Histogramvisning

Histogramvisning är en grafisk metod för att visa fördelningen hos en numerisk variabel. Data delas upp i intervall, så kallade bin, och antalet observationer i varje bin visas som en stapel. Den horisontella axeln visar värdeintervallen båda staplarna täcker, medan den vertikala axeln vanligtvis visar frekvens eller relativ frekvens. Om staplarnas höjd istället representerar densitet används normalisering så att y-axeln motsvarar area 1. Histogram kan även jämföras mellan olika grupper genom flera histogram bredvid varandra eller genom staplade histogram.

Valet av antal bin och binbredd påverkar hur distributionen uppfattas. Olika metoder används för att bestämma detta, exempelvis Sturges' regel, Freedman-Diaconis-regeln och Scotts regel. För breda binar döljs detaljer i fördelningen, medan för smala bin kan bilden bli rörig eller överanpassad till data. Histogram är särskilt användbara för att bedöma formfaktorer som skevhet, unimodalt eller multimodalt mönster och förekomst av outliers. De står ofta i jämförelse med kärntäthetsestimering (kernel density estimation), som ger en slät kurva istället för diska staplar. För att jämföra grupper kan man använda flera histogram eller staplade histogram.

Begränsningar inkluderar att histogramet inte ger en exakt sannolikhetsfördelning och att resultatet är känsligt för binval. Histogram används vanligtvis i explorativ dataanalys och presenterar snabbt övergripande egenskaper hos data. Vanliga programvaror för att skapa histogram inkluderar Python (matplotlib, seaborn), R (ggplot2) och Excel.