直方图

直方图一、直方图的定义：1、什么是直方图为了容易的看出如长度、重量、硬度、时间等计量值的数据分布情况，所用来表示的图形。

直方图是将所收集的测定值或数据之全距分为几个相等的区间作为横轴，并将各区间内之测定值所出现次数积累而成的面积，用柱子排列起来的图形，故也称为柱状图。

2、使用直方图的目的（1）了解数据分布的形态。

（2）研究和分析过程能力。

（3）过程分析和控制。

（4）判断数据的真实性。

（5）计划产品的不良率。

（6）求分布的平均值与标准差。

（7）确定控制规格界限。

（8）与规格或标准值比较。

（9）调查是否混入两个以上的不同总体。

（10）了解设计、管理是否符合过程管理。

3、术语（1）频数分布。

将许多的复杂数据依其差异的幅度分成若干组，在各组内列入测量值的出现频率，既为频数分布。

（2）相对频数。

各组出线的频数除以全部的频数，即为相对频数。

（3）积累频数（f）。

自频数分布的测定值较小的一端将其频数累积计算，即为累计频数。

（4）全距（R）。

在所有数据中最大值和最小值的差，即为全距。

（5）组距（h）。

全距/组数=组距（6）算术平均数（X）。

数据的总和除以数据总和为之，通常以X表示。

X= X1+X2+X3+…+X nN（7）中位数（X）。

将数据由小至大依序排列，位居中央的数称为中位数。

若过偶位数时，则取中央两数据的平均值。

（8）众数（MODE）。

频数分布中出现频数最多的组的值。

（9）组中点一组数据中最大值与最小值的平均值。

（上组界+下组界）/2=组中点（11）标准差（S）S = h x Σfu2 -(Σfu)2nn-1二、直方图的制作1、直方图的制作方法步骤1:搜集数据并记录搜集数据时，对于抽样分布必须特别注意，不可取部分样品，应就全部均匀的加以随机抽样。

所搜集样本个数应大于50以上。

步骤2：找出数据中最大值（L）与最小值（S）先从各行（或列）求出最大值、最小值，再予比较。

步骤3：求全距（R）最大值（L）-最小值（S）=全距（R）步骤4：决定组数①组数过少，固然可得到相当简单的表格，但失去频数分布的本质与意义；组数过多，虽然表列详尽，但无法达到简化的目的。

直方图科技名词定义中文名称：直方图英文名称：Histogram定义：将一个变量的不同等级的相对频数用矩形块标绘的图表(每一矩形的面积对应于频数)。

应用学科：大气科学（一级学科）；天气学（二级学科）本内容由全国科学技术名词审定委员会审定公布百科名片统计直方图直方图(Histogram)又称柱状图、质量分布图。

是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。

一般用横轴表示数据类型，纵轴表示分布情况。

直方图法的涵义在质量管理中，如何预测并监控产品质量状况?如何对质量波动进行分析?直方图就是一目了然地把这些问题图表化处理的工具。

它通过对收集到的貌似无序的数据进行处理，来反映产品质量的分布情况，判断和预测产品质量及不合格率。

直方图又称质量分布图，柱状图，它是表示资料变化情况的一种主要工具。

用直方图可以的资料，解析出规则性，比较直观地看出产品质量特性的分布状态，对於资分布状况一目了然，便於判断其总体质量分布情况。

在制作直方图时，牵涉学的概念，首先要对资料进行分组，因此如何合理分组是其中的关键问题。

按组距相等的原则进行的两个关键数位是分组数和组距。

是一种几何形图表，它是根据从生产过程中收集来的质量数据分布情况，画成以组距为底边、以频数为高度的一系列连接起来的直方型矩形图，如图所示。

作直方图的目的就是通过观察图的形状，判断生产过程是否稳定，预测生产过程的质量。

具体来说，作直方图的目的有：①判断一批已加工完毕的产品；②验证工序的稳定性；③为计算工序能力搜集有关数据。

直方图将数据根据差异进行分类，特点是明察秋毫地掌握差异。

直方图的绘制方法①集中和记录数据，求出其最大值和最小值。

数据的数量应在100个以上，在数量不多的情况下，至少也应在50个以上。

我们把分成组的个数称为组数，每一个组的两个端点的差称为组距。

②将数据分成若干组，并做好记号。

分组的数量在5－12之间较为适宜。

③计算组距的宽度。

用最大值和最小值之差去除组数，求出组距的宽度。

直方图有关知识点总结归纳一、直方图的基本概念1. 直方图的定义直方图是一种以长方形条表示数据频数分布的图形，它将数据按照不同的取值范围分组，并用矩形的高度来表示每个组别的频数，通常横轴表示数据取值范围，纵轴表示频数或频率。

2. 直方图的用途直方图主要用于展示数据的分布情况和频数分布，可以直观地反映出数据的特征。

通过观察直方图，可以了解数据的中心趋势、离散程度等重要信息，对数据的分析和解释具有重要意义。

3. 直方图与柱状图的区别直方图和柱状图都是用长方形条表示数据，但它们之间有一些明显的区别。

直方图用于展示连续变量的频数分布，通常没有间隔，而柱状图则用于展示分类变量的数据，通常有间隔。

二、直方图的绘制方法1. 数据分组绘制直方图之前，首先需要对数据进行分组处理。

一般来说，直方图的分组方式有简单随意分组、等宽分组和等频分组等方法，根据不同数据的分布情况选择合适的分组方式。

2. 绘制坐标轴在绘制直方图时，需要绘制横轴和纵轴，横轴通常表示数据的取值范围，纵轴表示频数或频率。

在绘制时需注意选择合适的刻度和轴标签，使得图形清晰易懂。

3. 绘制长方形条根据数据分组的结果，按照每个组别的频数或频率，在对应的位置上绘制长方形条，长方形条的高度代表了该组别的频数或频率。

4. 添加标题和标签最后，需要添加标题和标签，说明直方图的含义和数据的来源，使得图形更加完整和明了。

三、直方图的特点1. 易于理解直方图通过直观的图形展示了数据的分布情况，能够直观地反映出数据的特征，便于人们理解和分析数据。

2. 反映数据分布直方图能够清晰地展示数据的分布情况，包括数据的中心趋势、离散程度等重要信息，有助于人们对数据的特征有更深入的了解。

3. 对比不同组别直方图可以直接对比不同组别的频数或频率，帮助人们了解不同组别之间的差异和相似之处。

4. 难以变换直方图通常用于展示分布情况，不易对数据进行变换，因此在选择分组方式和绘制时需谨慎考虑。

什么是直方图直方图(Histogram)也叫柱状图，是一种统计报告图，由一系列高度不等的纵向条纹表示数据分布的情况。

假设我们有一堆硬币，如下图所示，我们想知道一共有多少钱。

我们当然可以一枚一枚地数，但这样如果硬币多了可能会搞乱，因此我们需要先把硬币分类，然后分别统计每种硬币的数量。

把统计的结果图示出来，就成了直方图。

下图的横向数轴标示出硬币的面额(Kind of Coins)，纵向标示出硬币的数量(Number of Coins)。

图像的直方图以灰度图为例，假设我们的图中一共只有0,1,2,3,4,5,6,7这8种灰度，0代表黑色，7代表白色，其它数字代表0~7之间不同深浅的灰度。

统计的结果如下，横轴标示灰度级别(0~7)，纵轴标示每种灰度的数量。

Photoshop(PS)中的显示。

直方图统计数据Photoshop CS提供了动态的直方图面板，CS之前的版本要通过图象>直方图来察看。

横轴标示亮度值(0~255)，纵轴标示每种像素的数量。

像素(Pixels) - 图像的大小，图像的像素总数。

[5*3=15]色阶、数量、百分位这三项根据鼠标指针的位置来显示横坐标当前位置的统计数据。

色阶(Level) - 鼠标指针所在位置的亮度值，亮度值范围是0~255。

[181]数量(Count) - 鼠标指针所在位置的像素数量。

[4]百分位(Percentile) - 从最左边到鼠标指针位置的所有像素数量÷图像像素总数。

[(1+2+1+2+3+4)/15 = 13/15 = 0.8667 = 86.67%]当鼠标拖动，选中直方图的一段范围时，色阶、数量、百分位将显示选中范围的统计数据。

下面举个简单的例子来说明平均值、标准偏差、中间值。

例如图像A只有4个像素，亮度分别是200、50、100、200。

平均值(算术平均数,Mean,Average) - 图像的平均亮度值，高于128偏亮，低于128偏暗。

138138138145134130139131 134 137 142139137141132135 140127 136 132 148144137135135135141 136 137 131 145138133131134134138 128 133 139 140139140136132136137 138 121 136 141136130131134131137132 129 135 直⽅图简介及详细绘制步骤先啰嗦两句，在质量管理七⼤原则中，讲究询证决策，说⼈话就是“说话办事得有证据”。

质量数据便是可以很好的辅助决策的客观依据。

但简单粗糙未经整理的原⽣态数据显然是没办法完成它这个使命的。

所以如何整理质量数据进⽽清晰准确表达质量信息，可以说是质量⼈的⼀项基本⽣存技能。

⽽数据整理和表达的⼀个经典模型，便是直⽅图。

⼀、直⽅图是什么直⽅图⽤⼀系列宽度相等、⾼度不等的长⽅形来表⽰数据，其宽度代表组距，⾼度代表指定组距内的数据数（频数）。

它由英国拥有诸多头衔的天才学者卡尔卡尔·⽪尔逊（Karl Pearson ，1857—1936，右边这个帅男⼈，英国著名统计学家、应⽤数学家、历史学家、哲学家、伦理学家、民俗学家、宗教学家、优⽣学家、头⾻测量专家……名号⽐龙妈还多……）提出，并由在⽇本质量学者总结纳⼊经典QC 七⼤⼯具中。

直⽅图可使我们⽐较容易直接看到数据的分布形状、离散程度和位置状况：观察数据分布的类型，分析是否服从正态分布，有⽆异常；判断数据分布范围是否满⾜规格范围的要求；与产品规格界限做⽐较，判断分布中⼼是否偏离规格中⼼，以确定是否需要调整及调整量；但需要注意的是，虽然在过程能⼒分析中，我们常常利⽤直⽅图整理数据⽤以分析其分布状态，但有时根据观测数据所绘制的直⽅图呈⾮正态的异常分布。

这说明过程已出现了异常。

在这种状态下，是不能计算过程能⼒指数的，必须先排查异常原因，予以排查纠正后，再重新收集数据并分析。

直方图
简称：
典型应用对象：
定义：是一种对数据分布情况的图形表示，是一种二维统计图表，它的两个坐标分别是统计样本和该样本对应的某个属性的度量，以长条图（bar）的形式具体表现。

以统计的方式呈现分布之中间趋向及散布的形状，不考虑时间的影响。

变体：
发明人：
主要发明人介绍：
发展01：源自希腊语
发展02：1895年，直方图术语由英国统计学家卡尔·皮尔逊创立
概念01：归一化直方图：把直方图上每个属性的计数除以所有属性的计数之和，就得到了归一化直方图。

每个属性对应计数都是0到1之间的一个数（百分比）。

概念02：多维直方图：由二维图扩展到更高维度。

概念03：图像直方图：是用以表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素数。

概念04：颜色/亮度直方图：指图像中颜色分布的图形表示。

数字图像的颜色直方图覆盖该图像的整个色彩空间，标绘各个颜色区间中的像素数。

概念05：质量直方图：在质量管理领域中，质量分布图是根据从生产过程中收集来的质量数据分布情况，画成以组距为底边、以频数为高度的一系列连接起来的直方图。

概念06：堆叠直方图：适合将数量上的变化趋势以“堆叠”的方式比较，堆叠直方图呈现各项目的总累积数值
概念07：数据类型有锯齿型，偏峰型，陡壁型，平顶型，双峰型，孤岛型。

直方图是一种用于表示数字图像中像素灰度分布的统计图表。

它将图像的灰度范围划分为若干个等级，并统计每个等级中像素的数量，从而形成一个柱状图。

直方图的横坐标表示灰度等级，通常从最暗的黑色（0）到最亮的白色（255）进行划分。

纵坐标表示对应灰度等级的像素数量。

通过观察直方图，可以了解图像中不同灰度级别的像素分布情况。

直方图可以提供以下信息：
1. 图像的整体对比度：直方图的形状可以反映图像的整体对比度。

如果直方图的分布集中在较窄的灰度范围内，说明图像的对比度较低；如果直方图的分布较为分散，说明图像的对比度较高。

2. 像素分布情况：直方图可以显示图像中不同灰度级别的像素数量，从而了解图像的亮度分布。

如果某个灰度级别的像素数量较多，说明该灰度在图像中占据较大的比例。

3. 图像的曝光情况：通过观察直方图的左右端点，可以判断图像的曝光情况。

如果直方图的左侧截断，说明图像可能存在欠曝光；如果右侧截断，说明图像可能存在过曝光。

4. 色彩平衡：对于彩色图像，可以分别查看每个颜色通道的直方图，以评估图像的色彩平衡情况。

在图像处理中，直方图可以用于图像增强、对比度调整、色彩平衡等操作的参考。

它是一种简单而直观的工具，帮助我们了解数字图像的统计特征。

基本统计直方图知识点总结直方图是统计学中一种常用的数据可视化工具，它能够清晰地展示数据的分布情况，帮助我们快速了解数据的特征和规律。

直方图常用于描述数据的频数分布和概率密度分布，是数据分析和可视化中的重要工具。

在本文中，我们将总结直方图的基本概念、构造方法、应用场景以及注意事项，帮助读者更好地理解和运用直方图。

一、直方图的基本概念1.1 直方图的定义直方图是一种用于显示数据频率分布的图表，它将数据按照数值范围分组，并用柱状图的形式展示每个组的频数或频率。

通常情况下，直方图的横轴表示数据的取值范围，纵轴表示数据的频数或频率。

通过直方图，我们可以直观地看出数据的分布情况，包括中心位置、散布程度、异常值等。

1.2 直方图与柱状图的区别直方图和柱状图在外观上很相似，但它们的用途和展示内容却有所不同。

柱状图用于比较不同类别或组的数据，每个柱子代表一个类别或组，而直方图则主要用于展示连续型数据的分布情况，每个柱子表示数据的范围。

1.3 直方图的特点直方图具有以下几个特点：（1）展示数据分布：直方图可以直观地展示数据的分布情况，包括中心位置、离散程度和形态特征。

（2）非负性：直方图中每个柱子的高度代表数据的频数或频率，因此必须是非负的。

（3）相对宽度：直方图中每个柱子的宽度表示数据范围，相邻柱子之间没有间隙，以突出数据的连续性。

（4）面积相等：直方图中每个柱子的面积代表数据的频数或频率，因此相等宽度的柱子面积应当相等。

1.4 直方图的应用直方图在统计学和数据分析中有着广泛的应用，主要包括以下几个方面：（1）数据分布展示：直方图可以清晰地展示数据的分布情况，包括正态分布、偏态分布、离散分布等。

（2）异常值检测：直方图可以帮助我们快速发现数据中的异常值，通常异常值会在直方图中呈现为孤立的柱子。

（3）数据分组分析：直方图可以帮助我们合理地对数据进行分组，并分析不同组的分布情况和特征。

（4）统计规律验证：直方图可以用于验证数据的统计规律，比如频率分布是否符合某个特定分布模型。

QC （旧）七大手法之五——直方图（histogram ）第一小节 直方图的观察分析一．定义众所周知在相同的条件下制造出来的产品，其质量特性也不完全相同，但也不会相差太大，总是在一定范围内波动，而且这种波动有一定的规律性，直方图就是直观而形象地把质量分布规律用图形表示出来的统计工具。

直方图（histogram ）是频数直方图的简称，又叫质量分布图、矩形图、柱形图、柱状图、频数图。

是指通过对生产过程中产品质量的分布状态的描绘与分析，来判断生产过程质量的一种常用方法，它是工序质量控制统计方法中的主要工具之一(另一工序质量控制工具就是控制图)。

直方图是一种几何图表，它是根据从生产过程中收集到的质量数据（通常不能少于50个，最少不能少于30个数据）分布情况，画成以组距为底边、以频数为高度的一系列连接起来的直方形矩形图。

十六世纪末十七世纪初英格兰人普莱菲和德国地理学者科洛玛是使用直方图的先驱者。

直方图的分类：直方图根据使用的各组数据是频数还是频率分为频数直方图与频率直方图；在表示分布时又分为一般直方图和累计直方图两种。

直方图的基本形式（格式）：说明：横坐标表示产品的质量特性值（如尺寸、重量等计量值），在横坐标上划分了若干个间距相等的区间（即矩形的宽度表示数据范围的间隔）。

纵坐标表示在n 个数据中，落在各个区间里的频数（即反复出现在该区间的次数）（即高度表示在给定的间隔内数据出现的频数即数目）。

一个个直方形，其宽度取决于区间的宽度，其高度取决于该区间的频数（频数常用f 表示），n 表示样本大小(即样本量)，X 表示样本中全体数据的平均值（表示分布中心），S 表示样本的标准偏差（S 表示质量特性离散程度，有的也称标准差）。

直方图适用于对于大量计量值数据进行整理加工，找出其统计规律，也就是分析数据的形态，以便对其整体的分布特征进行推断（即通过变化的高度形态表示数据的分布情况）。

直方图是从总体中随机抽取样本，对从样本中获得的数据进行整理后，用一系列等宽的矩形来表示数据。