Гистограмма — метод представления данных¶
Гистограмма — это графическое представление распределения данных в виде столбчатой диаграммы, в котором высота каждого столбца пропорциональна частоте (или плотности) попадания значений в соответствующий интервал (бин). Гистограммы широко применяются в статистике, анализе данных, обработке изображений, информатике и инженерных дисциплинах для визуального описания структуры выборки или сигнала.
¶История
Термин «гистограмма» (от греч. histos — «вертикальный столб» и gramma — «запись») ввёл в научный оборот английский статистик Карл Пирсон в 1895 году. Идея столбчатого представления частот существовала и раньше: аналогичные диаграммы использовались ещё в XVIII веке при анализе демографических и экономических данных. В XX веке гистограмма стала стандартным инструментом описательной статистики и получила широкое распространение в математической статистике, промышленной статистике качества и компьютерной обработке данных.
¶Устройство и построение
При построении гистограммы область значений случайной величины разбивается на ряд непересекающихся интервалов (бинов) одинаковой или переменной ширины. Для каждого интервала подсчитывается число наблюдений, попавших в него, — это и есть частота. Высота столбца пропорциональна частоте (или частоте, делённой на ширину интервала — так строится гистограмма плотности). Столбцы, как правило, рисуются без промежутков, что отличает гистограмму от обычной столбчатой диаграммы, где столбцы разнесены.
Ключевые параметры построения:
- Число бинов — определяет детализацию. Слишком малое число скрывает структуру распределения, слишком большое приводит к «шуму».
- Ширина бинов — может быть постоянной или переменной.
- Границы бинов — выбираются по правилам (равные интервалы, метод Стёрджеса, метод Фридмана — Диакониса и др.).
Правило Стёрджеса предлагает число бинов как $k = \lceil 1 + \log_2 n \rceil$, где $n$ — объём выборки. Метод Фридмана — Диакониса использует межквартильный размах и даёт более устойчивое к выбросам разбиение.
¶Виды гистограмм
| Вид | Описание |
|---|---|
| Абсолютная | Высота столбца — число наблюдений в интервале |
| Относительная | Высота — доля наблюдений (частота, делённая на $n$) |
| Плотности | Высота — частота, делённая на ширину бина; площадь всех столбцов равна 1 |
| Кумулятивная | Столбцы накапливаются слева направо (аналог функции распределения) |
| Накопительная | Сравнение нескольких групп данных в одном столбце |
| Двумерная | Столбцы распределены по двум признакам (тепловая карта частот) |
¶Применение
¶Статистика и анализ данных
Гистограмма — основной инструмент первичного анализа выборки: по ней определяют форму распределения (симметричное, скошенное, бимодальное), наличие выбросов, моду и разброс. В пакетах R, Python (Matplotlib, Seaborn), Excel и SPSS построение гистограммы выполняется одной командой.
¶Обработка изображений
В компьютерном зрении гистограмма яркостей — это распределение пикселей по уровням интенсивности (обычно 256 бинов для 8-битного изображения). По гистограмме оценивают экспозицию, выполняют эквализацию и выравнивание контраста, строят пороговые методы сегментации (метод Оцу).
¶Промышленность и качество
В методах статистического контроля процессов (Six Sigma, SPC) гистограмма используется для оценки соответствия продукции допускам, выявления смещения среднего и изменения дисперсии.
¶Физика и инженерия
Гистограммы применяются для анализа спектров, распределений энергий частиц, шумовых сигналов, результатов измерений с погрешностями.
¶Отличие от столбчатой диаграммы
Гистограмма и столбчатая диаграмма часто смешиваются, но принципиально различаются. Столбчатая диаграмма сравнивает дискретные категории (например, продажи по регионам), столбцы разнесены, порядок произволен. Гистограмма показывает распределение непрерывной величины, столбцы стоят вплотную, порядок столбцов соответствует порядку значений на числовой оси.
¶Ограничения
Гистограмма чувствительна к выбору числа и границ бинов: одно и то же распределение при разных параметрах может выглядеть по-разному. Для устранения этой субъективности применяют ядерные оценки плотности (KDE), которые строят гладкую кривую без дискретизации. Также гистограмма не показывает порядок наблюдений внутри бина и не подходит для малых выборок, где частоты получаются нестабильными.
¶Пример
Для выборки из 100 измерений роста взрослых мужчин с шагом 5 см гистограмма строится по интервалам [160, 165), [165, 170), …, [195, 200). Если в интервале [175, 180) оказалось 28 наблюдений, высота соответствующего столбца будет максимальной, что визуально укажет на моду распределения.
¶Источники
- Пирсон К. «Математическая теория эволюции» (1894–1896)
- Стёрджес Г. «The Choice of Class Intervals» (1926)
- Фридман Х., Диаконис П. «A Histogram is a Single Kernel Density Estimate» (1981)
- Оцу Н. «A Threshold Selection Method from Gray-Level Histograms» (1979)
- Шервин-Уильямс Р. и др. учебники по описательной статистике
