Гистограмма распределения значений

Гистограмма распределения значений — это графическое представление распределения числовых данных, при котором диапазон значений разбивается на равные интервалы (бины), а для каждого интервала строится столбец, высота которого пропорциональна частоте (или относительной частоте) попадания значений в данный интервал. Гистограмма является одним из основных инструментов описательной статистики и визуализации данных, позволяя наглядно оценить форму распределения, его центральную тенденцию, разброс, асимметрию и наличие выбросов. В отличие от столбчатой диаграммы, гистограмма применяется исключительно для непрерывных или дискретных количественных данных, где столбцы располагаются вплотную друг к другу, подчёркивая непрерывность шкалы.

История

Понятие гистограммы было введено в статистическую практику в конце XIX — начале XX века. Термин «гистограмма» (от греч. histos — столб и gramma — запись) впервые предложил английский статистик Карл Пирсон в 1895 году в своей работе «Contributions to the Mathematical Theory of Evolution». Пирсон использовал гистограммы для анализа биометрических данных, таких как рост и вес человека, и для демонстрации закона нормального распределения. До этого аналогичные графики (например, «столбцы частот») применялись, но не имели устоявшегося названия. Развитие вычислительной техники в середине XX века сделало гистограммы массовым инструментом: первые пакеты статистической обработки данных (например, SPSS, SAS) включали автоматическое построение гистограмм. С распространением персональных компьютеров и графических интерфейсов (Excel, R, Python с библиотекой Matplotlib) гистограмма стала стандартным элементом любого анализа данных.

Устройство и принцип построения

Гистограмма строится на двумерной системе координат: по оси X откладываются границы интервалов (бинов), по оси Y — частота или плотность частоты. Основные этапы построения:

1. Сбор данных: исходный набор числовых значений (например, результаты измерений, оценки, доходы).
2. Определение количества интервалов (бинов): выбор числа столбцов критически влияет на информативность графика. Слишком малое число бинов скрывает детали распределения, слишком большое — создаёт шум. Эмпирические правила:

• Правило Стёрджеса: \( k = 1 + 3.322 \log_{10} n \), где \( n \) — объём выборки.
• Правило Фридмана — Диакониса: \( k = 2 \cdot \text{IQR} \cdot n^{-1/3} \), где IQR — межквартильный размах.
• Квадратный корень: \( k \approx \sqrt{n} \).

1. Разбиение диапазона: весь диапазон значений от минимума до максимума делится на \( k \) равных интервалов. Границы интервалов обычно выбираются так, чтобы каждое значение попадало ровно в один бин (полуинтервалы: левая граница включается, правая — исключается).
2. Подсчёт частот: для каждого интервала подсчитывается количество значений, попавших в него.
3. Построение столбцов: для каждого интервала рисуется прямоугольник, основание которого равно ширине интервала, а высота — частоте. Столбцы примыкают друг к другу без зазоров.

Если интервалы разной ширины, для корректного сравнения используют плотность частоты (частота, делённая на ширину интервала), чтобы площадь столбца была пропорциональна количеству наблюдений.

Классификация и виды гистограмм

Гистограммы классифицируются по нескольким признакам:

По типу данных

• Гистограмма абсолютных частот: высота столбца равна количеству наблюдений в интервале.
• Гистограмма относительных частот: высота столбца равна доле наблюдений (частота, делённая на общее число).
• Гистограмма плотности частот: высота столбца равна частоте, делённой на ширину интервала; площадь под гистограммой равна единице (или общему числу наблюдений).

По форме распределения

• Симметричные (например, нормальное распределение) — столбцы образуют колоколообразную форму.
• Асимметричные (положительная или отрицательная асимметрия) — «хвост» распределения уходит вправо или влево.
• Мультимодальные — несколько явных пиков, указывающих на смесь нескольких распределений.
• Равномерные — все столбцы примерно одинаковой высоты.
• С выбросами — один или несколько столбцов, отстоящих от основного массива.

По способу представления

• Обычная (столбчатая) гистограмма — стандартный вид.
• Накопительная гистограмма — столбцы суммируются, показывая накопленную частоту.
• Гистограмма с наложением кривой распределения — поверх столбцов строится теоретическая кривая (например, нормальная) для сравнения.

Применение

Гистограммы широко используются в различных областях:

Статистика и анализ данных

• Оценка формы распределения (нормальность, асимметрия, эксцесс).
• Выявление выбросов и аномалий.
• Сравнение распределений разных выборок (например, контрольная и экспериментальная группы).
• Проверка гипотез (например, критерий согласия Колмогорова — Смирнова часто визуализируется гистограммой).

Промышленность и контроль качества

• Гистограмма процесса — инструмент статистического управления качеством (SPC). Позволяет оценить, соответствует ли распределение параметров продукции заданным допускам. Например, в машиностроении гистограмма диаметров валов показывает, сколько деталей выходит за пределы поля допуска.
• Анализ стабильности технологического процесса.

Экономика и финансы

• Распределение доходов населения (например, гистограмма заработных плат).
• Анализ доходности активов (гистограмма дневных изменений цен акций).
• Оценка рисков (VaR — Value at Risk часто иллюстрируется гистограммой потерь).

Медицина и биология

• Распределение физиологических параметров (рост, вес, давление) в популяции.
• Анализ результатов лабораторных исследований (например, гистограмма концентрации глюкозы в крови).
• Эпидемиология: распределение времени инкубации заболевания.

Образование и социология

• Распределение оценок учащихся по тесту.
• Анализ результатов опросов (возраст, уровень дохода).

Ограничения и критика

Несмотря на простоту и наглядность, гистограммы имеют ряд недостатков:

• Чувствительность к выбору числа бинов: при одном и том же наборе данных разные правила разбиения могут дать визуально разные распределения, что может ввести в заблуждение. Это явление известно как «проблема бинирования».
• Потеря информации: гистограмма агрегирует данные, скрывая точные значения внутри каждого интервала. Малые выборки могут давать искажённое представление.
• Субъективность интерпретации: форма гистограммы может быть неоднозначной, особенно при малом количестве наблюдений или наличии выбросов.
• Непригодность для категориальных данных: гистограмма предназначена только для количественных переменных; для категориальных данных используется столбчатая диаграмма.

В современной статистике для преодоления этих ограничений часто применяют ядерные оценки плотности (KDE), которые сглаживают распределение и не зависят от выбора интервалов.

Интересные факты

• В 1970-х годах американский статистик Джон Тьюки предложил «стебле-листовую диаграмму» (stem-and-leaf plot) как альтернативу гистограмме, сохраняющую точные значения данных.
• Гистограммы используются в компьютерном зрении для анализа гистограмм яркости изображений (например, при коррекции экспозиции).
• В пакетах статистического анализа (R, Python) существуют десятки алгоритмов автоматического выбора оптимального числа бинов, включая метод Шепарда, метод Скотта и метод Байеса.

Источники

• Пирсон К. «Contributions to the Mathematical Theory of Evolution». Philosophical Transactions of the Royal Society of London, 1895.
• Стёрджес Х. А. «The Choice of a Class Interval». Journal of the American Statistical Association, 1926.
• Фридман Д., Диаконис П. «On the histogram as a density estimator: L2 theory». Zeitschrift für Wahrscheinlichkeitstheorie und verwandte Gebiete, 1981.
• Тьюки Дж. «Exploratory Data Analysis». Addison-Wesley, 1977.
• Монтгомери Д. «Статистическое управление качеством». Вильямс, 2014.