Jaké jsou různé typy interpretace histogramu?

Existuje mnoho různých typů histogramového interpretace, určené celkovým tvarem grafu. Dvě hlavní rozdíly jsou symetrické histogramy a asymetrické histogramy. V rámci těchto dvou hlavních rozdílů je řada dalších rozdílů v závislosti na distribuci grafu. Pochopení různých typů interpretace histogramu může analytikům informovat o datech na první pohled.

Normální tvar histogramu je známý jako tvar zvonu nebo zvonková křivka. Nejvyšší počet datových bodů je umístěn v blízkosti středu grafu, přičemž na každém konci se pohybuje stále nižší množství bodů, od středu. Když je nakreslena čára, zhruba použije vrcholy tyčí jako referenční body, připomíná tvar zvonku. Toto je vzorec, který se nejčastěji vyskytuje při analýze věcí, které se vyskytují v přirozeném světě.

Dvě typické varianty symetrické histogramové interpretace jsou neobvyklé krátké ocasy aNenormální dlouhý ocas. V těchto případech jsou datové body stále většinou dokonce na obou stranách, ale v distribuci je určitý rozdíl. Při interpretaci s krátkodobým histogramem mají datové body tendenci se pohybovat kolem středu. V dlouhodobé interpretaci se datové body bývají více rozprostřené, ale stále většinou rovnoměrně distribuovány na obou stranách.

Další variace symetrického histogramu je symetrická s odlehlými hodnotami. V tomto případě mohou být v datových souborech významné mezery, které ponechávají mezery v histogramu. Navzdory tomu zůstává histogram relativně symetrický, protože odlehlé hodnoty 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 ostatní hlavní divize mohou asymetrické histogramy na Furthbýt rozdělen na subdivize. Asymetrické histogramy jsou také známé jako zkosené histogramy, protože datové body upřednostňují jednu stranu středu nebo druhé strany. Odlehlé hodnoty mohou také existovat v zkosených histogramech, ale obvykle neovlivňují tvar nebo průměry, pokud nejsou extrémní odlehlé hodnoty.

Zkosená nebo asymetrická interpretace histogramu je často obtížné skutečně dosáhnout, protože datové body jsou silně upřednostňovány na jednu nebo druhou stranu. Průměry mohou v takových datových souborech často znamenat velmi málo, protože jsou tak zkosené. Průměr nemusí být skutečně uprostřed histogramu, a to má tendenci snižovat jeho statistickou významnost.