![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/hist_shape1.png\")
<\/p>\n
O\u015b X pokazuje warto\u015bci zbioru danych, a o\u015b Y pokazuje cz\u0119stotliwo\u015b\u0107 ka\u017cdej warto\u015bci.<\/span><\/p>\n Histogramy s\u0105 przydatne, poniewa\u017c pozwalaj\u0105 nam szybko zrozumie\u0107 rozk\u0142ad warto\u015bci w zbiorze danych. S\u0105 r\u00f3wnie\u017c przydatne do por\u00f3wnywania dw\u00f3ch r\u00f3\u017cnych zestaw\u00f3w danych.<\/span><\/p>\n Por\u00f3wnuj\u0105c dwa lub wi\u0119cej histogram\u00f3w, mo\u017cemy odpowiedzie\u0107 na trzy r\u00f3\u017cne pytania:<\/span><\/p>\n 1. Jak por\u00f3wnuj\u0105 si\u0119 warto\u015bci mediany?<\/strong><\/span><\/p>\n Mo\u017cemy z grubsza oszacowa\u0107, \u017ce mediana le\u017cy w pobli\u017cu \u015brodka ka\u017cdego histogramu, co pozwala nam por\u00f3wna\u0107 warto\u015bci mediany rozk\u0142ad\u00f3w.<\/span><\/p>\n 2. Jak wypada por\u00f3wnanie dyspersji?<\/strong><\/span><\/p>\n Mo\u017cemy wizualnie zobaczy\u0107, kt\u00f3ry histogram jest bardziej roz\u0142o\u017cony, co daje nam wyobra\u017cenie, kt\u00f3ry rozk\u0142ad ma bardziej rozproszone warto\u015bci.<\/span><\/p>\n 3. Jak wypada asymetria?<\/strong><\/span><\/p>\n Je\u015bli histogram ma \u201eogon\u201d po lewej stronie wykresu, m\u00f3wi si\u0119, \u017ce jest on przekrzywiony ujemnie. I odwrotnie, je\u015bli histogram ma \u201eogon\u201d po prawej stronie wykresu, m\u00f3wi si\u0119, \u017ce jest on dodatnio przekrzywiony. Mo\u017cemy wizualnie sprawdzi\u0107 ka\u017cdy histogram, aby por\u00f3wna\u0107 sko\u015bno\u015b\u0107<\/a> .<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak por\u00f3wna\u0107 dwa r\u00f3\u017cne histogramy i odpowiedzie\u0107 na te trzy pytania.<\/span><\/p>\n Za\u0142o\u017cono, \u017ce 200 uczni\u00f3w korzysta z jednej metody nauki, aby przygotowa\u0107 si\u0119 do egzaminu, a kolejnych 200 uczni\u00f3w korzysta z innej metody nauki, aby przygotowa\u0107 si\u0119 do tego samego egzaminu.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce tworzymy nast\u0119puj\u0105ce histogramy w celu por\u00f3wnania wynik\u00f3w egzamin\u00f3w ka\u017cdej grupy uczni\u00f3w:<\/span> <\/p>\n Mo\u017cemy por\u00f3wna\u0107 te histogramy i odpowiedzie\u0107 na trzy pytania:<\/span><\/p>\n 1. Jak por\u00f3wnuj\u0105 si\u0119 warto\u015bci mediany?<\/strong><\/span><\/p>\n Chocia\u017c nie znamy dok\u0142adnych warto\u015bci mediany ka\u017cdego rozk\u0142adu, po prostu patrz\u0105c na histogramy, oczywiste jest, \u017ce \u015bredni wynik egzaminu uczni\u00f3w, kt\u00f3rzy zastosowali Metod\u0119 1, jest wy\u017cszy ni\u017c \u015bredni wynik egzaminu uczni\u00f3w, kt\u00f3rzy zastosowali Metod\u0119 1. metoda 2.<\/span><\/p>\n Mo\u017cna oszacowa\u0107, \u017ce mediana warto\u015bci dla metody 1 wynosi oko\u0142o 84, a mediana warto\u015bci dla metody 2 wynosi oko\u0142o 78.<\/span><\/p>\n 2. Jak wypada por\u00f3wnanie dyspersji?<\/strong><\/span><\/p>\n Warto\u015bci histogramu dla Metody 2 s\u0105 znacznie bardziej rozproszone ni\u017c te dla Metody 1, co m\u00f3wi nam, \u017ce istnieje znacznie wi\u0119ksze rozproszenie wynik\u00f3w egzamin\u00f3w dla uczni\u00f3w, kt\u00f3rzy zastosowali Metod\u0119 2.<\/span><\/p>\n 3. Jak wypada asymetria?<\/strong><\/span><\/p>\n Patrz\u0105c na histogramy, wydaje si\u0119, \u017ce rozk\u0142ad wynik\u00f3w testu dla Metody 1 jest lekko przesuni\u0119ty w prawo, na co wskazuje \u201eogon\u201d rozci\u0105gaj\u0105cy si\u0119 na prawo od histogramu.<\/span><\/p>\n Jednak\u017ce nie wydaje si\u0119, aby w rozk\u0142adzie wynik\u00f3w badania dla metody 2 istnia\u0142 \u201eogon\u201d, co oznacza, \u017ce rozk\u0142ad jest niewielki lub nie jest przekrzywiony.<\/span><\/p>\n Bonus<\/strong> : Oto kod, kt\u00f3rego u\u017cyli\u015bmy w R, aby utworzy\u0107 te dwa histogramy:<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania z histogramami:<\/p>\n Jak oszacowa\u0107 \u015bredni\u0105 i median\u0119 dowolnego histogramu<\/a> Histogram to rodzaj wykresu, kt\u00f3ry pozwala nam zwizualizowa\u0107 rozk\u0142ad warto\u015bci w zbiorze danych. O\u015b X pokazuje warto\u015bci zbioru danych, a o\u015b Y pokazuje cz\u0119stotliwo\u015b\u0107 ka\u017cdej warto\u015bci. Histogramy s\u0105 przydatne, poniewa\u017c pozwalaj\u0105 nam szybko zrozumie\u0107 rozk\u0142ad warto\u015bci w zbiorze danych. S\u0105 r\u00f3wnie\u017c przydatne do por\u00f3wnywania dw\u00f3ch r\u00f3\u017cnych zestaw\u00f3w danych. Por\u00f3wnuj\u0105c dwa lub wi\u0119cej histogram\u00f3w, mo\u017cemy odpowiedzie\u0107 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3611","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Przyk\u0142ad: por\u00f3wnywanie histogram\u00f3w<\/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 Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak oszacowa\u0107 odchylenie standardowe dowolnego histogramu<\/a>
Jak opisa\u0107 kszta\u0142t histogram\u00f3w<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"