![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/hist_shape1.png\")
<\/p>\n
L’asse X mostra i valori del set di dati e l’asse Y mostra la frequenza di ciascun valore.<\/span><\/p>\n Gli istogrammi sono utili perch\u00e9 ci consentono di comprendere rapidamente la distribuzione dei valori in un set di dati. Sono utili anche per confrontare due diversi set di dati.<\/span><\/p>\n Quando confrontiamo due o pi\u00f9 istogrammi, possiamo rispondere a tre diverse domande:<\/span><\/p>\n 1. Come si confrontano i valori mediani?<\/strong><\/span><\/p>\n Possiamo stimare approssimativamente che la mediana si trovi vicino al centro di ciascun istogramma, permettendoci di confrontare i valori mediani delle distribuzioni.<\/span><\/p>\n 2. Come si confronta la dispersione?<\/strong><\/span><\/p>\n Possiamo vedere visivamente quale istogramma \u00e8 pi\u00f9 disperso, il che ci d\u00e0 un’idea di quale distribuzione ha valori pi\u00f9 dispersi.<\/span><\/p>\n 3. Come si confronta l’asimmetria?<\/strong><\/span><\/p>\n Se un istogramma ha una “coda” sul lato sinistro del grafico, si dice che sia inclinato negativamente. Al contrario, se un istogramma ha una “coda” sul lato destro del grafico, si dice che sia inclinato positivamente. Possiamo controllare visivamente ciascun istogramma per confrontare l’asimmetria<\/a> .<\/span><\/p>\n L’esempio seguente mostra come confrontare due diversi istogrammi e rispondere a queste tre domande.<\/span><\/p>\n Si presuppone che 200 studenti utilizzino un metodo di studio per prepararsi per un esame e altri 200 studenti utilizzino un metodo di studio diverso per prepararsi per lo stesso esame.<\/span><\/p>\n Supponiamo di creare i seguenti istogrammi per confrontare i risultati degli esami di ciascun gruppo di studenti:<\/span> <\/p>\n Possiamo confrontare questi istogrammi e rispondere alle seguenti tre domande:<\/span><\/p>\n 1. Come si confrontano i valori mediani?<\/strong><\/span><\/p>\n Sebbene non conosciamo gli esatti valori mediani di ciascuna distribuzione semplicemente osservando gli istogrammi, \u00e8 ovvio che il punteggio medio dell’esame degli studenti che hanno utilizzato il Metodo 1 \u00e8 superiore al punteggio medio dell’esame degli studenti che hanno utilizzato il Metodo 1. metodo 2.<\/span><\/p>\n Potremmo stimare che il valore mediano per il metodo 1 sia intorno a 84 e il valore mediano per il metodo 2 sia intorno a 78.<\/span><\/p>\n 2. Come si confronta la dispersione?<\/strong><\/span><\/p>\n I valori dell’istogramma per il Metodo 2 sono molto pi\u00f9 dispersi rispetto a quelli per il Metodo 1, il che ci dice che c’\u00e8 una dispersione molto maggiore nei risultati dell’esame per gli studenti che hanno utilizzato il Metodo 2.<\/span><\/p>\n 3. Come si confronta l’asimmetria?<\/strong><\/span><\/p>\n Osservando gli istogrammi, sembra che la distribuzione dei punteggi dei test per il Metodo 1 sia leggermente sbilanciata verso destra, come indicato dalla “coda” che si estende a destra dell’istogramma.<\/span><\/p>\n Tuttavia, non sembra esserci una \u201ccoda\u201d nella distribuzione dei risultati degli esami per il metodo 2, il che ci dice che la distribuzione \u00e8 poco o per nulla distorta.<\/span><\/p>\n Bonus<\/strong> : ecco il codice che abbiamo usato in R per creare questi due istogrammi:<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni con gli istogrammi:<\/p>\n Come stimare la media e la mediana di qualsiasi istogramma<\/a> Un istogramma \u00e8 un tipo di grafico che ci consente di visualizzare la distribuzione dei valori in un insieme di dati. L’asse X mostra i valori del set di dati e l’asse Y mostra la frequenza di ciascun valore. Gli istogrammi sono utili perch\u00e9 ci consentono di comprendere rapidamente la distribuzione dei valori in un […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Esempio: confronto degli istogrammi<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/comparerhistogrammes2.jpg\")
<\/p>\n library<\/span> (ggplot2)\n\n#make this example reproducible\n<\/span>set. seeds<\/span> (0)\n\n#create data frame\n<\/span>df <- data. frame<\/span> (method=rep(c(' Method 1<\/span> ', ' Method 2<\/span> '), each= 200<\/span> ),\n Score=c(rnorm( 200<\/span> , mean= 84<\/span> , sd= 2<\/span> ),\n rnorm( 200<\/span> , mean= 78<\/span> , sd= 4<\/span> )))\n\n#create histogram of scores for each method\n<\/span>ggplot(df, aes(x=Score)) +\n geom_histogram(fill=' steelblue<\/span> ', color=' black<\/span> ') +\n facet_wrap(.~method, nrow= 2<\/span> ) +\n labs(title=' Exam Scores by Study Method<\/span> ')\n<\/strong><\/span><\/pre>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come stimare la deviazione standard di qualsiasi istogramma<\/a>
Come descrivere la forma degli istogrammi<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"