Histograma (Distplot)
Um histograma é uma representação gráfica da distribuição de dados numéricos por meio de barras adjacentes. Cada barra representa uma faixa de valores (classes, ou bins), e sua altura corresponde à frequência dos dados nessa faixa.
Última revisão
Conclusão principal
Um histograma é uma representação gráfica da distribuição de dados numéricos por meio de barras adjacentes.
Nesta página
O que é um histograma?
Um histograma é uma representação gráfica da distribuição de dados numéricos por meio de barras adjacentes. Cada barra representa uma faixa de valores (classes, ou bins), e sua altura corresponde à frequência dos dados nessa faixa. O eixo horizontal mostra as classes, enquanto o eixo vertical mostra a frequência.
Os histogramas são usados para dados contínuos, enquanto os gráficos de barras são usados para dados categóricos.
Quando usar o histograma?
Estas são algumas situações em que ele é especialmente útil:
- Análise da distribuição dos dados: Fornece uma representação visual da distribuição de frequências dos dados. Ajuda a entender o formato da distribuição, identificar a tendência central (média, mediana, moda) e avaliar a dispersão ou a variabilidade dos dados. Pode revelar padrões como distribuição normal, distribuição assimétrica, distribuição bimodal ou outliers.
- Exploração de dados: É útil para explorar um conjunto de dados e obter informações sobre os valores que ele contém. Permite ver a frequência e a concentração de valores em faixas ou classes específicas. Isso ajuda a identificar agrupamentos, lacunas ou padrões incomuns nos dados.
- Detecção de outliers: Pode ajudar a identificar outliers ou extremos em um conjunto de dados. Os outliers costumam aparecer como barras significativamente mais altas ou mais baixas que as demais. Ao examinar as caudas ou as extremidades do histograma, você pode identificar valores que se desviam da distribuição principal.
- Pré-processamento de dados: Pode auxiliar em tarefas de pré-processamento de dados. Por exemplo, pode ser usado para avaliar as características de distribuição de uma variável antes de decidir sobre transformações de dados adequadas, como normalização ou transformações logarítmicas. Também pode ajudar a determinar a melhor estratégia de classes para discretizar variáveis contínuas.
- Comparação de distribuições: É útil para comparar as distribuições de diferentes variáveis ou conjuntos de dados. Ao plotar vários histogramas no mesmo gráfico, você pode comparar visualmente seus formatos, faixas e tendências centrais. Isso pode ajudar a identificar semelhanças, diferenças ou relações entre variáveis.
- Controle da qualidade e melhoria de processos: É amplamente usado no controle da qualidade para monitorar e melhorar processos. Pode ser usado para visualizar os dados de saída do processo e avaliar se atendem às especificações desejadas ou ficam dentro de limites aceitáveis. Desvios ou anormalidades no histograma podem indicar possíveis problemas ou oportunidades de melhoria.
Diretrizes para o uso correto do histograma
- O tamanho amostral deve ser 20 ou maior para uma representação eficaz dos dados
- Ele é adequado quando o tamanho amostral é de pelo menos 20
- Amostras pequenas podem levar a dados insuficientes em cada barra do histograma
- Considere usar um gráfico de valores individuais se o tamanho amostral for menor que 20
- A seleção aleatória dos dados da amostra é importante
- As amostras aleatórias permitem generalizações e inferências sobre a população
- Dados coletados de forma não aleatória podem não representar com precisão a população.
Alternativas: quando não usar o histograma
- Gráfico de valores individuais: Se o tamanho amostral for menor que 20, é aconselhável optar por um gráfico de valores individuais como alternativa.
Exemplo de histograma (Distplot)
Um engenheiro da qualidade está comparando pistões de dois fornecedores diferentes. O engenheiro seleciona aleatoriamente e mede o comprimento de 100 pistões de cada fornecedor. Para comparar as distribuições dos dados das amostras, o engenheiro cria um histograma com ajuste e grupos. As etapas são as seguintes:
- Coletou os dados necessários.
- Em seguida, analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
- Para encontrar o Histogram Distplot, escolha Statistical module> Graphical analysis > Histogram Distplot.
- Na ferramenta, insira os dados e as demais entradas da seguinte forma:


6. Depois de usar a ferramenta mencionada acima, obtém-se a saída a seguir:

Como fazer um histograma (Distplot)
O guia é o seguinte:
- Faça login no Zometric Statistical Software em https://statsai.zometric.com/
- Na página inicial, escolha Statistical Tool> Graphical analysis > Histogram Distplot.
- Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V); outra opção é Load Example, que carrega os dados de exemplo.
- Em seguida, você precisa mapear as colunas para os parâmetros.
- Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.
No painel (dashboard) do Histogram Distplot, a janela é dividida em duas partes.

Na parte esquerda fica o painel de dados (Data Pane). No Data Pane, cada linha forma um subgrupo. Os dados podem ser inseridos manualmente, ou você pode copiar todos os dados (Ctrl+C) de uma planilha do Excel e colá-los (Ctrl+V) aqui.
Load example: Os dados de exemplo serão carregados.
Load File: É usado para carregar diretamente os dados do Excel.
Na parte direita, basta informar:
Bin Size: O tamanho da classe (bin), também conhecido como largura da classe ou intervalo de classe, refere-se à largura de cada intervalo ou classe usada em um histograma. Ao construir um histograma, a faixa dos dados é dividida em um conjunto de intervalos de mesmo tamanho, e o número de pontos de dados que caem em cada intervalo é contado para criar o histograma.
Curve type:
- KDE: No contexto dos histogramas, o tipo de curva "kde" refere-se à curva de estimativa de densidade por kernel (Kernel Density Estimation). Enquanto os histogramas exibem a distribuição dos dados por meio de classes e barras, uma curva KDE fornece uma estimativa suavizada da função densidade de probabilidade (FDP) subjacente dos dados.
- Normal: No contexto dos histogramas, o tipo de curva "normal" refere-se à curva da distribuição normal, também conhecida como curva gaussiana ou curva em forma de sino. A distribuição normal é uma distribuição de probabilidade simétrica amplamente usada em estatística e teoria da probabilidade.
Histnorm:
- Percent: A altura de cada classe representa a porcentagem de pontos de dados em relação ao número total de pontos de dados do conjunto.
- Probability: A altura de cada classe representa a probabilidade de um ponto de dados cair nessa classe. A soma das alturas de todas as classes será igual a 1.
- Probability Density: O histnorm de densidade de probabilidade calcula a função densidade de probabilidade (FDP) normalizando as contagens do histograma de modo que a área sob o histograma seja igual a 1.
- Density: A frequência de pontos de dados em cada classe normalizada pela largura da classe. Em vez de mostrar apenas as contagens brutas de pontos de dados em cada classe, um histograma de densidade representa os dados de modo que a área sob o histograma some um, tornando possível comparar distribuições com tamanhos amostrais ou larguras de classe diferentes
Download as Excel: Exibe o resultado em formato Excel, que pode ser facilmente editado e recarregado para os cálculos por meio da opção load file.
Perguntas frequentes
O que é um histograma?
Um histograma é uma representação gráfica da distribuição de dados numéricos por meio de barras adjacentes. Cada barra representa uma faixa de valores, chamada de classe (bin), e sua altura corresponde à frequência dos dados nessa faixa. O eixo horizontal mostra as classes e o eixo vertical mostra a frequência. Os histogramas são usados para dados contínuos, enquanto os gráficos de barras são usados para dados categóricos.
Quantos pontos de dados são necessários para um histograma?
O tamanho amostral deve ser 20 ou maior para um histograma eficaz, pois amostras pequenas podem deixar poucos dados em cada barra. Se você tiver menos de 20 valores, use um gráfico de valores individuais. A seleção aleatória da amostra também é importante para que o histograma represente a população.
Qual é a diferença entre uma curva KDE e uma curva normal em um histograma?
Uma curva KDE (estimativa de densidade por kernel) fornece uma estimativa suavizada da função densidade de probabilidade subjacente dos dados, acompanhando o seu formato real. Uma curva normal sobrepõe a distribuição gaussiana simétrica em forma de sino, de modo que você possa comparar o formato dos dados com uma distribuição normal.
O que um histograma pode revelar sobre os seus dados?
Um histograma mostra o formato da distribuição, sua tendência central e sua dispersão. Pode revelar distribuições normais, assimétricas ou bimodais, agrupamentos, lacunas e outliers nas caudas. No controle da qualidade, ajuda a avaliar se a saída do processo atende às especificações, e vários histogramas podem ser comparados para ver diferenças entre grupos, como pistões de dois fornecedores.
