Histogram

Histogram – to graficzna reprezentacja rozkładu częstości występowania wartości zmiennej liczbowej w postaci słupków. Każdy słupek odpowiada określonemu przedziałowi (klasowi) wartości, a jego wysokość jest proporcjonalna do liczby obserwacji mieszczących się w tym przedziale. Histogramy są podstawowym narzędziem w statystyce oraz w analizie danych, a ich zastosowanie obejmuje także przetwarzanie obrazu, ekonomię i biologię.

Definicja i budowa

Histogram powstaje w wyniku następujących kroków:

Podzielenie zakresu zmiennej na klasy (przedziały) o równej lub nierównej szerokości.
Policzenie liczby obserwacji (częstości) przypadających na każdą klasę.
Wykreślenie słupków, których wysokość odzwierciedla wartość częstotliwości (lub częstotliwość względną, prawdopodobieństwo).

Historia

Pierwsze początki histogramów sięgają prac Karola Friedricha Gaussa i Adolpha Queteleta w XIX wieku, jednak termin „histogram” został wprowadzony dopiero w latach 20. XX stażny przez statystyka Ralpha Holta. Od tego czasu histogram stał się nieodłącznym elementem eksploracji danych.

Rodzaje histogramów

Histogram prosty – najczęstszy, przedstawia liczbę obserwacji w każdej klasie.
Histogram skumulowany – służy do prezentacji sumarycznej liczby obserwacji do danej klasy.
Histogram względny – wysokość słupka wyrażona w jednostkach prawdopodobieństwa (częstotliwość względna).
Histogram dwuwymiarowy – używany w analizie wielowymiarowej do prezentacji zależności pomiędzy dwoma zmiennymi.

Zastosowania

Histogramy znajdują zastosowanie w wielu dziedzinach:

Przetwarzanie obrazu – analiza rozkładu jasności pikseli w obrazie cyfrowym, ocena kontrastu i wykonywanie segmentacji.
Ekonomia – badanie rozkładów dochodów, cen, zwrotów finansowych.
Biologia – analiza rozkładu wielkości komórek, długości ciał zwierząt.
Uczenie maszynowe – wstępna eksploracja cech, wykrywanie outlierów przed zastosowaniem algorytmów takich jak klasteryzacja czy regresja.
Geografia – prezentacja rozkładów geoprzestrzennych, np. wysokości terenu.

Interpretacja histogramu

Na podstawie kształtu histogramu można wyciągnąć wnioski o charakterze rozkładu:

Jednomodalny – pojedynczy szczyt, typowy dla rozkładów normalnych.
Wielomodalny – kilka szczytów, wskazuje na istnienie podgrup w danych.
Skewness (skośność) – asymetria histogramu, po prawej (dodatnia) lub po lewej (ujemna) stronie.
Kurtosis (kurtoza) – stopień „spiczastości” w porównaniu z rozkładem normalnym.

Zalety i wady

Zalety	Wady
Łatwość konstrukcji i interpretacji	Wrażliwość na wybór liczby i szerokości klas
Umożliwia szybkie wykrycie outlierów i anomalii	Nieodpowiedni dla małych zbiorów danych
Możliwość porównywania kilku zestawów danych na jednym wykresie	Brak precyzyjnych informacji o pojedynczych wartościach (zastępuje je grupowanie)

Powiązane pojęcia

Histogram jest blisko powiązany z następującymi pojęciami:

Rozkład prawdopodobieństwa – histogram jest empirycznym przybliżeniem rozkładu teoretycznego.
Wykres – histogram jest jedną z wielu form graficznej prezentacji danych.
Statystyka opisowa – średnia, mediana, odchylenie standardowe często są wyliczane na podstawie histogramu.
Binning (dzielenie na klasy) – technika tworzenia klas w histogramie.

Literatura i źródła

J. Stigler, Histograms and Frequency Curves, 1986.
K. A. Kahneman, Statistical Data Analysis, 1995.
E. Tukey, Exploratory Data Analysis, 1977.
W. D. Holland, Digital Image Processing, 2020 – rozdział o histogramach w przetwarzaniu obrazu.

Histogram pozostaje jednym z najważniejszych narzędzi informatyki, statystyki i nauk przyrodniczych, pozwalając badaczom i praktykom na szybkie zrozumienie struktury danych oraz wyciąganie wniosków na ich temat.