Vilka är de olika typerna av histogramtolkning?

Det finns många olika typer av histogramtolkning, bestämda av grafens övergripande form.De två huvudsakliga skillnaderna är symmetriska histogram och asymmetriska histogram.Inom dessa två stora distinktioner är ett antal andra distinktioner, beroende på fördelningarna av grafen.Att förstå de olika typerna av histogramtolkning kan låta analytiker veta något om uppgifterna vid första anblicken.

Den normala formen på ett histogram kallas klockformen eller klockkurvan.Det högsta antalet datapunkter är belägna nära mitten av grafen, med allt lägre mängder punkter i varje ände och flyttar bort från mitten.När en linje ritas och använder ungefär topparna på staplarna som referenspunkter, liknar den formen på en klocka.Detta är mönstret som förekommer oftast när man analyserar saker som förekommer i den naturliga världen.

Två typiska variationer av den symmetriska histogramtolkningen är den icke-normala korta svansen och den icke-normala långa svansen.I dessa fall tenderar datapunkterna fortfarande mestadels till och med på båda sidor, men det finns en viss skillnad i distributionen.I en kort-svansad histogramtolkning tenderar datapunkterna att gå upp runt mitten.I detta fall kan det finnas betydande luckor inom datauppsättningarna som lämnar luckor i histogrammet.Trots detta förblir histogrammet relativt symmetriskt eftersom outliers visas på båda sidor.I vissa fall kan outliers kastas ut eftersom de inte är statistiskt signifikanta.

Den andra huvudtolkningen för histogram är den asymmetriska tolkningen.Liksom den andra stora uppdelningen kan asymmetriska histogram ytterligare delas upp i underavdelningar.Asymmetriska histogram är också kända som skev histogram, eftersom datapunkterna gynnar den ena sidan av mitten eller den andra sidan.Outliers kan också existera i snedställda histogram, men påverkar vanligtvis inte formen eller medelvärdena, såvida de inte är extrema outliers.

En skev eller asymmetrisk histogramtolkning är ofta svår att verkligen åstadkomma eftersom datapunkterna är starkt gynnade för en sida eller den sidan eller den sidaÖvrig.Ofta kan medelvärden betyda mycket lite i sådana datauppsättningar eftersom de är så sned.Genomsnittet kanske inte är riktigt mitt i histogrammet, och detta tenderar att minska dess statistiska betydelse.