Was ist Histogrammverteilung?
Histogrammverteilung in Statistiken bezieht sich auf die Muster, Formen und Positionen univariater Datenbalken in einem Histogramm. Wie und wo die Balken verteilt werden, können verwendet werden, um Schlussfolgerungen zu den Daten zu analysieren und zu ziehen. Die Histogrammverteilungsanalyse ist wichtig für die Identifizierung von Merkmalen wie Datennormalität, multimodalen Verteilungen und verzerrten Daten. Die Datenpunkte im Histogramm sind in Behälter organisiert und die Histogrammverteilung selbst ist eine visuelle Näherung der Frequenzverteilung oder Wahrscheinlichkeitsdichte der Daten. Die Form der Verteilung kann sich basierend auf der Anzahl der Bins ändern.
Histogrammverteilungsanalyse wird häufig als qualitative Überprüfung der Datennormalität verwendet. Obwohl analytische Methoden zur Bestimmung der Normalität existieren, können Histogramme verwendet werden. Wenn die Histogrammdaten ungefähr gleichmäßig und auf den Mittelwert zentrieren, wird angenommen, dass die Daten normal sind. Obwohl schnell und relativ einfach, ist diese Art der qualitativen Überprüfung subjektiv und analytische Methoden, wenn ein höherer Genauigkeitsstandard erforderlich ist.
Bestimmung, ob ein Datensatz eine andere Art und Weise aufweist, wie Histogrammverteilungsanalyse verwendet werden kann. Die Datenweichheit ist in den Daten als ausgeprägte Asymmetrie definiert. In Datensätzen mit sehr wenigen niedrigen Werten wird negativer Versatz oder Links nach links gesehen. Ein positiver Versatz oder Nach rechts tritt in Datensätzen mit wenigen hohen Werten auf. Die Beobachtung der Histogrammverteilung kann Ausreißer und verzerrte Daten aufzeigen.
Zusätzlich zur Enthüllung der Eigenschaften von Daten mit einem einzigen Modus kann die Form eines Histogramms auch Eigenschaften multimodaler Daten aufzeigen. Multimodale Datensätze enthalten mehr als einen Modus und sind ZeichenIZED durch Frequenzverteilungen mit mehr als einen Peak oder Maxima. Politische Zugehörigkeiten in einer Stadt, Anerkennung Meinungsumfragen und Körpergrößen von Bienen sind Beispiele für Datensätze, die multimodal sein können. Die Beobachtung der Form des Histogramms und das Festlegen der verschiedenen Peaks in multimodalen Daten können häufig einen Forscher mehr Einblicke bieten als einfache univariate statistische Berechnungen.
Die Analyse von Histogrammen und die Verteilung der Daten hängt stark von den ausgewählten Behältergrößen ab. In der Praxis kann die Anzahl der Mülleimer geschätzt werden, indem die Quadratwurzel der Anzahl der Beobachtungen übernommen wird, obwohl andere Behältergrößen verwendet werden können. Beispielsweise kann ein Lehrer die Testklassen analysieren, indem sie Bin -Größen auswählen, die Buchstabenklassen widerspiegeln.