Сообщить об ошибкеКороткий ответ
На гистограмме смотрят на число «пиков» (мод), симметрию относительно центра и длину хвостов: один симметричный пик — похоже на нормальное распределение, длинный хвост в одну сторону — скошенное, два и более пика — возможна смесь разных подгрупп данных.
Как это работает подробнее
гистограмма группирует данные в интервалы (бины) и показывает частоту попадания в каждый — форма столбиков визуально приближает форму плотности распределения. Такой визуальный анализ часто предшествует выбору конкретного статистического теста или модели для дальнейшей работы с данными.
Пример кода
Пример на Python
import numpy as np
import matplotlib.pyplot as plt
new_users = np.random.normal(300, 50, 500)
returning_users = np.random.normal(800, 100, 500)
combined = np.concatenate([new_users, returning_users])
plt.hist(combined, bins=30)Что использовать на практике
- На практике: число бинов сильно влияет на то, что видно: слишком мало бинов скрывает детали, слишком много — создаёт «шумную» картину со случайными провалами. Бимодальность (два пика) часто сигнализирует, что в данных смешаны две разные подгруппы (например, новые и постоянные клиенты с разным типичным чеком) — тогда разумнее анализировать их отдельно, а не как единое распределение. Полезно также пробовать несколько значений числа бинов (например, через формулу Стёрджеса как отправную точку) и сравнивать получившиеся гистограммы, прежде чем делать выводы о форме.
- Проверка: на гистограмме combined будет видно два пика — около 300 и около 800; это сигнал построить отдельные гистограммы и статистики для new_users и returning_users вместо общей.
Подводные камни
- Частые ошибки: делать выводы о нормальности «на глаз» по гистограмме с неудачным числом бинов без дополнительной проверки (например, QQ-plot или теста); игнорировать бимодальность и считать общее среднее по смеси разнородных групп; сравнивать гистограммы с разным масштабом оси Y (частоты вместо долей) при разном объёме выборок. Ещё одна ошибка — путать бимодальность, вызванную смешением сегментов, с мультимодальностью, вызванной циклическим паттерном (например, время суток), которая требует другого подхода к анализу.