Histogram

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 21 sierpnia 2026 · Aktualizacja: 22 sierpnia 2026

Co oznacza Histogram?

Histogram pokazuje rozkład zmiennej ilościowej za pomocą liczebności lub gęstości w przedziałach.

Zastosowanie, warunki i dobre praktyki

Każdy słupek reprezentuje przedział wartości, a jego wysokość liczebność, częstość lub gęstość. Obraz rozkładu zależy od szerokości i początku przedziałów, dlatego dwa histogramy tych samych danych mogą wyglądać odmiennie. Przy małych próbach warto pokazać również pojedyncze obserwacje, natomiast przy porównywaniu grup zachować wspólne granice koszyków i skale osi.

Najważniejsze zastosowanie: Używaj do oceny kształtu, skośności, wielu modalności i wartości skrajnych.

Jak poprawnie stosować i interpretować hasło „Histogram”?

Zastosowanie pojęcia „Histogram” zaczyna się od rozpoznania skali zmiennej, jej jednostki i kształtu rozkładu. Dla interpretacji hasła „Histogram” miara centrum powinna być zestawiona z miarą rozproszenia i liczebnością, ponieważ pojedyncze podsumowanie może ukryć skośność, wiele skupień albo wartości skrajne. W odniesieniu do hasła „Histogram” dla kategorii ważne są liczebności i procenty z jawnym mianownikiem, a dla danych ilościowych także wykres przedstawiający pełny zakres obserwacji.

Przy ocenie „Histogram” należy sprawdzić braki danych, wartości niemożliwe i sposób agregacji powtarzanych pomiarów. Przy ocenie hasła „Histogram” różnice między średnią, medianą i dominantą mogą być informacją o rozkładzie, a nie błędem do usunięcia. W analizie dotyczącej hasła „Histogram” wyniki dla małych podgrup wymagają ostrożności, bo pozornie duże różnice mogą być niestabilne i zależne od pojedynczych obserwacji.

Co trzeba opisać w raporcie?

Opis pojęcia „Histogram” powinien zawierać nazwę zmiennej, jednostkę, liczebność analizowaną oraz właściwe miary położenia i zmienności. Dla interpretacji hasła „Histogram” trzeba osobno podać zakres braków i zasady ich traktowania. W odniesieniu do hasła „Histogram”, jeżeli wynik porównuje grupy, identyczny zestaw podsumowań należy pokazać dla każdej z nich, zachowując wspólną skalę prezentacji.

Zakres raportowania dla hasła „Histogram”: Podaj jednostkę, sensowną szerokość koszyków i liczebność próby.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Czas reakcji tworzy długi prawy ogon, co sugeruje pokazanie mediany i rozważenie transformacji/modelu.

Jak ją zinterpretować: Kształt sugerowany przez histogram zależy od granic i szerokości przedziałów, dlatego nie wolno interpretować pojedynczego układu słupków jak niezmiennej cechy danych. Wniosek warto potwierdzić wykresem punktowym lub gęstością.

Najczęstsza pułapka i granica interpretacji

Kształt histogramu może mocno zmieniać się wraz z arbitralną liczbą koszyków.

Samo podsumowanie za pomocą „Histogram” nie stanowi testu hipotezy i nie uzasadnia uogólnienia poza próbę. Przy ocenie hasła „Histogram” miara opisowa charakteryzuje dane, ale nie rozstrzyga, jaki mechanizm je wytworzył.

Przykład reprodukowalny dla tego hasła

Histogram i ocena rozkładu

Kod jest poświęcony histogramowi i wykresowi kwantylowemu jednej zmiennej, a nie automatycznej decyzji o wyborze testu.

Dane wejściowe: Kolumna wynik jest liczbowa. Najpierw sprawdź błędy danych i jednostkę pomiaru.

Co sprawdzić w wyniku: Oceń kształt, obserwacje skrajne i możliwą wielomodalność; nie opieraj decyzji wyłącznie na jednym teście normalności.

dane <- read.csv("dane.csv")
x <- na.omit(dane$wynik)

hist(x, breaks = "FD", col = "#70CED0", border = "white",
     main = "Rozkład wyniku", xlab = "Wynik")
qqnorm(x); qqline(x, col = "#E9A820", lwd = 2)

if (length(x) >= 3 && length(x) <= 5000) shapiro.test(x)

Python

import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats

x = pd.read_csv("dane.csv")["wynik"].dropna()
plt.hist(x, bins="fd", color="#70CED0", edgecolor="white")
plt.xlabel("Wynik")
plt.ylabel("Liczebność")
plt.show()

stats.probplot(x, dist="norm", plot=plt)
plt.show()
print(stats.shapiro(x))  # w SciPy wynik obejmuje W i p

IBM SPSS Statistics — Syntax

EXAMINE VARIABLES=wynik
 /PLOT=HISTOGRAM NPPLOT
 /STATISTICS=DESCRIPTIVES
 /CINTERVAL=95
 /MISSING=LISTWISE.

* Test Kołmogorowa-Smirnowa z poprawką Lillieforsa i Shapiro-Wilka pojawią się w tabeli normalności.

Bibliografia oprogramowania i wykorzystanych pakietów

W przykładach użyto: R, Python, IBM SPSS Statistics, pandas, SciPy, Matplotlib. W pracy badawczej podaj również faktycznie użyte wersje, które można odczytać poleceniami sessionInfo() w R oraz pip freeze lub importlib.metadata.version() w Pythonie. Cytuj wyłącznie narzędzia rzeczywiście użyte w końcowej analizie.

R: R Core Team. (2026). R: A language and environment for statistical computing [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
Python: Van Rossum, G., & Drake, F. L., Jr. (2009). Python 3 reference manual. CreateSpace.
IBM SPSS Statistics: IBM Corp. (2025). IBM SPSS Statistics for Macintosh (Version 31.0) [Computer software]. IBM Corp.
pandas: McKinney, W. (2010). Data structures for statistical computing in Python. In S. van der Walt & J. Millman (Eds.), Proceedings of the 9th Python in Science Conference (pp. 56–61). https://doi.org/10.25080/Majora-92bf1922-00a
SciPy: Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., Burovski, E., Peterson, P., Weckesser, W., Bright, J., van der Walt, S. J., Brett, M., Wilson, J., Millman, K. J., Mayorov, N., Nelson, A. R. J., Jones, E., Kern, R., Larson, E., … SciPy 1.0 Contributors. (2020). SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, 17, 261–272. https://doi.org/10.1038/s41592-019-0686-2
Matplotlib: Hunter, J. D. (2007). Matplotlib: A 2D graphics environment. Computing in Science & Engineering, 9(3), 90–95. https://doi.org/10.1109/MCSE.2007.55

BibTeX dla oprogramowania i pakietów

@manual{r-core-2026,
  author = {{R Core Team}},
  title = {R: A Language and Environment for Statistical Computing},
  organization = {R Foundation for Statistical Computing},
  address = {Vienna, Austria},
  year = {2026},
  url = {https://www.R-project.org/}
}

@book{vanrossum2009python,
  author = {Van Rossum, Guido and Drake, Fred L., Jr.},
  title = {Python 3 Reference Manual},
  publisher = {CreateSpace},
  year = {2009},
  isbn = {978-1-4414-1269-0}
}

@software{ibm2025spss,
  author = {{IBM Corp.}},
  title = {IBM SPSS Statistics for Macintosh},
  year = {2025},
  version = {31.0},
  publisher = {IBM Corp.}
}

@inproceedings{mckinney2010pandas,
  author = {McKinney, Wes},
  title = {Data Structures for Statistical Computing in Python},
  booktitle = {Proceedings of the 9th Python in Science Conference},
  editor = {van der Walt, Stéfan and Millman, Jarrod},
  year = {2010},
  pages = {56--61},
  doi = {10.25080/Majora-92bf1922-00a}
}

@article{virtanen2020scipy,
  author = {Virtanen, Pauli and Gommers, Ralf and Oliphant, Travis E. and Haberland, Matt and Reddy, Tyler and others},
  title = {SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python},
  journal = {Nature Methods},
  year = {2020},
  volume = {17},
  pages = {261--272},
  doi = {10.1038/s41592-019-0686-2}
}

@article{hunter2007matplotlib,
  author = {Hunter, John D.},
  title = {Matplotlib: A 2D Graphics Environment},
  journal = {Computing in Science and Engineering},
  year = {2007},
  volume = {9},
  number = {3},
  pages = {90--95},
  doi = {10.1109/MCSE.2007.55}
}

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Appelbaum et al., 2018).

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Poradnik

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczy Oferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7
Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Statistical tests, P values, confidence intervals, and power: A guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3

Cytowania BibTeX

@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}

@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}

@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}

@article{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}

@article{wasserstein2016pvalues, author={Wasserstein, Ronald L. and Lazar, Nicole A.}, title={The ASA Statement on p-Values: Context, Process, and Purpose}, journal={The American Statistician}, year={2016}, volume={70}, number={2}, pages={129--133}, doi={10.1080/00031305.2016.1154108}}

@article{greenland2016misinterpretations, author={Greenland, Sander and Senn, Stephen J. and Rothman, Kenneth J. and Carlin, John B. and Poole, Charles and Goodman, Steven N. and Altman, Douglas G.}, title={Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations}, journal={European Journal of Epidemiology}, year={2016}, volume={31}, number={4}, pages={337--350}, doi={10.1007/s10654-016-0149-3}}