Kādi ir dažādi histogrammas interpretācijas veidi?

Ir daudz dažādu histogrammas interpretācijas veidu, ko nosaka diagrammas vispārējā forma. Divas galvenās atšķirības ir simetriskas histogrammas un asimetriskas histogrammas. Šajās divās galvenajās atšķirībās ir vairākas citas atšķirības atkarībā no grafika sadalījuma. Izprotot dažādus histogrammas interpretācijas veidus, analītiķi var uzzināt kaut ko par datiem no pirmā acu uzmetiena.

Parastā histogrammas forma ir pazīstama kā zvana forma vai zvana līkne. Lielākais datu punktu skaits atrodas netālu no diagrammas centra, un katrā galā ir arvien mazāk punktu, kas attālinās no centra. Kad tiek novilkta līnija, aptuveni izmantojot stieņu augšdaļas kā atskaites punktus, tā atgādina zvana formu. Šis ir modelis, kas visbiežāk rodas, analizējot lietas, kas notiek dabiskajā pasaulē.

Divas tipiskas simetriskas histogrammas interpretācijas variācijas ir neparastā īstermiņa un neparastā garā asti. Šādos gadījumos datu punkti joprojām parasti ir vienmērīgi abās pusēs, taču pastāv zināmas atšķirības sadalījumā. Īsā histogrammas interpretācijā datu punkti mēdz grupēties ap centru. Ilgstoši interpretējot, datu punkti mēdz būt vairāk izkliedēti, bet tomēr lielākoties vienmērīgi sadalīti abās pusēs.

Vēl viena simetriskās histogrammas variācija ir simetriska ar novirzēm. Šādā gadījumā datu kopās var būt ievērojamas nepilnības, kas atstāj nepilnības histogrammā. Neskatoties uz to, histogramma joprojām ir salīdzinoši simetriska, jo abās pusēs parādās novirzes. Dažos gadījumos novirzes var tikt izmestas, jo tās nav statistiski nozīmīgas.

Otrs galvenais histogrammu interpretācijas veids ir asimetriskā interpretācija. Tāpat kā citu galveno iedalījumu, arī asimetriskas histogrammas var iedalīt apakšnodaļās. Asimetriskas histogrammas tiek sauktas arī par šķībām histogrammām, jo ​​​​datu punkti dod priekšroku vienai centra pusei vai otrai pusei. Ārpuses var būt arī šķībās histogrammās, taču parasti tās neietekmē formu vai vidējos rādītājus, ja vien tie nav ārkārtēji novirzes.

Šķibu vai asimetrisku histogrammas interpretāciju bieži ir grūti patiesi izpildīt, jo datu punkti ir ļoti labvēlīgi uz vienu vai otru pusi. Bieži vien vidējie rādītāji šādās datu kopās var nozīmēt ļoti maz, jo tie ir tik šķībi. Vidējais var nebūt patiesi histogrammas vidū, un tam ir tendence samazināt tā statistisko nozīmīgumu.