합니다
- 무작위 표본은 모집단에 대한 일반화와 추론을 가능하게 합니다
- 무작위가 아닌 방식으로 수집한 데이터는 모집단을 정확히 대표하지 못할 수 있습니다.
대안: 히스토그램을 사용하지 않아야 할 때
- 개별 값 그림: 표본 크기가 20보다 작으면 대안으로 개별 값 그림을 선택하는 것이 좋습니다.
히스토그램 분포도 예제
한 품질 엔지니어가 서로 다른 두 공급업체의 피스톤을 비교하고 있습니다. 엔지니어는 각 공급업체에서 피스톤 100개를 무작위로 선택하여 길이를 측정합니다. 표본 데이터의 분포를 비교하기 위해 엔지니어는 적합 곡선과 집단을 포함한 히스토그램을 작성합니다. 단계는 다음과 같습니다.
- 필요한 데이터를 수집했습니다.
- 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
- 히스토그램 분포도를 찾으려면 다음을 선택합니다: Statistical module> Graphical analysis > Histogram Distplot.
- 도구 안에서 데이터와 기타 입력값을 다음과 같이 입력합니다.


6. 위 도구를 사용하면 다음과 같은 출력을 얻습니다.

히스토그램 분포도 작성 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> Graphical analysis > Histogram Distplot를 선택합니다.
- 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 붙여넣습니다(Ctrl+V). 또는 Load Example 옵션을 사용하면 예제 데이터가 로드됩니다.
- 다음으로, 열을 파라미터에 매핑해야 합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
히스토그램 분포도 도구 화면은 두 부분으로 나뉩니다.

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. Data Pane에서는 각 행이 하나의 부분군이 됩니다. 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 여기에 붙여넣을(Ctrl+V) 수 있습니다.
Load example: 예제 데이터가 로드됩니다.
Load File: Excel 데이터를 직접 로드하는 데 사용합니다.
오른쪽 부분에서는 다음 항목만 지정하면 됩니다.
Bin Size: 구간 크기는 구간 폭 또는 구간 간격이라고도 하며, 히스토그램에 사용하는 각 구간의 폭을 말합니다. 히스토그램을 만들 때 데이터 범위를 같은 크기의 구간들로 나누고, 각 구간에 속하는 데이터 점의 개수를 세어 히스토그램을 작성합니다.
Curve type:
- KDE: 히스토그램에서 "kde" 곡선 유형은 커널 밀도 추정(Kernel Density Estimation) 곡선을 뜻합니다. 히스토그램이 구간과 막대로 데이터의 분포를 보여 주는 반면, KDE 곡선은 데이터의 기저 확률밀도함수(PDF)를 매끄럽게 추정한 것을 제공합니다.
- Normal: 히스토그램에서 "normal" 곡선 유형은 가우스 곡선 또는 종 곡선이라고도 하는 정규분포 곡선을 뜻합니다. 정규분포는 통계와 확률론에서 널리 사용되는 좌우 대칭 확률분포입니다.
Histnorm:
- Percent: 각 구간의 높이는 데이터 집합의 전체 데이터 점 수에 대한 해당 구간 데이터 점의 백분율을 나타냅니다.
- Probability: 각 구간의 높이는 데이터 점이 그 구간에 속할 확률을 나타냅니다. 모든 구간 높이의 합은 1이 됩니다.
- Probability Density: 확률밀도 histnorm은 히스토그램 아래 면적이 1이 되도록 히스토그램 도수를 정규화하여 확률밀도함수(PDF)를 계산합니다.
- Density: 각 구간 안의 데이터 점 도수를 구간 폭으로 정규화한 값입니다. 각 구간의 원래 데이터 점 개수만 보여 주는 대신, 밀도 히스토그램은 히스토그램 아래 면적의 합이 1이 되도록 데이터를 나타내므로 표본 크기나 구간 폭이 다른 분포를 비교할 수 있습니다
Download as Excel: 결과를 Excel 형식으로 표시합니다. 이 파일은 쉽게 편집할 수 있고 load file 옵션으로 다시 로드하여 계산에 사용할 수 있습니다.
자주 묻는 질문
히스토그램이란 무엇입니까?
히스토그램은 인접한 막대를 사용하여 수치 데이터의 분포를 그래프로 나타낸 것입니다. 각 막대는 구간이라고 하는 값의 범위를 나타내며, 막대의 높이는 그 범위에 속하는 데이터의 도수에 해당합니다. 가로축은 구간을, 세로축은 도수를 나타냅니다. 히스토그램은 연속형 데이터에 사용하고, 막대 그래프는 범주형 데이터에 사용합니다.
히스토그램에는 데이터 점이 몇 개 필요합니까?
표본이 작으면 각 막대에 데이터가 너무 적을 수 있으므로, 효과적인 히스토그램을 위해서는 표본 크기가 20 이상이어야 합니다. 값이 20개 미만이면 대신 개별 값 그림을 사용하십시오. 히스토그램이 모집단을 대표하도록 표본을 무작위로 선택하는 것도 중요합니다.
히스토그램에서 KDE 곡선과 정규 곡선의 차이는 무엇입니까?
KDE(커널 밀도 추정) 곡선은 데이터의 실제 모양을 따라 기저 확률밀도함수를 매끄럽게 추정한 것입니다. 정규 곡선은 좌우 대칭의 종 모양 가우스 분포를 겹쳐 그리므로 데이터의 모양을 정규분포와 비교할 수 있습니다.
히스토그램으로 데이터에 대해 무엇을 알 수 있습니까?
히스토그램은 분포의 모양, 중심 경향, 산포를 보여 줍니다. 정규, 치우친 분포, 쌍봉 분포, 군집, 공백, 꼬리의 특이치를 드러낼 수 있습니다. 품질 관리에서는 공정 산출물이 규격을 충족하는지 평가하는 데 도움이 되며, 여러 히스토그램을 비교하여 두 공급업체의 피스톤처럼 집단 간 차이를 볼 수 있습니다.
