直方图 (Flexi)

直方图是用相邻的条形图形化表示数值数据分布的方法。每个条形代表一个数值范围(分箱),其高度对应该范围内数据的频数。

最后审阅

核心要点

直方图是用相邻的条形图形化表示数值数据分布的方法。

本页内容
  1. 什么是直方图?
  2. 何时使用直方图?
  3. 正确使用直方图的指南
  4. 替代方法:何时不宜使用直方图
  5. 直方图 (Flexi) 示例
  6. 如何进行直方图 (Flexi)

什么是直方图?

直方图是用相邻的条形图形化表示数值数据分布的方法。每个条形代表一个数值范围(分箱),其高度对应该范围内数据的频数。横轴显示分箱,纵轴显示频数。
直方图用于连续型数据,而条形图用于分类数据。

何时使用直方图?

以下是直方图特别有用的一些场合:

  • 数据分布分析:直方图直观呈现数据的频数分布。它们帮助您了解分布的形状,识别集中趋势(均值、中位数、众数),并评估数据的离散程度或变异性。它能揭示正态分布、偏态分布、双峰分布或异常值等模式。
  • 数据探索:直方图可用于探索数据集,深入了解其所含的数值。它们使您能够看到特定范围或分箱内数值的频数和集中情况,这有助于识别数据中的聚集、间隙或异常模式。
  • 异常值检测:它可以帮助您识别数据集中的异常值或极端值。异常值通常表现为明显高于或低于其余条形的条形。通过检查直方图的尾部或两端,可以发现偏离主要分布的值。
  • 数据预处理:它可以辅助数据预处理任务。例如,在决定采用何种合适的数据变换(如标准化或对数变换)之前,可用它评估变量的分布特征。它还有助于确定将连续变量离散化时的最优分箱策略。
  • 分布比较:直方图可用于比较不同变量或数据集的分布。将多个直方图绘制在同一张图上,可以直观比较它们的形状、范围和集中趋势,这有助于识别变量之间的相似之处、差异或关系。
  • 质量控制与过程改进:它广泛用于质量控制,以监控和改进过程。它们可用于可视化过程输出数据,并评估其是否满足期望的规格或处于可接受的限值之内。直方图中的偏差或异常可能表明存在潜在问题或改进机会。

正确使用直方图的指南

  • 样本量应不少于 20,才能有效地代表数据
  • 样本量至少为 20 时较为适用
  • 样本量过小可能导致每个直方图条形中的数据不足
  • 若样本量小于 20,可考虑使用单值图
  • 随机选取样本数据很重要
  • 随机样本可对总体进行推广和推断
  • 非随机收集的数据可能无法准确代表总体。

替代方法:何时不宜使用直方图

  • 单值图:如果样本量小于 20,建议改用单值图作为替代。

直方图 (Flexi) 示例

为验证洗发水瓶盖拧紧是否得当,质量控制工程师必须确保瓶盖既不太松也不太紧。如果瓶盖没有拧紧,运输过程中可能脱落,而过紧的瓶盖则可能难以打开。为评估拧开瓶盖所需的扭矩,工程师随机抽取 68 个瓶子并进行测试。

作为初步调查的一部分,工程师绘制扭矩测量值的直方图,以检查数据的分布。步骤如下:

  1. 收集所需数据。
  2. 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
  3. 要找到直方图 (Flexi),请选择 Statistical module> Graphical analysis > Histogram(Flexi)。
  4. 在工具中输入数据及其他输入项,如下所示:
Histogram Distplot — figure 1Histogram (Flexi) — figure 2

6. 使用上述工具后,得到如下输出:

Histogram (Flexi) — figure 3

如何进行直方图 (Flexi)

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Graphical analysis > Histogram(Flexi)。
  3. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V),或者使用 Load Example 选项加载示例数据。
  4. 接下来,将各列映射到相应参数。
  5. 最后,点击页面底部的 calculate,即可得到所需结果。

直方图 (Flexi) 的工具界面分为两部分。

Histogram (Flexi) — figure 4

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可以手动输入数据,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。

Load example:将下载示例数据。

Load File: 用于直接加载 Excel 数据。

右侧只需设置:

Number of bins: 将数据范围划分成的区间或分组的数量。

Aggregate Y value:

  • Sum: 直方图所代表的全部数据点的总计数。
  • Average (Avg): 数据点的均值,即所有数据点之和除以数据点个数。
  • Minimum (Min): 数据集中的最小值,由直方图最左侧的边缘表示。
  • Maximum (Max): 数据集中的最大值,由直方图最右侧的边缘表示。
  • Count: 表示每个分箱中数据点的计数或频数。每个分箱的高度表示落在该分箱内的数据点个数。

Summary Statistics: 将显示 count、mean、stdev、min、max、25%、50% 和 75% 的结果。

Histnorm:

  • Percent: 每个分箱的高度表示数据点占数据集中数据点总数的百分比。
  • Probability: 每个分箱的高度表示数据点落入该分箱的概率。所有分箱高度之和等于 1。
  • Probability Density: 概率密度 histnorm 通过对直方图计数进行归一化,使直方图下的面积等于 1,从而计算概率密度函数(PDF)。
  • Density: 每个分箱内数据点的频数除以分箱宽度进行归一化。密度直方图不只是显示每个分箱中数据点的原始计数,而是使直方图下的面积之和为 1,这样就可以比较样本量或分箱宽度不同的分布

Marginal: 在直方图的语境中,“marginal”通常指单个变量各自的分布,用直方图表示,而不考虑它与其他变量之间的关系或交互作用。

Color Categorization: 图形中的颜色分类为数据中的不同类别或分组分配不同的颜色,便于直观区分并理解数据在各部分的分布。

Bar Color: 图形中的条形颜色指为代表不同类别或数据分组的各个条形使用特定颜色,有助于清晰、直接地识别每个部分的表示。如果选择了颜色分类,则不适用。

Download as Excel: 以 Excel 格式显示结果,便于编辑,并可通过 load file 选项重新加载以进行计算。

常见问题

直方图有什么用途?

直方图用相邻的条形展示数值数据的分布,每个条形覆盖一个数值范围,其高度表示落在该范围内的数值个数。它用于分析数据的形状、中心和离散程度,探索聚集和间隙,发现异常值,比较分布,并检查过程输出是否满足规格。

直方图应有多少个观测值?

样本量至少为 20 时使用直方图;样本过小可能导致每个条形中的数据太少。如果少于 20 个值,单值图是更好的选择。应随机收集数据,因为非随机收集的数据可能无法代表总体。

histnorm 的 percent、probability 和 density 选项是什么意思?

选择 percent 时,每个条形的高度是该分箱中数据点所占的百分比。选择 probability 时,每个高度是数据点落入该分箱的概率,所有高度之和为 1。probability density 和 density 对计数进行归一化,使直方图下的面积等于 1,这样可以比较样本量或分箱宽度不同的分布。

直方图与条形图有什么区别?

直方图用于连续型数据,其条形覆盖相邻的数值范围,而条形图用于分类数据。在 Flexi 直方图中,还可以使用颜色分类,为数据分布中的不同分组赋予不同的颜色。