히스토그램 클래스 란 무엇입니까?

히스토그램 클래스는 빈도 분포 또는 원시 데이터의 테이블에 데이터 포인트를 포함하는 값 범위입니다. 간격, 빈 또는 빈 너비라고도합니다. 막대 그래프 유형 인 막대 그래프에서 이러한 클래스는 세로 열로 표시되며 열의 높이는 클래스 범위에 포함 된 데이터 포인트 수를 나타냅니다. 일반적으로 히스토그램 클래스를 선택하면 데이터 통계 또는 추세의 시각적 표현이 향상됩니다.

표시 할 많은 양의 데이터가있는 경우 히스토그램은 분포 모양을 나타내는 데 특히 유용합니다. 전체 데이터 범위가 간격으로 분류되고 각각에 속하는 데이터 포인트 수가 계산되어 클래스 빈도를 제공합니다. 간격의 범위 또는 너비는 히스토그램 클래스 수를 결정하고 그래프 모양에 영향을줍니다.

간격이 너무 넓은 경우 클래스가 너무 포괄적이므로 중요한 정보가 생략 될 수 있습니다. 간격 폭의 선택이 너무 좁을 경우, 낮은 클래스 주파수는 실제로 임의의 변화가 무엇인지에 대해 지나치게 중요 할 수 있습니다. 데이터 세트에 적절한 수의 히스토그램 클래스를 설정하는 방법에는 여러 가지가 있습니다.

Sturgis의 규칙에 따르면, 클래스 수는 데이터 포인트 수의 기본 2 로그에 1을 더한 값과 비슷해야합니다. Rice의 규칙을 사용하여 정의 된 클래스 수는 데이터 포인트 수의 세제곱근의 두 배 여야합니다. 히스토그램 클래스 수를 선택하는 데 어떤 방법을 사용하든 히스토그램 모양의 클래스 크기 민감도를 테스트하기 위해 여러 가지 다른 너비를 시도해야합니다. 올바른 클래스 수는 데이터 분포를 가장 정확하게 나타내는 클래스입니다.

다양한 데이터에 대해 적절한 수의 히스토그램 클래스를 사용하면 의미있는 그래픽 표현을 통해 명확한 해석이 가능해야합니다. 히스토그램은 데이터의 중심 및 확산, 왜곡 또는 데이터 비대칭, 특이 치 또는 예상 값 범위를 벗어나는 데이터 점을 보여 주어야합니다. 모드 또는 가장 자주 발생하는 값은 여러 양식을 나타낼 수있는 그룹화뿐만 아니라 명백해야합니다. 히스토그램 분석은 데이터 수집 프로세스의 결함을 나타낼 수도 있습니다.

금융 및 사회 과학에서 오랫동안 사용 된 히스토그램은 가전 제품의 그래픽 디스플레이에 점점 익숙해지고 있습니다. 디지털 카메라는 특히 화이트 밸런스와 노출을 나타 내기 위해 컬러 히스토그램을 통합 한 많은 카메라와 함께 사용할 수 있습니다. 디지털 사진 히스토그램은 히스토그램 클래스를 회색 음영으로 플롯하여 픽셀을 표시 할 수도 있습니다.