Jaké jsou různé typy interpretace histogramu?

Existuje mnoho různých typů interpretace histogramu, určeno celkovým tvarem grafu. Dva hlavní rozdíly jsou symetrické histogramy a asymetrické histogramy. V rámci těchto dvou hlavních rozdílů je řada dalších rozdílů v závislosti na rozdělení grafu. Porozumění různým typům interpretace histogramu může dát analytikům vědět něco o datech na první pohled.

Normální tvar histogramu je znám jako tvar zvonku nebo zvonová křivka. Nejvyšší počet datových bodů je umístěn v blízkosti středu grafu, s rostoucím počtem bodů na každém konci, vzdáleným od středu. Když je nakreslena čára, zhruba za použití vrcholů prutů jako referenčních bodů, připomíná tvar zvonku. Toto je vzorec, který se nejčastěji vyskytuje při analýze věcí vyskytujících se v přírodním světě.

Dvě typické varianty interpretace symetrického histogramu jsou neobvyklé krátkoocasé a neobvyklé dlouhoocasé. V těchto případech jsou datové body většinou stále na obou stranách, ale v distribuci je určitý rozdíl. Při interpretaci histogramu s krátkým ocasem mají datové body tendenci se hromadit kolem středu. Při dlouhodobém výkladu mají datové body tendenci být rozprostřeny, ale stále většinou rovnoměrně rozloženy po obou stranách.

Další variace symetrického histogramu je symetrická s odlehlými hodnotami. V tomto případě mohou existovat významné mezery v souborech dat, které ponechávají mezery v histogramu. Přesto histogram zůstává relativně symetrický, protože okraje se objevují na obou stranách. V některých případech mohou být odlehlé hodnoty vyhozeny, protože nejsou statisticky významné.

Dalším hlavním typem interpretace histogramů je asymetrická interpretace. Stejně jako další hlavní rozdělení lze asymetrické histogramy dále členit na další členění. Asymetrické histogramy jsou také známé jako zkosené histogramy, protože datové body upřednostňují jednu stranu středu nebo druhou stranu. Odlehlé hodnoty mohou také existovat v zkosených histogramech, ale obvykle nemají vliv na tvar ani průměry, pokud se nejedná o extrémní odlehlé hodnoty.

Šikmou nebo asymetrickou interpretaci histogramu je často obtížné skutečně dosáhnout, protože datové body jsou silně zvýhodněny na jedné nebo druhé straně. Průměry mohou v takových souborech dat znamenat jen velmi málo, protože jsou tak zkosené. Průměr nemusí být skutečně uprostřed histogramu, což má tendenci snižovat jeho statistickou významnost.